段落一前兩篇主要講解了
什么是AI
?以及項目中如何搭建AI
；這一篇主要講解之前提到的項目，如何加入到企業(yè)的運作中悯嗓。 1.大綱復(fù)雜AI產(chǎn)品的案例分析
AI團隊中的角色
AI轉(zhuǎn)型指南
走出第一步
AI應(yīng)用和技術(shù)的現(xiàn)狀調(diào)研
如何叫智能音箱給我講個笑話？實現(xiàn)過程如下:（括號中為訓(xùn)練模型）
觸發(fā)關(guān)鍵詞喚醒（輸入音頻數(shù)據(jù)颤练，輸出是否為喚醒語句）
語音識別（輸入音頻數(shù)據(jù)，輸出講話內(nèi)容）
意圖識別（輸入講話內(nèi)容驱负，輸出意圖類型）
執(zhí)行-播放一個笑話的語音文件
如何駕駛嗦玖，簡單版本的過程如下：
輸入圖片/雷達/激光雷達數(shù)據(jù)-探測車、行人
動作規(guī)劃-規(guī)劃路徑跃脊、控制速度宇挫、方向
接下來看看更多細節(jié)，更真實的無人駕駛的工作流程
收集數(shù)據(jù)
GPS-識別車輛的絕對位置酪术，即地球坐標(biāo)
加速計-實時精準監(jiān)測汽車的加速減速
陀螺儀-觀察汽車是否有傾斜
地圖-結(jié)合路線和GPS位置輔助下一步的決策
處理數(shù)據(jù)
汽車探測-行駛軌跡預(yù)測
行人探測-行駛軌跡預(yù)測
路線探測
紅綠燈探測
輸出決策
其中每個功能點都是一個組件捞稿，會交給不同的人去攻克，最后再把大家的成果都組合到一起拼缝，成為了一個可用的無人駕駛汽車娱局。
軟件工程師：非ML類的代碼工作，比如執(zhí)行一個笑話的部分咧七，或者確保無人駕駛的穩(wěn)定性衰齐；
機器學(xué)習(xí)工程師：調(diào)試機器學(xué)習(xí)算法，訓(xùn)練模型继阻；
機器學(xué)習(xí)研究員：研究新的或者更高效率的機器學(xué)習(xí)算法耻涛。
數(shù)據(jù)科學(xué)家：檢查數(shù)據(jù)废酷，并輸出思考，給團隊和高層提供決策的數(shù)據(jù)依據(jù)抹缕；現(xiàn)在也有的公司澈蟆，把它設(shè)定為和機器學(xué)習(xí)工程師一樣的工作職責(zé)；
數(shù)據(jù)工程師：組織數(shù)據(jù)卓研；搭建數(shù)據(jù)系統(tǒng)趴俘，方便查詢，安全和高效奏赘；（很多公司的數(shù)據(jù)量級是PB級寥闪，1PB=1000GB）
AI產(chǎn)品經(jīng)理：幫助決定做什么，發(fā)現(xiàn)可行的和有價值的方式磨淌。
5.AI企業(yè)轉(zhuǎn)型指南做個試點項目來積累動能：對于初始項目成功比實現(xiàn)最大價值來的更重要疲憋；項目周期控制在6-12個月內(nèi)；可以自己開發(fā)也可以外包
搭建一個內(nèi)部AI團隊：可以設(shè)定CAIO來專門負責(zé)AI梁只，有專門的AI團隊和其他業(yè)務(wù)部門溝通缚柳；
提供面向各部門的AI培訓(xùn)：AI人才不夠，一方面可以通過內(nèi)部培訓(xùn)培養(yǎng)人才搪锣，一方面讓各部門對AI有足夠的認識喂击，方便協(xié)作；
開發(fā)一個AI戰(zhàn)略：只有經(jīng)過了如上3個階段淤翔，才能對AI有一個更全面的認識，在此基礎(chǔ)上設(shè)定的戰(zhàn)略才更靠譜佩谷；戰(zhàn)略需要依據(jù)更好的產(chǎn)品→更多用戶→更多數(shù)據(jù)→更好的產(chǎn)品旁壮，這樣的循環(huán)；AI戰(zhàn)略還要有數(shù)據(jù)戰(zhàn)略支撐谐檀，戰(zhàn)略性數(shù)據(jù)收購抡谐，統(tǒng)一的數(shù)據(jù)倉庫；創(chuàng)建網(wǎng)絡(luò)效應(yīng)和平臺優(yōu)勢桐猬，在贏者通吃的大環(huán)境下麦撵，AI會是很好的推進器；
開發(fā)內(nèi)部和外部的交流：投資人關(guān)系溃肪，政府關(guān)系免胃，用戶教育，人才招聘惫撰，內(nèi)部交流……
不要把AI當(dāng)成萬能的羔沙，多聽AI團隊的意見，這段沒啥干貨厨钻。
7.走出第一步多學(xué)多溝通……
8. AI的主要應(yīng)用領(lǐng)域調(diào)研計算機視覺（Computer Vision）：圖片分類扼雏，對象識別坚嗜，人臉識別，物體探測诗充，追蹤苍蔬，圖像分割
自然語言處理（Natural Language Processing）：文本切割，情緒識別蝴蜓，信息檢索碟绑，人名識別，機器翻譯
語音識別（Speech）：語音轉(zhuǎn)文字励翼，文字轉(zhuǎn)語音蜈敢，語音喚醒，語音身份識
機器人學(xué)（Robotics）：可以識別周圍的物體汽抚，可以跟隨另一個機器人抓狭，可以發(fā)送指令給另一個機器人
9. AI的主要技術(shù)調(diào)研監(jiān)督學(xué)習(xí)（Supervised Learning）：輸入A，然后輸出B造烁，必須設(shè)定好B是什么
非監(jiān)督學(xué)習(xí)（Unsupervised Learning）：不設(shè)定B否过，而是讓機器自己去發(fā)現(xiàn)輸入的數(shù)據(jù)有哪些規(guī)律
有個經(jīng)典案例叫谷歌貓，當(dāng)時輸入了大量的youtube視頻惭蟋，結(jié)果電腦自己發(fā)現(xiàn)了一個貓的圖像苗桂，而顯而易見的是youtube里確實有大量貓的視頻。
遷移學(xué)習(xí)（Transfer Learning）：比如用車輛識別的算法告组，去訓(xùn)練識別一輛高爾夫車煤伟，這樣就可以用更少的數(shù)據(jù)，訓(xùn)練處更高精度的模型
強化學(xué)習(xí)（Reinforcement Learning）：就像訓(xùn)練小狗木缝，做對了就獎勵便锨，做錯了就懲罰；用這樣的方式訓(xùn)練一個無人直升機我碟，一開始就讓他隨機飛行放案，在不斷的告訴他對錯了之后，她就知道如何躲避障礙物矫俺，如何走在正確的路上了（Alpha Go用的就是這個方式）吱殉，但這個方式的缺點是需要超大量的數(shù)據(jù)。
生成對抗網(wǎng)絡(luò)（GANs-Generative Adversarial Network）：非常擅長合成圖片厘托，用梵高的方式作畫友雳，和合成人臉都是用的這項技術(shù)。
知識圖譜（Knowledge Graphs）：被低估铅匹，學(xué)術(shù)研究很少沥阱，有點像wiki或者百度百，不過準確說是一個把所有知識都關(guān)聯(lián)起來的超大型的知識系統(tǒng)伊群。
10.總結(jié)還有最后一周啦考杉，講的是AI和社會策精，梳理下來感覺課程非常有體系，從最開始的什么是AI到如何在項目中運用AI崇棠，如何在企業(yè)中運用AI咽袜，如何在社會中運用AI，逐級放大場景枕稀，從講述一個小問題询刹，慢慢添磚加瓦，到最后可以清晰的敘述一個大問題萎坷。
每一個問題都有概念+案例+流程凹联，既有技術(shù)，又有商業(yè)哆档，真的非常全面蔽挠。
