王海，原名王永昌，山東威海人，中國人民解放軍空軍、中國人民志願軍空軍航空兵戰鬥機飛行員。第5任中國人民解放軍空軍司令員，空軍上將軍階。中共第十二、十三、十四屆中央委員會委員。 生平[編輯]
維基百科
面對人工智能(AI)這一技術名詞和概念，你是否以為它門檻高、特複雜、難以落地？面對人工智能產品爆髮式湧現，你是否擔心它會奪走你的工作，進而產生恐慌和憂慮？面對日常見到的“人工智障”工具，你是否對人工智能產生過質疑？進入人工智能時代，你能夠做什麼？需要掌握哪些技能？如何讓技術為自己服務？
本書結合人工智能落地的方法和案例，採用通俗易懂的語言，為你揭開人工智能的面紗，教你尋找在生活中、工作中適合人工智能落地的場景，以及評價其價值的方法，助你實現降本增效的目標。書中不僅將算法原理和思維融入日常熟知事物做對比，以便讓你了解技術，還總結了人工智能落地的步驟和評估方法來幫助讀者找到人工智能落地潛在的機會，使讀者能夠在閱讀完本書內容后，對於人工智能的應用場景及如何實際操作成功落地部署有一定的了解。此外，閱讀本書，讀者還可以了解目前人工智能技術的局限及後續的技術發展方向。
本書適合正在或希望從事人工智能產品設計和運營的人員、與人工智能相關的技術人員、想認識和充分了解人工智能發展的人員閱讀。關注作者公眾號：AI落地方法論，獲得課程、AI體驗工具。
| FindBook |
|
有 1 項符合
王海屹的圖書 |
 |
$ 374 | AI落地：讓人工智能為你所用
作者：王海屹 出版社：機械工業出版社 出版日期：2024-02-01 語言：簡體中文 規格：平裝 / 246頁 / 19 x 26 x 1.23 cm / 普通級/ 1-1  博客來 - 工程技術
- 來源網頁  看圖書介紹
|
|
|
王海
圖書介紹 - 資料來源：博客來 評分：
圖書名稱：AI落地：讓人工智能為你所用
內容簡介
作者介紹
王海屹，大語言模型首批實踐者。騰訊公司前產品專家，北京郵電大學智能科學與技術實驗室碩士，中關村U30維鷹計劃人才科技公司AI落地、算法落地顧問。曾作為算法和產品合夥人經歷多次AI創業， 過大中小型公司AI產品從0到1的落地工作。
目錄
第1章 一場“特殊”的人工智能之旅
1.1 為什麼“特殊” / 2
1.1.1 人工智能為什麼重要 / 2
1.1.2 人工智能是什麼 / 6
1.1.3 生活中的人工智能可以幫你做什麼 / 8
1.1.4 工作中的人工智能可以幫你做什麼 / 11
1.2 人工智能擅長的和不擅長的 / 15
1.2.1 人工智能的局限和落地的依賴 / 15
1.2.2 人工智能的優勢 / 20
1.2.3 如何判斷場景是否適合應用人工智能 / 23
1.3 如何看待人工智能 / 32
1.4 智能化產品 / 34
1.4.1 人工智能產品的發展 / 34
1.4.2 人工智能產品的要素 / 38
1.4.3 人工智能創業 / 41
本章結語 / 45
參考文獻 / 46
第2章 需要認識的人工智能
2.1 與“互聯網思維”不同的“人工智能思維” / 48
2.1.1 需求產生：用戶與數據相對比 / 49
2.1.2 方案設計：單點與整體相對比 / 51
2.1.3 結果輸出：確定與不確定相對比 / 53
2.1.4 價值驗證：流量與效率相對比 / 54
2.2 人工智能特殊的能力—機器學習 / 56
2.2.1 機器學習的原理和四個能力 / 56
2.2.2 機器模擬人腦學習的五種方式 / 59
2.2.3 模擬人腦的神經網絡模型 / 65
2.2.4 機器與人的差距 / 69
2.3 人工智能系統的結構 / 72
2.3.1 底層：硬件層 / 73
2.3.2 中層：技術層 / 76
2.3.3 頂層：應用層 / 78
本章結語 / 79
參考文獻 / 80
第3章 人工智能落地
3.1 人工智能落地的重要領域 / 82
3.2 人工智能落地的步驟 / 85
3.2.1 定點：確定場景中的落地點 / 86
3.2.2 交互：確定交互方式和使用流程 / 91
3.2.3 數據：數據的收集及處理 / 95
3.2.4 算法：選擇算法及模型訓練 / 104
3.2.5 實施：人工智能系統實施/部署 / 111
3.3 To B：人工智能賦能企業 / 117
3.3.1 B端人工智能產品的形式 / 118
3.3.2 企業落地人工智能的前提條件 / 121
3.3.3 人工智能賦能企業的關鍵點 / 123
3.4 To C：打造用戶喜歡的人工智能產品 / 125
3.4.1 C端產品中人工智能應用的三種形式 / 125
3.4.2 識別C端人工智能落地需求的真偽 / 127
3.4.3 C端人工智能產品的設計原則 / 130
3.5 評估人工智能落地的方法 / 133
3.5.1 能力指標 / 133
3.5.2 場景覆蓋度 / 137
3.5.3 使用效能 / 139
3.5.4 系統性能 / 140
3.5.5 經濟性 / 141
3.6 如何評估數據質量 / 145
3.6.1 定性評估你的數據 / 145
3.6.2 定量評估你的數據 / 150
本章結語 / 154
參考文獻 / 155
第4章 人工智能落地案例
4.1 人工智能任務提醒助手 / 157
4.2 人工智能幫你做垃圾分類 / 169
4.3 人工智能輔助知識點鞏固 / 179
4.4 人工智能製作凡?高式藝術圖片 / 187
4.5 人工智能大模型生成電商素材 / 192
本章結語 / 202
參考文獻 / 203
第5章 人工智能的困境與展望
5.1 人工智能的數據依賴 / 206
5.2 阻礙人工智能落地的因素 / 215
5.2.1 人工智能貴，成本高 / 216
5.2.2 人工智能落地需要警惕“意外” / 218
5.2.3 大眾的期望問題 / 219
5.2.4 落地場景缺少數據 / 220
5.2.5 人工智能歧視 / 222
5.3 人工智能落地的七大方向 / 224
5.3.1 自然語言大模型 / 224
5.3.2 人機協作成為產品主流形態 / 227
5.3.3 人工智能自動化工作流 / 230
5.3.4 多模態融合 / 231
5.3.5 人工智能結合XR / 232
5.3.6 人工智能可解釋性提升 / 235
5.3.7 賦能傳統行業的轉型升級 / 236
本章結語 / 238
參考文獻 / 239
後記
1.1 為什麼“特殊” / 2
1.1.1 人工智能為什麼重要 / 2
1.1.2 人工智能是什麼 / 6
1.1.3 生活中的人工智能可以幫你做什麼 / 8
1.1.4 工作中的人工智能可以幫你做什麼 / 11
1.2 人工智能擅長的和不擅長的 / 15
1.2.1 人工智能的局限和落地的依賴 / 15
1.2.2 人工智能的優勢 / 20
1.2.3 如何判斷場景是否適合應用人工智能 / 23
1.3 如何看待人工智能 / 32
1.4 智能化產品 / 34
1.4.1 人工智能產品的發展 / 34
1.4.2 人工智能產品的要素 / 38
1.4.3 人工智能創業 / 41
本章結語 / 45
參考文獻 / 46
第2章 需要認識的人工智能
2.1 與“互聯網思維”不同的“人工智能思維” / 48
2.1.1 需求產生：用戶與數據相對比 / 49
2.1.2 方案設計：單點與整體相對比 / 51
2.1.3 結果輸出：確定與不確定相對比 / 53
2.1.4 價值驗證：流量與效率相對比 / 54
2.2 人工智能特殊的能力—機器學習 / 56
2.2.1 機器學習的原理和四個能力 / 56
2.2.2 機器模擬人腦學習的五種方式 / 59
2.2.3 模擬人腦的神經網絡模型 / 65
2.2.4 機器與人的差距 / 69
2.3 人工智能系統的結構 / 72
2.3.1 底層：硬件層 / 73
2.3.2 中層：技術層 / 76
2.3.3 頂層：應用層 / 78
本章結語 / 79
參考文獻 / 80
第3章 人工智能落地
3.1 人工智能落地的重要領域 / 82
3.2 人工智能落地的步驟 / 85
3.2.1 定點：確定場景中的落地點 / 86
3.2.2 交互：確定交互方式和使用流程 / 91
3.2.3 數據：數據的收集及處理 / 95
3.2.4 算法：選擇算法及模型訓練 / 104
3.2.5 實施：人工智能系統實施/部署 / 111
3.3 To B：人工智能賦能企業 / 117
3.3.1 B端人工智能產品的形式 / 118
3.3.2 企業落地人工智能的前提條件 / 121
3.3.3 人工智能賦能企業的關鍵點 / 123
3.4 To C：打造用戶喜歡的人工智能產品 / 125
3.4.1 C端產品中人工智能應用的三種形式 / 125
3.4.2 識別C端人工智能落地需求的真偽 / 127
3.4.3 C端人工智能產品的設計原則 / 130
3.5 評估人工智能落地的方法 / 133
3.5.1 能力指標 / 133
3.5.2 場景覆蓋度 / 137
3.5.3 使用效能 / 139
3.5.4 系統性能 / 140
3.5.5 經濟性 / 141
3.6 如何評估數據質量 / 145
3.6.1 定性評估你的數據 / 145
3.6.2 定量評估你的數據 / 150
本章結語 / 154
參考文獻 / 155
第4章 人工智能落地案例
4.1 人工智能任務提醒助手 / 157
4.2 人工智能幫你做垃圾分類 / 169
4.3 人工智能輔助知識點鞏固 / 179
4.4 人工智能製作凡?高式藝術圖片 / 187
4.5 人工智能大模型生成電商素材 / 192
本章結語 / 202
參考文獻 / 203
第5章 人工智能的困境與展望
5.1 人工智能的數據依賴 / 206
5.2 阻礙人工智能落地的因素 / 215
5.2.1 人工智能貴，成本高 / 216
5.2.2 人工智能落地需要警惕“意外” / 218
5.2.3 大眾的期望問題 / 219
5.2.4 落地場景缺少數據 / 220
5.2.5 人工智能歧視 / 222
5.3 人工智能落地的七大方向 / 224
5.3.1 自然語言大模型 / 224
5.3.2 人機協作成為產品主流形態 / 227
5.3.3 人工智能自動化工作流 / 230
5.3.4 多模態融合 / 231
5.3.5 人工智能結合XR / 232
5.3.6 人工智能可解釋性提升 / 235
5.3.7 賦能傳統行業的轉型升級 / 236
本章結語 / 238
參考文獻 / 239
後記
|
