導(dǎo)語(yǔ)：隨著AI產(chǎn)品近年在市場(chǎng)上的熱門，AI產(chǎn)品經(jīng)理也變得搶手了。然而入門AI產(chǎn)品經(jīng)理除了基本的技能外，還必須具備基礎(chǔ)的AI知識(shí)。本篇文章，作者將向我們分享基礎(chǔ)的AI知識(shí)，助你入門了解AI行業(yè)。

一、三駕馬車

這些年大家都常常聽到人工智能有三大馬車，即：數(shù)據(jù)、算法和算力，其實(shí)這個(gè)是拆解任何一個(gè)人工智能項(xiàng)目或者是問(wèn)題非常有效的方法，大家務(wù)必記住這三個(gè)要素，缺一不可，我們后面的實(shí)戰(zhàn)章節(jié)會(huì)拿來(lái)反復(fù)進(jìn)行驗(yàn)證使用。我們接下來(lái)就從基礎(chǔ)理論看看這三大要素的組成。

1. 數(shù)據(jù)的構(gòu)成

數(shù)據(jù)：任何AI模型訓(xùn)練都需要數(shù)據(jù)，AI深度學(xué)習(xí)模型不可能無(wú)中生有。包括我們?nèi)祟惖母叩戎悄軐W(xué)習(xí)也需要有輸入，才能進(jìn)行輸出，因此數(shù)據(jù)就是AI模型的重中之重。

數(shù)據(jù)按照用途可分為：訓(xùn)練集（train set）、驗(yàn)證集（validation set）和測(cè)試集（test set）。

其中訓(xùn)練集占全部數(shù)據(jù)集的絕大部分，數(shù)量從萬(wàn)級(jí)到千萬(wàn)級(jí)甚至更多，且對(duì)于算法模型來(lái)說(shuō)，一定是數(shù)據(jù)越多算法模型越好，即可以理解為算法跟人一樣“見多識(shí)廣”，見的數(shù)據(jù)多了自然模型更加魯棒和強(qiáng)大。

驗(yàn)證集主要用來(lái)調(diào)整模型參數(shù)從而選擇最優(yōu)模型，驗(yàn)證集可以理解成我們學(xué)習(xí)時(shí)候的教參書，用來(lái)驗(yàn)證我們是否對(duì)于所學(xué)習(xí)知識(shí)已經(jīng)掌握；但是最終用來(lái)評(píng)價(jià)模型的好壞是測(cè)試集，這部分?jǐn)?shù)據(jù)對(duì)于模型一定之前是”保密的”，可以理解對(duì)于模型要進(jìn)行一次“考試”。

考試范圍包含之前訓(xùn)練集的“知識(shí)點(diǎn)“，看看那其中訓(xùn)練集：驗(yàn)證集：測(cè)試集=6:2:2；驗(yàn)證集并不是必須的，因此訓(xùn)練集與測(cè)試集的比例一般為8:2。

數(shù)據(jù)按照來(lái)源可分為：公開數(shù)據(jù)集、自建數(shù)據(jù)集；

人工智能的快速發(fā)展與其開源的氛圍密不可分，很多大型的組織和機(jī)構(gòu)都愿意把其最新的研究結(jié)果的數(shù)據(jù)開源，供其他人共同研究、推進(jìn)學(xué)術(shù)進(jìn)步。

比如海外的google dataset search、kaggle、data.gov（美國(guó)政府）、各種國(guó)內(nèi)外的比賽賽事主辦方會(huì)開源數(shù)據(jù)集、包括有一些專業(yè)的公司做公開數(shù)據(jù)集的聚合業(yè)務(wù)。

對(duì)于自建數(shù)據(jù)集，分為兩部分：一是可以通過(guò)互聯(lián)網(wǎng)進(jìn)行爬取，另一方面可以進(jìn)行自行采集，除了組織周圍同事進(jìn)行小規(guī)模數(shù)據(jù)采集、通過(guò)已有產(chǎn)品埋點(diǎn)回流數(shù)據(jù)，也可以通過(guò)找專業(yè)公司組織大規(guī)模的采集。

構(gòu)建自建數(shù)據(jù)集，需要產(chǎn)品經(jīng)理與算法同學(xué)一同構(gòu)建數(shù)據(jù)集的規(guī)格specification，即通過(guò)分析拆解目標(biāo)任務(wù)，對(duì)數(shù)據(jù)集的構(gòu)成進(jìn)行MECE（互相獨(dú)立、完全窮盡）的拆解，為了更好的拆解，建議大家可以通過(guò)構(gòu)建思維導(dǎo)圖的方式來(lái)創(chuàng)建。如圖1：

人臉關(guān)鍵點(diǎn)數(shù)據(jù)集構(gòu)建要求

構(gòu)建完成數(shù)據(jù)集要求后，可以進(jìn)行數(shù)據(jù)集的試采，通過(guò)試采一個(gè)完整的被試者，來(lái)預(yù)估采集項(xiàng)目的完整周期，如果時(shí)間遠(yuǎn)遠(yuǎn)超于預(yù)期時(shí)間，是否可以考慮簡(jiǎn)化數(shù)據(jù)集的標(biāo)準(zhǔn)、多采集設(shè)備并行又或是減少采集人數(shù)規(guī)模、將數(shù)據(jù)采集項(xiàng)目分成兩期。

由于對(duì)于深度學(xué)習(xí)需要結(jié)構(gòu)化的數(shù)據(jù)進(jìn)行訓(xùn)練，因此我們采集完的數(shù)據(jù)還要同步進(jìn)行標(biāo)注。數(shù)據(jù)標(biāo)簽種類眾多，比如分類、拉框、注釋、標(biāo)記（畫點(diǎn)）等等。標(biāo)注之后的結(jié)構(gòu)化數(shù)據(jù)輸入深度學(xué)習(xí)模型之中才可以進(jìn)行訓(xùn)練。

很多同學(xué)可能覺(jué)得這樣的操作前期成本太高了，是否可以不標(biāo)注就進(jìn)行訓(xùn)練呢？比如最近大火的自監(jiān)督學(xué)習(xí)，自監(jiān)督學(xué)習(xí)的核心，在于如何自動(dòng)為數(shù)據(jù)產(chǎn)生標(biāo)簽。例如輸入一張圖片，把圖片隨機(jī)旋轉(zhuǎn)一個(gè)角度，然后把旋轉(zhuǎn)后的圖片作為輸入，隨機(jī)旋轉(zhuǎn)的角度作為標(biāo)簽。

再例如，把輸入的圖片均勻分割成3*3的格子，每個(gè)格子里面的內(nèi)容作為一個(gè)patch，隨機(jī)打亂patch的排列順序，然后用打亂順序的patch作為輸入，正確的排列順序作為label。類似這種自動(dòng)產(chǎn)生的標(biāo)注，完全無(wú)需人工參與。

但是目前大部分任務(wù)，還是需要人類標(biāo)注（label）大量數(shù)據(jù)之后再送給機(jī)器進(jìn)行學(xué)習(xí)。所以之前很多人提到人工智能中都是“人工”這種說(shuō)法還是十分正確的。

但其實(shí)現(xiàn)在很多互聯(lián)網(wǎng)數(shù)據(jù)產(chǎn)生的過(guò)程中就自帶了標(biāo)簽，比如說(shuō)近些年很火的圖片社交網(wǎng)站Instagram，用戶上傳圖片、視頻的同時(shí)會(huì)增加很多#，#美食 #聚餐 #海灘等等，這些其實(shí)就是用戶自己手動(dòng)為圖片或者視頻打標(biāo)簽的過(guò)程，省去了統(tǒng)一再打一次標(biāo)簽的過(guò)程，Instagram的后臺(tái)模型就可以利用每天用戶上傳分享的海量數(shù)據(jù)對(duì)圖片、場(chǎng)景進(jìn)行分類、檢測(cè)、識(shí)別，甚至模型可以理解這張圖片代表了什么，看圖說(shuō)話。

反之亦然，可以根據(jù)用戶的一句話組織相應(yīng)的素材，一句話成片，圖文成片等。這里便是利用了眾包的思想，其實(shí)除了社交媒體之外，平常大家登陸網(wǎng)站輸入驗(yàn)證碼的時(shí)候會(huì)讓大家選擇下面哪張圖片包含“自行車”？其實(shí)也是一個(gè)人工標(biāo)簽不斷幫助模型訓(xùn)練的過(guò)程。類似的思路大家可以借鑒并融入到自己產(chǎn)品的設(shè)計(jì)中。

2. 算法

首先定義一下人工智能、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)之間的關(guān)系。

機(jī)器學(xué)習(xí)直接來(lái)源于早期的人工智能領(lǐng)域，機(jī)器學(xué)習(xí)可以定義為一種實(shí)現(xiàn)人工智能的方法，傳統(tǒng)的算法包括決策樹、聚類、貝葉斯分類、支持向量機(jī)、EM、Adaboost等等。從學(xué)習(xí)方法上來(lái)分，機(jī)器學(xué)習(xí)算法可以分為監(jiān)督學(xué)習(xí)（如分類問(wèn)題）、無(wú)監(jiān)督學(xué)習(xí)（如聚類問(wèn)題）、半監(jiān)督學(xué)習(xí)、集成學(xué)習(xí)、深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)。

而深度學(xué)習(xí)是實(shí)現(xiàn)機(jī)器學(xué)習(xí)的技術(shù)，即人工智能>機(jī)器學(xué)習(xí)>深度學(xué)習(xí)，最初的深度學(xué)習(xí)是利用深度神經(jīng)網(wǎng)絡(luò)來(lái)解決特征表達(dá)的一種學(xué)習(xí)過(guò)程。

深度神經(jīng)網(wǎng)絡(luò)本身并不是一個(gè)全新的概念，可大致理解為包含多個(gè)隱含層的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。為了提高深層神經(jīng)網(wǎng)絡(luò)的訓(xùn)練效果，人們對(duì)神經(jīng)元的連接方法和激活函數(shù)等方面做出相應(yīng)的調(diào)整。

提到算法，我們先了解下計(jì)算機(jī)視覺(jué)任務(wù)的分類包括以下種類：

• 目標(biāo)識(shí)別：物體識(shí)別是得到一個(gè)原始的圖像，任務(wù)是給出目標(biāo)位置和識(shí)別物體屬于哪個(gè)類，另外還有人臉識(shí)別，行為識(shí)別等；
• 三維重建：攝像機(jī)標(biāo)定，立體匹配；
• 圖像/視頻理解：根據(jù)給定圖像，給出描述文字等；
• 深度相機(jī)：RGB-D相機(jī)，例如手勢(shì)識(shí)別、骨骼跟蹤、增強(qiáng)現(xiàn)實(shí)等；
• 視覺(jué)導(dǎo)航：視覺(jué)SLAM，例如ORB-SLAM；
• 圖像分割：圖像分割是一項(xiàng)復(fù)雜的任務(wù)，目標(biāo)是將每個(gè)像素映射到它的合法類，例如語(yǔ)義分割、實(shí)例分割。

而從深度學(xué)習(xí)來(lái)分類，更多的是基于模型的架構(gòu)進(jìn)行的區(qū)分，包括監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí)：

其中監(jiān)督學(xué)習(xí)包括循環(huán)網(wǎng)絡(luò)RNN、CNN、DNN。

RNN適合應(yīng)用跟序列有關(guān)系的任務(wù)，比如時(shí)間序列，預(yù)測(cè)股票行情，比如文本序列，其衍生的諸多變體在自然語(yǔ)言處理領(lǐng)域應(yīng)用廣泛，其中LSTM更是在NLP領(lǐng)域鼎鼎大名。

CNN的C代表卷積，是一種很好對(duì)目標(biāo)圖像降維的數(shù)學(xué)運(yùn)算，主要用于提取特征，因此很多圖像分類任務(wù)應(yīng)用較多。

DNN會(huì)在搜索中進(jìn)行應(yīng)用，可以對(duì)于轉(zhuǎn)化率進(jìn)行預(yù)估，這個(gè)數(shù)據(jù)是互聯(lián)網(wǎng)產(chǎn)品應(yīng)用頻率最高的一個(gè)指標(biāo)，且其轉(zhuǎn)化率預(yù)估對(duì)應(yīng)的輸入特征包含各個(gè)不同域的特征。

如用戶域，寶貝域，query域等，各種特征的維度都能高達(dá)千萬(wàn)，甚至上億級(jí)別，如何在模型中處理超高維度的特征，成為了一個(gè)亟待解決的問(wèn)題，如何考慮多維高階信息的同時(shí)兼顧計(jì)算量和效率，DNN是一個(gè)非常合適的方法。

深度神經(jīng)網(wǎng)絡(luò)通過(guò)構(gòu)造稀疏id特征的稠密向量表示，使得模型能有更好的泛化性，同時(shí)，為了讓模型能更好的擬合大促期間商品特征數(shù)據(jù)的劇烈變化，在深度網(wǎng)絡(luò)的最后一層增加商品id類特征，id組合特征和實(shí)時(shí)的統(tǒng)計(jì)量特征，使得整個(gè)網(wǎng)絡(luò)同時(shí)兼顧泛化性和實(shí)時(shí)性的特點(diǎn)。

無(wú)監(jiān)督學(xué)習(xí)我們提一下最近非常火的GAN（生成對(duì)抗網(wǎng)絡(luò)），通過(guò)無(wú)監(jiān)督學(xué)習(xí)同時(shí)訓(xùn)練兩個(gè)模型，其內(nèi)在的原理可以化身為西方的博弈論或者是東方的道家思想，我還記得我上信息對(duì)抗的第一節(jié)課老教授就講了《道德經(jīng)》中的“反者道之動(dòng)，弱者道之用”，這其中的內(nèi)涵讀者可以細(xì)品。

簡(jiǎn)單的說(shuō)，GAN訓(xùn)練兩個(gè)網(wǎng)絡(luò)：

• 生成網(wǎng)絡(luò)用于生成圖片使其與訓(xùn)練數(shù)據(jù)相似
• 判別式網(wǎng)絡(luò)用于判斷生成網(wǎng)絡(luò)中得到的圖片是否是真的是訓(xùn)練數(shù)據(jù)還是偽裝的數(shù)據(jù)。生成網(wǎng)絡(luò)一般有逆卷積層(deconvolutional layer)而判別網(wǎng)絡(luò)一般就是上文介紹的CNN。

具體方法可以參考下圖：

GAN網(wǎng)絡(luò)結(jié)構(gòu)示例

3. 算力

深度學(xué)習(xí)算法根據(jù)模型的大小以及最后實(shí)際應(yīng)用的場(chǎng)景會(huì)選擇部署在端側(cè)還是云側(cè)又或是端云結(jié)合的方案。

隨著智能手機(jī)不斷的發(fā)展，現(xiàn)在端側(cè)的算力也不斷提升，比如最新的高通驍龍888處理器，算力可以達(dá)到26TOPS，TOPS是算力的單位，即每秒鐘進(jìn)行1T（10的12次方）次操作。

而大家還有印象的是幾年前的英偉達(dá)顯卡還是2000G算力，換算一下只是2TOPS左右，因此可以看到摩爾定律發(fā)展下的半導(dǎo)體制程的進(jìn)步直接影響著深度學(xué)習(xí)的算力進(jìn)步。

比如說(shuō)自動(dòng)駕駛，特斯拉的每臺(tái)汽車搭載一個(gè)超算中心，具備144TOPS的算力，可以實(shí)時(shí)處理運(yùn)算各種復(fù)雜的路面情況，道路標(biāo)識(shí)，檢測(cè)人物和各種車輛，這些是機(jī)器視覺(jué)的算法都依賴于強(qiáng)大的算力予以支持。

綜上，我們可知，端側(cè)的算力具備實(shí)時(shí)性好、安全性好（離線），但是很大程度上依賴于半導(dǎo)體處理的制程以及能效的利用。

比如說(shuō)移動(dòng)端設(shè)備手機(jī)上就不太可能配備一臺(tái)算力巨大的超算中心，最核心的一方面就是就是電量有限，算力越高相應(yīng)的能耗也越高，再一點(diǎn)越大的能耗對(duì)應(yīng)了著需要配備更大體積的電池和運(yùn)算單元，無(wú)論如何這對(duì)于人們?nèi)粘ｋS身攜帶的物品設(shè)定來(lái)講都不是十分合適；

因此人們就把這個(gè)算力單元放到了車上，尤其是新能源電車，有充沛的電力、足夠的空間、車身配備很多傳感器，平?？梢砸贿叢杉瘮?shù)據(jù)，一邊輸入算力單元進(jìn)行快速計(jì)算，同時(shí)還有一位經(jīng)驗(yàn)豐富的“人類老司機(jī)”進(jìn)行教學(xué)。

平時(shí)我們開車的行為：打方向盤、踩剎車、加速、變道，下雨天怎么駕駛、夜間、雪天、霧霾天如何駕駛等等都是對(duì)于深度學(xué)習(xí)模型進(jìn)行一次次人為“標(biāo)注”監(jiān)督訓(xùn)練的過(guò)程，如此往復(fù)，車這個(gè)“智能體”就會(huì)不斷的迭代演進(jìn)，直到可以替代人，完成自動(dòng)駕駛。

而以上就是特斯拉AI高級(jí)總監(jiān)Andrej Kaparthy在2019年的特斯拉發(fā)布會(huì)上提到“影子模式”（shadow mode），了解這背后原理的我當(dāng)時(shí)不禁感嘆特斯拉將機(jī)器視覺(jué)和深度學(xué)習(xí)的能力發(fā)揮到極致，在商業(yè)模式上也十分巧妙，將數(shù)據(jù)、算力和算法在一臺(tái)車上就形成了閉環(huán)，關(guān)鍵是這個(gè)車還能進(jìn)化，越開越”聰明”。

沿著這個(gè)思路想下去，如果說(shuō)未來(lái)手機(jī)的算力和電力已經(jīng)到天花板（因?yàn)橹亓恳话阍?00g左右，屏幕尺寸6-7寸左右，算力上限和能耗上限可知），而車才是離我們最近的算力單元，那么未來(lái)真正了解你的是車，他可以存儲(chǔ)你日常行為的數(shù)據(jù)，具備強(qiáng)大的算力可以不斷優(yōu)化模型，手機(jī)最后是否只是淪為一個(gè)車中心的延展傳感器，離你最近的那個(gè)。

這就很好解釋為什么蘋果以及國(guó)內(nèi)的華為等手機(jī)大廠都選擇紛紛躬身入局，卷入“造車運(yùn)動(dòng)”。未來(lái)，如果不是特斯拉收編了手機(jī)，就是手機(jī)廠商顛覆了特斯拉，這么講的話，我更看好前者。

講完端側(cè)的算力，我們?cè)诳聪略贫说乃懔Α?/strong>云端一般指大型的服務(wù)器及其集群，也就是我們平常講的”機(jī)房”?；谏衔奶岬降捏w積和能效，云端是完全沒(méi)有這方面限制的，甚至可以理解成理論上算力無(wú)上限的算力平臺(tái)，只要機(jī)器夠多。云端常用來(lái)進(jìn)行模型的訓(xùn)練，而端測(cè)用來(lái)模型的部署與推理。