--- schema_version: "library-reader-v1" source_type: "original_book" title: "人工智能时代：破解人机共存密码（套装共10册）" author: null edition: null publisher: null year: null isbn: "9787521719512" library_document_id: "396e1bee-219e-4bee-9884-3214c17ff8f5" source_sha256: "e5d429a1fedfac2a13b0bd25057c39d818c33927767948a9bb41411f01413ced" pdf_physical_page_count: 3314 pdf_physical_page_index_base: 0 range_start: 440 range_count: 10 html_url: "https://workshop.closeclaw.top/api/ai/read/396e1bee-219e-4bee-9884-3214c17ff8f5?start=440&limit=10" markdown_url: "https://workshop.closeclaw.top/api/ai/read/396e1bee-219e-4bee-9884-3214c17ff8f5.md?start=440&limit=10" previous_url: "https://workshop.closeclaw.top/api/ai/read/396e1bee-219e-4bee-9884-3214c17ff8f5.md?start=430&limit=10" next_url: "https://workshop.closeclaw.top/api/ai/read/396e1bee-219e-4bee-9884-3214c17ff8f5.md?start=450&limit=10" --- # 人工智能时代：破解人机共存密码（套装共10册） > 页码规则：PDF_PHYSICAL_PAGE_INDEX 是从 0 开始的权威文件物理页索引；PRINTED_PAGE 是页面中识别出的印刷页码，可能为空，二者不得混用。 ## PDF_PHYSICAL_PAGE_INDEX=440 | PRINTED_PAGE=NOT_DETECTED 流形学习可以用于研究人脸数据。例如，我们从已有的人脸数据库中选择一些人脸图像。经过流形学习分析，就会发现这些人脸图像由于拍摄角度、光线或者是表情姿势的不同，呈现出不同的特征。如图2-12左边的图所示，每幅图像对应空间中的一个点。为了让可视化结果更加明确，图2-12右边的图中简化保留了十幅最有代表性的图像。 对上图仔细分析我们可以发现，这些代表性的面部图像显示在空间的不同部分。人脸图像被分割成两部分。左侧部分包括闭着嘴的面部图像，右侧部分包括张口的面部图像。这是因为在我们的面部图像被投射到更低维的空间时，图像中的相邻点在低维空间中更近，图像中的远点在低维空间中更远，所以形成了我们现在看到的排列顺序。经过观察我们可以发现，这些图像是按照人脸的表情和姿势来分布的，这就是隐藏于其中的分布规律。通过这个实验，我们发现了这些人脸图像所构成的流形，那些在线性空间表示不了的姿势和表情，在人脸的非线性结构之中都可以表示出来。 ## PDF_PHYSICAL_PAGE_INDEX=441 | PRINTED_PAGE=NOT_DETECTED 近年来，准确地刻画人体动作成为多个领域的研究热点。而随着人工智能的兴起和发展，越来越多的人开始从全新的角度理解人体动作，例如根据人体动作数据的非线性规律来建立人体动作模型。利用数据的非线性结构来建立动作模型有广泛的实用性，例如用于动作识别或者动画生成。下面我们就从这两个方面来了解非线性规律下的人体动作模型。 人体动作识别是计算机视觉领域的一个重要问题。比如说，在体育或者医疗场景下经常需要准确地识别出人体的动作。以前如果想要对人体动作进行精准的识别，需要用多个摄像机或从多个视角拍摄记录人体动作。虽然这样生成的模型可以识别出人体的动作，但这一般是在实验室环境中进行的，过程繁复，效率低下。随着流形学习的发展，人们开始尝试通过人体动作的非线性规律来构建动作模型。通过这种方式来建立动作模型，仅用一个摄像机拍摄即可，然后通过流形学习方法对拍摄的视频进行分析，利用动作数据的非线性流形结构来形成动作模型。这样生成的动作模型，对于站立、转身和行走等十三种动作类型的识别错误率仅在1%左右，可以在自然环境下应用，比如可以用于识别比赛中运动员或者医院中病人的动作。 下面再来了解用于动画生成的人体动作模型，它可以帮助动画师生成自然流畅的动画人物的运动过程，让角色动画的创作过程变得更加便捷。传统动画制作分为两种，一种是逐帧动画，需要动画师一帧一帧地进行绘画制作，虽然效果真实细腻，但是制作时间极长，制作负担很大，最终输出的文件量也很大；另一种是补间动画，需要通过计算机自动补帧来生成动画，虽然减轻了工作负担，但是生成的人物动作会出现不自然不连贯的现象。近年来基于流形的动作模型越发成熟，可以将动画制作置于流形空间中，而不是用传统动画制作的方式进行。根据这个思路，需要自动学习在非线性流形中的大量人物动作数据，这样形成的动作模型就可以用来自动合成动画。如图2-13所示，动画师如果想要生成人物在某条弯曲的道路上奔跑或行走的动画，可以直接通过调取关于奔跑或行走的流形数据，轻松生成真实自然的人物动画序列。 ## PDF_PHYSICAL_PAGE_INDEX=442 | PRINTED_PAGE=NOT_DETECTED 对于佳丽来说，特征脸揭示了她们脸部图片数据的线性规律；对于人体动作而言，非线性结构提供了更好地运用相应数据的框架。但需要特别注意的一点是，不论是具有线性规律的数据还是具有非线性规律的数据，都是具有许多维度的高维数据，要想找到这些数据的规律，都需要将其投射到更低的维度。这个更低维度预先是不确定的，我们通过人工智能模型的分析和处理，最终在恰当的低维度空间里更好地表示了数据内在的结构。 天不言而四时行，地不语而百物生，天地万物都有其运行的规律。本节讨论的数据内在的规律性是AI思维的底层逻辑之一，也是基于几何结构的人工智能模型形成的基础。理解这些规律，可以帮助我们更好地理解数据本身，帮助我们在使用人工智能时“知其然”更“知其所以然”，构筑一个更加完整的AI思维体系。 ## PDF_PHYSICAL_PAGE_INDEX=443 | PRINTED_PAGE=NOT_DETECTED 这正是历史知识的矛盾。知识如果不能改变行为，就没有用处。但知识一旦改变了行为，本身就立刻失去意义。我们拥有越多数据，对历史了解越深入，历史的轨迹就改变得越快，我们的知识也过时得越快。 ## PDF_PHYSICAL_PAGE_INDEX=444 | PRINTED_PAGE=NOT_DETECTED —《未来简史》— ## PDF_PHYSICAL_PAGE_INDEX=445 | PRINTED_PAGE=NOT_DETECTED 方法论是以解决问题为目标的体系或系统。在方法论的指导下我们会有一个纵观全局的广阔视野，有一套统筹全局的落地方法。缺乏方法论的指导，不论多么充满智慧的思维都难逃纸上空谈的结局。AI思维就是从理论到实践的一套完整的思维，它既有理论层面关于人工智能的认识，也有实践层面指导人工智能落地的方法论。本章旨在讲清楚AI思维中的“术”，也就是从方法论的角度阐述AI思维是如何从数据中得出决策，创造出源源不断的价值的。数据量越发庞大，以术理事，AI炼金术可理清纷繁复杂的数据；新问题层出不穷，以术驭事，AI炼金术可将数据为我所用，优化业务结果；面临抉择犹豫不决，以术成事，AI炼金术可通过深度学习等人工智能模型驱动决策。接下来就让我们了解一下，AI炼金术到底是如何从数据中创造出价值的。 从数据到价值的历程 在人工智能的整个生态系统中，数据既是根本，也是重点。在人类社会中，数据无处不在，而且生生不息，越来越多。我们每天的所看所感都可以转化为数据，这些数据就是各种行为和现象的记录。特别是在互联网如此发达的当下，我们能够接触和获取到的数据更为多维、多样而且庞杂。当然，这对于人工智能的运用来说，完全是一件好事，因为人工智能的运行离不开数据的支持。对于人工智能来说，数据更多，就相当于炼油厂运来了更多的原油，人工智能就能够更好地运作，为人类的生产、生活增添价值。人工智能通过数据驱动决策而产生的变现是我们能够真实看到的，比如优化提升的用户体验，实打实的业绩、利润，或者是口袋里不断飙升的年终奖。 ## PDF_PHYSICAL_PAGE_INDEX=446 | PRINTED_PAGE=NOT_DETECTED 关于数据的重要性，我们先从奈飞（Netflix）的案例说起。奈飞最出名的身份是世界最大的在线影片租赁服务商，但它同时也是美国的流媒体巨头，业务广泛，也涉足影视剧拍摄。奈飞想在好剧频出的美剧圈拍摄出一部像《权力的游戏》《生活大爆炸》《破产姐妹》这样的高人气剧集，于是它开始探索——究竟该怎么做呢？据统计，奈飞在全世界的订阅用户总量达3 300万；每天，用户都会在奈飞的网站上产生3 000多万个行为，订阅用户会在网站上给出400多万个评分和300多万次搜索请求，询问剧集播放时间等。奈飞借助这些大数据进一步分析——通过分析几千万用户的观影历史、观影题材内容、故事情节、演员选择以及对不同影视剧的评分等数据，决定拍摄一部有关一位参议员的连续剧，这部剧就是政治题材的人气美剧《纸牌屋》。该剧一经播出就获得了巨大成功，在美国及40多个国家和地区成为最热门的在线剧集之一。因为这次新鲜的尝试，奈飞前所未有地获得了112项艾美奖提名，也让美剧巨头HBO（Home Box Offi ce）电视网18年来第一次失去了剧集霸主的地位。 《纸牌屋》的惊人成就离不开奈飞数以亿万计的数据的支持。由此可见，数据是新时代商业取胜的重要因素。就像上面说的，奈飞通过对大量受众数据的分析，采取合理决策方案，最终获取了极大的效益和声誉。所以数据是AI思维的基础，要从数据产生价值，就要利用人工智能通过对数据的深度分析，引导决策者做出最优决策，从而落地价值。 如何把数据变为价值，主要涉及两个问题。第一个问题，什么样的数据在场景中有价值？无论是在电商行业、广告行业、教育行业，还是生产制造行业，企业的负责人都会不约而同地考虑他们要在网站或者设备、机器上收集什么样的数据。其实，只要是有效数据，都能为之所用，只不过要如何用或者用来做什么各不相同罢了。第二个问题是，如何通过人工智能让这些数据产生价值？这个问题已经得到了初步的解答：人工智能从诞生到现在已经经历了几十个年头，所以行业内已经有比较通用的模式应用人工智能，从而可以从数据中提取价值。 ## PDF_PHYSICAL_PAGE_INDEX=447 | PRINTED_PAGE=NOT_DETECTED 人工智能的应用并非只对行业的格局产生影响，实际上，它与我们的日常生活也息息相关。现代人每天奔波于公司与家的两点一线中，一旦有了节假日这样属于自己的时间，大部分人都会选择出门逛街看风景、到商场购物，或是看一场热映的电影，抛掉平日工作的紧张，让身心彻底放松。所以，我们都希望自己能够得到全方位的引导和服务，而不想再在这方面花费大量时间和精力了。但是，一般情况下，商家并不能很清楚地知道哪些顾客需要什么样的商品，所以尽管每天都有很多顾客路过店家门口，却并不能实现有效转化。另一方面，消费者难得有了一个放松休闲的机会，却因为没能够快速、准确地找到相关商品或者服务而影响了大好心情。为解决这些问题，人工智能就派上了用场：商家可以通过人工智能对顾客数据进行分析，预测顾客需求，根据需求定期向顾客推送商品或者服务的信息；用户接收到信息，也不必为自己在休息时去哪里、做什么这样的问题而绞尽脑汁，只需要放假时直接去商家店里选择自己心仪的商品和服务就可以了。最终的结果很大概率是产生了交易。换言之，人工智能为商业活动带来了实际价值。 从AI思维角度来说，人工智能可以从数据中提取价值，可只有数据是不够的，数据量还必须充足。如果没有对足够的数据进行分析，或者对数据的利用不够恰当，都可能导致决策失误。决策一旦失误，自然会影响到整个行为最终诉诸的回报，也就是我们所说的价值。 数据产生决策：为了懂你，我学了很多知识 有了充足的数据，就等于是为人工智能这个系统备足了原料，接下来我们就来看一下，AI炼金术是如何从数据中挖掘出价值的。如图 ## PDF_PHYSICAL_PAGE_INDEX=448 | PRINTED_PAGE=NOT_DETECTED 3-1所示，这整个过程包含了四个步骤。我们将通过全球知名的高端化妆品品牌兰蔻使用人工智能机器人促进销量的案例来进行仔细分析。 第一步，从数据产生决策。消费者千千万，每个人都有各自的喜好和适用款，所以他们的行为是多样的；而从人的单方面观感上又很难判断哪类人、多少人喜欢怎样的商品、怎样的服务，适合怎样的款式。为此，兰蔻引入人工智能机器人，并使其化身为兰蔻专柜导购中的一员。要使人工智能机器人胜任这个岗位需要做很多前期准备，其中最重要的两点是——第一，熟记并灵活运用所有产品信息、卖点和美妆知识；第二，快速明确顾客需求，推荐给顾客真正需要的东西。 ## PDF_PHYSICAL_PAGE_INDEX=449 | PRINTED_PAGE=NOT_DETECTED 从具体场景来说，兰蔻专柜的大部分顾客是女性，但不同女性对化妆品、护肤品的需求千差万别。有的人注重爆款，有的人注重功效，有的人注重成分，甚至有人买化妆品只是为了试色。对于过往的真人导购来说，首先，他们必须了解每一种产品的功效、成分、适用人群等，才能很好地应对顾客的层层“拷问”。其次，导购还需要熟悉不同肤质、不同肤色、不同脸型的顾客适合的美妆产品，才能留住顾客的心。人工智能机器人导购员如何掌握这样的“读心术”呢？一方面，人工智能机器人通过与顾客进行对话交流，理解和预测出顾客的需求；另一方面，人工智能机器人还需要从多种来源的数据中挖掘获取美妆行业的知识，并通过分析整合，为用户进行精准的推荐与引导，让顾客享受到愉悦的购物体验。 决策到行动：为了提高顾客满意度，我使尽浑身解数 第二步，从决策到具体行动。从数据到决策的过程让我们知道了不同用户的需求，为具体行动提供了方向。具体行动是要深入到个体，根据目标用户的具体喜好来分析的。为了让用户的体验最优化，人工智能机器人做足了功课，不遗余力地提高顾客的满意度。在给顾客进行推介交流时，人工智能机器人可以像真人导购一样为大家进行对话式个性化推荐。 在对话的场景下，人工智能机器人可以通过三种方式向顾客进行推介。首先是要理解顾客的语言来分析对方需求，例如，对方说：“我这几天脸上皱纹有点多，皮肤也很干，有什么产品推荐吗？”人工智能机器人能够根据对这些语句的理解和分析，进行智能推荐： 下一段：[继续读取](https://workshop.closeclaw.top/api/ai/read/396e1bee-219e-4bee-9884-3214c17ff8f5.md?start=450&limit=10)