生成式AI現(xiàn)在在各個行業(yè)都得到了廣泛的應(yīng)用，但不是說所有的場景都適合用AI來替代。本文分享了AI產(chǎn)品在不同場景下的使用方式，供大家參考。

隨著DeepSeek的出圈，AI再次在工業(yè)界掀起一場商戰(zhàn)。許多創(chuàng)業(yè)公司都在琢磨怎么讓AI落地做出些有趣的東西，我自己也想做一些AI項(xiàng)目來玩玩。但動不動就說要做一個自己的大模型是愚蠢的，研發(fā)一個自然語言大模型，無論是前期的數(shù)據(jù)準(zhǔn)備還是訓(xùn)練的算力消耗，成本都是巨大的，要訓(xùn)練參數(shù)規(guī)模在1.8萬億左右的GPT-4，需要訓(xùn)練數(shù)據(jù)13萬億，一次訓(xùn)練的成本大概是6300萬美元，聽著心里差不多也有個數(shù)就行。

所以在做AI應(yīng)用之前要明確AI落地的依賴（數(shù)據(jù)、算力、模型、人工經(jīng)驗(yàn)），要認(rèn)識到人工智能的優(yōu)勢與局限——AI擅長“數(shù)據(jù)海量”、“流程清晰”的任務(wù)，而不擅長數(shù)據(jù)不足、流程模糊或者算力不足、需要大量常識或主觀判斷的任務(wù)。

比如當(dāng)前AI的優(yōu)勢在感知、預(yù)測、關(guān)聯(lián)分析以及根據(jù)數(shù)據(jù)快速迭代學(xué)習(xí)的領(lǐng)域比較突出，分別舉例應(yīng)用場景：自動駕駛、金融風(fēng)控、推薦系統(tǒng)、強(qiáng)化學(xué)習(xí)。

但以下幾個場景就不適合AI來摻和：罕見病診斷、新市場預(yù)測（數(shù)據(jù)不足），企業(yè)戰(zhàn)略規(guī)劃與管理決策、創(chuàng)意產(chǎn)品開發(fā)（流程模糊），大規(guī)模物理仿真、實(shí)時視頻處理與增強(qiáng)現(xiàn)實(shí)應(yīng)用（算力不足），法律咨詢與案件分析、心理咨詢與輔導(dǎo)服務(wù)、金融風(fēng)控審核貸款人的人品或者情緒狀態(tài)（需要大量常識與主觀判斷）等等。

做完排除法之后，我們需要結(jié)合自身能力點(diǎn)去判斷是“人工智能+行業(yè)”還是“行業(yè)+人工智能”。我是人工智能專業(yè)，我在思考和什么領(lǐng)域結(jié)合能產(chǎn)生有趣的人工智能產(chǎn)品，那么我在考慮的就是“人工智能+行業(yè)”，我需要解決找一個適合AI加入的場景問題；我的朋友是服裝設(shè)計(jì)專業(yè)，她在思考怎么把服裝從生產(chǎn)打板到上架拍宣傳照這一系列工作都交給AI來做，那么她考慮的就是“行業(yè)+人工智能”，她需要突破的就是AI技術(shù)難題。

在這里給到“行業(yè)+人工智能”的建議是：先通過集成或者使用開源模型微調(diào)的方式將產(chǎn)品技術(shù)框架構(gòu)建起來、推向市場，同時沉淀場景的數(shù)據(jù)和用戶的使用反饋，以低成本驗(yàn)證數(shù)據(jù)和訓(xùn)練的有效性，畢竟我們的目標(biāo)是把事兒辦成，而不是做一個大模型。“人工智能+行業(yè)”的話需要有交叉學(xué)科的能力，這個后續(xù)再單開一篇文章和大家好好聊聊有什么可選擇的行業(yè)與適合AI落地的場景。

在做AI應(yīng)用時一定要有“人工智能思維”。與互聯(lián)網(wǎng)產(chǎn)品一對比就可以很清晰地看到兩個時代將會有什么不同。

• 互聯(lián)網(wǎng)時代時“連接產(chǎn)生數(shù)據(jù)”，人工智能則是“數(shù)據(jù)產(chǎn)生智能”。人工智能是數(shù)據(jù)“喂”出來的，人工智能落地效果的平靜就在于“它只會和你的訓(xùn)練數(shù)據(jù)一樣好”，如果數(shù)據(jù)不完整，那么人工智能所學(xué)到的只是和數(shù)據(jù)之間的關(guān)聯(lián)也是不完整的。
• 互聯(lián)網(wǎng)強(qiáng)調(diào)“用戶思維”，人工智能強(qiáng)調(diào)“數(shù)據(jù)”思維。互聯(lián)網(wǎng)產(chǎn)品在設(shè)計(jì)時，關(guān)注的是如何滿足“用戶”在某個場景下的需求，如何走通整個使用場景的流程；而人工智能思維以數(shù)據(jù)為核心和原材料，目的時提高信息匹配效率，降低使用、決策成本。人工智能所做的事情，是在當(dāng)下的應(yīng)用場景提高效率（速度、質(zhì)量、成本）。
• 互聯(lián)網(wǎng)產(chǎn)品強(qiáng)調(diào)敏捷開發(fā)、快速迭代，人工智能產(chǎn)品在方案上更關(guān)注整體性和魯棒性。有一定比例的人工智能產(chǎn)品是對原有解決方案的升級或者替代，比如Cursor（AI自然語言編程助手，可以一鍵部署、修改bug可以體驗(yàn)到高效的編程一條龍服務(wù)）。AI產(chǎn)品必須盡量覆蓋所有已知的意外場景，否則數(shù)據(jù)缺失時它就會表現(xiàn)得像人工智障，AI產(chǎn)品的容錯率是很低的，因?yàn)樗鼤蠓档彤a(chǎn)品體驗(yàn)，所以互聯(lián)網(wǎng)產(chǎn)品的最小化可行產(chǎn)品（MVP）、單點(diǎn)功能驗(yàn)證產(chǎn)品這一套邏輯在AI產(chǎn)品方案上是不成立的。

所以，有了思維，有了場景選擇，應(yīng)該具體如何落地一個AI產(chǎn)品呢？

首先，要能確保有規(guī)范的數(shù)據(jù)可以使得AI構(gòu)建起行業(yè)知識，并且有可以構(gòu)建AI模型的硬件（CPU、GPU、內(nèi)存、硬盤）。

1. 確定場景的AI接入點(diǎn)：拆分大任務(wù)找到AI需要完成的具體小任務(wù)，明確AI模型的輸入和輸出并明確使用條件和限制。
2. 確定AI產(chǎn)品與用戶的交互方式和使用流程：輸入輸出是多模態(tài)的，輸入輸出是文字、圖片、語音或者視頻，模型的整個訓(xùn)練過程都是不一樣的，一定要先定好輸入輸出以防后續(xù)訓(xùn)練一切重來。
3. 收集并處理構(gòu)建模型所需要的數(shù)據(jù)：數(shù)據(jù)采集往往是很難的，自建或者用GitHub、Kaggle等平臺的數(shù)據(jù)集都可以，但一定要保證數(shù)據(jù)集的數(shù)量和質(zhì)量以及均衡性，然后進(jìn)行數(shù)據(jù)預(yù)處理以及特征工程。
4. 選擇合適的算法進(jìn)行模型訓(xùn)練
5. 實(shí)施并部署人工智能系統(tǒng)：要設(shè)置監(jiān)控或者預(yù)警模塊，進(jìn)行異常情況檢查、制定備用系統(tǒng)，進(jìn)行正確性驗(yàn)證（A/B測試）、性能驗(yàn)證

最后提供幾個適合AI落地的場景供大家參考，預(yù)祝大家都能做出有趣的AI產(chǎn)品。

1. AI藝術(shù)與創(chuàng)意工具

場景描述：創(chuàng)建能夠輔助藝術(shù)家或設(shè)計(jì)師創(chuàng)作的藝術(shù)生成工具，如風(fēng)格遷移、圖像生成（GANs）、音樂生成等。

價值點(diǎn)：這類項(xiàng)目不僅展示了技術(shù)的創(chuàng)造力，還能吸引對技術(shù)和藝術(shù)交叉感興趣的社區(qū)。

示例：DeepArt和Prisma都是將用戶的照片轉(zhuǎn)換為不同藝術(shù)風(fēng)格的例子。你可以嘗試構(gòu)建自己的風(fēng)格遷移應(yīng)用或者探索其他形式的藝術(shù)生成。

2. 個性化教育助手

場景描述：開發(fā)針對特定學(xué)科或技能的學(xué)習(xí)助手，比如語言學(xué)習(xí)、編程指導(dǎo)等，利用自然語言處理和機(jī)器學(xué)習(xí)來提供個性化的反饋和支持。

價值點(diǎn)：有助于解決教育資源分配不均的問題，并且可以根據(jù)用戶的進(jìn)度調(diào)整教學(xué)內(nèi)容。

示例：Duolingo就是一個成功的例子，它使用AI來定制化每個用戶的語言學(xué)習(xí)路徑。

3. 基于語音的應(yīng)用

場景描述：創(chuàng)建基于語音交互的應(yīng)用程序，例如智能語音助手、播客生成器（如NotebookLM）或者是語音驅(qū)動的游戲。

價值點(diǎn)：隨著語音識別技術(shù)的進(jìn)步，這樣的應(yīng)用可以提供全新的用戶體驗(yàn)，并且非常適合獨(dú)立開發(fā)者快速迭代原型。

示例：你可能會受到NotebookLM的啟發(fā)，開發(fā)一款能將文本轉(zhuǎn)化為有聲讀物的應(yīng)用24。

4. 社交媒體分析工具

場景描述：設(shè)計(jì)用于社交媒體的情感分析工具，幫助企業(yè)了解公眾對其品牌的態(tài)度，或者幫助個人追蹤社交網(wǎng)絡(luò)上的趨勢。

價值點(diǎn)：可以幫助企業(yè)更好地理解市場情緒，同時也能讓個人開發(fā)者接觸到大規(guī)模的數(shù)據(jù)集進(jìn)行實(shí)驗(yàn)。

示例：Buffer和Hootsuite等平臺提供的分析工具就是很好的參考案例。

5. 游戲AI開發(fā)

場景描述：在視頻游戲中實(shí)現(xiàn)更加智能的NPC（非玩家角色），或是開發(fā)完全由AI驅(qū)動的小型游戲。

價值點(diǎn)：游戲是展示AI潛力的理想領(lǐng)域，尤其是當(dāng)你想要挑戰(zhàn)自我并創(chuàng)造獨(dú)特的互動體驗(yàn)時。

示例：《黑魂》系列中的敵人行為模式就展示了如何在游戲中運(yùn)用復(fù)雜的AI算法來提升游戲性。

6. 環(huán)境監(jiān)測與保護(hù)

場景描述：使用無人機(jī)、傳感器數(shù)據(jù)結(jié)合AI來進(jìn)行環(huán)境監(jiān)測，比如森林火災(zāi)預(yù)警、野生動物保護(hù)等。

價值點(diǎn)：不僅能為社會做出貢獻(xiàn)，還可以探索新興的技術(shù)領(lǐng)域，如邊緣計(jì)算和物聯(lián)網(wǎng)。

示例：一些研究機(jī)構(gòu)已經(jīng)開始利用AI來監(jiān)測亞馬遜雨林的變化情況