惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

J
Java Code Geeks
Martin Fowler
Martin Fowler
B
Blog RSS Feed
D
DataBreaches.Net
L
LangChain Blog
月光博客
月光博客
S
SegmentFault 最新的问题
阮一峰的网络日志
阮一峰的网络日志
V
Visual Studio Blog
美团技术团队
Jina AI
Jina AI
博客园 - 司徒正美
雷峰网
雷峰网
Last Week in AI
Last Week in AI
让小产品的独立变现更简单 - ezindie.com
让小产品的独立变现更简单 - ezindie.com
IT之家
IT之家
博客园 - 三生石上(FineUI控件)
WordPress大学
WordPress大学
小众软件
小众软件
罗磊的独立博客
博客园_首页
freeCodeCamp Programming Tutorials: Python, JavaScript, Git & More
A
About on SuperTechFans
Engineering at Meta
Engineering at Meta

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理,
【入门科普】AI三要素:数据、算法、算力
李文杰 · 2024-01-02 · via 人人都是产品经理

AI算是2023年最热门的风口了。不少同学都希望进入AI行业,那要如何入行呢?这篇文章,作者总结了AI的三要素:数据、算法、算力。希望这些基础知识能帮助大家入门。

当谈到人工智能时,你必须要知道AI三要素:数据、算法、算力。你可以把数据想象成食材,算法想象成食谱,算力就像是烹饪的厨房设备。

没有好的食材和食谱,再先进的厨房设备也无法做出美味的菜肴。

一、数据好比食材

数据对于AI,好比食材对于美食。

没有酸菜,康师傅做不出老坛酸菜牛肉面;

没有茅台,瑞幸做不出酱香拿铁;

没有冰块,蜜雪冰城应该叫蜜城。

光有数据不够,就像仅仅“有”食材是不够的,对食材本身主要有以下要求:

1. 数据质量

不能用被脚踩出来的劣质酸菜去生产产品,要在正式生产前就把劣质数据给识别过滤掉,这在AI训练里叫做数据清洗。

2. 数据量

只有一瓶茅台生产不了酱香拿铁这个产品,得是卡车成吨成吨的供应。所以这也是为什么说谷歌百度这样的公司做AI很有优势的原因。

3. 数据多样性

只有牛奶和茶可撑不起奶茶店,还得有椰果、红豆、珍珠、仙草,才能做出丰富多样的奶茶。所以做汽车自动驾驶AI的,不能只在测试道路跑,他得在乡村、夜间、停车场 等等各种场景下采集数据。

总结起来对于AI来说,数据:要好,要多,要全

二、算法好比食谱

食谱教会我们如何处理食材,而算法则告诉计算机如何处理海量数据

用不同的算法好比各种菜系的食谱,不同的菜系食谱满足不同的口味需求,不同的算法满足不同场景的需求。

例如:

1. 文本算法

科大讯飞的AI转写工具可以帮助记者实时生成文字稿、自动撰写摘要、调整文风、精简文本等,提高工作的整体节奏,保障最终产出的时效性。

2. 图形算法

阿里巴巴研发的AI模特平台塔玑允许商家生成成千上万种五官组合的虚拟模特,上传手机拍摄的衣服平铺图或服装设计矢量图后,即可生成模特身穿产品的广告图。

3. 语音算法

“注意看,这个男人叫小帅。”短视频平台的很多电影解说都伴随这句话开始,抑扬顿挫的男声搭配一些电影的高潮情节画面,再加上相似的解说套路和背景音乐,这其实就是AI生成语音的典型应用

4. 视频算法

在电影《速度与激情7》中,由于男主角保罗·沃克在拍摄中途不幸离世,制作团队联合维塔特效公司,从先前未使用的镜头中收集保罗的面部数据,让他最终得以在电影中“重生”。

三、算力好比厨具

厨房是厨师施展才华的舞台,算力则是AI施展手脚的条件。

根据OpenAI分析,自2012年以来,6年间AI算力需求增长约30万倍。也就是说如果说以前的AI算力是一个小灶台可以供一个家庭吃饭,那么现在的算力需求是要有个超级灶台,要供应一个城市的所有人吃饭。

关于算力主要下面三个要素:

1. 数据存储

厨房要能足够大,才能储存足够丰富的食材。

2. 计算速度

厨房的火力得猛,上菜速度才能够快

3. 节能效率

超级厨房得省电,上的菜才能便宜,普通人才能用的起

四、全文总结

数据作为基础,算法作为引擎,算力作为支撑,它们共同构成了人工智能的核心,希望本文能让你对AI三要素有个简单的了解。

世界变化只会越来越快,我们一起学习AI知识,紧跟时代潮流~

我叫杰豆,一个喜欢噢耶的91年爸爸,感谢你的阅读!

本文由 @李文杰 原创发布于人人都是产品经理。未经作者许可,禁止转载。

题图来自Unsplash,基于CC0协议。

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。