你还在困惑什么是AI产品经理吗?快来学学AI思维( 二 )


人工智能如何能够理解我们说的话呢 , 这就需要我们预先对事物进行归类和定义 。 比如你和机器说:“帮我订一张明天早上去美国的机票 。 ”
那人工智能根据已有的信息储备 , 将这句话转化为:
我=我的主人 , 他的名字是张三
明天早上=12号 6:00到12:00 , 已知今天是11号
美国=目的地是美国
机票=票的类别是机票 , 不是火车票也不是汽车票 。
这里面“姓名”是张三 , “早上”代表6点到12点 , “美国”是一个国家(国家可以是到达的目的地) , “机票”是一张出行的所需的票务(它和火车票、汽车票是一类的) 。 这些信息是需要让机器提前学习的 。
这一部分的技术常常应用到翻译、智能客服等领域 。 但智能客服并不是自然语言一项技术就能解决的 , 它还涉及到信息的搜集、查找、做出决策等 。
02 分析
人是具备分析事物的能力的 , 我们会分析“这个人喜欢什么?” , “这个人有没有骗我?” , 对应到人工智能就是智能推荐系统和反欺诈系统 。
我们是如何分析一个人喜欢什么呢?一种是通过观察他的行为;另一种是将人分类 , 把新朋友分类到我们已知的类别 , 根据已知类别的喜好推断出这个新朋友可能的喜好 。
对应到人工智能是一个道理 。 在第一种方式里 , 机器会给用户打标签 , 例如用户的标签是娱乐八卦、科技、互联网 , 那机器就可以根据标签信息推荐对应类别的内容给用户;在第二种方式里 , 机器通过建立用户画像给人分类 , 如果用户是属于20-30岁的一线城市的职场女性这个画像 , 机器就可以根据这个画像的喜好进行推荐 。
应用场景就是我们经常接触到的内容推荐 , 以及广告精准营销等 。
但推荐系统也会存在问题 。 它在探索人的喜好的同时 , 也会影响人的选择 。 当用户看了一种东西系统就会推荐同类的东西 , 用户看这种东西越来越多 , 最终造成数据失衡 。 如果用户最初的行为只是误操作或非本人的操作 , 那系统就帮助用户做了决策 , 并培养了用户的兴趣 。
03 预测
我们这里要讨论的预测是根据以往历史信息而做出的预测 , 纯粹凭借第六感的预测是机器目前无法实现的 。
我们熟知的天气预报 , 就是由以往大气层状态的变化总结出规律 , 从而实现天气预测 。 现在 , 人工智能可以将这种预测扩展到“自然灾害预测”等更广阔的范围 。
机票价格预测也是根据历史的价格变动预测出未来的价格 , 这种预测在制造业也很有价值 , 例如根据工业设备的性能指标做设备故障预测 。 但这样的预测在股市还不够准确 。
为什么股价的走势无法准确预测?
这就涉及到我们开篇提到的“有意识的行为” 。 影响股市变动的因素涉及到了人的情绪、资本持有者的有意识行为 , 这些都是没有规律的 , 因而很难准确预测 。
【你还在困惑什么是AI产品经理吗?快来学学AI思维】 04 决策
决策能力是AI的核心能 , 但AI无法做出100%准确的决策 。 它是根据历史数据总结规律 , 再通过有零和博弈能力的对抗生成结构实现决策 。 (对抗生成结构是一种人工智能的研究方向)
通常 , 人类无法做出最优决策的领域更适合通过AI来解决 。 这里评估决策的优劣时 , 会考虑决策所消耗的时间成本和人力成本的多少 。
除了在第二部分我们提到的智能客服 , 工业制造、医疗等行业也需要优秀的决策能力 。
我们以医疗行业举个例子 。 我们提到了“人类无法做出最优决策的领域更适合通过AI来解决” , 这是因为人类能解决的问题会放大AI的错误率 。 例如AI看肿瘤患者的片子这件事儿 , 如果医生本身可以看得很好 , 那用AI的意义就不大 , 反而AI的错误率会被放大 。 但在手术室里 , 对病人是否渗血以及如何处理 , AI就会更加高效 。 因为在刚开始渗血时 , 医生可能没办法及时发现和处理 。