本文是我在產(chǎn)品內(nèi)部做的一次關(guān)于人工智能的分享內(nèi)容后進(jìn)行總結(jié)的文章。因?yàn)槲以谘芯可陂g研究方向是神經(jīng)網(wǎng)絡(luò)，而最近的人工智能、深度學(xué)習(xí)等熱點(diǎn)領(lǐng)域在互聯(lián)網(wǎng)風(fēng)生水起，因此產(chǎn)品老大讓我準(zhǔn)備做一個(gè)關(guān)于人工智能的分享。

這是一篇知識(shí)普及式的介紹性的分享，這次分享主要從以下4個(gè)方面來講。

1. 什么是人工智能？主要介紹人工智能的定義、人工智能的歷史發(fā)展，重點(diǎn)把一些晦澀難懂的詞匯進(jìn)行口語化的解釋，并對(duì)一些誤區(qū)進(jìn)行講解。
2. 人工智能在互聯(lián)網(wǎng)中如何應(yīng)用？主要介紹當(dāng)前人工智能在互聯(lián)網(wǎng)領(lǐng)域中的應(yīng)用，并簡(jiǎn)單介紹一些基本的原理。
3. 人工智能技術(shù)中的神經(jīng)網(wǎng)絡(luò)。主要介紹在人工智能領(lǐng)域中的熱點(diǎn)技術(shù)神經(jīng)網(wǎng)絡(luò)的原理。
4. 產(chǎn)品經(jīng)理應(yīng)該如何理解和應(yīng)用人工智能。主要給出我個(gè)人對(duì)于學(xué)習(xí)人工智能的建議。

1.什么是人工智能？

（1）關(guān)于人工智能的定義的解讀

提到人工智能，就會(huì)提到圖靈以及著名的圖靈測(cè)試，他在20世紀(jì)50年代提出的理論是至今很多關(guān)于人工智能的實(shí)驗(yàn)中。

維基百科中關(guān)于人工智能的定義如下：人工智能（英語：ArtificialIntelligence,AI）是指由人工制造出來的系統(tǒng)所表現(xiàn)出來的智能，通常人工智能是指通過普通電腦實(shí)現(xiàn)的智能。我們可以把人工智能這樣理解，人工智能技術(shù)指的是通過模擬人類思維和意識(shí)，使機(jī)器和系統(tǒng)以人類智能相似的方式做出反應(yīng)的技術(shù)。

AI的核心問題包括推理、知識(shí)、規(guī)劃、學(xué)習(xí)、交流、感知、移動(dòng)和操作物體的能力等，其具體研究應(yīng)用包括機(jī)器人、語言識(shí)別、圖像識(shí)別、自然語言處理和專家系統(tǒng)等，需要重點(diǎn)去理解的是人工智能并不是指具體的某一項(xiàng)技術(shù)，而是一種研究方向和研究領(lǐng)域的總稱。

與人工智能緊密相連的關(guān)鍵詞：計(jì)算機(jī) 互聯(lián)網(wǎng) 神經(jīng)網(wǎng)絡(luò) 大數(shù)據(jù) 自動(dòng)化控制?

（2）人工智能的發(fā)展歷史

1943年神經(jīng)元網(wǎng)絡(luò)概念第一次提出

1946年馮·諾依曼體系結(jié)構(gòu)（計(jì)算機(jī)基礎(chǔ)）

1950年圖靈測(cè)試 如果電腦能在5分鐘內(nèi)回答由人類測(cè)試者提出的一系列問題，且其超過30%的回答讓測(cè)試者誤認(rèn)為是人類所答，則電腦通過測(cè)試。圖靈贏得了被稱作“人工智能之父”

1956年夏季，以麥卡賽、明斯基、羅切斯特和申農(nóng)等為首的一批有遠(yuǎn)見卓識(shí)的年輕科學(xué)家在一起聚會(huì)首次提出了“人工智能”這一術(shù)語。

1958年 感知機(jī) 生物系統(tǒng)感知外界信息的簡(jiǎn)化模型。

70年代 由于計(jì)算機(jī)性能的瓶頸、計(jì)算復(fù)雜性的指數(shù)級(jí)增長(zhǎng)、數(shù)據(jù)量缺失等問題由于多層神經(jīng)網(wǎng)絡(luò)難以找到有效算法，神經(jīng)網(wǎng)絡(luò)研究進(jìn)入低潮。

1982年 hopfield神經(jīng)網(wǎng)絡(luò) 一種反饋網(wǎng)絡(luò)，求解最優(yōu)路徑問題

1986年 BP算法 ?多層前饋網(wǎng)反向傳播算法。

1997 年，IBM 的深藍(lán)戰(zhàn)勝國(guó)際象棋世界冠軍卡斯帕羅夫；

1999年 google搜索上線；

2005年 被稱作大數(shù)據(jù)元年；

2006 提出極限學(xué)習(xí)機(jī) ?深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)（多層神經(jīng)網(wǎng)絡(luò)）

2009年，谷歌開始秘密研發(fā)無人駕駛汽車。

2010年 被稱作移動(dòng)互聯(lián)網(wǎng)元年

2011年，一個(gè)卷積神經(jīng)網(wǎng)絡(luò)贏得了德國(guó)交通標(biāo)志檢測(cè)競(jìng)賽。機(jī)器正確率99.46%，人類最高分為99.22%。

2012年6月，吳恩達(dá)（Andrew Ng）和杰夫·迪恩（Jeff Dean）做了一份實(shí)驗(yàn)報(bào)告，他們給一個(gè)大型神經(jīng)網(wǎng)絡(luò)展示1000萬張未標(biāo)記的網(wǎng)絡(luò)圖像，然后發(fā)現(xiàn)神經(jīng)網(wǎng)絡(luò)能夠識(shí)別出一只貓的形象。

2016年3月，谷歌DeepMind研發(fā)的AlphaGo在圍棋人機(jī)大戰(zhàn)中擊敗韓國(guó)職業(yè)九段棋手李世乭。

機(jī)器學(xué)習(xí)、圖像識(shí)別、聽音識(shí)曲等人工智能技術(shù)更是被用到了普通人的實(shí)際生活中。我們可以在 Google Photos 中更快地找到包含貓貓狗狗的圖片如果你感興趣，還可以看以下文章：

2.人工智能與互聯(lián)網(wǎng)

2.1 人工智能的主要應(yīng)用領(lǐng)域

人工智能的發(fā)展離不開計(jì)算機(jī)、互聯(lián)網(wǎng)等技術(shù)的發(fā)展，人工智能技術(shù)中對(duì)于數(shù)據(jù)的采集、計(jì)算和算法、計(jì)算成本，正是得益于計(jì)算機(jī)和互聯(lián)網(wǎng)技術(shù)而得到大大降低。下圖是IT行業(yè)十年理論的預(yù)測(cè)：

未來十年，或許是人工智能的10年。

目前我們可以看到人工智能在互聯(lián)網(wǎng)方面的應(yīng)用如下：

• 個(gè)人助理（智能手機(jī)上的語音助理、語音輸入、家庭管家和陪護(hù)機(jī)器人）產(chǎn)品舉例：微軟小冰、百度度秘、科大訊飛等、Amazon Echo、Google Home等
• 安防（智能監(jiān)控、安保機(jī)器人）產(chǎn)品舉例：商湯科技、格靈深瞳、神州云海
• 自駕領(lǐng)域（智能汽車、公共交通、快遞用車、工業(yè)應(yīng)用）產(chǎn)品舉例：Google、Uber、特斯拉、亞馬遜、奔馳、京東等
• 醫(yī)療健康（醫(yī)療健康的監(jiān)測(cè)診斷、智能醫(yī)療設(shè)備）產(chǎn)品舉例：?Enlitic、Intuitive Sirgical、碳云智能、Promontory等
• 電商零售（倉儲(chǔ)物流、智能導(dǎo)購和客服）產(chǎn)品舉例：阿里、京東、亞馬遜
• 金融（智能投顧、智能客服、安防監(jiān)控、金融監(jiān)管）產(chǎn)品舉例：螞蟻金服、交通銀行、大華股份、kensho
• 教育（智能評(píng)測(cè)、個(gè)性化輔導(dǎo)、兒童陪伴）產(chǎn)品舉例：學(xué)吧課堂、科大訊飛、云知聲

2.2 人工智能的應(yīng)用講解

以下是我根據(jù)個(gè)人的經(jīng)驗(yàn)，對(duì)常見的人工智能的應(yīng)用進(jìn)行簡(jiǎn)要的分析，讓各位更好理解人工智能技術(shù)是如何應(yīng)用到現(xiàn)有的領(lǐng)域的。

（1）識(shí)別

識(shí)別又稱為歸類和定性，在人工智能領(lǐng)域，模式識(shí)別(Pattern Recognition)是指對(duì)表征事物或現(xiàn)象的各種形式的(數(shù)值的、文字的和邏輯關(guān)系的)信息進(jìn)行處理和分析,以對(duì)事物或現(xiàn)象進(jìn)行描述、辨認(rèn)、分類和解釋的過程。

• 常見應(yīng)用：識(shí)別數(shù)字、指紋、頭像、語音，更多研究領(lǐng)域包括虹膜識(shí)別、手寫字體識(shí)別等。
• 技術(shù)的本質(zhì)：根據(jù)數(shù)據(jù)特征進(jìn)行分類或聚類，其重點(diǎn)的工作在特征提取。
• 常見的算法：聚類算法、主元特征提取、神經(jīng)網(wǎng)絡(luò)等。

（2）控制

無人車的應(yīng)用（控制+識(shí)別）無人車的應(yīng)用實(shí)際上不僅是識(shí)別算法，還包含控制理論，保證系統(tǒng)穩(wěn)定運(yùn)行，這是人工智能技術(shù)同各項(xiàng)工程技術(shù)的綜合應(yīng)用，不止停留在計(jì)算機(jī)領(lǐng)域。

舉例：飛思卡爾智能車大賽

（3）語義

智能客服、輿情監(jiān)測(cè)等均有應(yīng)用語義分析及關(guān)鍵詞提取技術(shù)。

常見的算法：數(shù)據(jù)挖掘、文本處理、信息檢索、TF-IDF、余弦相似性

尤其針對(duì)中文文本的關(guān)鍵詞提取技術(shù)相比于英文是更加難的。而目前除了關(guān)鍵詞提取技術(shù)，目前人工智能研究主要方向和難點(diǎn)在于通過文本提取出人物的感情。

語義提取不僅應(yīng)用于智能客服，目前在搜索算法中也會(huì)運(yùn)用到。

（4）預(yù)測(cè)

監(jiān)測(cè)診斷技術(shù)或是預(yù)測(cè)技術(shù)，實(shí)際上應(yīng)用的是數(shù)據(jù)擬合技術(shù)，因?yàn)楫?dāng)前很多數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系是一種弱關(guān)系（數(shù)據(jù)關(guān)聯(lián)分析），通過歷史數(shù)據(jù)訓(xùn)練模型，從而對(duì)當(dāng)前的輸入數(shù)據(jù)進(jìn)行反饋。

（5）推薦

基于協(xié)同過濾的推薦算法，常見的包括基于用戶、基于物品的協(xié)同過濾。

我們大多數(shù)人所理解的人工智能技術(shù)可能還停留在算法本身，但實(shí)際上真正的人工智能應(yīng)用針對(duì)不同的領(lǐng)域，不僅有各自的算法，事實(shí)上還包括其他領(lǐng)域知識(shí)的應(yīng)用，如自動(dòng)化控制理論、電子技術(shù)、通信技術(shù)、機(jī)械工程等等，因此我們所理解的人工智能，應(yīng)該是一個(gè)系統(tǒng)工程。網(wǎng)絡(luò)中有一張圖，講述的是人工智能的深淵，毫不夸張的說，這其中的隨便挑一項(xiàng)技術(shù)都是科研學(xué)者花費(fèi)大量時(shí)間和精力去研究的，很少有人能夠全面了解所有知識(shí)領(lǐng)域。

3.人工智能中的神經(jīng)網(wǎng)絡(luò)

人工智能技術(shù)中提到的最高頻的詞匯就是神經(jīng)網(wǎng)絡(luò)。通過前文的介紹，我們知道實(shí)際上人工智能不等同于神經(jīng)網(wǎng)絡(luò)，人工智能是一個(gè)廣泛的概念和定義，而神經(jīng)網(wǎng)絡(luò)則是人工智能領(lǐng)域中一種技術(shù)，但即使只是一小部分，神經(jīng)網(wǎng)絡(luò)的研究同樣有很多待發(fā)掘的領(lǐng)域。

（1）如何理解神經(jīng)網(wǎng)絡(luò)

一個(gè)最基本的神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)是輸入層、隱含層和輸出層，如此簡(jiǎn)單的結(jié)構(gòu)就能進(jìn)行圖像識(shí)別了嗎？它是如何運(yùn)作的呢？

一個(gè)最簡(jiǎn)單的理解是，神經(jīng)網(wǎng)絡(luò)的本質(zhì)就是一個(gè)多輸入多輸出的函數(shù)，我們常見的訓(xùn)練算法實(shí)際上是通過訓(xùn)練樣本進(jìn)行數(shù)據(jù)擬合，找到適合這個(gè)函數(shù)的參數(shù)從而進(jìn)行應(yīng)用。

（2）一些難以理解的概念解釋

核函數(shù)

其作用是將數(shù)據(jù)投影到更高維的數(shù)據(jù)空間中，包括線性核、多項(xiàng)式核、高斯核函數(shù)等。

擬合能力與泛化能力

神經(jīng)網(wǎng)絡(luò)模型好壞的重要評(píng)判標(biāo)準(zhǔn)之一。擬合能力指的是神經(jīng)網(wǎng)絡(luò)輸出的準(zhǔn)確度，擬合能力越強(qiáng)，準(zhǔn)確度越高；泛化能力指的是神經(jīng)網(wǎng)絡(luò)對(duì)于新樣本的適應(yīng)程度。一般來說，擬合能力越強(qiáng)的神經(jīng)網(wǎng)絡(luò)，其泛化能力可能較差。

有監(jiān)督和無監(jiān)督

在神經(jīng)網(wǎng)絡(luò)或者大多數(shù)機(jī)器學(xué)習(xí)算法中，一般把有標(biāo)簽的數(shù)據(jù)進(jìn)行訓(xùn)練學(xué)習(xí)稱為有監(jiān)督學(xué)習(xí)；而數(shù)據(jù)不帶有標(biāo)簽，通過特征統(tǒng)計(jì)等的算法稱為無監(jiān)督學(xué)習(xí)，常見的如聚類。

（3）神經(jīng)網(wǎng)絡(luò)的優(yōu)勢(shì)

神經(jīng)網(wǎng)絡(luò)是一種黑箱建模方法，以下是神經(jīng)網(wǎng)絡(luò)進(jìn)行應(yīng)用的實(shí)驗(yàn)分析。

神經(jīng)網(wǎng)絡(luò)的應(yīng)用舉例：太陽黑子預(yù)測(cè)，手寫字體識(shí)別實(shí)驗(yàn)和TE工業(yè)系統(tǒng)故障預(yù)測(cè)。

上圖是應(yīng)用神經(jīng)網(wǎng)絡(luò)進(jìn)行太陽黑子預(yù)測(cè)的效果實(shí)驗(yàn)，經(jīng)過改造后的神經(jīng)網(wǎng)絡(luò)對(duì)于數(shù)據(jù)預(yù)測(cè)的效果更加好。

上圖是通過神經(jīng)網(wǎng)絡(luò)進(jìn)行識(shí)別手寫數(shù)字的實(shí)驗(yàn)對(duì)比圖，經(jīng)過改造的神經(jīng)網(wǎng)絡(luò)的識(shí)別準(zhǔn)確率高達(dá)90%。

神經(jīng)網(wǎng)絡(luò)好用的地方在于黑箱建模的方式，可以幫助使用者在即使不了解對(duì)象特性的基礎(chǔ)上，一樣能夠得到良好的運(yùn)用，因此運(yùn)用范圍廣泛。

神經(jīng)網(wǎng)絡(luò)用于復(fù)雜工業(yè)系統(tǒng)，如TE過程，是很多智能控制研究者常見的研究對(duì)象。

面對(duì)復(fù)雜系統(tǒng)，在技術(shù)方案設(shè)計(jì)中考慮了現(xiàn)場(chǎng)數(shù)據(jù)的濾波、去燥、歸一化，對(duì)于新數(shù)據(jù)使用預(yù)測(cè)模型進(jìn)行預(yù)測(cè)，使用KPCA方法進(jìn)行數(shù)據(jù)特征提取，通過歷史數(shù)據(jù)和新數(shù)據(jù)進(jìn)行誤差反饋和在線更新，形成完整的故障預(yù)測(cè)方案。

上圖為改進(jìn)后的神經(jīng)網(wǎng)絡(luò)圖，相比于基礎(chǔ)的神經(jīng)網(wǎng)絡(luò)，增加了2個(gè)反饋層，從而使神經(jīng)網(wǎng)絡(luò)能夠適應(yīng)動(dòng)態(tài)數(shù)據(jù)。

數(shù)據(jù)處理的難點(diǎn)其實(shí)在于數(shù)據(jù)特征不明顯，如上圖中，左圖是故障4和5的數(shù)據(jù)表現(xiàn)，通過肉眼很難識(shí)別，而經(jīng)過特征提取，能夠?qū)?shù)據(jù)的特征放大，從而提升神經(jīng)網(wǎng)絡(luò)的識(shí)別準(zhǔn)確度。

通過以上神經(jīng)網(wǎng)絡(luò)方案設(shè)計(jì)和運(yùn)用的例子，希望大家明白人工智能方案在不同的應(yīng)用領(lǐng)域和不同的數(shù)據(jù)，方案不是想象中使用同一方法建模如此簡(jiǎn)單。一個(gè)有效的方案，需要深入了解這個(gè)領(lǐng)域?qū)嶋H的問題，而產(chǎn)品在其中扮演的角色，如果對(duì)于人工智能技術(shù)的理解僅僅停留在表層，注定不會(huì)得到最優(yōu)的方案。

4. 產(chǎn)品經(jīng)理應(yīng)該如何玩轉(zhuǎn)人工智能？

產(chǎn)品經(jīng)理面對(duì)新技術(shù)時(shí)的態(tài)度：

（1）對(duì)于新的技術(shù)應(yīng)該抱有敬畏之心

以我個(gè)人的學(xué)習(xí)經(jīng)歷來看，真正能夠理解人工智能技術(shù)是需要時(shí)間的，盡管現(xiàn)在有很多文章說明轉(zhuǎn)型的可能性，但切忌不能因?yàn)榱私饬巳斯ぶ悄艿钠っ?，就以為能夠進(jìn)行產(chǎn)品設(shè)計(jì)和應(yīng)用，很多想當(dāng)然的決策可能帶來的是巨大的成本，甚至可能導(dǎo)致走很多彎路。因此對(duì)不了解的事物，不能輕易下結(jié)論。

（2）做正確的事VS正確地做事

人工智能不是萬能的，也不是運(yùn)用到所有的場(chǎng)景，如果把很多用很簡(jiǎn)單的方法就能解決問題的方法，生搬硬套使用人工智能，未必就是正確的事，產(chǎn)品需要時(shí)刻反思，自己正在做的事是不是正確的？

（3）理解產(chǎn)品工作的本質(zhì)，本身是一種面向未來的規(guī)劃

工作中也需要適當(dāng)引導(dǎo)使用新技術(shù)，畢竟這個(gè)世界變化太快，擁抱變化才能擁有未來。

（4）人工智能本身是一種雙刃劍，學(xué)會(huì)更好的應(yīng)用而不是濫用

人工智能未必全是好的，要正確對(duì)待人工智能帶來的好處，也要預(yù)見到它可能帶來的不利影響。

最后推薦一個(gè)好玩的產(chǎn)品應(yīng)用和一部電視劇，幫助大家了解人工智能在我們生活中的應(yīng)用。

文章中部分內(nèi)容摘自網(wǎng)絡(luò)，有不到位或錯(cuò)誤的地方，煩請(qǐng)指出，我會(huì)及時(shí)更正~

參考文章：

《人工智能發(fā)展簡(jiǎn)史》

《人工智能產(chǎn)業(yè)分析與創(chuàng)業(yè)投資盤點(diǎn)：636 起投資事件，吸金 574 億》

《58張PPT，詳解“從互聯(lián)網(wǎng)產(chǎn)品經(jīng)理到AI產(chǎn)品經(jīng)理”》

《傅盛：深度學(xué)習(xí)降低技術(shù)壁壘，恐慌的應(yīng)該是大公司》

作者：小T，一個(gè)奮斗在一線的互聯(lián)網(wǎng)金融產(chǎn)品經(jīng)理~

本文由 @小T 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載。