下面我先設(shè)置一個(gè)可以與AI應(yīng)用系統(tǒng)一一映射，相似度較高的普通場景，「重點(diǎn)筆記」下面會多次重復(fù)用到該場景，請留意

附圖1.AI應(yīng)用系統(tǒng)映射圖

「提高系統(tǒng)的應(yīng)用價(jià)值」

就類似于提升飯店的利潤率（降本增效），優(yōu)化飯店的商業(yè)決策，讓飯店的商業(yè)價(jià)值提升。

映射到AI應(yīng)用系統(tǒng)中就是，提升「系統(tǒng)運(yùn)行效率」，優(yōu)化AI應(yīng)用系統(tǒng)的「商業(yè)決策」，使其「商業(yè)價(jià)值」提升。

「提升用戶體驗(yàn)」

就類似于提供更多符合用戶口味的菜品，上菜的效率提高，菜品的價(jià)格降低等等。

映射到AI應(yīng)用系統(tǒng)中就是，「AI結(jié)果」更準(zhǔn)確，內(nèi)容更完整，「響應(yīng)速度」提高，「使用成本」降低等等。

「擴(kuò)展使用場景的限制」

就類似于不僅可以堂食，還可以外賣，還可以上門服務(wù)。

映射到AI應(yīng)用系統(tǒng)中就是，「服務(wù)覆蓋范圍更廣」、「生成內(nèi)容更全」、「服務(wù)限制規(guī)則更少」。

3.探索的方式

根據(jù)AI產(chǎn)品經(jīng)理的類型，會有兩種探索的方式，分別是模型優(yōu)先：價(jià)值與關(guān)聯(lián)和數(shù)據(jù)優(yōu)先：密度與效率。

1. 「模型優(yōu)先：價(jià)值與關(guān)聯(lián)」

1）挖掘數(shù)據(jù)可利用的價(jià)值

這里指的數(shù)據(jù)，包含兩層內(nèi)容，包括「元數(shù)據(jù)和元數(shù)據(jù)背后的標(biāo)簽信息」，還有「系統(tǒng)數(shù)據(jù)」。

其中，「元數(shù)據(jù)和元數(shù)據(jù)背后的標(biāo)簽信息」具體內(nèi)容可查看我的文章《AI數(shù)據(jù)中心實(shí)戰(zhàn)：量化標(biāo)簽的AI效能革命》中的附圖10.數(shù)據(jù)及標(biāo)簽流轉(zhuǎn)示意圖。如下

附圖2.數(shù)據(jù)及標(biāo)簽流轉(zhuǎn)示意圖

如上圖所示，元數(shù)據(jù)在經(jīng)過數(shù)據(jù)流轉(zhuǎn)和使用后，會產(chǎn)生「來源標(biāo)簽」、「標(biāo)記標(biāo)簽」、「數(shù)據(jù)集標(biāo)簽」、「參數(shù)標(biāo)簽」、「測試標(biāo)簽」、「反饋標(biāo)簽」等新的數(shù)據(jù)信息，而這些信息都通過標(biāo)簽的形式依附在元數(shù)據(jù)上。

另外，「系統(tǒng)數(shù)據(jù)」是指AI應(yīng)用系統(tǒng)運(yùn)行過程中產(chǎn)生的各類數(shù)據(jù)，主要是系統(tǒng)運(yùn)行日志、各類的用戶數(shù)據(jù)等等。

「挖掘數(shù)據(jù)可利用的價(jià)值」就是通過各類方式挖掘以上全部的數(shù)據(jù)不同層面的價(jià)值。

細(xì)化數(shù)據(jù)標(biāo)注的顆粒度和規(guī)范標(biāo)注流程，提升標(biāo)注數(shù)據(jù)的準(zhǔn)確率，降低因數(shù)據(jù)標(biāo)注錯(cuò)誤導(dǎo)致的模型偏差；

通過數(shù)據(jù)置信度分析降低或規(guī)避模型誤判的風(fēng)險(xiǎn)。

2）了解數(shù)據(jù)與模型之間的關(guān)聯(lián)性

首先，因?yàn)锳I模型具有不可解釋性。

1. 「缺乏透明度」：在實(shí)際應(yīng)用中，用戶常對模型輸出的決策和結(jié)果感到困惑，而且無法追蹤其推理過程，導(dǎo)致信任缺失。
2. 「用戶反饋」：使用后用戶可能反映某些決策不合理，但作為應(yīng)用開發(fā)方卻無法給出合理解釋，同時(shí)難以查明根源。

由于以上原因，數(shù)據(jù)和模型之間難以得出強(qiáng)因果的聯(lián)系，但可以通過相關(guān)性分析和驗(yàn)證來了解數(shù)據(jù)與模型之間的關(guān)聯(lián)性。

通過測試反饋，可以分析出數(shù)據(jù)標(biāo)注錯(cuò)誤會導(dǎo)致模型偏差和錯(cuò)誤率上升。

標(biāo)簽定義模糊會影響模型無法學(xué)習(xí)關(guān)鍵特征差異。

多模態(tài)數(shù)據(jù)未對齊會影響特征提取導(dǎo)致失敗。

數(shù)據(jù)分布偏差會引發(fā)系統(tǒng)性錯(cuò)誤。

以上模型優(yōu)先：價(jià)值與關(guān)聯(lián)的探索方式，更偏向于技術(shù)型的AI產(chǎn)品經(jīng)理的適用場景，而應(yīng)用型的產(chǎn)品經(jīng)理，更適合以下方式。

2. 「數(shù)據(jù)優(yōu)先：密度與效率」

這個(gè)用經(jīng)濟(jì)學(xué)的角度來看的話就是，要么提升”資金“（數(shù)據(jù)價(jià)值）的利用率，要么提升”資金“的周轉(zhuǎn)率（數(shù)據(jù)流轉(zhuǎn)效率）。

1）提升數(shù)據(jù)價(jià)值密度

用上文飯店的場景來映射的話，就是「提高食材利用率」。

增加同一食材不同處理方式（黃豆制成不同的中間品，面粉發(fā)酵成不同程度）。即為數(shù)據(jù)增加不同維度的標(biāo)簽，或?qū)?biāo)簽提升顆粒精細(xì)度，增加量化指標(biāo)、閾值等等。我的文章《AI數(shù)據(jù)中心實(shí)戰(zhàn)：量化標(biāo)簽的AI效能革命》中也提到了利用數(shù)據(jù)中心對數(shù)據(jù)流程的不同階段和維度對數(shù)據(jù)進(jìn)行批量添加標(biāo)簽的處理，詳情可跳轉(zhuǎn)文章查閱。

注重關(guān)鍵食材的處理。即提高關(guān)鍵數(shù)據(jù)的價(jià)值，賦予更高的價(jià)值特征或標(biāo)簽信息。

2）提高數(shù)據(jù)流轉(zhuǎn)速度

用上文飯店的場景來映射的話，就是「提高食材周轉(zhuǎn)率」。

統(tǒng)一食材處理，并規(guī)范食材處理流程。即我的文章《AI數(shù)據(jù)中心實(shí)戰(zhàn)：量化標(biāo)簽的AI效能革命》中提到的“數(shù)據(jù)中心“的作用，詳情可跳轉(zhuǎn)文章查閱。

4.探索的策略

以下我將使用「數(shù)據(jù)優(yōu)先：密度與效率」的方式展開講講探索的具體策略。

4.1「理解數(shù)據(jù)的內(nèi)容與價(jià)值」

與上文【3.探索的方式 – 模型優(yōu)先：價(jià)值與關(guān)聯(lián) – 挖掘數(shù)據(jù)可利用的價(jià)值】一樣，這里的數(shù)據(jù)同樣分為兩個(gè)部分，元數(shù)據(jù)和應(yīng)用系統(tǒng)數(shù)據(jù)。

1. 元數(shù)據(jù)及數(shù)據(jù)標(biāo)簽
2. 應(yīng)用系統(tǒng)數(shù)據(jù)

包括元數(shù)據(jù)本身和元數(shù)據(jù)的衍生信息（即標(biāo)簽信息）在我的文章《AI數(shù)據(jù)中心實(shí)戰(zhàn)：量化標(biāo)簽的AI效能革命》中提到的“數(shù)據(jù)標(biāo)簽”就是這部分了。而應(yīng)用系統(tǒng)數(shù)據(jù)主要指的是系統(tǒng)的運(yùn)行數(shù)據(jù)和用戶數(shù)據(jù)。

包括了「來源標(biāo)簽」、「標(biāo)記標(biāo)簽」、「數(shù)據(jù)集標(biāo)簽」、「參數(shù)標(biāo)簽」、「訓(xùn)練/測試標(biāo)簽」、「反饋標(biāo)簽」共6大類別。

系統(tǒng)運(yùn)行數(shù)據(jù)主要就是系統(tǒng)日志等；用戶數(shù)據(jù)就是用戶在系統(tǒng)中的使用記錄和使用過程中產(chǎn)生的數(shù)據(jù)。

其中用戶數(shù)據(jù)也是元數(shù)據(jù)衍生信息的一部分，反饋標(biāo)簽中就有將用戶數(shù)據(jù)進(jìn)行分析后得出的數(shù)據(jù)標(biāo)簽。

這里面，不管是元數(shù)據(jù)、數(shù)據(jù)標(biāo)簽，還是用戶數(shù)據(jù)，都有其不一樣的內(nèi)容與價(jià)值。理解數(shù)據(jù)的內(nèi)容和價(jià)值是數(shù)據(jù)應(yīng)用探索能力的第一步。

1）元數(shù)據(jù)和數(shù)據(jù)標(biāo)簽內(nèi)容與價(jià)值

這里面元數(shù)據(jù)提供最核心和最基礎(chǔ)的價(jià)值，如果用上文飯店的場景來對比的話，就是基礎(chǔ)食材，比如蔬菜、肉類、海鮮、主食、蛋奶等等。而數(shù)據(jù)標(biāo)簽就類似于食材的具體細(xì)節(jié)了，比如哪個(gè)批發(fā)市場，什么時(shí)候進(jìn)的貨，食材的等級等等；經(jīng)過處理或標(biāo)記過的數(shù)據(jù)，就是食材的初級制品了，比如清洗好的菜，切塊后的瓜果。經(jīng)過烹飪的食材就算是更深入的接近成品的東西，比如配菜和試菜。

根據(jù)元數(shù)據(jù)逐步深入的處理過程和其數(shù)據(jù)標(biāo)簽的不斷豐富，都會體現(xiàn)數(shù)據(jù)的不同價(jià)值。比如標(biāo)注了的數(shù)據(jù)就比未標(biāo)注的數(shù)據(jù)更有價(jià)值，有精確標(biāo)簽的數(shù)據(jù)就比模糊標(biāo)簽的數(shù)據(jù)更有價(jià)值。一定要根據(jù)數(shù)據(jù)的內(nèi)容和類型，創(chuàng)建和關(guān)聯(lián)更豐富維度或精細(xì)度的標(biāo)簽賦予數(shù)據(jù)，提升元數(shù)據(jù)和數(shù)據(jù)標(biāo)簽的價(jià)值。另一方，利用好這些數(shù)據(jù)標(biāo)簽，比如多樣化數(shù)據(jù)可以提升模型泛化能力，避免過擬合。通過數(shù)據(jù)驅(qū)動(dòng)優(yōu)化，分析數(shù)據(jù)分布，針對性補(bǔ)充薄弱場景數(shù)據(jù)，迭代優(yōu)化模型等等都是基于理解數(shù)據(jù)內(nèi)容與價(jià)值的基礎(chǔ)上形成的。

2）應(yīng)用系統(tǒng)數(shù)據(jù)的內(nèi)容與價(jià)值

應(yīng)用系統(tǒng)數(shù)據(jù)的價(jià)值主要集中在用戶數(shù)據(jù)方面，而其中又以用戶體驗(yàn)數(shù)據(jù)最有價(jià)值。因?yàn)橛脩趔w驗(yàn)數(shù)據(jù)可以「推動(dòng)算法模型進(jìn)化」，「拓展應(yīng)用場景邊界」，「完善用戶畫像」等等。我的文章《AI數(shù)據(jù)中心實(shí)戰(zhàn)：量化標(biāo)簽的AI效能革命》中就有比較詳細(xì)的說明，詳情可跳轉(zhuǎn)文章查閱。

4.2「清晰數(shù)據(jù)的探索方向」

根據(jù)上文「3.探索的方式中“數(shù)據(jù)優(yōu)先：密度與效率”」的探索策略，即「提升數(shù)據(jù)價(jià)值密度」和「提高數(shù)據(jù)流轉(zhuǎn)速度」。

下文將通過以上策略展開說明如何清晰數(shù)據(jù)的探索方向和內(nèi)容。

1）元數(shù)據(jù)

「提升數(shù)據(jù)價(jià)值密度」：這里面主要就是數(shù)據(jù)內(nèi)容和數(shù)據(jù)來源的維度與應(yīng)用環(huán)境的使用維度是否一致，和如何一致；還有就是加入對抗性樣本數(shù)據(jù)，提升模型的適用范圍。

我之前的AI醫(yī)療項(xiàng)目就是，采集數(shù)據(jù)的設(shè)備不一定與應(yīng)用環(huán)境的設(shè)備一致，比如不同品牌，不同型號的設(shè)備；還有不同醫(yī)生的檢測手法，順序，檢測對象的個(gè)體差異等等都會影響元數(shù)據(jù)的不同維度。

「Adversarial T-shirt」是通過對抗樣本技術(shù)干擾AI目標(biāo)檢測系統(tǒng)的典型案例，而通過反向地引入可變形對抗補(bǔ)丁技術(shù)和對抗性樣本數(shù)據(jù)進(jìn)行訓(xùn)練，有研究證明可成功攔截96.7%的物理對抗攻擊。

如何讓數(shù)據(jù)來源和應(yīng)用環(huán)境保持更多維度上的一致，是元數(shù)據(jù)主要探索的方向。

「提高數(shù)據(jù)流轉(zhuǎn)速度」：比如元數(shù)據(jù)的預(yù)處理，包括數(shù)據(jù)的格式校驗(yàn)、完整性檢查、數(shù)據(jù)修復(fù)、邏輯驗(yàn)證、質(zhì)量初步分級、格式轉(zhuǎn)換、統(tǒng)一標(biāo)準(zhǔn)等，利用進(jìn)行自動(dòng)化的流程執(zhí)行，從而提升數(shù)據(jù)流轉(zhuǎn)速度。

將原始的視頻/3D格式的數(shù)據(jù)，自動(dòng)批量轉(zhuǎn)化成統(tǒng)一尺寸、統(tǒng)一參數(shù)標(biāo)準(zhǔn)的靜態(tài)圖片。如有需要，還可以進(jìn)行數(shù)據(jù)清洗和增強(qiáng)。

2）衍生信息（數(shù)據(jù)標(biāo)簽）

按我的文章《AI數(shù)據(jù)中心實(shí)戰(zhàn)：量化標(biāo)簽的AI效能革命》里的分類，衍生信息主要包括了「來源標(biāo)簽」、「標(biāo)記標(biāo)簽」、「數(shù)據(jù)集標(biāo)簽」、「參數(shù)標(biāo)簽」、「訓(xùn)練/測試標(biāo)簽」、「反饋標(biāo)簽」共6大類別。

「提升數(shù)據(jù)價(jià)值密度」 ：比如提升標(biāo)記顆粒度，提高標(biāo)記的準(zhǔn)確率；利用數(shù)據(jù)增強(qiáng)彌補(bǔ)小樣本數(shù)據(jù)數(shù)量少和多樣性維度不足的缺陷；細(xì)化測試標(biāo)準(zhǔn)與測試結(jié)果間的對比等等。這里要重點(diǎn)注意的就是，數(shù)據(jù)也有所謂的二八法則，即20%的數(shù)據(jù)占據(jù)了80%總體利用率，20%的數(shù)據(jù)標(biāo)簽占據(jù)了80%的有效利用率，如何在雜亂的數(shù)據(jù)和數(shù)據(jù)標(biāo)簽中找出有價(jià)值的數(shù)據(jù)和標(biāo)簽并加以利用，是此項(xiàng)的重點(diǎn)。

北京某醫(yī)院肺部CT項(xiàng)目通過「模型置信度反饋」動(dòng)態(tài)調(diào)整標(biāo)注資源，對置信度<85%的樣本追加標(biāo)注投入，使有限預(yù)算下關(guān)鍵數(shù)據(jù)錯(cuò)誤率控制在0.08%。

「提高數(shù)據(jù)流轉(zhuǎn)速度」：比如利用模型測試流程進(jìn)行待標(biāo)記數(shù)據(jù)的AI預(yù)標(biāo)記，人工標(biāo)記只需要根據(jù)現(xiàn)有的AI標(biāo)記基礎(chǔ)上進(jìn)行修改和補(bǔ)充，減少人工標(biāo)記的操作步驟；對訓(xùn)練和測試結(jié)果可以進(jìn)行直觀化數(shù)據(jù)對比，提升測試結(jié)果的對比效率；簡化測試流程和統(tǒng)一測試流程標(biāo)準(zhǔn)等等。

我的文章《AI數(shù)據(jù)中心實(shí)戰(zhàn)：量化標(biāo)簽的AI效能革命》章節(jié)【05 達(dá)成的效果 – 3. 多模態(tài)數(shù)據(jù)融合與決策協(xié)同】中有較詳細(xì)說明，詳情可跳轉(zhuǎn)文章查閱。

3）應(yīng)用系統(tǒng)數(shù)據(jù)

這里面主要是系統(tǒng)日志和用戶數(shù)據(jù)，重點(diǎn)在于用戶數(shù)據(jù)。

• 「提升數(shù)據(jù)價(jià)值密度」：比如多源性采集（包括系統(tǒng)外的用戶數(shù)據(jù)），創(chuàng)建群組和論壇，線下或者電話對用戶進(jìn)行訪談等等；對用戶數(shù)據(jù)進(jìn)行處理和分析后，添加用戶反饋標(biāo)簽并量化賦值。
• 「提高數(shù)據(jù)流轉(zhuǎn)速度」：標(biāo)準(zhǔn)化、自動(dòng)化的采集分析流程；周期性或動(dòng)態(tài)化反饋驗(yàn)證；

我的文章《AI產(chǎn)品經(jīng)理的核心能力（一）》中，反饋數(shù)據(jù)轉(zhuǎn)化和相關(guān)性分析主要就是這部分內(nèi)容，詳情可跳轉(zhuǎn)文章查閱。

4.3「善于驗(yàn)證數(shù)據(jù)探索應(yīng)用的效果」

1）A/B測試

• 「對照式」：固定參照物。隨機(jī)或按一定規(guī)則分配實(shí)驗(yàn)組/對照組，控制其他變量恒定，需預(yù)設(shè)實(shí)驗(yàn)周期，主動(dòng)收集結(jié)構(gòu)化數(shù)據(jù)。
• 「因果式」：互為參照物。基于觀測數(shù)據(jù)反事實(shí)推理，構(gòu)建潛在結(jié)果模型，無法完全隨機(jī)化的復(fù)雜系統(tǒng)（醫(yī)療），可整合歷史日志、多源異構(gòu)數(shù)據(jù)。

兩種方式各有優(yōu)劣，適合用在不同的場景下。

而且這個(gè)詳細(xì)說起來步驟和方法都很復(fù)雜，容我之后整理好再補(bǔ)充完整的內(nèi)容。

2）雙盲交叉測試

這個(gè)適用場景有“數(shù)據(jù)標(biāo)簽驗(yàn)證”，比如標(biāo)記標(biāo)簽驗(yàn)證。

還有就是用戶數(shù)據(jù)的主觀反饋上，尤其是感官體驗(yàn)上的反饋數(shù)據(jù)，比如AI準(zhǔn)還是不準(zhǔn)？用上文飯店的場景來映射的話，飯店的菜品符不符合顧客的口味？對菜品的評價(jià)如何？還有哪里不滿意的？等等。

我之前的AI項(xiàng)目中曾用這個(gè)進(jìn)行標(biāo)記標(biāo)簽驗(yàn)證，即通過“數(shù)據(jù)中心”的標(biāo)記流程來完成“標(biāo)記標(biāo)簽”的三級標(biāo)記驗(yàn)證。即通過將相同數(shù)據(jù)至少經(jīng)過兩層不同“初級標(biāo)記用戶”標(biāo)記，標(biāo)記不一致的“部分爭議樣本數(shù)據(jù)”將發(fā)回重新標(biāo)記或指派另外用戶標(biāo)記，如若二次標(biāo)記仍無法一致，則指派至高級用戶一錘定音。整個(gè)過程中初級標(biāo)記用戶是不清楚標(biāo)記是之前的預(yù)處理標(biāo)記的，還是自己/其他用戶的歷史標(biāo)記。

附圖3：三級標(biāo)記驗(yàn)證流程示意圖

5.探索的價(jià)值體現(xiàn)

數(shù)據(jù)的應(yīng)用探索價(jià)值就如上文「2.探索的原因」章節(jié)所描述的一樣，「提高系統(tǒng)的應(yīng)用價(jià)值」、「提升用戶體驗(yàn)」、「擴(kuò)展使用場景的限制」是其最大的價(jià)值體現(xiàn)。另外，通過數(shù)據(jù)應(yīng)用探索還會至少得到以下價(jià)值：

「數(shù)據(jù)多樣性增強(qiáng)」

通過數(shù)據(jù)的應(yīng)用探索和驗(yàn)證，不管是元數(shù)據(jù)及數(shù)據(jù)標(biāo)簽，都大大豐富了數(shù)據(jù)維度，也增強(qiáng)了數(shù)據(jù)的泛化能力。

「數(shù)據(jù)價(jià)值量化」

比如上文“應(yīng)用系統(tǒng)數(shù)據(jù)”提升數(shù)據(jù)價(jià)值密度的探索，就是對用戶數(shù)據(jù)進(jìn)行處理和分析后，添加用戶反饋標(biāo)簽并量化賦值。

「數(shù)據(jù)質(zhì)量和效率提升」

比如上文“雙盲交叉測試“的“三級標(biāo)記驗(yàn)證流程“就是通過數(shù)據(jù)的應(yīng)用探索體現(xiàn)出標(biāo)注質(zhì)量和效率提升的價(jià)值的。

6.總結(jié)

「數(shù)據(jù)的應(yīng)用探索能力」不僅是AI產(chǎn)品經(jīng)理「量化用戶體驗(yàn)?zāi)芰Α?/strong>的進(jìn)一步升級和完善，還是提升AI系統(tǒng)的商業(yè)價(jià)值、用戶體驗(yàn)及場景擴(kuò)展關(guān)鍵能力體現(xiàn)。本文已圍繞“數(shù)據(jù)的應(yīng)用探索能力”這一核心主題，系統(tǒng)性地闡述了如何通過定義、原因、方式、策略及價(jià)值體現(xiàn)的多維度分析，同時(shí)強(qiáng)調(diào)數(shù)據(jù)探索需關(guān)注模式發(fā)現(xiàn)、價(jià)值驗(yàn)證與工程轉(zhuǎn)化。也通過分層論述（如“元數(shù)據(jù)”與“應(yīng)用系統(tǒng)數(shù)據(jù)”的區(qū)分）和實(shí)際案例強(qiáng)化了理論的可操作性，為AI產(chǎn)品經(jīng)理營造其核心能力提供了實(shí)用的方法論框架。