AI产品经理如何理解深度学习革命?
作者：微信文章年前研究AI for Science，发现AI4S进展很大程度上是强化学习和生成式AI应用促成的。春节阅读了《深度学习革命》，能从更大的时间和空间范围看当下技术进展，今天我们仍身处深度学习革命浪潮中，这也是美股七姐们过去上涨的逻辑，美国称为「AI革命」，国内这么讲的不太常见。本篇探讨下对深度学习革命的理解。
厚积薄发
人工智能的发展，离不开人类对大脑原理的理解与探索热情。辛顿是深度学习领袖，一直致力于神经网络的研究。在人工智能长期冷门的情况下，需要一直坚持与天马行空，不受数学与计算机约束，而过去神经网络起作用受限于算法、数据、算力的多重限制。
符号主义相比连接主义明显是更「现实」和接近「落地」的方案，但也遇到了通过编写专家规则，描述语言规则并让机器理解，存在写不完、不可穷尽的问题，但在某些封闭小场景也够用。
随着深度学习在2012年证明技术路线更有前景，书中提到谷歌、Deepmind、百度等竞价收购辛顿的公司，Facebook、微软便加入抢人才战局，英伟达GPU的价值逐步凸显。此时国内百度将深度学习用于凤巢广告推荐代替专家规则推广告，今日头条和淘宝分别将智能推荐应用于内容分发和电商分发场景，展现了极大的生命力。
随着深度学习在视觉、语音、翻译、问答机器人等场景展现出显著价值，大量学术圈AI人才进入工业界，从经费、待遇、硬件资源上展现了有竞争力的优势。国内各种AI Lab都是在这样大背景下成立，OpenAI是马斯克和奥特曼在对抗大公司垄断背景下成立。
以身入局
刚出校门时，移动互联网流量红利消失，为错过最快发展期沮丧。阅读《深度学习革命》时，不免将深度学习国内外进展与自己人生的时间线对齐，对照当初自己在做的事情。
11年在做本科毕业设计时，当时的题目是「手势识别」，基本逻辑是，通过硬件收集手势信息，并将手势信息编码成数字化信息，再通过模式识别算法识别手势类别。现在来看，是个人工智能领域典型分类问题，当初叫模式识别，并不是人工智能的话术。从《深度学习革命》历史来看，不难理解，早期讲人工智能被认为是骗子，很多文章和成果为了更好被接受，都收敛到「模式识别」。
12年参加京东在中南大学的招聘宣讲会，京东招聘人员提到了他们的智能化，可以做到用户下单前就将商品运到特定仓库，从而提升服务的效率。现在来看，是通过销量/需求预测，提前做了补货的动作，在供应链领域已经算是比较成熟的应用。但在当时第一次听到感到非常神奇。
毕业之前，学校组织到深圳华为参观，除了华为介绍他们的业务和情况外，也到华为的仓库参观，当时华为的仓库已经能做到通过工业机器人自动寻找和排布货物，大大提升效率。
之后几年在学校读研，整体还是移动互联网渗透的过程，正在酝酿的深度学习革命也伴随互联网渗透逐步展现出价值。
15年移动互联网有个创业方向是智能助手，讲的是智能助手可以帮着打滴滴、点外卖，故事很有吸引力，但由于当时NLP技术限制，最终证明背后是一堆客服在对接，只是将原来电话客服变成了app界面图文客服。
在当时追科技的影响下，海外亚马逊的echo智能音箱一度很火，当时还专门买了echo dot版本玩，后来发现在国内服务受限一直吃灰。之后几年的小度音箱和天猫精灵可用性高于echo，最后也主要作为听歌工具，并没有兑现当年互联网入口的畅想。
16年第一份工作到了当年四大门户之一做新闻客户端APP，当时图文新闻领域正在经历内容分发革命。传统门户站通过大量编辑生产和排布版面内容，新一代基于深度学习的智能推荐系统今日头条在攻城略地。当时的门户公司体现出了「精神分裂」，由于理解惯性问题，很多员工和领导瞧不上今日头条内容low、缺乏品质和调性；而今日头条则注重分发效率，不在乎创作和编辑分发，门户公司虽然瞧不上但仍然被迫跟随，整个公司不同阵营在品质「编辑流」和效率「推荐流」来回拉扯，互相攻伐。
17年看到门户公司江河日下，随即离职，在离职前有个朋友介绍有个短视频产品很有趣增长迅速，那个产品叫「抖音」，现在回头看短视频相比于图文是更容易和自然的人类接收信息方式，深度学习智能推荐应用于短视频推荐上，很快挤压了传统门户和图文分发，展现出了碾压性优势。
随即入职了当时一家AI初创公司，这家公司由于在金融领域将深度学习应用于风控和反欺诈场景大获成功。之后便开启更多领域技术扩散尝试，由于过去智能推荐的C端经验，开始将算法智能推荐应用到各类场景，在客观上促进了深度学习革命的技术扩散。当时主要将智能推荐产品向传统内容、电商和媒体网站扩散，之后一份工作还将智能推荐扩展到了广电领域。
同时期由于将经验对外分享，逐步认识了深度学习在更多领域落地的同行，有做语音、视觉技术领域的，当时也接触到将深度学习应用到金融、AI疾病筛查、机器人、音箱、制药等领域，但由于视野受限并不清楚更多情况。
20年经历了第二段智能推荐工作后，也做了一些基于专业规则的规则引擎产品，在实际使用中会发现，国内业务人员素质和对业务的理解会限制规则引擎的应用，规则引擎产品并不是一个好落地的方向，价值要对外部形成很多依赖才能兑现。于是没有留恋这些工具产品，继续选择AI。
眼花缭乱
之后的工作到了一个纯AI的环境中，视觉、语音、语言、决策等方向众多，不同方向都在试图将AI包装成产品实现商业化。起初个人经验限于过去智能推荐以及对数据智能有一些了解，转正时当时大领导给反馈视野要开阔一些，回头看是很中肯的建议。
用了大半年的时间跟踪智能推荐和知识图谱商业化，但逐步会发现NLP受限于当时技术限制，单独很难实现端到端的商业化，这也解释了上一波AI浪潮并没有NLP方向独角兽出现。之后换团队做时序智能在产业落地，直到去年扩展到了大模型和运筹优化在产业落地。
早在23年便接触了大语言模型，当时形成了一些业务落地判断，如今依然适用。可惜的是，22年当时一批同事离开转到产业界，其中一个重要的原因，便是对上一代AI落地的失望，没有等到生成式AI的大爆发。现在看来，大语言模型爆发只是生成式AI爆发的前站。
如今大语言模型一波波的新成果，已经逐步出圈，产生了实际的改变。生成式AI的技术也逐步被更多场景和任务中被应用，并证明有效，正在深刻改变着产业界，这个进程仍要持续很多年。
春节前deepseek提出了训练更具性价比的方案，对于促进深度学习革命再添一把火。假设延伸编写深度学习革命历史，这必是绕不开的重要进展。
国内企业和机构争先集成和利用deepseek，极大的扩展了智能问答获取信息的渗透度，原本大量要用百度搜索的场景被分流，即便百度短期受大盘影响上涨，中长期看百度业绩下滑和价值下限更低不可避免。
技术的渗透不会一蹴而就。chatgpt刚出现时，谷歌价格跌了很大一波，之后大众发现并没有对谷歌业绩造成实质影响，股价又连创新高。而deepseek这波浪潮后，百度和谷歌又接连受到影响。在国内微信、抖音、携程、美团等都在逐步蚕食通用搜索需求，随着一个个搜索场景被其他产品替代，百度的使用场景逐步萎缩。
deepseek出现带动了大众对于deepseek概念的追逐，企业争先恐后部署安装，大众通过股市投票概念股和推动科技板块上涨。但作为从业者，深刻理解应用落地并不容易，美股七姐们股价松动恰恰是AI并没有带来预期的云增长。
不管是从业还是炒股，都不要因为错过机会沮丧，而是把它看成一个过程中的一个环节，深度学习革命还远远没有结束。
「产品经理读书会」
专注于爱读书爱思考的产品人提供读书推荐、产品思考、以书会友的环境
欢迎爱读书的产品人分享产品道路上的感悟
欢迎关注公众号：产品经理读书会
https://mmbiz.qpic.cn/mmbiz_jpg/XZicHk2KASRicEpyCXAfic5O5W3KRwaxX6yel9wsxFCWNbicqrAPicTtg8Z6XB9c3Z1sjKjbtXEyHMRXToFia0nibGzgQ/640?wx_fmt=other&wxfrom=5&wx_lazy=1&wx_co=1&tp=webp
长按二维码关注我们
改变世界
页:
[1]