进入AI领域做产品 —— 我的自学之路（AI基础概念）

AI概念认知

了解AI

什么是AI

        AI是实现推断的概率可以无限逼近100%，最终替代人类做判断、完成任务，甚至超越人类思维和判断能力的科学技术。

AI产品

        互联网时代的产品经理构建的是基础设施，在人与人、人与物、人与数据的关系上搭建桥梁，实质上是优化了信息存储和互通的方式，因此产品经理主要关注的是入口及流量的走向。

        AI实际上给人类带来的是技术创新驱动下的产业升级，本质上是关注产品本身的价值。

        AI产品，本质上是全面优化和提升上述所有场景中现有的技术手段，从而实现用户的体验升级和解决方案的效率升级。

核心要素

        算法、数据、算力3要素是构成AI的根本，3要素的突破是当下AI得以迅速发展的原因，AI 产品经理需要对3要素有深刻的认知以便更好的去进行设计。

算法

概念：
得到输入后能够输出预测、分类结果的AI模型，相当于土壤。

意义：

• 近些年来算法框架的不断成熟及开源社区的发展大幅度降低了执行算法的门槛；
• 对于AI 产品经理而言，设计的产品要和公司现有的算法研发能力相匹配，例如避免设计一些 过于超前或落后的产品功能。这需要AI 产品经理对主流的算法模型和框架有基本的认知，并可以做到对各种算法在不同场景下的使用效果进行量化评估。

算法大类：

• 浅层机器学习；
• 深度学习；
• 增强学习。

数据

概念：
作为输入内容提供给AI模型，相当于养料。

意义：

• 互联网和移动互联网的迅猛发展在数据层面提供了AI学习的基础；
• 对于AI 产品经理而言，要在产品设计之初就考虑到数据从哪来、数据质量怎么保证、数据治理的工作怎么开展等问题。

数据采集方法：

• 各种传感器；
• 摄像头；
• 麦克风；
• 触摸屏；
• 网络数据采集器。

计算能力

概念：

• 作为把输入数据在AI模型中运算后输出结果的工具，相当于锄头；
• 只有用锄头（算力）在土壤（算法）中施加养料（数据），才能结出果实（结果）。

意义：

• 以 GPU、TPU 为核心的大规模集群计算系统的发展及硬件成本的逐步降低基本扫清了计算能力的障碍；
• 对于AI 产品经理而言，要从需求出发，衡量产品的功能所需求的算法模型需要怎样的系统架构支撑，并能够评估硬件开销。

AI芯片：

• 通用性芯片GPU：
  • GPU是单指令、多数据处理，采用数量众多的计算单元和超长的流水线，主要处理图像领域的运算加速；
  • GPU无法单独工作，必须由CPU进行控制调用才能工作；
  • CPU可单独作用，处理复杂的逻辑运算和不同的数据类型，但当需要大量的处理类型统一的数据时，则可调用GPU进行并行计算。
• 半定制化芯片FPGA：
  • FPGA适用于多指令，单数据流的分析，与GPU相反，因此常用于预测阶段，如云端；
  • FPGA是用硬件实现软件算法，因此在实现复杂算法方面有一定的难度，缺点是价格比较高。
• 全定制化芯片ASIC：
  • ASIC是为实现特定场景应用要求时，而定制的专用AI芯片；
  • 除了不能扩展以外，在功耗、可靠性、体积方面都有优势，尤其在高性能、低功耗的移动设备端。
• 类