《AI落地：讓人工智慧為你所用》是2024年機械工業出版社出版的圖書。
基本介紹
- 中文名：AI落地：讓人工智慧為你所用
- 作者：王海屹
- 出版時間：2024年2月
- 出版社：機械工業出版社
- ISBN：9787111740599
- 開本：16 開
- 裝幀：平裝-膠訂
內容簡介,圖書目錄,作者簡介,
內容簡介
面對人工智慧（AI）這一技術名詞和概念，你是否以為它門檻高、特複雜、難以落地？
面對人工智慧產品爆發式湧現，你是否擔心它會奪走你的工作，進而產生恐慌和憂慮？
面對日常見到的“人工智障”工具，你是否對人工智慧產生過質疑？
進入人工智慧時代，你能夠做什麼？需要掌握哪些技能？如何讓技術為自己服務？
本書結合人工智慧落地的方法和案例，採用通俗易懂的語言，為你揭開人工智慧的面紗，教你尋找在生活中、工作中適合人工智慧落地的場景，以及評價其價值的方法，助你實現降本增效的目標。書中不僅將算法原理和思維融入日常熟知事物做對比，以便讓你了解技術，還總結了人工智慧落地的步驟和評估方法來幫助讀者找到人工智慧落地潛在的機會，使讀者能夠在閱讀完本書內容後，對於人工智慧的套用場景及如何實際操作成功落地部署有一定的了解。此外，閱讀本書，讀者還可以了解目前人工智慧技術的局限及後續的技術發展方向。
本書適合正在或希望從事人工智慧產品設計和運營的人員、與人工智慧相關的技術人員、想認識和充分了解人工智慧發展的人員閱讀。
圖書目錄
第1章 一場“特殊”的人工智慧之旅
1.1 為什麼“特殊” / 2
1.1.1 人工智慧為什麼重要 / 2
1.1.2 人工智慧是什麼 / 6
1.1.3 生活中的人工智慧可以幫你做什麼 / 8
1.1.4 工作中的人工智慧可以幫你做什麼 / 11
1.2 人工智慧擅長的和不擅長的 / 15
1.2.1 人工智慧的局限和落地的依賴 / 15
1.2.2 人工智慧的優勢 / 20
1.2.3 如何判斷場景是否適合套用人工智慧 / 23
1.3 如何看待人工智慧 / 32
1.4 智慧型化產品 / 34
1.4.1 人工智慧產品的發展 / 34
1.4.2 人工智慧產品的要素 / 38
1.4.3 人工智慧創業 / 41
本章結語 / 45
參考文獻 / 46
第2章 需要認識的人工智慧
2.1 與“網際網路思維”不同的“人工智慧思維” / 48
2.1.1 需求產生：用戶與數據相對比 / 49
2.1.2 方案設計：單點與整體相對比 / 51
2.1.3 結果輸出：確定與不確定相對比 / 53
2.1.4 價值驗證：流量與效率相對比 / 54
2.2 人工智慧特殊的能力—機器學習 / 56
2.2.1 機器學習的原理和四個能力 / 56
2.2.2 機器模擬人腦學習的五種方式 / 59
2.2.3 模擬人腦的神經網路模型 / 65
2.2.4 機器與人的差距 / 69
2.3 人工智慧系統的結構 / 72
2.3.1 底層：硬體層 / 73
2.3.2 中層：技術層 / 76
2.3.3 頂層：套用層 / 78
本章結語 / 79
參考文獻 / 80
第3章 人工智慧落地
3.1 人工智慧落地的重要領域 / 82
3.2 人工智慧落地的步驟 / 85
3.2.1 定點：確定場景中的落地點 / 86
3.2.2 互動：確定互動方式和使用流程 / 91
3.2.3 數據：數據的收集及處理 / 95
3.2.4 算法：選擇算法及模型訓練 / 104
3.2.5 實施：人工智慧系統實施/部署 / 111
3.3 To B：人工智慧賦能企業 / 117
3.3.1 B端人工智慧產品的形式 / 118
3.3.2 企業落地人工智慧的前提條件 / 121
3.3.3 人工智慧賦能企業的關鍵點 / 123
3.4 To C：打造用戶喜歡的人工智慧產品 / 125
3.4.1 C端產品中人工智慧套用的三種形式 / 125
3.4.2 識別C端人工智慧落地需求的真偽 / 127
3.4.3 C端人工智慧產品的設計原則 / 130
3.5 評估人工智慧落地的方法 / 133
3.5.1 能力指標 / 133
3.5.2 場景覆蓋度 / 137
3.5.3 使用效能 / 139
3.5.4 系統性能 / 140
3.5.5 經濟性 / 141
3.6 如何評估數據質量 / 145
3.6.1 定性評估你的數據 / 145
3.6.2 定量評估你的數據 / 150
本章結語 / 154
參考文獻 / 155
第4章 人工智慧落地案例
4.1 人工智慧任務提醒助手 / 157
4.2 人工智慧幫你做垃圾分類 / 169
4.3 人工智慧輔助知識點鞏固 / 179
4.4 人工智慧製作凡?高式藝術圖片 / 187
4.5 人工智慧大模型生成電商素材 / 192
本章結語 / 202
參考文獻 / 203
第5章 人工智慧的困境與展望
5.1 人工智慧的數據依賴 / 206
5.2 阻礙人工智慧落地的因素 / 215
5.2.1 人工智慧貴，成本高 / 216
5.2.2 人工智慧落地需要警惕“意外” / 218
5.2.3 大眾的期望問題 / 219
5.2.4 落地場景缺少數據 / 220
5.2.5 人工智慧歧視 / 222
5.3 人工智慧落地的七大方向 / 224
5.3.1 自然語言大模型 / 224
5.3.2 人機協作成為產品主流形態 / 227
5.3.3 人工智慧自動化工作流 / 230
5.3.4 多模態融合 / 231
5.3.5 人工智慧結合XR / 232
5.3.6 人工智慧可解釋性提升 / 235
5.3.7 賦能傳統行業的轉型升級 / 236
本章結語 / 238
參考文獻 / 239
後記
作者簡介
王海屹，國內大語言模型首批實踐者。騰訊公司前產品專家，北京郵電大學智慧型科學與技術實驗室碩士，中關村 U30 維鷹計畫人才科技公司 AI 落地、算法落地顧問。曾作為算法和產品合伙人經歷多次 AI 創業，主導過大中小型公司AI 產品從0到1的落地工作。
