我們從搭建乙個人工智慧產品需要乙個怎樣的基礎架構，到剖析架構中每個元件的含義以及對整個系統起到的作用和扮演的角色，最後對每個元件展開講起。
通常的一款人工智慧產品涉及了很多技術，包括語音識別、語音合成、機器視覺、自然語言處理、文字/語義理解等多項技術等互動整合。人工智慧的目標是模擬和延伸人的感知、理解、決策、學習、交流、移動和操作物體的能力。感知是人工智慧實現的第一步，目前已經有了實質性的進展。理解和決策需要機器學習和人類指導相結合的方式才能實現。
目前階段的人工智慧還是弱人工智慧，產品的流程可以概括為：海量資料訓練和學習，從中識別規律和經驗，新資料通過得到的經驗用接近人的思維處理。
通過對角色分工、處理過程、功能價值三個不同的角度，乙個人工智慧產品的體系包含四個重要角色：
1、基礎設施提供者。
2、資料提供者。
3、資料處理者。
4、系統協調者。
我們從資料流開始說起。
人工智慧的產品體系是乙個動態流程，本質上是圍繞資料採集、儲存、計算展開的。
1）資料提供者使用各種手段獲得原始資料。
2）資料處理者對資料進行加工。
3）資料處理者進行模型訓練，獲得可以使用對模型。
4）用模型對新資料進行**。
以上我們就完成了「資料--資訊--知識--智慧型」的過程，再隨著動態迴圈，就是「訓練--推斷--再訓練--再推斷」的過程。產品經理需要完成系統整合、需求定義、資源協調、解決方案封裝的保障工作。
1）感測器：對訊號模式進行轉換。主要應用於可穿戴應用、高階輔助駕駛、健康監測、工業控制。舉個例子，無人車對感測器有雷射、公釐波、超聲波、紅外線等，產品經理需要對不同對感測器有自己對了解。
2）晶元：完成訓練和推斷的強大計算能力的計算核心。模型訓練：對神經網路和海量資料計算對核心部件應該有充足對了解。雲端推斷：伺服器對cpu、gpu、tpu等計算單元。終端裝置：手機、攝像頭等。
按照定製化程度，晶元又分為：
通用晶元：cpu、gpu、tpu等，可以處理通用任務型別。
fpga半定製化晶元：延時低，用硬體實現軟體演算法。
asic：演算法模型可以燒到晶元中，執行效率高。理論上先用fpga在市場中試錯，之後用asic量產。
3）基礎平台：
1、大資料技術：演算法雖好，資料決勝。
2、雲計算技術：降低了研發成本。
資料收集類似於人類對各種感覺，沒有感覺就無法判斷。
對原始資料對加工。可以概括為：資料 --- 機器學習給出規則 --- 新資料通過規則得到結果 --- 伴隨著輸入/輸出的過程自我優化
1）識別：大量大量的資料存在計算機中計算得到乙個模型，對於新資料判斷。
2）理解和推理：識別側重於人對環境的感知，理解和推理強電深層次的理解和歸納能力，是對識別之後的資料的再次處理過程。
3）做決策：通過對外界客觀事物、環境、推理和理解來判斷採取怎樣的行動。
構建乙個人工智慧系統需要多方協調：包括基礎設施提供者、資訊提供者、資訊處理者在內的各種公司或公司內部各個部門。系統協調者需要在人工智慧的不同階段：需求定義、設計開發、系統優化、執行保障、售後支援、監控和審計發回資源協調和統籌作用。
考慮到企業的發展速度、市場規模、技術實現瓶頸及業務特殊性多方面因素，需要人工智慧產品經理具有成本意識、市場敏銳度、前瞻性和大局觀等綜合素質。
（1）安全：人工智慧產品認為可控；人工智慧產品不會影響公共安全。
（2）隱私：人工智慧產品經理至少要評估一下四項：
1、評估所有產品流程中涉及使用者權利的風險。
2、評估產品在設計或執行過程中的系統描述。
3、基於產品設計或執行的目的，評估過程是否是必要的。
4、針對識別出的風險，給出針對風險的管理措施。
在涉及到隱私資料保護措施中，我們可以從三個方面著手：
1、減少對訓練資料量的需求：
1）生成對抗網路（gan）：通過輪流訓練判別器和生成器，令其互相對抗，從複雜概率分布中取樣，生成文字、、語音等。
2）聯合學習（federal learning）：部分訓練過程放到使用者手機，將模型傳回伺服器，不涉及使用者敏感資料。
3）遷移學習（transfer learning）：把乙個場景學習到的模型舉一反三遷移到類似的場景中的方法。
2、在不減少資料的基礎上保護隱私：
1）差分隱私技術（different privacy）：在資料庫檢索時，加入滿足某種分布的雜訊，使查詢結果隨機化。
2）同態加密技術（homomorphic encryption）：在密文上進行計算，生成加密結果，解密後的結果與對明文進行相同操作產生的結果一致。核心在於，支援在加密的資料上進行查詢操作，解決資料委託給第三方如雲計算公司時的安全問題。
3）提高演算法可解釋性，避免黑盒子事件的發生。
（3）倫理道德
在產品設計時，主要從以下三個方面重點關注人工智慧的特殊性所帶來的倫理問題：
1、人工智慧產品演算法的「可解釋性差」、「不透明」，使得一旦發生倫理道德事故無法評判。
2、人工智慧代替人履行社會職能的時候，產品的「不可預見性」有可能導致倫理道德爭議。
3、人工智慧產品的道德地位值得思考。
人工智慧產品的運維和傳統it運維的出發點都是讓業務高效穩定的執行。評價標準：
1、系統能否第一時間發現異常。
2、發現異常後能否第一時間找出原因。
3、從原因能否定義到具體問題。
4、問題能否自動修復或者自我修復。
5、未來出現類似問題能否提前預警。
21天實戰人工智慧系列 人工智慧產品經理最佳實踐
感謝關注天善智慧型，走好資料之路 歡迎關注天善智慧型，我們是專注於商業智慧型bi，人工智慧ai，大資料分析與挖掘領域的垂直社群，學習，問答 求職一站式搞定！課程名稱 21天實戰人工智慧系列 人工智慧產品經理最佳實踐 課程目標 洞察ai業務能力 熟悉ai基礎理論 發展趨勢 面臨問題和當前現狀 熟悉ai...
人工智慧產品經理是否需要懂技術
對於產品經理是否需要懂技術，在網際網路時代一直是乙個非常有爭議的話題。在人工智慧時代的，或許我們可以有乙個準確的答案。個人覺得在人工智慧時代我們需要懂技術 而且是需要在自己所在的領域中掌握前沿急速的實現原理，諳熟每種技術實現手段的優劣勢，對技術的發展方向和技術如何融合產品經理自己的獨到認知。對於 懂...
人工智慧產品賦能 銀行篇
人工智慧產品賦能銀行業 二 企業依託人工智慧賦能銀行的高階之路 一是初級階段 以某單點切入，企業為銀行提供特定人工智慧技術或諮詢服務。鑑於市場的應用場景和價值未經過長期有效驗證，此時的ai企業依靠人工智慧基礎技術尚未普及和人工智慧領域人才優勢短缺的紅利期優勢，提供給銀行的簡單的ai基礎服務，主要包含...