「41頁PDF免費下」使用AI前需要評估的

這是一個系列文章,從4個角度來評估一個問題:“我的業務要不要用 AI ?能不能用 AI?”
easyai.tech 發現入門人工智能是一件很難的事情,尤其是對于非技術人員。于是我們將國內外優秀的科普內容用最通俗易懂的方式整合到一起,專門針對非技術人員,讓大家都能理解人工智能領域里的基本概念。

先通過一張長圖來講解一下 PDF 中會涉及到的主要內容,如果想了解詳情請下載 PDF。

PDF下載地址

這個 PDF 要解決什么問題?

人工智能被很多人當做「黑科技」,它可以做一些神奇的事情,比如:下圍棋比人類厲害,打游戲比人類厲害,美顏效果好到爆…

地球上最厲害的公司都把 AI 當做全公司的重要戰略,Google、微軟、Facebook、亞馬遜、騰訊、阿里巴巴、百度、字節跳動……

很多大佬也語言人工智能將帶來下一次的技術革命,想想「互聯網」是怎么革命的,就能大概知道這個革命有多厲害了。

但是最大的問題是:在 AI 時代,我要怎么利用 AI?

上面的問題太大了,很難回答,我們需要把問題聚焦一下:當我在業務中面臨了一個具體問題時,AI 也是一種解決思路,那么這個問題適合用 AI 來解決嗎?

所以,這個PDF解決一個問題:

我面臨的具體問題適合用 AI 來解決嗎?需要從哪些方面來評估嗎?

4個評估維度

PDF中詳細闡述了4個評估維度:

  1. 數據
  2. 特征
  3. 學習
  4. 黑箱


數據

人工智能跟傳統的計算機程序最大的差別是:基于數據。

這也是人工智能的底層邏輯,所以數據在人工智能領域是最重要的資源。所以我們需要從3個方面來評估數據維度:

  1. 數據是否可以獲取?
  2. 數據是否全面?
  3. 數據是否多?
數據評估的3個要素

下載 PDF 可以查看全文,也可以通過下面的鏈接查看數據篇的全文內容:

使用AI前需要評估的——數據篇

特征

人工智能的基本原理是:從大量數據中找出隱藏很深的特征,然后學會通過特征的判斷來完成具體任務。

基于這個原理,人工智能更應該處理一些比較復雜的問題,而不是一些簡單的問題。判斷問題的復雜程度可以從下面2個維度來判斷:

  1. 特征的數量
  2. 特征的確定性
特征象限

特征少+確定性弱:適合人工解決

特征少+確定性強:適合規則解決

特征多+確定性強:適合規則解決

特征多+確定性弱:「可以考慮」 AI 解決

下載 PDF 可以查看全文,也可以通過下面的鏈接查看特征篇的全文內容:

使用AI前需要評估的——特征篇

學習

前兩篇已經解釋了,基于規則的能力邊界很小,很多實際問題無法通過規則的方法來解決。人工智能可以擴大計算機的能力邊界。

除了擴大能力邊界外,人工智能還有一個非常重要的特性——持續學習,不斷提升能力上限。

如何讓機器持續學習?

為了讓機器實現持續不斷的學習,我們需要實現2個條件:

  1. 不斷的獲得反饋數據,讓機器知道自己哪里好,哪里不好
  2. 將反饋數據加入閉環,機器能否持久的學習,提升能力

下載 PDF 可以查看全文,也可以通過下面的鏈接查看學習篇的全文內容:

使用AI前需要評估的——學習篇

黑箱

我們過去的計算機科學大部分是基于規則的,很像一臺汽車,我們很清楚的知道這臺車是如何組裝起來的,所以發現螺絲松了就檸緊,哪個零件老化了就換一個。完全可以做到對癥下藥。

而深度學習則完全不一樣,當我們發現問題時,不能做到對癥下藥,只能全局優化(比如灌更多的數據)。

案例在2個評估象限中的位置

easyai公眾號

所以,在評估的時候有3條原則:

  1. 解決方案越需要解釋背后的原因,越不適合用深度學習
  2. 對錯誤的容忍度越低,越不適合使用深度學習
  3. 上面2條并非絕對判斷標準,還需要看商業價值和性價比,自動駕駛和醫療就是反例。

下載 PDF 可以查看全文,也可以通過下面的鏈接查看黑箱篇的全文內容:

使用AI前需要評估的——黑箱篇

上面的所有內容都整理成了41頁的PDF《引入AI前需要評估的》,點擊下方按鈕進行下載。

下載鏈接

easyai公眾號

0條評論 添加新討論

登錄后參與討論
Ctrl+Enter 發表