编辑导语：本文作者根据自己从0到1搭建指尖查词功能的经验，以大力智能台灯产品为例，从产品经理的视角，梳理了AI产品（计算机视觉产品）的工作流，感兴趣的小伙伴们一起来看一下吧。
最近在做类似大力和有道的智能台灯产品，从0到1搭建了指尖查词功能，对AI产品算是有了一些基础的理解。
本文试图以产品经理的视角梳理AI产品（计算机视觉产品）的工作流。
下图是一个AI产品的大概框架。这里面关键的认知是，AI能力迭代是跟产品功能迭代平行的、一条需要基于反馈不断迭代的一个子工作流。
引用自微软《人工智能系统》
基于两者是平行的流程，我们可以借鉴产品经理的工作流，对AI产研的工作流程进行拆解和构建。下面，我们来看一下每个流程中AI产研应该关注的问题。
在需求分析阶段，对AI产研来说，同样需要了解用户、场景、需求。接下来举一些例子。
不同的场景对于AI的需求是不一样的。比如在于指尖查词项目中，我们需要了解用户在使用智能硬件产品时的灯光环境，这个涉及到我们对于算法训练集的选择。
在学习场景中，可能很多家长或者孩子会在光线很暗情况下看书，但是他们可能自己并不知道。
还有的人家里的灯光很黄，拍出来的图像就会显模糊。还有的图像会有一些暗光甚至局部曝光。
另外，有些摄像头会在不同的光线之下自动做白平衡，这会导致最后出来的图像差异非常大，这些都会导致最后算法的准确率很差。
——纸上世界创始人分享
我们需要了解用户在某个场景下的问题，然后分析AI对此问题能否有效（提升效率、降低成本、提升体验）。
比如在指尖查词项目中，用户原有的解决方案比如查纸质字典，就存在以下问题：
1）便捷性差
字典是个大块头，不方便携带，一般都放在书桌。
2）查找效率低
寻找一个目标单词需要先找到首个字母所在的大概位置，然后再进一步去找该单词，定位比较麻烦。
3）信息维度不够
比如词典里面的单词音标，目的是教小朋友学习发音，但是低年级的小朋友是没有学到音标的。所以这些学生要有标准的发音进行引导，除此之外，还需要有发音的口型教学内容。基于计算机视觉的AI能力，类似有道词典笔的产品可以大幅提升查找效率，这是整个产品能够成立的关键。
除了验证AI能否有效以外，我们还需要知道我们的AI是否可行。比如在指尖查词项目中，我们就需要知道用户对于AI的要求，比如以下指标：
如果我们算法的精度大大低于用户的预期，则项目无法成功。
AI能力也需要进行竞品研究，我觉得可以从技术的成熟程度来进行对应的竞品研究。
很多前沿技术虽然还没有被大规模投入使用，但是已经能产出很多demo了。寻找这一类的竞品，我觉得可以在github上面找到。
比如，我跟算法同学聊了指尖的轨迹跟踪，立马丢给我一个github的轨迹跟踪的项目deepsort。
类似这种，github上的技术，对于自研AI的团队来说非常重要，一方面这些内容能够让我们了解技术的能力边界，另外一方面，基于这些开源的算法，我们能够快速搭建demo。
这一类可以从AI平台找到，比如百度、华为、阿里、腾讯这种AI大厂的开放平台，就展示各种已经成熟的AI能力，以及成功案例。
比如以百度AI为例，其官网就有非常多的技术，值得学习。
在算法同学进行算法设计时，我们AI产品需要知道算法，这样有利于我们进行产品设计，我觉得以下两个是一个好的切入点。
对于AI产品来说，虽然不需要写算法，但是知道整个算法的框架有利于产品设计。
比如在指尖查词项目中，如果在客户端部署了指尖检测的算法，我们就可以在检测到指尖时，给予用户及时的状态反馈，而不用等到整个文字识别结果返回才给到反馈。
推测大力的整体框架
对于算法，我们产品经理不应该把它当做黑盒子，而是应该了解，然后在此基础上做出更好的产品。
除了整体的框架，我们AI产品还可以通过了解接口文档，来增进对于算法的了解。
比如我们看了百度OCR的接口文档，我们发现AI能够识别文字的角度。基于这个能力，我们可以在发现用户书本方向放错时，给予用户及时的反馈。
在需求文档这块，除了传统的需求文档模块之外，AI产品（计算机视觉产品）可能需要需要在以下几个层面进行深入。
大力台灯在指尖查词上的交互给业界定了一个标杆。具体而言，大力定义了几种交互状态：
大力交互厉害的地方在于通过对三个图标（方括号、手指、加载圆圈）进行简单的组合，就构建了一套交互体系，给到用户即时反馈。
整个解决方案，对于用户来说学习成本比较低，是一个比较优雅的解决方案。
由于算法在早期的效果是不够理想的，所以我们要界定一些超出AI能力的异常情况，也就是黑话“兜底”。
比如计算机视觉中一直没有返回图像识别结果，对话机器人中一直无法判断用户是否说完话或者用户意图，等等。大部分的兜底策略就是用开玩笑的口吻回应用户，比如“这个单词还没学会”、“这个技能还要再练习”。
一些关于AI能力的指标需求，常见的指标如下：
算法最终会达到一个正向循环，即上线后拿到用户数据，对这些数据标注后，训练算法，提升算法性能，然后会有更好的体验，会有更多的用户使用，接着拿到更多的用户数据，走向正循环。
但是刚开始的时候，没有大量数据进行训练的时候，算法性能是不高的，需要慢慢达到正循环，再次之前的过程，我理解为算法的冷启动。
如果我们是接入百度、华为等大平台的AI能力，那冷启动的过程相对来说要快很多，但是一个要注意的问题是大平台的服务相对来说是通用的，可能对于我们自己的垂直场景没有做过优化，估计数据表现也不会很好。
百度有一个EasyDL的平台，是专门解决这个问题的。
如果我们的深度学习算法是自研，我们可以通过以下几个层面的行动进行算法的冷启动：
算法层面：把开源的算法拿来用，进行迁移学习，从而快速达到一定的算法精度。
数据采集/标注:
我们知道算法的精准度等指标刚开始是不理想的，尤其是在自研的情况下，我们需要让用户先用起来，然后收集数据之后，再进行训练和迭代。
其实这个跟产品的MVP很像，刚开始发布的第一个版本，也不是一个完美的版本，需要用户用起来之后进行迭代才行。
但是在冷启动的时候，要考虑场景的容错性。比如自动驾驶领域，可能对于计算机视觉的能力要求非常高，出错了会造成乘客的生命危险，这个场景的容错性是很低的，所以这种产品内部要做很多测试，达到较高的标准之后，才能发布给用户体验。
但是，对于很多场景容错性相对较高，比如娱乐游戏场景，则标准比较低，可以尽快上线，接受用户的反馈。
我在做指尖查词的产品过程中，跟着算法工程师一起把算法的准确率从70%+提升到了90%+，可以分享一下整个过程。
深度学习作为监督学习，需要大量数据进行训练。这些数据分为三个部分，训练集、验证集和测试集。
对于AI产品经理来说，我们需要测试集，这样方便我们对深度学习算法进行评估。
准备测试集之后，我们基于算法的框架，使用漏斗模型，得出每个节点的准确率。
比如，对于指尖查词来说，算法从开始识别，到最终识别成功，可以用以下的漏斗模型进行表示。
通过测试集的数据分析，我们发现，主要的问题出现在3-4层、4-5层漏斗中，即指尖识别的坐标错了（识别到别的字了）、文字识别错误（类似把apple识别为abble）。
更具体而言，整个测试集样本中，有12%的样本是指尖识别坐标错误，有6%是因为文字识别错误，所以我们第一个版本的准确率大概只有70%左右。
1）指尖识别坐标错误
算法同学对于错误的样本原因进行分析，发现对于指尖识别坐标错误这一类型，是属于算法优化的点。
主要理由是，算法同学判断指尖附近内容的方法存在问题。优化之后，后面几乎没有坐标识别错误，正确率一下子提升了12%个点。
2）文字识别错误
对于识别错误，算法同学同样对错误的样本进行分析，并且分类。如下面所示：
主要的解决方案是针对细分场景，准备更多的数据进行训练，或者基于更优的规则，以提升准确率。
经过一个周期的努力，我们把算法的准确率从70%+提升到了90%+，用户的体验有了质的提升。
早期算法还不是很厉害的时候，我们需要主动做一些用户体验管理。我觉得可以从以下几个层面进行管理：
基于我们场景的容错率，我们的产品要在满足用户的最低要求后，才能给到他们使用。发布之后，最好也要进行预期管理，告知目前哪些场景可以支持，准确率怎么样，哪些又不能支持，希望能够给到用户合理的预期。
比如指尖查词场景里面，当算法不确定用户是指哪一个单词时，我们可以把两个相近的两个单词都给出来，方便用户进行挑选。
类似以下场景中，大力台灯把【朱】【旭】都展示出来，用户可以通过切换得到自己想要的词。
竞品的指尖查词（图来自蓝鲸教育）
某些场景我们的算法确实搞错了，则可以留一个入口给到用户。一方面给到用户一个宣泄的渠道，另外一方面也可以作为一个样本给到我们去判断底层的问题。
有一些场景AI功能还未覆盖，则我们需要规范用户行为，告知目前不支持这些场景。
比如，我们的OCR识别还不识别手写体，则用户拿手写体过来时，则要告知用户不支持手写体，不然用户会很有挫败感，类似还有：
不能把所有的体验问题都归咎于AI算法，比如在识别过程中的耗时问题，除了AI算法可能存在问题外，我们的app可能在摄像头打开、识别结果数据库对比等环节都存在耗时过多的问题。
我们要进行系统思考，这样才能定位到真正的问题。
以上就是从产品经理的视角梳理AI产品的工作流，请多多指教。
本文由 @小明的产品笔记 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
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。