介紹

根據公司如何推銷自己以及媒體報道的內容，人工智能似乎無處不在。然而，儘管大肆宣傳，但今天在生產中幾乎沒有實際使用AI。當然，谷歌和亞馬遜等公司在其產品中使用人工智能來幫助您撰寫電子郵件回復或推薦您可能感興趣的產品。但是，大多數人仍然會在沒有獲得幫助或委派工作的情況下度過一整天到AI。這是為什麼？我們一直聽到的所有認可機構在哪裡？

簡短的回答？他們還沒有建成。在這篇文章中，我們將描述創建人工智能產品的障礙以及如何以正確的方式構建它們。

如何識別機會

具有諷刺意味的是，儘管該領域取得了非凡的進步，但該行業正在努力尋找人工智能的應用。以Open AI令人印象深刻的GPT-2語言模型為例。基於幾句話，它可以寫出一篇包含主題，主題和首選風格的整篇文章。雖然這真的令人難以置信，但它的真正應用是什麼？如果AI足夠好，它就有能力取代作者甚至劇本或新聞作者。但它還沒有到那裡。那麼我們如何利用其目前的權力呢？

GPT-2的例子說明了該行業如何倒退。我們對這一領域的巨大進步感到失明，正在拚命尋找能夠通過人工智能解決的問題。實際上，我們應該反過來思考：採用以人為本的方法，首先要了解用戶的背景和需求。通過這種方法，AI是我們可以使用的另一種工具 – 一種非常強大的工具，可以讓我們想像得比我們想像的更進一步。

雙鑽石框架

我們以一種在問題解決過程開始時觀察和發現用戶需求的方式來進行產品開發。這是我們使用稱為「雙鑽石框架」的東西捕獲的端到端流程的一部分。

第一顆鑽石的目標是確保我們正在解決正確的問題。我們通過揭示用戶面臨的核心挑戰並將這些見解轉化為創意來實現這一目標。一旦理解了這些，並且已經定義了想法，我們就會轉向第二顆鑽石。這裡的目標是以正確的方式解決問題。我們通過實施構建 – 度量 – 學習過程來設計和構建體驗，從而使硬數據能夠指導我們的優先級並驗證我們的假設。

在下表中，前三列突出了活動和結果。最後一欄描述了如何在雙鑽石框架的各個階段考慮AI。

雖然我們不應該總結「AI」是否應該成為第一個鑽石解決方案的一部分（步驟1和2），但是要意識到這個工具集提供的巨大功能可以帶來更好的想法。例如，每當我們遇到因不得不從事繁瑣或重複性任務而感到沮喪的用戶時，我們就可以考慮人工智能。AI非常適合自動執行這些任務。

請注意我們思考過程的順序：我們從用戶和他們的挫折開始，設計出解決問題的想法，然後將AI視為設計解決方案的工具。

AI產品執行：

一旦定義了如何解決問題以及如何滿足用戶的需求，下一步就是構建解決方案。以下是一些需要考慮的指導原則：

1. 開始小：構建一個可以增加成功幾率的解決方案。這可能意味着，從一開始就有紀律，不能解決需要複雜AI解決方案的大問題。相反，一種更有效的策略是將解決方案優先化為不太複雜的問題，因為這會增加成功幾率。這種方法還提供了在組織內構建AI動力的額外好處。

2. 增強與自動化：術語AI與自動化同義，因為AI允許用戶將先前手動完成的重複或不需要的任務委派給計算機。但是，有時用戶更喜歡使用 AI而不是完全自動化任務。這有兩個原因：

  • 假陽性或假陰性的含義很高：例如，錯誤可能危及人身安全或增加財務風險的用例，完全自動化任務的好處可能不會超過成本。
  • 增強可以是逐步實現自動化的有效方式。部分自動化解決方案的價值可以減少時間並增強開發人員和模型更快學習的能力。

數據是一種分心

在人工智能解決方案的設計過程中，有一段時間需要擔心數據太少。此時，車輪停止運轉，整個項目可能會因焦點偏離用戶問題而脫軌。相反，努力轉移到積累大量數據的盲目練習，創建數據基礎設施，數據質量和清潔練習。

這並不是說數據並不重要，但它不應以犧牲用戶體驗為代價。數據，模型和用戶體驗是相互依賴的，不能獨立解決。單單花費數據就有可能獲取錯誤的數據並創建無效的基礎架構。構建模型並將其暴露給用戶可以幫助告知數據採集過程。關於數據的體積，狀態和預測性的許多問題只能通過構建機器學習模型來回答。模型的洞察力是否需要，有用和可操作的問題只有在目標用戶接觸到它們後才能得到解答。

最後，AI應用程序應設計為收集自己的數據以實現擴展。自動駕駛汽車就是一個很好的例子。「自動駕駛儀」本質上是四輪驅動的應用程序，用於收集數據。每次駕駛員介入並糾正AI時，它都會學習有價值的反饋。這改善了自動駕駛儀的預測，從而增加了人們選擇使用此功能的次數。結果，收集了更多自動駕駛數據。AI應用程序設計人員應該建立這種良性循環，而不是旨在預先收集數據。

結論

對於每個具有產品開發背景的人來說，我們在這裡展示的內容可能非常熟悉。似乎軟件行業在AI解決方案的開發方面再次經歷了另一個「重新發明輪子」的循環。從用戶需求開始，然後考慮人工智能如何滿足這些需求，採取以人為本的方法，是創新和建立用戶喜愛體驗的有力方法。

本文轉自medium，原文地址