开发和管理人工智能产品的十二点建议

shutterstock_341653211

当软件开始自己编写代码,你将如何管理产品?这个“烧脑”的问题注定会让未来人工智能领域的企业家们夜不成寐、寝食难安。

当然,今天的人工智能技术距离上面的担忧还有一段距离,但不可否认的是,随着人工智能驱动的产品和软件越来越智能和复杂,软件产品的可预测性越来越差。正如AlphaGo在战胜李世石的过程中,AlphaGo的开发者们也不能直接探查AlphaGo到底在想什么,“功力”到了何种境界,机器自我学习和迭代的能力,使得软件的设计和管理将空前复杂。

对于大多数在软件行业浸淫多年的工程师、管理者和企业家来说,软件设计和管理的前提是软件输入/输出存在相当程度的确定性和可预测性,例如你输入李世石的一步棋,软件会给出一个确定的应对招法,但是到了AlphaGo,关于软件的所有基础信仰都被颠覆了,AlphaGo会不断自学给出更新更好的输出结果,甚至是人类都无法预测的。

AlphaGo其实是未来所有人工智能产品的一个预演和缩影,真正的人工智能产品,不再是一个静态的代码系统,随着数据维度和算法复杂性的不断增加,数据的输入和输出之间,存在一个人工智能系统的“黑箱”,我们无从得知机器是如何给出这些结果的,而且随着结果的不断反馈,人工智能系统的复杂度和不可预测性也在不断增加,未来的人工智能产品设计和管理,将颠覆此前我们积累的软件工程经验,面临复杂性带来的巨大挑战,以下是人工智能客服创业公司Talla产品副总裁Will Murphy给人工智能产品设计和开发人员的十二点建议(原文),针对不同的开发领域,读者可以忽略或者修订这些建议:

一、聚焦

只有聚焦于特定领域,才能有效限制住复杂性的过度膨胀,因此专注并简化那些你能控制的事情,利用好你的软件专长和知识领域,让产品聚焦于一个精准的细分领域,例如这个“人工智能黄瓜分拣机”。

二、形成反馈循环学习机制。

你的人工智能系统需要通过与人或者其他系统的互动中学习,反馈循环学习机制能够让你的软件自我矫正和学习,甚至对产品和未来规划提供有价值信息。产品功能方面可以宽进窄出,一开始提供较多功能,然后通过反馈机制消减、聚焦、优化到特定功能和问题的解决上。

 

三、人的介入

人工智能系统的自我学习离不开人的介入,甚至Google都离不开大批的人肉“rater”。在很多应用场景中,机器学习反馈循环中人的介入,可以大大加快机器学习成长的速度。

 

四、Context为王

场景或者说情景(context)才能提高智能,如今我们收集和处理的场景数据超过以往任何时候,尤其是那些需要与人类互动的系统(例如人工智能助理),场景数据是关键所在(context is king),只有掌握用户大量场景数据,例如位置、个人信息和偏好等数据,系统才能变得更加有效。

 

五、故障侦测与风险控制

一套进入生产阶段的人工智能系统,必须具备实时的故障和错误监控应急响应系统,即使出了纰漏或者事故,也能将损失或风险降到最低。同时我们还要重新反思产品的QA环节,我们必须大幅提升现有的QA流程才能满足AI产品的需求。

 

六、智能的故障恢复机制

当无法预测的人类遇到无法预测的人工智能系统,故障或者错误在所难免,人工智能产品需要具备完善的故障恢复机制,及时解除用户对系统异常结果产生的困惑。

 

七、采集和维护高质量的培训数据

数据的重要性无需赘述,对于人工智能系统来说,难点在于如何开发有效的互动机制,以及如何衡量数据的质量。

 

八、创建一个增长“飞轮”

来自用户的数据能不断为人工智能系统“充值”,使其更加有价值从而吸引更多的用户,提供更多的数据,在这个过程中,人工智能系统需要建立一个“飞轮”,让更多的用户数据直接推动系统的智能度提升,从而形成一个自动化的快速发展机制,让竞争对手望尘莫及。

 

九、尽快为用户创造价值

用户提供的数据是人工智能系统的基石,但是若想采集到更多的用户数据,你的系统必须同时为用户提供实实在在的价值,让头一批用户也能立刻获得价值回报,不要玩画饼的把戏。

 

十、开发人工智能助理产品,必须通过互动来建立信任和知识库

人工智能产品能做什么,消费者的使用预期应该是怎样?产品中增加主动沟通机制和功能能够大大消除人机之间的隔阂。

 

十一、人工智能助理往往需要混合型人机界面

虽然语音是时下人工智能助理的热门界面,但是从长远来看,人工智能助理产品与人类的沟通效率将超过人与人之间的沟通效率,原因恰恰是人机沟通界面的多样性,从文本、视觉、手势、语音到传统的输入设备无所不包,能够根据场景选择恰当输入方式的人工智能产品,将大大提高沟通效率。

 

十二、创建性能评估指标体系

管理一个系统首先要做的事情就是管理指标体系,为AI人工智能系统创建指标体系可以分为以下三个重点领域:1.数据质量。 2.算法模型质量。3.“飞轮”增长评估(适用部分企业)4.客户成功指标(对特定企业来说,还包括用户端结果输出质量)。随着系统越来越复杂,产品管理愈加离不开正确的指标评估体系。

 

总结:

管理AI人工智能系统就像治理经济,你不能直接去调整商品和服务的价格(输出的结果),而是通过增加规则(例如法律)、调整系统级变量(例如美联储利率),促使人工智能系统产生自我调控。总之,对人工智能产品的设计和管理,需要更多借鉴其他复杂系统的经验。

第一时间获取面向IT决策者的独家深度资讯,敬请关注IT经理网微信号:ctociocom

   
除非注明,本站文章均为原创或编译,转载请务必注明出处并保留原文链接: 文章来自IT经理网
相关文章:

    分享
    0
    内容
    0
    0
    0
    0
    0
    0

关于作者

隐私已经死去,软件正在吃掉世界,数据即将爆炸

写评论

忘记密码

X