人工智慧
2020-06-19

全流程攻略:如何構建人工智慧產品?

人工智慧產品的構建過程分為三個階段,每個階段都有著不同的思考方式。從挖掘行業屬性到模型的建立與調優,作者對每個階段需要注意的問題進行了分析說明,供大家一起參考學習。 在人工智慧產品構建過程分為很多階段,從最頂層的商業思考到下層的模型研發都有著不同的思考方式。 第一階段是商業模式設計,任何產品早期都會對商業模式進行細緻的考慮,商業模式的設計牽扯到方方面面,我們需要重點突出產品的行業屬性與產業價值。 第二階段是數據洞察與業務轉化,我們需要去收集有意義的數據並將轉化為模型的輸入。 第三階段是產品建模與評估,需要前兩階段的準備對產品模型進行開發與測試。 (1)行業洞察:首先對行業需要有深刻的理解與洞察。 (2)價值分析:針對於產品具體分析給用戶帶來什麼價值,什麼樣的價值能夠使用戶認可。需要以用戶的視 […]

Read more
人工智慧
2020-06-17

AI產品經理必懂的硬知識(一):應用領域篇

文章主要針對AI目前在各個比較熱門領域的應用現狀展開了梳理與分析,包含:計算機視覺、語音交互、自然語言處理和典型AI場景四個方面,與大家分享。 大家好,我是方舟,接下來我會出一個硬核知識系列,共三篇《AI產品經理必懂的硬知識》,從應用領域、常見概念與演算法、自我進階三個方面去闡述,這個系列算是榨乾了我多個筆記。第一篇咱們就來談談目前各個主流應用領域的現狀吧。有讀者反應我的文章過於「乾貨」,實在太長,要分好幾次看完,列個提綱吧。 一、計算機視覺(CV) 二、語音交互 (1)語音識別(ASR) (2)語音合成(TTS) 三、自然語言處理(NLP) 四、典型AI場景 (1)智能機器人 (2)無人駕駛 (3)人臉識別(非手機端) (4)視覺設計(手機端) (5)自動文字編輯 一、計算機視覺(CV) […]

Read more
人工智慧
2020-06-16

AI服裝定製可行嗎?

衣、食、住、行四個基本生活需求中,后三者已經與線上結合地非常好,發展迅速。衣服由於線上APP無法滿足衣服「貼合、舒適」的特殊需求,消費者的消費方式依舊傾向於線下試穿。主要依賴線下零售方式的服裝行業在互聯網風暴下艱難前行,是時候尋求一場變革了。 市場分析 從百度搜索指數上看, 「服裝定製」 關鍵詞在PC(平均:91)端逐漸轉移至移動端(平均:143)。從移動端搜索數據來看,低峰值主要在周末,可以猜測用戶行為大致為工作日通勤時間或其他空餘時間會瀏覽服裝定製相關內容,但是在周末用戶更偏向線下消費或者花時間在社交上。用戶在周末的自由可支配時間更多,由此可見 服裝定製的市場目前還是更傾向於線下服務 。 從「服裝定製」關鍵詞的移動端搜索同比和環比來看,人們對於「服裝定製」的關注度在降低, 可見服裝定製比 […]

Read more
人工智慧
2020-06-12

智能外呼系統怎樣更「擬人化」?

隨著AI技術的發展,智能外呼系統正在逐漸解決機械重複的問題,提高人工客服的效率。但在實際工作中,智能外呼系統還是面臨著重重困難。本文作者基於自己的工作經驗,對智能外呼系統設計提出了自己的一點思考。 在AI技術中,基於AI能力的營銷、客服系統算是比較能落地的應用場景。從調研到項目落地,本人也是有幸完整參與了一個智能外呼的項目,當然期間也踩了不少坑。 本文將嘗試著用自己的理解,對系統重新梳理一遍,也算是對這段經歷的復盤和總結。若是寫得淺薄,還望見諒~ 一、AI外呼系統的構成 智能外呼業務流程圖(PS:客服系統也類似,只是由用戶主動呼入) 智能外呼、智能客服功能繁多,系統設計複雜,這裡也只能是想到哪,寫到哪。簡單地將系統歸類一下,整個系統圍繞著通話的三條線展開(兩個終端和一個通信過程)。 終端中用 […]

Read more
人工智慧
2020-06-12

以變電站場景為例,分享下智能監控平台的方案與思路

最近幾年,隨著物聯網、大數據等技術的成熟和發展,傳統的安保行業也發生了翻天覆地的變化,智能監控就是其中之一。這篇文章,作者以變電站的場景介紹智能監控平台的方案與思路,希望能對做IOT或者是ToG領域的你能有所幫助。 隨著圖像識別、雲計算、大數據分析等技術的成熟,以及感測器、智能硬體、自動化控制水平的提高,越來越多傳統的人工監控/巡視行為由機器替代。本文以變電站的場景介紹了智能監控平台的方案與思路,該方案可用於各類有監控/巡視需求的場景,如倉庫、電站、工廠、各類建築等,監控對象不限於人員,設備狀態,安防,消防等。 一、背景 人工巡視/監控的現狀:由人員進行實時/周期監控,手動進行抄錄,頻繁到現場查看/操作,耗費巨大人力資源,易產生管理問題。且部分監控對象位置設計可達性差,不利於工作人員巡檢讀數 […]

Read more
人工智慧
2020-06-11

智能對話機器人如何設計產品主流程框架?

智能對話機器人是一種極度類人的人與物的溝通媒介,它可以幫助個體通過類人的溝通方式達到自己的目的。你知道智能對話機器人產品主流程框架是如何設計的嗎?本文作者對此進行了詳細介紹,與大家分享。 開篇(《 智能對話機器人產品設計——開篇》) 里我們已經簡單介紹了智能對話機器人的產生背景以及當下的現狀(並非理想中的智能),AI產品經理應該如何做好充足的準備以便於設計出一款在當下技術邊界內有較好用戶體驗的對話機器人產品。 從功能實現層面對智能對話機器人的做了 五個類別 區分,如果從對話機器人實際解決的問題範圍來看,也可以將其分為兩個大類: 封閉域對話機器人 和 開放域對話機器人 。不難從字面上就很容易理解,封閉域即為在限定的領域內完成對話,而這些領域是由設計產品的人進行人為限定的;而開放域則沒有限制,一 […]

Read more
人工智慧
2020-06-10

搶了人類編輯飯碗的AI演算法,會完勝嗎?

AI奪權,「備胎轉正」的戲碼,在媒體行業再次上演。AI將在取代人類編輯的戰鬥中取得最後的勝利嗎?本文從AI演算法推薦的上位和爭議中,來探究下AI演算法與人工編輯推薦可能的勝負結果。 5月底,微軟宣布將解僱50名從事新聞報道篩選和策劃的編輯,取代他們的正是已經與這些人類編輯們共同工作了一段時間的AI編輯。 受此影響,英國新聞協會負責在MSN網站及微軟Edge瀏覽器上維護其新聞主頁的約27名編輯,被告知將在6月底被解僱。 儘管微軟特別聲明,此次裁員和新冠疫情大流行導致的新聞媒體的廣告收入下滑,沒有直接相關,但通過AI技術來削減新聞團隊的人力成本則已經是一個不爭的事實了。 對於這些無奈「中槍」的新聞編輯來說,曾經為他們提供各種新聞、篩選建議的AI演算法推薦,竟然是這樣一個「暗中磨刀」的心機AI。 […]

Read more
人工智慧
2020-06-10

如何優化產品設計,讓對話機器人更智能?

從iPhone的siri,到小米家的「小愛同學」,我們最熟悉的人工智慧產品,莫過於此類智能對話機器人了。而在設計智能對話機器人之前,我們需要了解哪些東西?一起來看看作者的解讀。 01 人類渺渺,每天都與環境、社會、其他人、物體產生千絲萬縷的聯繫。這種聯繫有單向的、雙向的、主動的、被動的,每一種聯繫都存在一種特定的「溝通語言」完成信息的交互。 人與人的溝通方式主要包括:語言、文字、動作、神態、表情、聲音等;人與物則可以通過視覺、觸覺、嗅覺、聲音等方式進行溝通。而通常最及時高效的溝通方式應該是一個集合:快速響應的、可持續的【視覺+觸覺+聽覺】的組合。 而隨著第三次科技浪潮時代的到來,人們的生活也在逐步發生巨大的變化,甚至是顛覆,也許你很難發現這個過程的演進,但人類活動的範圍開始從一個固定狹小的空 […]

Read more
人工智慧
2020-06-09

從「深度偽造」到「深度合成」:AI為啥需要一次「正名」?

在世人對AI的「邪惡性」進行攻詰的浪潮中,AI造假,可能已經是現在排首位的理由了。本文我們就從「深度偽造」到「深度合成」,來談談AI為啥需要一次「正名」? 自從2017年Deepfake(深度偽造)橫空出世以後,人們驚呼原來AI在造假方面簡直天賦異稟。此後「AI生成內容」技術,特別是GAN演算法的突飛猛進更加印證了這一事實。不僅僅是AI換臉,還有AI自動生成文本、語音、圖像、視頻等等一切數字內容。 除了AI換臉帶來的色情視頻泛濫之外,人們更進一步擔心AI生成內容技術在隱私侵犯、威脅信息安全、操縱政治選舉等方面帶來全新挑戰。 人們往往會假設,如果任由AI生成的內容在互聯網中蔓延,將會更進一步沖毀互聯網世界的真實性邊界。 (被AI造假的扎克伯格「諷刺」自己的Facebook平台) Deepfak […]

Read more
人工智慧
2020-06-08

以同程藝龍客服機器人為例,談談意圖識別和對話管理建設

隨著雲計算、大數據、機器學習、深度學習等技術的不斷發展進步,基於人工智慧的智能客服機器人嶄露頭角。本文將以同程藝龍客服機器人為例,分析智能客服機器人的意圖識別和對話管理建設。 所謂智能客服機器人,其實是一種使用自然語言與用戶進行交流的人工智慧信息系統,它採用包括自然語言理解、機器學習技術在內的多項智能人機交互技術,能夠識別並理解用戶以文字或語音形式提出的問題,通過語義分析理解用戶意圖,並以擬人化的方式與用戶溝通,向用戶提供信息諮詢等相關服務。 智能客服是人機交互在客服領域的一個應用,本文將和大家簡單分享下同程藝龍智能客服機器人在意圖識別以及對話管理建設過程中的一點心得體會。 同程藝龍智能客服目前分為單輪問答的QA Bot和多輪對話的Task Bot,一般多輪對話的智能客服系統會切分為以下幾個 […]

Read more
人工智慧
2020-06-06

AI產品經理必修——揭開演算法的面紗(EM演算法)

只要有一些訓練數據,再定義一個最大化函數,採用EM演算法,利用計算機經過若干次迭代,就可以得到所要的模型。這實在是太美妙了,這也許是我們的造物主刻意安排的。所以我把它稱作為上帝的演算法。——吳軍 01 極大似然原理 要立即EM演算法,我們先來了解一個經典的原理——極大似然原理(也叫最大似然原理)。 看完這個示例,想必你對極大似然已經有了初步的認識,沒錯,滿足某個條件,使得事件發生的可能性最大。上面這個例子,就是,滿足小球從乙箱中取出,使得球是黑球的概率最大。 我們再來看一個經典的示例: 問題:假設我們需要調查我們學校的男生和女生的身高分佈。 步驟1:在校園裡隨便地活捉了100個男生和100個女生,共200人。 步驟2:你開始喊:「男的左邊,女的右邊,其他的站中間!」。 步驟3:統計分別得到1 […]

Read more
人工智慧
2020-06-05

AI產品經理必修——揭開演算法的面紗(餘弦定理)

餘弦定理作為初中課本就學過的知識,AI產品經理將會把它運用到相似度計算當中。 世界上有些事物的聯繫常常超出人們的想象。 在數據採集及大數據處理的時候,數據排重、相似度計算是很重要的一個環節,由此引入相似度計算演算法。 但你知道我們在初中課本中學過的餘弦定理是如何完成相似度計算的嗎? 要揭開謎底,我們先來「三步走」。 一、TF-IDF單文本辭彙頻率/逆文本頻率值 1. 單文本辭彙頻率(TF: Term Frequency,是詞頻一詞的英文縮寫) 即一個詞在文中出現的次數。具體地講,如果一個查詢包含n個關鍵詞,它們在一個特定網頁中的詞頻分別是: TF1……TFn。 那麼,這個查詢和該網頁的相關性(即相似度)就是:T1+T2+…+Tn。 2. 逆文本頻率指數(I […]

Read more
Go Top