對人工智能産品發展的幾點認識

說起人工智能的時候，大家都在說是機器具有了人的思維，可以進行情感表達，決策判斷。并且通過越多的資料和越長的訓練，智能性會越來越高。那麼這種智能怎麼來評價其可用性，包括怎麼訓練，怎麼內建，怎麼選擇呢？

人工智能的基礎

在這個點上，我們談一下要做到人工智能需要的幾個必備條件。

海量資料

“海量”資料究竟是多少，其實對于不同的學習目标标準是不一樣的。訓練一個具有智能和學習能力的算法，或許不需要海量，但是足量是必須的。隻有在大量有效的，多樣的，具有普遍性的資料訓練下，才能使得學習算法的各個參數更加符合“智能”的要求。

大型計算平台

機器學習算法大部分情況下需要通過分布式計算方式進行訓練，在應用的過程中實作近乎實時的回報和識别。而這種高并發，大資料的算法執行依賴于一個穩定的，并且代碼優化程度極高的計算平台，平台的容錯性，計算效率，以及資料存儲能力都是非常重要的點。

牛逼的算法團隊

算法團隊是人工智能的初期大腦，他們設計了一個智能的最初訓練方式，整體學習模式，在智能訓練的過程中關注着算法的偏差并且不斷進行錯誤糾正。不斷使用新的資料和參數以及次元去使得智能更加自然和符合正常。這種智力勞動是無可替代的，也正是這些瘋狂的智能專家推動着人工智能逐漸從科幻小說中一步一步到了現實，甚至引起一部分人類的恐慌和倫理批判。也許隻有曆史才能評說這部分人的意義和價值。

人工智能産品化

人工智能在我看來可以作為一種生産工具，這種工具隻有在具體的生産環境中被使用的時候，才能具有價值。試想一下，一個非常厲害的情感分類器，如果沒有将它用于具體的溝通平台，IM産品中，不斷訓練和計算疊代，這個算法本身是沒有意義的。是以任何人工智能的算法和工具，都必須融入到業務場景，産品體系中進行産品化。具體包括以下步驟：

産品定義

由一個牛逼的算法可以産生一個産品，比如美圖秀秀，本身就是對人臉照片的一些圖像處理的計算，但一個産品卻不僅僅是算法本身。是以人工智能的産品化，首先在于對智能算法的産品定義，定義這個産品的邊界，價值，展示形态，閱聽人人群乃至操作方式等等。

切入點

切入點是指這個人工智能的産品是如何與真實需求融合的，比如說：智能客服，目前支付寶手機端的“我的客服”背後就有一套智能的邏輯在裡面。通過語音識别，與知識庫對接，找到合适的解決問題的答案。這是一個典型的通過智能算法來解放人力的産品。那麼對于其它形式的智能産品，就比如說AlphaGo，作為一個具有高水準圍棋技能的智能型産品，找到怎樣的切入點進行産品化呢？有可能後續會作為圍棋陪練，教育訓練師等等。

智能程度

每個智能算法都是有邊界的，盡管其具有非常強的學習能力。在智能算法産品化的過程中，首先要想到的不是他能做什麼，而是不能做什麼。漏洞永遠存在，要考慮這種智能缺陷是否是可控的，尤其是在大規模推進的産品和面向大衆的智能服務中，一旦出現bug，怎麼進行補救，兜底方案也很重要。

智能産品的平台應用

再接下來就是在大型平台中，智能産品怎樣嵌入進去。第一，作為一個獨立的産品功能承擔一部分工作，比如搜尋引擎，智能推薦；第二，作為一個參數結果，供大平台的多元決策；第三：目前大量的服務和判斷平台仍然基于規則條件，智能産品可以作為與之并列的一個子產品，輸出預測型結果，以支援決策的偏差糾正。這個應用過程肯定是循序漸進的，不要企圖一下子就能做到多麼智能，資料準備，算法調優，模型訓練，都是一個長期積累的過程。

人工智能平台的未來猜想

大公司中起步和發展

鑒于以上所述，我們可以清楚的看出，人工智能的研究成本和運作成本是需要體量很大的公司來進行支撐。目前真正進行人工智能研究的，除了高校之外，就是像Google，百度，阿裡，Facebook一類的大型公司，人工智能的概念和起步發展肯定是從大公司開始的。

小産品上落地和普及

大公司承擔了大量的基礎算法研究工作，其成果卻極有可能優先應用于小的産品。第一是人工情感類産品，如聊天機器人等；第二是一些具有共性特性成都小的服務産品，如智能客服；第三是與硬體結合，形成玩具類的人工智能産品。這些産品的出現和發展，讓人們可以近距離感受人工智能，并且逐漸接受這種新型的技術形式對人類生活的改變。

開源的人工智能平台成為基礎服務

人工智能的平台開放也是大的趨勢。就像衆多的移動開發者平台，開源硬體平台，大型公司提供了平台的算力，資料共享能力，基礎算法子產品的內建能力。在此基礎上的智能産品化和算法優化成為熱點。

以上是對人工智能的自我認識和簡單猜想。未來一定是智能的時代，不管倫理學家多麼反對，不管人的内心是否存在恐懼。技術和資料的發展，帶來的必将是不斷的巅峰和超越。不過我們也應該小心将來有一天被自己制造的機器人鎖在籠子裡。