這是一個系列文章，從各個角度來評估一個問題：“我的業務要不要用 AI ？能不能用 AI？”
本期評估角度——數據。
系列文章列表：
底層邏輯：數據驅動
基於規則的舊時代
在人工智能普及之前，大家用的產品都是「基於規則」的。
我們通過總結規則，然後讓計算機自動的執行這些規則，我們日常工作和生活中很多問題都是基於規則來處理的，比如：
- Excel 中的各種公式的規則就是：將選中的區域進行計算
- 郵件的規則就是：將內容發給收件人
- 公眾號的規則就是：將關注的公眾號內容推送給你
基於規則的好處就是：所以人都能知道在什麼情況下得到什麼結果，一切都是可以預判的。
但是基於規則的方法也有很大的弊端：很多問題，很難（甚至無法）總結出有效的規則。
基於數據的 AI 時代
人工智能發展到現在（2019年），最核心的底層邏輯是：「基於數據」。
規則能很好解決的問題當然是用規則來解決，因為他的成本低，可解釋性強。但是很多問題沒有有效個規則，這個時候人工智能的價值就凸顯了。
「基於數據」的方法簡單說就是：從海量數據中找規律，這些規律是很抽象的，並不能總結成具象的規則。比如：
- 給機器看海量的貓和狗的照片，它就具備了「區分貓和狗」的能力
- 給機器海量的中英文對照文章，它就具備了「中英文翻譯」的能力
- 給機器海量的文章，它甚至可以具備「寫文章」的能力
基於數據的好處是：只要有足夠多的優質數據，那麼機器就能學會某些技能，數據越多，能力越強。
但是基於數據的方法也有明顯的弊端：機器只能告訴你「是什麼」，但是無法告訴你「為什麼」。
擴展閱讀：
《「2019更新」什麼是人工智能？（AI的本質+發展史+局限性）》
《人工智能》有詳細介紹這段歷史
想要用 AI，需要知道數據金字塔
上文已經說明了「基於數據」的邏輯，那麼支撐這個邏輯的就是「數據」。
沒有數據，就無從基於數據。所以想要用人工智能，需要考慮業務場景的數據3要素：
- 數據可獲取
- 數據全面
- 數據多
他們3個類似金字塔的結構，先有「數據可獲取」再談「數據全面」，有了「數據全面」再談「數據多」。
數據可獲取
想要解決問題，就需要具備「跟這個問題相關的數據」。比如上面提到的例子：
給機器看海量的貓和狗的照片，它就具備了「區分貓和狗」的能力。
這裡需要的數據不光是照片本身，還需要將照片里的貓和狗標註出來，如下圖：
所以，你要考慮的問題是：
- 我遇到的問題有哪些影響因素？
- 這些影響因素是數字化的嗎？如果不是，能否數字化？
- 這些數據是否可以獲取？成本高嗎？值得嗎？
數據全面
假如我們只能看到 10% 的照片，現在讓你區分照片中是貓還是狗，這會非常難。如下圖：
當我們能看到照片的 50% 時，還能猜一下。
當我們可以看到100%的照片時，就信心十足了。
人是如此，機器也是如此，你都不讓我看全，我怎麼分析啊！
所以，當我們想要利用人工智能技術來解決實際問題時，你需要仔細分析這個問題：
- 到底有哪些影響因素？是否有對應的數據？
- 有數據的因素是否足夠全面？
- 關鍵因素的數據有遺漏嗎？
數據多
還是區分貓和狗的例子。貓大概有40多個品種，狗大概有接近200個品種。並且照片可以從不同的角度，不同的背景，不同的光線下拍攝，會產生無數種組合。
想要有效的區分貓和狗，需要大量的不同的照片才行。kaggle（很權威的 AI 競賽網站）上有很多區分貓和狗的訓練數據，大部分都是上萬的量級（1w+的貓和1w+的狗）。
到底多少算夠用呢？
區分貓和狗這種非常簡單的任務都需要上萬的數據，對於更複雜的任務，就需要上百萬甚至上億的數據。具體要多少跟你要解決的問題複雜度，模型選擇，預期結果都有關係。
不過有一條原則是不會變：數據越多，效果越好！
案例分析
假如你是遊戲公司的老闆，想利用人工智能技術提升遊戲的收入，從數據角度評估一下是否可行？
電商平台通過推薦算法可以讓購物者花更多錢，那麼在遊戲里結合推薦算法，理論上也可以讓玩家花更多的錢。
推薦算法的本質是：挖掘用戶需求，將匹配需求的商品推薦給用戶。
應用到遊戲里則是：挖掘用戶的需求和他的消費能力，將匹配需求的道具，以合適的價格推薦給用戶。
第一步：數據是否可獲取？
遊戲算是數字化程度很高的領域了，但即便如此，還是有部分因素並沒有數據化。比如：
- 一些遊戲玩家都會在微信群里聊天和互動，這部分數據遊戲是沒有的
- 老婆發現老公在遊戲里泡妞，被迫卸載了遊戲。這種遊戲外發生的事情有時候也會影響到遊戲內。
- 玩家的心理活動也是沒有數據的（這次活動打折好厲害，但是我要忍住！不然又要吃一星期泡麵了~）
夠不夠用呢？下一步全面性的時候再分析。
「數據可獲取」看似是一個很白痴的問題，但是很多行業的數字化程度非常低，這個問題對於他們來說並不簡單。
第二步：數據全面性是否夠用？
想要判斷玩家的需求和消費能力，大致有下面一些影響因素：
- 用戶屬性
- 玩家屬性（年齡、性別、地理位置…）
- 角色屬性（等級、裝備情況、剩餘鑽石數量…）
- 行為數據
- 遊戲行為（買過什麼東西、參與過什麼玩法、打過什麼副本…）
- 消費行為（活動頁面停留時長、買過什麼東西、花過多少錢…）
- 玩家互動（跟誰組過隊、跟誰打過架、跟誰參加過活動…）
- 聊天數據（跟誰、說過什麼話、遊戲內+遊戲外）
- 心理活動（想要什麼、喜歡什麼、覺得多收錢值…）
- 商品屬性
- 商品價格
- 商品作用
- 商品特點
- 購買條件
還是參考電商的經驗，亞馬遜、阿里巴巴都已經驗證過：
在缺失「聊天數據」「心理活動數據」「電商平台外數據」的情況下，依然能有效的挖掘出用戶需求，刺激消費。
而遊戲不但有推薦的權利，還有定價權，可以通過降價進一步的刺激消費。所以全面性角度是 OK 的。
PS：所以在全面性的評估上，不需要理論上 100% 全面，而是達到可用的程度即可，這個事前只能找案例參考。
第三步：數據夠不夠多？
推薦系統是一種特殊性的情況，他對數據量的要求很有彈性，在數據量少的事情有很多手段來解決冷啟動的問題。隨着數據量的增多，算法的作用逐步加大。
一個新用戶下載了淘寶，依然不妨礙推薦，只不過用的越多推薦的越靠譜一些而已。
PS：在評估數據是否足夠時，盡量找經驗豐富的技術諮詢一下。
所以，經過3個數據角度的評估，「通過推薦算法提升遊戲收入」的設想應該是可行的。
總結
評估能不能用人工智能技術時，「數據」可以說是最重要的一個維度。
具體評估時，想清楚下面3個問題：
- 數據可獲取嗎？
- 數據全面嗎？
- 數據多嗎？
3個問題需要同時滿足，才算是「貌似可行」。
在評估「要不要用」和「能不能用」人工智能時，需要考慮很多問題。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）
擴展閱讀：
Comments