Building AI in Your Company
Case studies of complex AI products
智能扬声器
输入：“hello，小爱同学, 播放周杰伦的稻香”
执行步骤（AI pipeline）：
- 触发提示词检测
- Audio（小爱智能助手） ——> hello，小爱同学
- 语音识别
- Audio（小爱智能助手）——> 播放周杰伦稻香
- 意图识别
- 重点关注 播放音乐 ——> 音乐播放器
- 执行任务
- 播放稻香
其他功能：
自动驾驶汽车
步骤：
- 车辆检测、
- 轨迹预测：图像、雷达、激光雷达、GPS、陀螺仪、地图信息
- 行人检测、轨迹预测
- 交通标识、路标检测
- 交通信号灯检测
- 障碍物检测
- 运动规划
- 速度，加速度、转向、刹车等
预测图示：
自动驾驶每分钟处理几GB到十几G的数据信息
Example roles of an AI team
人工智能团队的示例角色
- 软件工程师
- 例如，实现音乐播放、自动驾驶的可靠性
- 机器学习工程师
- 编写软件，用于生成 A ——> B 的映射
- 机器学习研究员
- 负责开发机器学习的前沿技术
- 应用机器学习科学家
- 数据科学家
- 监测数据和分析其背后的意义
- 展示由数据分析得到的见解帮助驱动商业决策
- 数据工程师
- 组织数据
- 确保数据易于读取和保存，而且保证以一种很安全、经济高效的方式
- AI 产品经理
- 帮助判断什么是可行且有价值的
Getting started with a small team
- 1 Software Engineer , or
- 1 Machine Learning Engineer/Data Scientist, or
- Nobody but yourself
人工智能转型计划
AI 转型手册步骤：
- 执行试点项目去获得势头或优势
- 初创项目的成功比商业价值更重要，能够逐步让其他团队转向 AI
- 需那种 6-12 个月能展示成效的项目
- 内外部项目都可以
- 构建内部 AI 团队
- AI 团队给其他部门赋能
- 提供广泛的 AI 培训
- 高管
- 知道 AI 可以给企业带来什么；
- AI 策略；
- 资源分配（GPU 卡，计算资源等）
- AI 项目领导
- 制定项目方向（技术和商业调查）；
- 部门内资源分配
- 监督 AI 项目的进程
- AI 工程师
- 构建 AI 软件；
- 收集数据；
- 执行特定 AI 任务
- 高管
- 制定 AI 策略
- 利用 AI 去创建一个特定于你所在行业的优势
- 设计一种与 AI 的良性循环一致的公司策略
- 考虑创建数据策略
- 战略数据获取 ———— 免费服务（阿里云、chatGPT,AI 问答等）
- 构建统一的数据仓库 ———— 将数据库统一，便于分析生产过程中的问题
- 创建网络效果和平台优势
- 赢家通吃（滴滴，将驾驶员和乘客联系在一起的平台）
- 开展内外部交流
- 投资者的关系
- 政府的关系
- 消费者/用户 培训
- AI 人才招聘
- 内部沟通
要避免的人工智能陷阱
- 不要指望 AI 解决所有事情
- 认识到 AI 可以做和不可以做的事情，考虑技术、数据和工程资源的限制
- 指望依赖少数机器学习工程师为公司提供使用用例
- 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
- 不要指望 AI 项目一次就能成功
- AI 开发通常是一个迭代过程，需要经过多次才能取得成功
- 不要指望传统的计划流程在没有变化的情况下应用
- 与 AI 团队合作，以建立有意义的时间估计，里程碑，KPI 或指标等。
- 不要以为需要超级厉害的 AI 工程师才能开启一个项目
- 继续构建团队，与团队合作
Taking your first step in AI
- Get friends to learn about AI
- This course
- Reading group
- Start brainstorming projects
- No project is too small
- Hire a few ML/DS people to help
- Hire or appoint an AI leader (VP AI, CAIO, etc.)
- Discuss with CEO/Board possibilities of AI Transformation
- Will your company be much more valuable and/or more effective if it were good at AI?
主要人工智能应用领域调查
计算机视觉
- 图像分类/对象识别
- 面部识别
- 对象检测
- 图像分割
- 寻迹/跟踪
自然语言处理
- 文本分类
- 情绪识别
- 信息检索
- web搜索
- 名称实体识别
- 提取人名，地名等
- 机器翻译
- 中英文翻译
- 解析和语音部分标注
- 句子中的名词、介词、限定词等
语音
- 语音识别
- 语音 to 文本
- 提示词检测
- 演讲者ID
- 语音合成
- 文本到语音，TTS
机器人领域
自动驾驶为例
- 预测
- 周围环境检测
- 运动规划
- 找寻路径
- 控制
- 发送指令按照规定路径运行
通用的机器学习
- 非结构化数据
- 结构化数据
主要人工智能技术调查
非监督学习
- 聚类算法
- 输入无标签的数据，输出有趣的结论
- 语料学习
监督式学习
- （学习从输入 A 到输出 B 的映射），现阶段最有价值的技术
- 例如，杯子图片（好和坏），构建 AI 应用完成 95%良品率的杯子检测
强化学习
使用奖励信号去告知 AI 做得好还是坏，AI 会自动学习以获取最大化奖励
缺点 ：需要大量的数据
迁移学习 ———— 举一反三
- 学习任务 A，根据先前的知识帮助任务 B
- 训练了一个车辆检测模型，对于新的高尔夫车型，有相同的车轮、运行轨迹的检测方法同样适用
生成对抗网络
知识图谱