发展手段。创新的结果是推动企业不断设计和生产适应市场需要的新产品。产品创新是企业管理的延续和深化。但在产品创新方面，我们看到的是大创新越来越少，小创新都在为行业龙头服务。如果我们所在的行业已经有领导者，你只做一些小的创新和增量创新是没有意义的，因为复制领导者的成本太低了，你要推翻他基本上是不可能的。这是当前行业面临的挑战和问题。面对这样的困境，今天在这里，我想和大家分享一下我对人工智能创新的一些看法，帮助大家打破常规的创新思维模式，创造出更多的颠覆性创新。01为什么我认为人工智能让创新更容易技术和市场都不是静止的，技术总是在发展，而市场总是在调整，两者都处于动态演进的过程中，这一点在人工智能领域表现得尤为明显。技术的发展促进了新场景的出现。新技术的突破，让人看到了两个希望。一是可以颠覆性优化一些原有的应用场景，二是会创造全新的应用场景，产生全新的市场。以往，“想做却做不到”的场景和“没想到会这样”的场景，可能只需要一两年的时间，更多成熟的技术就会出现这个场景的需求。例如，图像识别是一种广泛应用于我们生活中的人工智能技术。2012年之前，基于机器学习的图像识别技术准确率并不高，所以当时图像识别只能用于车牌识别、符号识别这样简单的场景。2012年以后，随着深度学习技术的兴起，图像识别技术的准确率有了很大的提升。这个时候我们尝试用图像识别来帮助我们做更多的事情，比如把人脸识别应用到考勤、站场流量检测场景中，猪人脸识别甚至用在畜牧业上，实现养殖场的智能化管理。直到2015年，GAN技术一夜之间将图像识别的准确率推向了前所未有的高度。短短几年时间，图像识别技术逐渐应用于身份识别、安防、金融等领域。对精度要求高的领域，如假钞真伪鉴别、名画鉴定等专业场景。2019年，VQ-VAE继续超越GAN，并产生了假照片。从识别、模仿到创造，技术一直在进步。这是我以前想做，但做不到的场景。随着技术的进步，逐渐得到解决。今年的疫情是对全人类的一次大考，但也是新技术落地的契机。在英国伦敦有一家初创公司叫BenevolentAI，他们的研究方向是医学文献检索系统。新冠期间，他们利用人工智能算法搜索已知药物数据库，发现类风湿关节炎药物bariciclib可能在极短时间内成为治疗新冠肺炎的药物。在3月下旬的一项试点研究中，医生将bariciclib和HIV药物利托那韦给予12名患有中度COVID-19的成年人，为期两周。在另一个对照组中，12名相同程度的新冠肺炎患者仅重复使用利托那韦。根据最近的一份报告，经过两周的治疗，大多数接受bariciclib治疗的患者都康复了。他们的咳嗽和发烧都消失了，他们也不再气喘吁吁了。12名患者中有7名已经出院。相比之下，未服用巴瑞西尼的患者仍有体温升高、咳嗽等症状，只有一名患者出院。我们从来没有想过有一天我们可以通过人工智能对症下药。人工智能聚合了人类无法关联的药物数据，从而在药物之间建立更高层次的关联。这就是技术的进步，带来了场景的变化，让更多的不可能成为可能。去年有幸听了一段原迅雷联合创始人程浩先生关于产品创新的分享，有一个观点让我印象深刻。他认为，产品创新不是目的，而是手段。本质上是一种成就：效率大幅提升，成本大幅降低，用户体验大幅提升。我觉得AI技术的出现，正好可以从解决方案层面达到创新的目的，是创新的手段。强大的武器。国内有一家AI解决方案公司，叫图扑科技。他们利用人工智能技术分析人、货、场的多维图像信息，为线下零售门店提供客流统计、需求分析、刷脸支付等功能，帮助线下门店实现门店运营智能化升级。他们的商业智能解决方案在离线场景下的准确率超过90%。此外，通过用户画像与店内热图的比对分析，顾客可以分析店内存在的隐性问题并做出调整，从而提高转化率。这种场景是实现AI技术最理想的方式。对消费者而言，可以精准匹配商品需求，减少排队时间，提升用户体验；对于商户来说，可以提高业务转化率，缩短仓储时间，降低整体运营成本。.可见，通过AI技术解决方案实现的产品创新，通常可以带来5-10倍的提升，实现“颠覆性”的大创新。02细化AI创新四大方向，从更细分的场景出发快递行业因其作业流程标准化、人工成本高、分拣效率低等特点，一直是AI技术应用的重要场景之一.事实上，快递行业通常将快递分为大件物品和小件物品，并会根据产品特性分为贵重物品、易碎品和普通物品。如果按照传统的产品设计思路做一个全自动分拣设备，我们希望做一个通用的产品，可以适应不同的快递。这就需要我们的分拣设备有足够的动力来分拣大件物品，同时能够顺畅的运送贵重物品或者易碎物品，甚至可以应用到其他场景，比如垃圾分拣，这种情况是大家比较喜欢的产品经理。但这对系统要求很高，几乎不可能完成。那么我们就不能对这种场景做一些改进吗？并不真地。如果我们只用AI技术来实现这种针对小件普通物品的分拣装置，难度会大大降低。可见，在细分场景下，AI技术的应用可以极大提升当前场景的物流效率。如果我们一开始就想做一个满足一般需求的产品，AI技术可能无法给我们提供太多的帮助，因为你会遇到各种限制和困难。只有不断细分大的不确定性，才能找到与技术和场景相匹配的部分，然后通过不断的演进满足我们的需求。精细化构建是AI产品的最大特点。个性化、发散性交互过去主流的人机交互方式是：用户向计算机发送指令，计算机返回结果。这是一个非常具体的过程，明确的输入导致明确的输出。但在人工智能时代，我们可以通过发散性、个性化的交互方式，创造出更多富有想象力的场景。当我们用搜索引擎找电影的时候，我们的核心诉求是找到一部“我想看”的电影，而不是为我们选择电影增加很多维度。以前我们只能根据电影类型划定一个范围，然后慢慢浏览每部电影的介绍或评价，找到自己感兴趣的电影。这种方式效率很低，很多时候用户并没有明确的要求。如何让用户更高效地找到合适的电影，是产品经理需要解决的核心问题。通过AI技术，我们可以告诉搜索引擎我想看一部《神逆转》的悬疑片，或者直接找《长安十二时辰追狼卫》片段。甚至在没有明确观看目标的情况下，让电脑根据我现在的状态，推荐一部有用户喜好的电影。这个过程更像是我在和一个喜欢看电影的朋友交流。你问他一个问题，他给你很多反馈，同时给你很多意见。同时，他也会想好你接下来想要什么，并主动提供给你。个性化是AI产品与传统产品最大的区别。更智能、更智慧的解决方案电话营销是金融行业传统且行之有效的销售方式，但电话营销的转化率一直偏低，一直是令所有金融企业头疼的问题。这个行业的从业者流动性大，素质参差不齐，所以新人往往会遇到口齿不清、不知道如何与客户沟通、找不到合适的销售转化机会等问题。目前，很多科技厂商都在利用AI辅助销售，提高业务转化率，实现从信息化到数字化、智能化的转变。目前普遍的做法是利用AI自动分析销售电话和客服电话的内容，自动识别通话双方的身份，将语音文件转换成文字内容。智能判断用户需求。并判断销售人员的电话沟通能力，以及说话的技巧。在通话过程中，这种辅助工具还可以根据客户的回答提供交互式对话指导，解决业务人员开口难、沟通难、转化难的问题。另外，在传统的电话营销过程中，如果座席在销售过程中出现违规行为，很容易被客户投诉。早期，金融机构只能通过听电话录音，通过抽查的方式判断代理人是否违规，但这种方式效率很低，而且是事后检测，客户投诉可能已经发生。如今，人工智能技术已经取代了人工质量检测工作。利用语音识别判断通话内容对应的语义，可以高效检测所有座席的违规行为。甚至在通话过程中，实时判断坐席通话内容，防患于未然。这是AI产品智能化的体现，也是AI产品的价值所在。终端化是人工智能与工业互联网结合的发展趋势。人工智能从提供单纯的软件能力向智能前端产品、智能边缘产品、智能服务器等软硬件一体化解决方案延伸，已成为重大趋势。这与技术价值实现的两个特点密切相关：第一，数据是训练算法的必要条件。物联网整体解决方案中真实应用场景返回的海量数据成为算法的切入点，也为更适合细分业务需求的新业务板块提供了新的解决方案。算法育种奠定基础；其次，仅依靠纯软件形式往往会导致算法效率打折、实现不力等问题。要突破“实验室产品”的局限，真正为业务带来价值，AI需要更进一步，配合硬件和物联网系统的融合，实现商业化。同样在物流运输行业，我们看到越来越多的仓储机器人。灵动科技是一家实现量产和商业化推广的视觉AMR（自主移动机器人）企业，年产能上千台。其生产的仓储协作机器人已在德国、日本客户的仓库投入运营，实现了单件拣选成本降低30%以上的运营效果。在技??术层面，这款产品的主要传感器是几个普通的摄像头，通过深度学习算法了解环境，通过算法进行自主定位和路径规划，具备超多的定位、导航和避障能力。线激光雷达解决方案。依托模块化机器人开发平台，灵动可以快速为机器人产品赋能视觉AMR技术方案，实现多摄像头仓库叉车无人驾驶。可以预见，人工智能技术与工业互联网的结合是整个行业的发展趋势。越来越多的终端机器人正在制造业中得到应用。从自动化到自主，我们一直在努力，期待AI技术能够发挥更大的价值。AI2.0深入多学科研究随着人工智能技术的发展，跨学科研究也成为今年的热门话题。人工智能的身影频繁出现在医学、脑机接口乃至数学研究中。在脑机接口的研究中，科学家们设计了一种可以将大脑信号转化为语言的装置。它不需要说话。利用深度学习技术，可以直接读取大脑，解码大脑中的思想，实现顺畅的交流。想象一下，如果霍金还活着，借助这项技术，他可能再也不用活动脸颊上的肌肉来拼字了。AI真的可以帮他重新“说话”，传播智慧。在医学领域的研究中，来自德国的研究团队开发了一种基于深度学习的新算法DeepMACT，能够在固有细胞水平上自动检测和分析小鼠全身的癌症转移情况。基于这种技术，人类能够看到由其单个癌细胞形成的转移部位，这是科学家们首次实现的壮举。而且，耗时不到一个小时，准确率堪比人类专家。在过去，这样的工作量，人类需要几个月的时间才能完成。效率提高300多倍。03普通产品经理如何做AI创新在传统互联网时代，由于流量效应带来的红利，产品经理的工作主要围绕挖掘用户需求，提升用户体验展开。随着AI的发展，也出现了产品经理的一个细分领域，叫做AI产品经理。他们的工作围绕AI技术在场景中的应用展开，将AI能力作为解决问题的有力武器，让产品功能具备AI能力，提升用户体验和效率。作为一名非专业的AI产品经理，我们应该如何在日常工作中应用AI技术实现产品创新？我有以下建议给大家：了解一些最基础的AI技术。作为一个非专业的产品经理，如果我们想在产品中使用AI技术，首先要了解AI技术的一些最基本的原理。人工智能的范围虽然很广，但能够应用于工业生产的主流技术并不多。我们不需要了解和学习所有这些。主流和常用的人工智能技术包括计算机视觉、智能语音识别、自然语言处理、知识图谱和机器学习。每个领域下还有一些细分的研究方向。比如智能语音识别，有专门研究语音识别技术，还有语音合成和语音翻译技术。这里就不一一列举了，告诉大家基本的技术原理是什么。但是我可以教给大家一个很实用的学习方法，比较适合我们这些非AI专业的产品经理。即开放百度AI开放平台和阿里云、腾讯云的人工智能模块。从这三个地方，我们可以了解每项技术的一般原理，它能做什么，主要应用场景是什么。技术与场景相匹配的切入点。从技术可行性和行业生态角度评估新场景。当我们对技术有了一定的了解之后，接下来我们思考的问题就是如何利用AI技术改变过去的场景，甚至创造全新的场景。对于刚接触AI的产品经理，我建议从技术可行性和行业生态的角度评估新场景的可能性。思考过程如图所示：前面我们提到，AI创新的出发点可以从一个非常小的场景开始。从一个细分的场景入手，评估做还是不做？如果是这样，可以做什么？有一年我们在优化平安电话来电导航。这个环节浪费了很多话费。经过几轮测评和头脑风暴，我们有了一个大胆的想法，就是用AI来预测用户的进线意图，从而减少导航时间。一开始我们想做一个极其简单的解决方案。电话打进来，预判来意，问是否需要办理XX业务，如果回答是，直接跳转到业务线。事实上，要做到这一点是相当复杂的。一方面，安全线选项有千余种，另一方面，数据的不完整和及时性会影响机器的判断。因此，我们选择从小场景开始，考虑技术可行性和能力提升，只预测传入频率最高的30多个意图。整个呈现的解决方案不仅设计了交互方式，还考虑到了很多模型缺陷下提升用户体验的细节。一个小场景完成后，再想办法优化下一个小场景，最终形成一个完整的解决方案。我们决定针对某个场景升级AI后，还需要考虑升级服务的接入方式，即具体的AI技术是自研还是与外部厂商合作。我个人的建议是，如果公司技术储备不足，横向扩展能力不大，又是非核心场景，尽量选择市场上成熟的方案来做。此外，我们还需要考虑两个方面：智能化服务提供模式和市场成长周期。拨备模式主要要考虑的问题是怎么办？实施的难点在哪里？我们可以参考市场的整体发展情况和同类竞争者所选择策略的优劣来评估技术实施方案。这样我们就不需要从头学起，可以知道成熟的方案是怎么做的，并快速应用到自己的场景中。从用户思维到数据思维互联网时代，流量为王，“用户至上”成为各大互联网公司的共识。无论是在电商领域还是社交领域，产品经理每天都在研究用户的行为和表现，希望挖掘用户内心的想法，创造出满足用户需求的产品。人工智能时代，数据为王，数据成为企业的风向标。我们的产品和用户可以用数据来描述他，而不是想当然和经验主义去思考用户想要什么。这时候，我们就有了更具体、更可量化的方式来判断客户的需求。以往在银行场景中，我们在描述客户的财务属性时，只能根据客户的年收入、存款、还款记录等客观维度来判断是否存在信用卡套现风险。现在借助人工智能技术，我们可以用机器来分析人类无法分辨的数据，通过更精细的数据结果分析客户的资产健康状况，更准确地判断客户的套现风险。正如邓雄博士所说：人工智能代表着一场大变革。我们不再以用户为中心，围绕用户开展各项工作。而是将用户转化为数据，将用户的所有行为转化为数据，以数据的形式体现在产品中。这个模型是面向数据思维的结果。认知升级，颠覆式创新在传统的产品创新方面，梁宁先生曾总结出两种典型的方法。一种是将另一个领域的知识和经验借用到另一个领域。例如，婴儿保温箱首先借鉴了动物园使用的保温箱，创造出适合新生儿使用的产品；另一种是跨行业引用新元素，使产品看起来还是原来的产品，但实际上已经成为一个新物种。比如多雅多雅酒店就采用了众筹的新元素。这种将消费转化为投资的方式，让他们成为多亚最忠诚的人。客户形成了业务核心的变化。如今，AI技术的升级也带动了产品经理的认知升级。我们在产品解决方案上实现的改变是颠覆性的创新。这种变化不仅仅是旧要素的重组，而是利用人工智能对新的生产要素进行升级。比如运输行业，本质就是解决运输的时效性问题。从马车到汽车的转变，本质上是从动力的维度提高了速度，减少了运输所需的时间。在今天，电力已经不是限制运输时限的最大问题。可见，在高速公路上，大货车限速的主要原因是大货车在高速行驶时安全不可控，车速过快无法刹车，容易发生事故。而且货车司机不能长时间驾驶，容易造成疲劳驾驶，是限制货运速度的因素之一。大货车自动驾驶的研究是利用人工智能从调度和控制两个维度减少人类带来的不利因素。在升级的过程中，“人”的因素突然显得不那么重要了。过去，我们认为必须有车，必须有人操作。不管怎么优化，“人”的因素仍然是关键瓶颈。现在我们用人工智能来学开车，让机器自己控制车。这种认知升级是产品经理在处理同一个场景时，从不同维度思考所带来的变化。我们不再从旧的因素去思考如何提高效率，而是用新的方式对旧的因素进行升级。作者：阿乔《100个案例搞懂人工智能》作者，平安科技高级产品经理。主要研究产品策划、人工智能和互联网业务。
