目前AI很火热,短期内最有希望通过AI来搞定的用户需求场景是什么呢?

“AI重新定义未来——产品总监茶话会第二期”活动报名人数直线飙升,为了筛选更佳优质的人才参与本次活动,特问询AI资深负责人后,提出以下三个问题。请将答案写在评论区,我们会依据问题回答的专业度、认真度和
阅读全文
请先 登录 后评论
  • 0 关注
  • 0 收藏 87 浏览
  • 略问用户 提出于 2020-10-22 17:37:03

12 个回答

xxxxxa

AI已经搞定了一些需求场景:

人脸识别在安全领域的应用

偏好推荐在电商与内容产品上的应用

语义理解在智能手机上的应用(定闹钟、搜索)


只不过没有做到人们所期望的‘智能’——服务人类情感的场景,也无法理解人类真正的意图;否则也只会感受到的是一台很会计算的机器而不是智能;


目前最有希望解决该类场景的是智能音箱;

1、室内场景很多不足可以忍受(出门在外用不成熟的东西感觉像个智障)

2、能解决生活中的小问题是迈向智能的第一步

3、更容易有通过长期交互培养智能的场景

请先 登录 后评论
xxxxxa

考虑短期内的AI落地,我认为应该不是追求更新的新技术带来的业务应用,而是追求成熟的技术在各个业务场景上的应用。因为AI技术的革新来自于硬件设备的革新、学术上算法的研究和架构的研究等等,是个很难短期完成的事情。

AI风靡至今,它在多方位附能,但是我认为最满足人们生活需求并带来明显改变的:

快速计算,于是AI取代了很多规则既定的重复性人力工作。比如从珠算到计算器,从客服到AI客服、从超市促销员到无人超市。那么未来AI也可以在这类业务上取得成就,特别是在大数据的场景下,将成倍地提升效率。相关例子如AI无人车、AI无人超市、刷脸打卡。

基于数据的经验产品化。AI在这方面已经有了AI医疗辅助、AI股票预测等。那么AI较于人类将有更好的数据消化能力,未来将提供更好的“经验”产出,将AI当做某个领域的专家。比如,AI理财辅助、AI工艺辅助等。

做人类所不能做。这意味着两方面,一方面是AI有高于人类的某种能力,比如精准识别、快速应答等;另一方面是AI可以在一些人类有争议的场景下发挥作用,比如AI法律仲裁、AI体育裁判。

这三个是我认为AI在近期可以搞定的一些应用场景,其中我最看好AI理财辅助。因为首先理财没有行业限制,每个用钱的人都可能有理财需求。第二是理财行业门槛高,想要帮人做好理财必须要对许多财政新闻敏感,对过去的案例了如指掌。第三是确实存在痛点,痛点在于许多理财人员经验不足能力确实有限,在于理财场景下对第三方很难产生信任,在于不能随时随地对当前市场做出分析。

请先 登录 后评论
xxxxxa

当前如火如荼的:语音识别、人脸识别、自动驾驶、视觉渲染、对话机器人,新闻撰稿,这些都是已经渐入成熟的领域,相信也是我们用户最先感知到或者已经感知到的领域,这是已经发生的。

如果说未来,我认为是金融领域。AI发展有两个必要条件一个辅助条件,第一个必要条件是海量的且高质量的数据,第二个是超高的计算能力,另外的一个辅助条件是明确的需求。因为PC时代迅猛发展,计算能力已经能够满足我们的需求(第二个条件达成);又因为金融这个领域沉积了海量数据(股票基金等等交易和操作数据),这是一个很好的实验并能付诸实践的领域;其次是金融领域目标很明确,就是赚钱嘛。所以说,金融领域遇上AI,可能是下一个最有机会的强需求场景。

请先 登录 后评论
xxxxxa

~场景优势劣势

讨论优势劣势可以从 ML 方法分类来看。目前比较成熟的方法都集中在 supersived learning 类别里。所以大多依赖数据量和标注量两个维度来看。此外还可以从建模数据量 ML 当前结构和精度来考虑。

首先,有数据,有标注,目标可建模的问题都是十分有优势的。比如搜索推荐,信息流推荐。用户使用产品的过程提供数据,点击行为,浏览行为等可以作为标注数据。同时数据量大,而且过去的积累数据可以直接使用。

小数据,少标注的场景就显得不容易应用。比如拍无人驾驶,iOS 中 Recent 卡片推荐。因为以前没有类似的场景,或者该场景需要个人用户长时间使用积累后再应用。这两个 case 下,可以分别通过人力和时间来弥补数据量和标注量。积累形成优势。

对数据量依靠过大,AI 在应用时,也显得不够智能。比如 Chatbot。神经网络在近几年的发展中,逐渐支持短期数据记忆(RNN),使得上下文对话接近自然状态。但是发生长对话后,会出现无法记忆完整对话语意,给人健忘的对话感觉。

另外,AI 最不擅长的就是无标准,不可建模的问题,比如艺术创作。人类对于好的创作是没有标准,或者说标准在时刻变化。这种时候,AI 的智能没有明确的指向,无法学习。即便对目标十分明确,可以建模,但是如果对逻辑结构有详尽解释诉求的话,或对错误零容忍的时候,AI 目前也很难发挥作用。

由于近年的人工智能发展,RL 的方法逐渐给无数据无标注的场景提供了应用的可能,前提条件是可无限生成数据。比如支持模拟器的场景,多是在围棋,或可重复的 PC 游戏上的应用。

整体上看,优势劣势的边界主要关注在 supervised learning 的操作边界上,随着算法的创新,该边界会不断被打破,优势劣势的关系也会随之变化。

~短期获取用户场景

目前 AI 对获取用户主要分两个方向。To C 和 To B 已经分别取得了不同程度的市场认可。

To C 方面,可以看到,围绕着自然语言处理,Chatbot 和 AI 音响逐渐走进消费者的生活,并占领个别新的场景的入口。目前大家会不断基于这类语言入口尝试不同的服务,创建用户黏性,再拓展服务维度。已经看到的成果是,类似 AI 音箱,最高频使用的功能是点歌。AI 音箱和云音乐厂商的合作使得音乐服务更加便捷的在室内触及。同时这是一个高频娱乐需求。类似的语音娱乐需求也还在探索中,比如电台等。

像是信息流和搜索等现有场景,交互方式并没有本质变化,仅仅是服务端进行算法升级,从而提高了用户体验(主要是效率),因而能持续获得用户。

TO C 市场的探索并没有本质区别,核心仍然是高频,大用户量以及每用户营收。在尝试项目的过程中,仍然应该优先考虑那些高频总量大的同质化服务。只是交互入口根据 AI 形态重新优化。

To B 方面,随着创建更多的数据 无人车和人脸识别 已经慢慢被市场认可。To B 获取用户的主要因素是性价比。通过新的自动化系统,是否能提高原有企业生产或服务的效率。无人车对出行的效率提升是同时被学术界和工业界认可的。人脸识别也在安防和门禁市场中得到了验证,节约了人工成本。一但成果向市场验证了效率,客户便会在短期迅速聚集。所以可以通过图像和信息流提高效率的 AI 场景,在短期会被大量客户簇拥。

~为啥突然爆发

不得不说,AI 的名字起的非常好,想象空间大,容易被媒体拿来炒作为热点。此外学术界神经网络在OCR 围棋 无人车 等应用领域的验证 demo 也使得人们觉得 AI 距离生活越来越近,话题可以被不断充实。不过值得一提的是,AI 话题的爆发是周期性的,只是改革开放后中国媒体才大量接触,给人一种爆发的感觉。

从业界的角度,物理硬件成本可和软件成本的降低,也给 AI 应用上的爆发提供了不可忽略的支持。随着芯片成本的降低,GPU 的大规模应用,和 AI FPGA 的不断量产。AI 所依赖的硬件成本在近些年出现了突破性的降低。使得对应用层的是错成本大幅下降。另外软件上,由于各家对 AI framework 的不断支持,似的算法本身不在成为一个门槛,开发者试错的频率提高,成本降低,给业界不断带来活力和话题。

另外小冰语言引起社会争议的事件,和 Sophia 机器人过获得社会身份的新闻,也使得 AI 进入社会人伦哲学等话题,整体上讲科技问题进一步推进至社会层面,为整个讨论的维度提供了更丰富的素材,和深入的探讨的空间。

整体来看,从媒体,业界和话题丰富度多个方面,互相影响,从而促成了一次话题的爆发。

请先 登录 后评论
xxxxxa

短期内可以用 AI 来解决的场景之一:金融贷款领域,对出贷的风险分析。一方面,通过多维度的用户数据建立用户画像。另一方面,分析过往的海量数据,找出数据标签与行为结果之间的具体关系。两方面结合,可以给出较为可信的出贷风险分析。

请先 登录 后评论
xxxxxa

从现有的用户需求里,更多的是偏向比较工具类的应用产品和场景,像驾驶辅助、语音、脸部识别、搜索等,它是建立在辅助工具层面,通过大数据分析和AI的应用使这些功能更精准,更易符合用户的需求。

请先 登录 后评论
xxxxxa

短期内最希望通过AI解决的 是 “语句理解” ,分解一下:

接收:

听觉录入------>文字转化------>分词处理------>词语理解

输出:

词语理解(场景/标签匹配) ------> 找词语------> 组合词语  ------> 语言输出

请先 登录 后评论
xxxxxa

考虑技术的成熟性、场景的广度、频度、实用性,我觉得离我们最近的大规模应用应该是人脸识别(安防),然后是一部分的医疗影像识别(可以辅助医生看“片”)和一部分的自动驾驶(百度不是说明年就要量产了么),其实都偏视觉~  智能音箱虽然很火爆,但是真正成熟真正能带来预想中的价值还需要一段时间。

请先 登录 后评论
xxxxxa

近期AI覆盖的场景,基本都是“标定——大数据学习——寻找规律——按照目的生成结果”

以智能推荐为例:标定内容和用户特性——大数据学习——找到用户特性和内容特性的对应关系——向某特性用户推荐对应特性的内容

所以能够有效进行标定的业务模式,近期内可能通过AI搞定。比如较为日常的医学诊断,通过对病因、发病情况、解决方案的标定;能以较快速度给出普通疾病的治疗手段。

请先 登录 后评论
xxxxxa

AI在toC领域落地,一定是垂直封闭,且需要经验积累的领域,凭感觉的工作AI做不来,如艺术。但高度数据化或有规律可循的工作,是AI的强项,如理财分析师、客服、医院导诊师甚至基层医生等。

请先 登录 后评论