2015/7/13 下午12:06:19 星期一
当前位置: 主页 > 平步青云 >

AI如何助力行业智能365体育:化,人工智能认识及应用
时间:2019-05-31 20:19

摘要:算法,是否可行?行业,是否认可?决定了,是否可以做?用户场景是什么,决定了是否值得做?能否给现有行业的核心玩家带来相应的价值,且价值可否去复用,这是判断是否有价值并且可持续。边界、场景、价值,这是在AI落地行业实践中需要不断考量的三大核心要点。本文是AI独角兽公司Face++云服务平台产品负责人刘杨洋在起点学

四、AI在手机行业的落地实践

1. 边界

第一,人眼的边界。这其实是一个技术问题,就是这个东西是否已经跨越了人眼的识别边界,这是否是一个计算机视觉能够解决的需求。

第二,算法可行性。举一个很简单的例子,比如把手张开,也许我的朋友跟我说是你好!也许我家的猫看见说我要打它。但是算法只是说你只是把手举起来,到底是干嘛算法是不知道的。所以算法到目前为止是没有推理作用。

还有就是宽域到窄域的预设,这其实就是一个场景的预先规划,以及对训练数据的要求——因为我们现在所说的算法训练,都指的是监督式学习。

什么叫监督式学习呢?

比如说我看的都是中国人,你突然给我一个黑人,也许我就识别不出来了;以前有个人做了识别健身房哑铃,做得非常好,每一个人拍一张照都能识别出哑铃,后来有一天没有人手出现拍了一张哑铃,它就识别不出来。回去发现所有训练的数据都是人举着一个哑铃,它把手和哑铃识别到一起了——所以,要想达到必须没有推理性的,有推理性的人来告诉它,它才能进行相应的训练。

第二是数据要有一定的量,并且尽可能的覆盖使用场景的数据。

第三是行业的边界,这是到底决定价值线在哪儿。

俞军老师的著名理论:

产品价值=(新体验-旧体验)+替换成本

这里边有一个可以分享案例:

AI做医疗现在都很火,比如说通过一张片认定你有没有得肺结节、乳腺癌这种的。之前中国医学界泰斗级别的一位老师,在他眼里,中国可能有资格识别肺结节的只有不到四五百人,但是,这部分人的识别准确度也只是在85%左右——实际上,他们识别出来之后,还要去做病理切片,做各种病理测试,才能够最终确定这个人到底有没有这样的病。

一开始,需求只要超过85%,是不是就可以了呢?反问过来想,这个东西到底谁可以买单?是用户来买单还是医院来买单?用户为什么去医院看?我是不是能够提升医生的效率。

2. 场景

你要值得做就考虑场景。

用户的场景是什么?我们都说一个摄像头,拍一张图片去识别,或者是一个视频去识别;那么识别的角度、识别的距离,包括我要求识别的时间、底库等等,这些就也关系到算法适用的范围。对应我的产品形态是SDK还是API,用在什么架构上,这是整个方案的设计。

算法的场景,算法在哪儿跑?它需要什么样的性能?它要达到多少的概率?它要覆盖多少的范围?这就是算法需要考虑的场景。

最后是涉及到行业的场景,到底能不能为这个行业赋能?

我说,我这个可以达到100%肯定是没有问题的,但是医院说也许就是不能用,我们这边的医生都是有什么证之类的,你这个机器有证能证明自己吗?错了谁来买单?——其实会面临很多这样复杂的问题。

3. 价值

关于行业的赋能,我们要考虑的更多。

现在是否是进入这个行业的好时机,基础是否已经具备了,能不能给现在行业的核心玩家带来相应的价值,并且这个价值可否去复用,有没有足够的门槛。最后才来判断到有没有超出这样的价值线,并且是否可持续。

嘉宾:刘杨洋,Face++云服务平台产品负责人,先后任职于滴滴、京东等互联网公司,负责平台增长与创新等工作。现负责Face++人工智能开放平台产品能力建构,专注于AI能力面向各行业用户的场景实践。

本文转自: 快资源