有時會跟朋友聊一聊 AI 的話題,我發現很多人對 AI 都有過度高估或者過度低估的情況。有些問題根本不需要用 AI,有些問題即使用 AI 也解決不了。

所以打算寫一個系列,從各個角度來評估一個問題:「要不要用 AI ?AI 能否解決我的問題?」

系列文章列表:

我的業務要不要用人工智慧?引入AI前你需要評估的(一)

我的業務要不要用人工智慧?引入AI前你需要評估的(二)

我的業務要不要用人工智慧?引入AI前你需要評估的(三)

我的業務要不要用人工智慧?引入AI前你需要評估的(四)

評估角度:特徵?

這篇文章切入的角度是:特徵

還記得我的初中老師給我們講過一個進化的知識點:俄羅斯常年寒冷,俄羅斯人的鼻子就進化的很長,這樣進入體內的空氣需要在鼻子里走更長的路,就不會太冷了。所以俄羅斯人有一個很明顯的特徵:就是鼻子長!

俄羅斯人的長鼻子可以防寒

但是並非所有鼻子大的都是俄羅斯人,非洲人也有鼻子大的!

非洲人也有長鼻子,還挺好看~

所以,我們想要判斷是否是俄羅斯人,需要更多的特徵(證據):

  • 鼻子長
  • 個子高
  • 藍色眼睛
  • 白色皮膚
  • 眼窩比較深
  • 體毛髮達

當我們發現一個人同時具備上面的所有特徵時,那麼這個人是俄羅斯人的概率就大很多。

  • 這個人能說一口流利的俄羅斯語

當我們發現上面這個特徵(證據)時,基本可以斷定這個人就是俄羅斯人。因為這個特徵太強了,或者說太有說服力了。

插播——人工智慧基本原理

回顧一下上面的過程:

當我們看過很多俄羅斯人和其他國家的人時,我們就會根據經驗總結出俄羅斯人的特徵:鼻子長、個字高、藍眼睛、白皮膚、眼窩深、剃毛髮達、說俄羅斯語…

總結俄羅斯人特徵

當我們遇到一個沒見過的外國人時,我們就用這套「經驗」來套在這個人身上,看是否符合,如果很多特徵都符合,那麼就會猜測這個是俄羅斯人。

用總結的經驗判斷其他人

人工智慧的原理基本就是上面的過程,如下圖:

人工智慧基本原理

特徵象限圖

但是並非所有問題都需要 AI 來解決,AI 的優勢是可以處理海量的特徵,不但可以處理表面的特徵,還能找到背後隱藏的特徵。但是很多情況下,沒必要用大炮打蚊子。

當我們把特徵數量和確定性畫一個坐標,就能指導我們什麼問題適合用 AI,什麼問題不適合用:

特徵象限

特徵少+確定性弱:適合人工解決

特徵少+確定性強:適合規則解決

特徵多+確定性強:適合規則解決

特徵多+確定性弱:「可以考慮」 AI 解決

PS:這裡其實還有很多其他因素:成本、風險、是否可測量…這裡統統不考慮,不然太複雜了。

案例說明

上面的象限太抽象了,下面舉一個真實的案例來說明。

遊戲行業有一種東西叫「外掛」,簡單說外掛就是作弊器,打破了遊戲的公平,讓自己在遊戲里更有優勢。

幾乎所有知名的遊戲都有外掛,因為外掛很賺錢!所以遊戲廠商必須要做好跟外掛戰鬥的準備。打擊外掛的方式大部分情況都簡單粗暴,但很有效:嚴懲不貸!一旦發現賬號使用外掛,就會封號處理。

所以打擊外掛最關鍵的是:第一時間發現玩家使用外掛。

我有一個朋友負責一款知名的格鬥手游,他們也有很多外掛,一開始他們使用了一些固定的規則來發現外掛。效果還不錯,但是還是會有漏網之魚。

於是他們嘗試使用 AI 來抓外掛,做了很長時間後,發現效果並不比固定規則好多少。

同樣是打擊外掛,在一些複雜度高,靈活度高的遊戲里(例如吃雞、CS),規則就不好使了,因為很難總結出來固定的規則。

這個時候 AI 就能大顯身手了。CS:GO 和吃雞都有比較成功的案例了:

以彼之道還施彼身——用機器學習揪出外掛狗

人工智慧在遊戲里竟然有這些應用方式,來看看你知道幾種?

應用特徵象限:

手機上的格鬥遊戲,自由度並不高,玩家只能控制移動、攻擊、技能、閃避,這4種核心操作。策略性並沒有太強,所以大致上符合「花錢+花時間≈實力」的邏輯。

所以只需要把握一個原則:玩家是否做了遠超自己實力的事情?

通過觀察玩家的戰鬥力,敵人難度,戰鬥時間等方式就可以比較有效的判斷玩家是否使用了外掛。對於這種人都能與有效判斷的問題,不需要使用 AI,反而會把解決方案搞複雜。

格鬥遊戲的特徵少,確定性強,適合規則解決

先讓我們來看看吃雞都有哪些奇葩的外掛:《吃雞外掛大全,讓你一秒識破對方直接舉報!

對於CS:GO、吃雞這種射擊類遊戲,場景十分複雜(地圖大,有房間,有遮擋物…)

玩家的行為也很複雜(移動、判斷敵人位置、找掩護、切換武器、瞄準、射擊…)

在這種情況下,很難用明確的規則來判斷玩家是否使用了外掛。你不能說反應快就算使用了透視外掛,有些人反應就是快;你也不能說爆頭多了就用了鎖頭掛,有些人槍法就是准。

所以想要發現這些外掛,就需要分析大量的數據,從中間找出「不那麼明顯的特徵」,這時候 AI 就有其特殊的價值了。

射擊遊戲的特徵多、確定性弱、可以考慮用AI

總結

今天我們從「特徵」角度說明了哪些問題適合用 AI,哪些問題不適合用。

如果一句話來概括的話就是:

能夠有效歸納出一些規則的問題,都不太需要 AI,而那些很難總結歸納出規則的問題可以考慮使用 AI 來解決。

如果想要評估可以套用下面的特徵象限來看看你的問題是否適合使用 AI技術:

特徵象限

除了「特徵」角度外,還有很多角度可以幫助我們判斷:要不要用 AI ?這個系列還會持續更新,關注我的公眾號查看所有內容:

公眾號:打不死的小強(xiaoqiang-me)