編輯導語：本文作者根據自己從0到1搭建指尖查詞功能的經驗，以大力智能台燈産品為例，從産品經理的視角，梳理了AI産品（計算機視覺産品）的工作流，感興趣的小夥伴們一起來看一下吧。

最近在做類似大力和有道的智能台燈産品，從0到1搭建了指尖查詞功能，對AI産品算是有了一些基礎的理解。

本文試圖以産品經理的視角梳理AI産品（計算機視覺産品）的工作流。

一、工作流框架

下圖是一個AI産品的大概框架。這裡面關鍵的認知是，AI能力疊代是跟産品功能疊代平行的、一條需要基于反饋不斷疊代的一個子工作流。

引用自微軟《人工智能系統》

基于兩者是平行的流程，我們可以借鑒産品經理的工作流，對AI産研的工作流程進行拆解和構建。下面，我們來看一下每個流程中AI産研應該關注的問題。

二、需求分析

在需求分析階段，對AI産研來說，同樣需要了解用戶、場景、需求。接下來舉一些例子。

1. 場景分析

不同的場景對于AI的需求是不一樣的。比如在于指尖查詞項目中，我們需要了解用戶在使用智能硬件産品時的燈光環境，這個涉及到我們對于算法訓練集的選擇。

在學習場景中，可能很多家長或者孩子會在光線很暗情況下看書，但是他們可能自己并不知道。

還有的人家裡的燈光很黃，拍出來的圖像就會顯模糊。還有的圖像會有一些暗光甚至局部曝光。

另外，有些攝像頭會在不同的光線之下自動做白平衡，這會導緻最後出來的圖像差異非常大，這些都會導緻最後算法的準确率很差。

——紙上世界創始人分享

2. 痛點分析

我們需要了解用戶在某個場景下的問題，然後分析AI對此問題能否有效（提升效率、降低成本、提升體驗）。

比如在指尖查詞項目中，用戶原有的解決方案比如查紙質字典，就存在以下問題：

1）便捷性差

字典是個大塊頭，不方便攜帶，一般都放在書桌。

2）查找效率低

尋找一個目标單詞需要先找到首個字母所在的大概位置，然後再進一步去找該單詞，定位比較麻煩。

3）信息維度不夠

比如詞典裡面的單詞音标，目的是教小朋友學習發音，但是低年級的小朋友是沒有學到音标的。所以這些學生要有标準的發音進行引導，除此之外，還需要有發音的口型教學内容。基于計算機視覺的AI能力，類似有道詞典筆的産品可以大幅提升查找效率，這是整個産品能夠成立的關鍵。

3. 可行性分析

除了驗證AI能否有效以外，我們還需要知道我們的AI是否可行。比如在指尖查詞項目中，我們就需要知道用戶對于AI的要求，比如以下指标：

如果我們算法的精度大大低于用戶的預期，則項目無法成功。

三、競品研究

AI能力也需要進行競品研究，我覺得可以從技術的成熟程度來進行對應的競品研究。

1. 前沿技術創新

很多前沿技術雖然還沒有被大規模投入使用，但是已經能産出很多demo了。尋找這一類的競品，我覺得可以在github上面找到。

比如，我跟算法同學聊了指尖的軌迹跟蹤，立馬丢給我一個github的軌迹跟蹤的項目deepsort。

類似這種，github上的技術，對于自研AI的團隊來說非常重要，一方面這些内容能夠讓我們了解技術的能力邊界，另外一方面，基于這些開源的算法，我們能夠快速搭建demo。

2. 業界成熟的技術

這一類可以從AI平台找到，比如百度、華為、阿裡、騰訊這種AI大廠的開放平台，就展示各種已經成熟的AI能力，以及成功案例。

比如以百度AI為例，其官網就有非常多的技術，值得學習。

四、算法設計

在算法同學進行算法設計時，我們AI産品需要知道算法，這樣有利于我們進行産品設計，我覺得以下兩個是一個好的切入點。

1. 整體框架

對于AI産品來說，雖然不需要寫算法，但是知道整個算法的框架有利于産品設計。

比如在指尖查詞項目中，如果在客戶端部署了指尖檢測的算法，我們就可以在檢測到指尖時，給予用戶及時的狀态反饋，而不用等到整個文字識别結果返回才給到反饋。

推測大力的整體框架

對于算法，我們産品經理不應該把它當做黑盒子，而是應該了解，然後在此基礎上做出更好的産品。

2. 接口文檔

除了整體的框架，我們AI産品還可以通過了解接口文檔，來增進對于算法的了解。

比如我們看了百度OCR的接口文檔，我們發現AI能夠識别文字的角度。基于這個能力，我們可以在發現用戶書本方向放錯時，給予用戶及時的反饋。

五、需求文檔

在需求文檔這塊，除了傳統的需求文檔模塊之外，AI産品（計算機視覺産品）可能需要需要在以下幾個層面進行深入。

1. AI交互細節

大力台燈在指尖查詞上的交互給業界定了一個标杆。具體而言，大力定義了幾種交互狀态：

1. 開始檢測：方括号開始閃動
2. 檢測到用戶的手指：方括号内出現手指
3. 識别到手指後，開始進行文字識别：方括号開始出現轉圈

大力交互厲害的地方在于通過對三個圖标（方括号、手指、加載圓圈）進行簡單的組合，就構建了一套交互體系，給到用戶即時反饋。

整個解決方案，對于用戶來說學習成本比較低，是一個比較優雅的解決方案。

2. 異常情況處理

由于算法在早期的效果是不夠理想的，所以我們要界定一些超出AI能力的異常情況，也就是黑話“兜底”。

比如計算機視覺中一直沒有返回圖像識别結果，對話機器人中一直無法判斷用戶是否說完話或者用戶意圖，等等。大部分的兜底策略就是用開玩笑的口吻回應用戶，比如“這個單詞還沒學會”、“這個技能還要再練習”。

3. 指标需求

一些關于AI能力的指标需求，常見的指标如下：

• 準确率、錯誤率
• 精确率（查準率）、召回率、F1
• ROC曲線、AUC
• 計算速度、結果返回耗時、魯棒性

六、冷啟動策略

1. 算法冷啟動流程

算法最終會達到一個正向循環，即上線後拿到用戶數據，對這些數據标注後，訓練算法，提升算法性能，然後會有更好的體驗，會有更多的用戶使用，接着拿到更多的用戶數據，走向正循環。

但是剛開始的時候，沒有大量數據進行訓練的時候，算法性能是不高的，需要慢慢達到正循環，再次之前的過程，我理解為算法的冷啟動。

2. 接入服務 vs 自研

如果我們是接入百度、華為等大平台的AI能力，那冷啟動的過程相對來說要快很多，但是一個要注意的問題是大平台的服務相對來說是通用的，可能對于我們自己的垂直場景沒有做過優化，估計數據表現也不會很好。

百度有一個EasyDL的平台，是專門解決這個問題的。

如果我們的深度學習算法是自研，我們可以通過以下幾個層面的行動進行算法的冷啟動：

算法層面：把開源的算法拿來用，進行遷移學習，從而快速達到一定的算法精度。

數據采集/标注:

• 購買市面上已有的數據集
• 機器合成對應場景的數據，快速生成訓練集
• 通過人工或者工具産品的方式，收集對應場景的真實數據，進行标注

3. 場景容錯性判斷

我們知道算法的精準度等指标剛開始是不理想的，尤其是在自研的情況下，我們需要讓用戶先用起來，然後收集數據之後，再進行訓練和疊代。

其實這個跟産品的MVP很像，剛開始發布的第一個版本，也不是一個完美的版本，需要用戶用起來之後進行疊代才行。

但是在冷啟動的時候，要考慮場景的容錯性。比如自動駕駛領域，可能對于計算機視覺的能力要求非常高，出錯了會造成乘客的生命危險，這個場景的容錯性是很低的，所以這種産品内部要做很多測試，達到較高的标準之後，才能發布給用戶體驗。

但是，對于很多場景容錯性相對較高，比如娛樂遊戲場景，則标準比較低，可以盡快上線，接受用戶的反饋。

七、算法疊代

1. 準備測試集

我在做指尖查詞的産品過程中，跟着算法工程師一起把算法的準确率從70% 提升到了90% ，可以分享一下整個過程。

深度學習作為監督學習，需要大量數據進行訓練。這些數據分為三個部分，訓練集、驗證集和測試集。

• 訓練集：相當于課後的練習題，用于日常的知識鞏固
• 驗證集：相當于周考，用來糾正和強化學到的知識
• 測試集：相當于期末考試，用來最終評估學習效果

對于AI産品經理來說，我們需要測試集，這樣方便我們對深度學習算法進行評估。

2. 分析測試集數據

準備測試集之後，我們基于算法的框架，使用漏鬥模型，得出每個節點的準确率。

比如，對于指尖查詞來說，算法從開始識别，到最終識别成功，可以用以下的漏鬥模型進行表示。

通過測試集的數據分析，我們發現，主要的問題出現在3-4層、4-5層漏鬥中，即指尖識别的坐标錯了（識别到别的字了）、文字識别錯誤（類似把apple識别為abble）。

更具體而言，整個測試集樣本中，有12%的樣本是指尖識别坐标錯誤，有6%是因為文字識别錯誤，所以我們第一個版本的準确率大概隻有70%左右。

3. 找到改進機會點

1）指尖識别坐标錯誤

算法同學對于錯誤的樣本原因進行分析，發現對于指尖識别坐标錯誤這一類型，是屬于算法優化的點。

主要理由是，算法同學判斷指尖附近内容的方法存在問題。優化之後，後面幾乎沒有坐标識别錯誤，正确率一下子提升了12%個點。

2）文字識别錯誤

對于識别錯誤，算法同學同樣對錯誤的樣本進行分析，并且分類。如下面所示：

主要的解決方案是針對細分場景，準備更多的數據進行訓練，或者基于更優的規則，以提升準确率。

4. 疊代算法

經過一個周期的努力，我們把算法的準确率從70% 提升到了90% ，用戶的體驗有了質的提升。

八、用戶體驗管理

早期算法還不是很厲害的時候，我們需要主動做一些用戶體驗管理。我覺得可以從以下幾個層面進行管理：

1. 預期管理

基于我們場景的容錯率，我們的産品要在滿足用戶的最低要求後，才能給到他們使用。發布之後，最好也要進行預期管理，告知目前哪些場景可以支持，準确率怎麼樣，哪些又不能支持，希望能夠給到用戶合理的預期。

2. 容錯設計

比如指尖查詞場景裡面，當算法不确定用戶是指哪一個單詞時，我們可以把兩個相近的兩個單詞都給出來，方便用戶進行挑選。

類似以下場景中，大力台燈把【朱】【旭】都展示出來，用戶可以通過切換得到自己想要的詞。

競品的指尖查詞（圖來自藍鲸教育）

3. 用戶反饋問題入口

某些場景我們的算法确實搞錯了，則可以留一個入口給到用戶。一方面給到用戶一個宣洩的渠道，另外一方面也可以作為一個樣本給到我們去判斷底層的問題。

4. 規範用戶行為

有一些場景AI功能還未覆蓋，則我們需要規範用戶行為，告知目前不支持這些場景。

比如，我們的OCR識别還不識别手寫體，則用戶拿手寫體過來時，則要告知用戶不支持手寫體，不然用戶會很有挫敗感，類似還有：

• 燈光過暗
• 字體過大或過小
• 書本折疊
• 手指蓋住單詞
• 識别非目标語言的文字

5. 系統思考：不止AI

不能把所有的體驗問題都歸咎于AI算法，比如在識别過程中的耗時問題，除了AI算法可能存在問題外，我們的app可能在攝像頭打開、識别結果數據庫對比等環節都存在耗時過多的問題。

我們要進行系統思考，這樣才能定位到真正的問題。

以上就是從産品經理的視角梳理AI産品的工作流，請多多指教。

本文由 @小明的産品筆記 原創發布于人人都是産品經理，未經作者許可，禁止轉載

題圖來自 Unsplash，基于 CC0 協議

,

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!

查看全部