人工智能在数字化技术中可以用在哪里？怎么落地？

    来啦，请坐。
    我是老杨。如果你有强化管理能力，量化技术产出，提升技术效能，打造技术团队等需求，那么这套课程会为你揭开技术管理的神秘面纱，可以让“妈妈再也不用担心你的工作了”。
    这是《数字化技术管理的方法和实践》第十二讲，技术创新的尝试二，人工智能应用。
    一句话解释下：让技术产生价值，除了大数据方面的创新之外，人工智能创新也是一大块，当然两者有相辅相成的感觉。
    好，我主动点，直接来回答细心同学的问题“为什么技术管理要讲人工智能”，创新就是技术人员的命，技术就是要与时俱进，没办法，谁让你选择技术这个行当了，既来之则安之吧。
    要彰显技术的价值，要化被动为主动，第一种方法是大数据的应用，另一种方法就是人工智能的应用了，人工智能近几年的发展也是呈井喷之势，BAT三个高富帅自然是不会对人工智能这个香饽饽坐视不管的，其中B呢比较浪漫，走的是先技术后场景的思路，网罗了世界顶尖的人工智能人才，基本上形成了自己的人工智能生态。A呢比较实际，主要把人工智能应用于电商、物流等零售服务，为业务赋能，但随着人工智能行业的明朗化，A也学的浪漫起来，开始启动NASA计划，又成立达摩院，也是高调的宣布要与人工智能进行一次浪漫的烛光晚餐了。T呢不紧不慢，主要聚焦在人才储备，算力，算法上。当然还有一些试图逆袭的有为青年，如语音识别的小飞，计算机视觉的小商和小旷，以及智适应教育的小松鼠等，百花齐放，此处不得不感慨一番，要想追上人工智能的脚步，的确得有两把刷子。
    那人工智能具体用在哪里？怎么落地？接下来听我慢慢道来吧。
    我发现人工智能的价值主要体现在智能化产品的层面，一方面是体验上，增加各种交互的手段，让产品越来越好玩越来越方便；一方面是情感上，让产品越来越懂用户。
    这么说似乎有点小小的抽象，那么直接让翠花上干货吧——人工智能的产品架构图，告诉你该构建什么产品层次、产品模块以及提供什么人工智能的服务，走着。
    
    从上往下分为三层：场景层、服务层、技术层、基础层。
    1．最上层是指人工智能的应用场景，其中一部分就是在产品交互上增加诸多丰富的方式，如语音、图像等等，比较熟悉的商品搜索这一块就有很多的使用，越来越多的人不用输入文字去找商品，而是用语音或者一张图片去找；另外一部分就是猜到用户想买什么，如推荐的看了还看、买了还买、可能感兴趣的东东等等。说白了就是让用户止不住的买买买。
    2．第二层是指产品服务层面，把人工智能的一些概念、理论包装成产品落地，如交互方式的服务、推荐的服务、搜索的服务等，供各种主产品的场景使用。
    3．第三层是指技术层面，人工智能的技术比较多，不同的技术领域侧重点也不同，应用点也不同，如语音识别、计算机视觉可以提供更多的交互方式，自然语言处理、机器学习、深度学习等可以提供推荐、搜索等个性化服务。
    4．最下层是人工智能的基础层，至关重要，人工智能之所以能够有快速的发展和落地，全依赖算力、存储的发展，在强大的算力和存储的支撑下，数据才有可能积累并计算起来，人工智能才能得以验证，并落地使用。
    那么产品架构清楚了，还是要落地到技术上去实现，接下来进入技术架构图吧，告诉你该怎么去实现，该搭建什么样的架构，该使用什么技术平台，再来。
    
    从上往下分为六层：应用层、技术服务层、算法层、数据计算层、数据存储层和基础设施层，最好的架构图就是架构图本身就是解释，不需要再赘述什么东西，说三点：
    1．下面三层是通用的大数据平台架构，主要负责数据的采集、存储、计算、分析等等，供人工智能的一系列算法模型使用。
    2．上面两层是通用的互联网平台架构，主要负责把人工智能的服务落地给产品场景使用。
    3．中间这一层，是人工智能的核心，很多开源的框架让这一层也逐渐的简易化，也给落地提供了更多的便捷性，如机器学习的框架SK learn可以轻松完成分类、聚类等等事情；深度学习的Keras，可以轻松构建神经网络，当然它们都可以跑在Tensorflow上。
    好，到此人工智能部分告一段落了。最后，还是要明确一点，人工智能现在还绝大部分处于弱人工智能的领域，但已经有点sexy了。整体上离强人工智能还有很远的距离，强人工智能除了技术基础的发展之外，还要有理论上的大突破，到那时或许真的会出现类人脑或者超人脑的思考机器，拭目以待吧。
    And that brings us to the end of this part． Util next time…I am 老杨．