AI概论 第三周笔记 - Building AI in Your Company
Week 3 Introduction
在过去的两周里你了学到了什么是人工智能 ， 以及如何构建一个人工智能项目，一个公司要想应用人工智能 可能需要两三年的时间，不仅仅只是做过一个人工智能项目，而是一系列有价值的人工智能项目，而且做得很有效率。禁止转载。
这些将是你本周会看到的话题：
现在来研究一下智能音箱，打造一个复杂的人工智能产品是什么样的感觉呢? 这意味着不仅仅用一个单一的机器学习算法去学习从A到B的映射，为了打造一个复杂的产品，通常都是很多个人工智能结合在一起。
有一天你可能会说 "hi， Mane" ，作为触发词或唤醒词要唤醒一个智能音箱，他的工作原理是什么呢？简单来说我们会划分为4步：
自动驾驶一直都被称为神秘的技术，现在来一点一点的了解什么是自动驾驶系统。
汽车会接收各种各样的传感器作为输入，比如汽车前方、侧面或后方的图片，以及声波雷达 或激光雷达的传感器读数。有了这些作为输入就能探测出其他车辆的存在或所在位置，这样就可以发现附近有车，同时注意到行人的位置。因为我们想要避开其他车辆以及行人，所以汽车探测和行人探测 都可以通过机器学习来完成，即A --> B的过程，这里的输入可能是图片雷达和激光雷达信息，输出是 其他车辆和行人的位置。
最终，你已经知道了其他车辆和其他行人的位置，你可以将这些信息投喂到 另一个叫运动规划软件里，这个软件的会自动规划动作或者帮你规划行驶的路径，这样你就可以靠近你的目的地了。 为了避免碰撞，一旦为你规划出来，就会转化成特别的角度和加速度以及刹车指令，就像油门应该踩多少 刹车应该踩多少来使你的车，应该要多少角度和速度去移动你的车。
当然这些都是简单的例子，现实中往往会比较困难，你要弄很多摄像头来探测周围所有的车辆，识别行人和障碍物，红绿灯等等，这些都是单独一个简单的 NN 串起来使用的。
Example roles of an AI team
接下来会了解一个 AI team 有什么角色在里面：
AI Transformation Playbook (Part 1)
AI 转型手册：从一家公司转型到使用的 AI 公司，主要有几步：
在你的公司，特别是最高层的执行团队在对AI可以做什么和不能什么有一些稍微深入的了解后，再执行公司战略。 此外，你可以考虑设计一种与AI良性循环的公司策略。
让我用网络搜索的例子来说明，原意思是说这种生意对想进入这个市场的新公司来说是很难跟企业龙头竞争的， 这其中一个原因是：如果一家公司有更好的产品，可能仅仅只是稍微好一点的产品， 那么就有更多用户使用这个网络搜索引擎，拥有更多用户意味着你可以收集更多数据，你可以观察不同用户在 搜索不同术语时所点击的内容，并且可以将这些数据输入AI引擎以生成更好的产品。
这意味着公司 如果有产品稍好一些，最终会有更多的用户，从而会因此获得更多数据，并且通过现代人工智能技术 创建更好的产品，这使得新进入者很难 进入这种自我强化的正反馈循环，称为人工智能的良性循环。
这么做，因此，新公司很难闯入。如果AI可以用来帮助你，你就会更快地成长。最后，内部沟通也很重要 如果你的公司发生转变，内部的许多员工可能会开始担忧，有些对AI的担心是理性的，有些却不太理性， 所以在适当的情况下让员工放心只会有所帮助。
AI pitfalls to avoid
如果你正在尝试为您的公司构建AI，那么重点讨论五件事。
Taking your first step in AI
下面这些采取初始步骤的建议，我要强烈推荐给你：
Learn from task A, and use knowledge to help on task B
在过去的两周里你了学到了什么是人工智能 ， 以及如何构建一个人工智能项目，一个公司要想应用人工智能 可能需要两三年的时间，不仅仅只是做过一个人工智能项目，而是一系列有价值的人工智能项目，而且做得很有效率。禁止转载。
这些将是你本周会看到的话题：
- 复杂的人工智能产品的案例研究：比如一个智能音响 或者一辆自动驾驶汽车。
- 团队中的主要工作类型：建立一个大型的人工智能团队时， 这也许是好几十人 甚至几百人， 这些人都会做些什么事情。
- 你也会了解到 人工智能转型手册：学习如何帮助你的公司转型成为擅长应用人工智能的公司。
现在来研究一下智能音箱，打造一个复杂的人工智能产品是什么样的感觉呢? 这意味着不仅仅用一个单一的机器学习算法去学习从A到B的映射，为了打造一个复杂的产品，通常都是很多个人工智能结合在一起。
有一天你可能会说 "hi， Mane" ，作为触发词或唤醒词要唤醒一个智能音箱，他的工作原理是什么呢？简单来说我们会划分为4步：
- 第一步，是探测到触发词或唤醒词：当他们听到了唤醒或者触发词 "hi， Mane" ，NN 就会输出就是0或1 。一旦它听到触发词或唤醒词，听到 "hi， Mane" 时，它还必须接着执行第二步。
- 第二步，语音识别：也就是说，此时软件要做的是在得到 "hi， Mane" 的音频之后，把你说的话输出成文本。
- 第三步，用刚输出的文本，判断要交给哪个模块。比如"我要设置10分钟定时器"，就把这句话交给定时器去处理。
- 第四步，模块去执行指令。
自动驾驶一直都被称为神秘的技术，现在来一点一点的了解什么是自动驾驶系统。
最终，你已经知道了其他车辆和其他行人的位置，你可以将这些信息投喂到 另一个叫运动规划软件里，这个软件的会自动规划动作或者帮你规划行驶的路径，这样你就可以靠近你的目的地了。 为了避免碰撞，一旦为你规划出来，就会转化成特别的角度和加速度以及刹车指令，就像油门应该踩多少 刹车应该踩多少来使你的车，应该要多少角度和速度去移动你的车。
当然这些都是简单的例子，现实中往往会比较困难，你要弄很多摄像头来探测周围所有的车辆，识别行人和障碍物，红绿灯等等，这些都是单独一个简单的 NN 串起来使用的。
Example roles of an AI team
接下来会了解一个 AI team 有什么角色在里面：
- 很多AI团队会有软件工程师：要设计专业软件 来执行（讲）笑话，或者 设定一个计时器， 或者回答关于今天天气的问题。所以，这些都是传统软件工程的任务。
- 人工智能算法师：机器学习工程师可能会写一些软件用于生成A到B的映射，或者用于创建其他机器学习算法 然后运用于你的产品中。
- 人工智能研究员：负责开发机器学习的最新技术，机器学习和AI技术。因此，很多营利、非营利公司 都有人工智能研究员来负责扩展最新技术。一些机人工智能研究员会发表论文，也有一些公司的人工智能研究员 专门做研究，很少专注于发表论文。另外还有一种工作头衔，它介于这两种头衔之间，就是应用机器学习科学家。
AI Transformation Playbook (Part 1)
AI 转型手册：从一家公司转型到使用的 AI 公司，主要有几步：
- 第一步，是让你的公司开展 试点项目来获得势头，逐渐了解做一个 AI 项目。
- 第二步，是建立公司内部的 AI 团队 。
- 第三步，是提供广泛的人工智能培训 不仅是针对工程师，也针对公司中很多的级别，包括公司高层。
- 第四步，是发展你的AI战略 。
- 第五步，是对内外部宣传关于你公司的AI。
在你的公司，特别是最高层的执行团队在对AI可以做什么和不能什么有一些稍微深入的了解后，再执行公司战略。 此外，你可以考虑设计一种与AI良性循环的公司策略。
让我用网络搜索的例子来说明，原意思是说这种生意对想进入这个市场的新公司来说是很难跟企业龙头竞争的， 这其中一个原因是：如果一家公司有更好的产品，可能仅仅只是稍微好一点的产品， 那么就有更多用户使用这个网络搜索引擎，拥有更多用户意味着你可以收集更多数据，你可以观察不同用户在 搜索不同术语时所点击的内容，并且可以将这些数据输入AI引擎以生成更好的产品。
这意味着公司 如果有产品稍好一些，最终会有更多的用户，从而会因此获得更多数据，并且通过现代人工智能技术 创建更好的产品，这使得新进入者很难 进入这种自我强化的正反馈循环，称为人工智能的良性循环。
这么做，因此，新公司很难闯入。如果AI可以用来帮助你，你就会更快地成长。最后，内部沟通也很重要 如果你的公司发生转变，内部的许多员工可能会开始担忧，有些对AI的担心是理性的，有些却不太理性， 所以在适当的情况下让员工放心只会有所帮助。
AI pitfalls to avoid
如果你正在尝试为您的公司构建AI，那么重点讨论五件事。
- 首先，不要指望AI能解决所有问题。你已经知道人工智能可以做很多，但也有很多是无法做到的。相反， 你应该对AI能与不能有现实客观的理解
- 其次，不要只雇用两三个机器学习工程师，只依靠他们来为你的公司提供服务。机器学习工程师是 一种稀缺资源，但你应该让工程师与业务人才交流，并让他们跨职能地工作，以寻找可行和有价值的项目。 往往是当机器学习人才与商业人才一起工作的时候，才可以选择最有价值和可行的项目。
- 第三，不要指望AI项目一次就能成功，正如你已经看到的，AI开发通常是一个迭代过程，因此应该 通过迭代过程来规划它，并且需要多次尝试才能成功。
- 第四，不要指望使用传统的计划流程。相反，你应该与AI团队合作，以建立有意义的时间估计，里程碑，KPI或指标。
- 最后，如果你希望你的公司 在AI方面做得更好 你可能需要考虑和CEO聊一聊 试图实施AI转型的计划 的可能性。
Taking your first step in AI
下面这些采取初始步骤的建议，我要强烈推荐给你：
- 与其一个人单干，不如从你的公司或私人朋友中 找一些人和你一起学习AI知识。
- 开始思考一些项目，没有项目是过于小的项目，从小项目开始，然后取得成功。比从大项目开始，结果失败要好一些。
- 邀请一些NN老师来思考（其实有没有也没关系，把基本的学好先，我就是这么想的）
- 邀请一些人才去公司。
Survey of major AI techniques (optional)
接下来将会讲解几种常见的 AI 学习技术。
非监督式学习 ：在非监督式学习里最著名的是聚类。
假设你正经营一家卖薯片的杂货店，您收集不同客户的数据，并跟踪每个消费者购买不同类型薯片的数量 以及每包薯片所支付的平均价格。你既卖低端薯片，也卖高端薯片，不同的人可能会买不同数量的薯片， 这对经营杂货店是典型的场景。在获得了以上的数据之后使用以上数据，聚类算法可以在数据中观察到两种群体： 一些顾客倾向于购买便宜点的薯片，但是会买很多包，（假如杂货店靠近大学校园，你可能发现 许多大学生都在买便宜薯片，但是，他们肯定会买很多。）另一种是在数据中发现一个完全不同的购物群体， 他们购买少量薯片，但是选择价格昂贵的那种。
聚类算法以这样的方式分析数据，自动地将数据分成两个群体，或者更多群体，它通常用于分析市场分层 算法会帮助你挖掘市场特点。
聚类被称为非监督式算法，相比监督学习算法是少了你必须告诉算法输出B是什么。非监督学习算法并不需要准确地告诉 AI 系统要什么输出，你只需给 AI 系统提供了一堆数据就可以了。非监督学习算法是输入无标签的数据，即没有输出标签B，也可以从数据中找到有趣的结论。
这种算法也在 youtube 上应用，比如你在 YouTube 上看猫，那么看多了，youtube 也会推荐更多猫片给你。
进行迁移学习 ：假设你有一个 NN 识别的是城市里普通的车，而且训练了 100,000 张图片，这个时候你想识别高尔夫车，那么经过迁移学习只需要训练 100 张高尔夫车就够了，这样的好处是不需要准备太多高尔夫车的样本。
迁移学习并没有受到很大的关注，但它是当今人工智能中也是非常有价值的技术之一。
强化学习 ：强化学习和训练宠物狗的行为类似。小时候家里养了一只宠物狗，那么， 如何训练狗呢？ 我们先让狗做任何它想做的事， 每当它表现得很好的时候， 我们就会表扬它，称它好狗崽， 每当它做坏事的时候， 叫它坏狗崽这样它就逐渐学会了好的行为， 而害怕表现不好。
更正式地说，强化学习算法使用奖励信号，来教会AI该做什么，不该做什么。这意味着，每当它做得很好， 就给它一个正数权重作为奖励。每当它做得很糟糕的时候，就给它一个负数权重作为惩罚。AI 的职责就是自动学习一个行为 以最大限度地提高奖励。
生成对抗网络 ：生成对抗网络非常擅长于在什么都没有的情况下合成全新的图像，例如通过从名人图像数据库进行学习之后， 使用这个算法就能够合成全新的图片。现在娱乐产业对于生成对抗神经网络的应用非常感兴趣。 从计算机图形，到电脑游戏，到多媒体，一切都可以无中生有，制造出新内容。
知识图谱 ：知识图谱是另一个重要的 AI 技术，就比如你在 google 查比较出名的东西，右边就列出了一个知识图谱。这些信息是从一个知识图中提取的，列出的都是有关这些的关键信息。
Comments
Post a Comment