AI落地：让人工智能为你所用

作者简介

后记

参考文献

本章结语

5.3.7 赋能传统行业的转型升级

5.3.6 人工智能可解释性提升

5.3.5 人工智能结合XR

5.3.4 多模态融合

5.3.3 人工智能自动化工作流

5.3.2 人机协作成为产品主流形态

5.3.1 自然语言大模型

5.3 人工智能落地的七大方向

5.2.5 人工智能歧视

5.2.4 落地场景缺少数据

5.2.3 大众的期望问题

5.2.2 人工智能落地需要警惕“意外”

5.2.1 人工智能贵，成本高

5.2 阻碍人工智能落地的因素

5.1 人工智能的数据依赖

第5章 人工智能的困境与展望

参考文献

本章结语

4.5 人工智能大模型生成电商素材

4.4 人工智能制作凡·高式艺术图片

4.3 人工智能辅助知识点巩固

4.2 人工智能帮你做垃圾分类

4.1 人工智能任务提醒助手

第4章 人工智能落地案例

参考文献

本章结语

3.6.2 定量评估你的数据

3.6.1 定性评估你的数据

3.6 如何评估数据质量

3.5.5 经济性

3.5.4 系统性能

3.5.3 使用效能

3.5.2 场景覆盖度

3.5.1 能力指标

3.5 评估人工智能落地的方法

3.4.3 C端人工智能产品的设计原则

3.4.2 识别C端人工智能落地需求的真伪

3.4.1 C端产品中人工智能应用的三种形式

3.4 To C：打造用户喜欢的人工智能产品

3.3.3 人工智能赋能企业的关键点

3.3.2 企业落地人工智能的前提条件

3.3.1 B端人工智能产品的形式

3.3 To B：人工智能赋能企业

3.2.5 实施：人工智能系统实施/部署

3.2.4 算法：选择算法及模型训练

3.2.3 数据：数据的收集及处理

3.2.2 交互：确定交互方式和使用流程

3.2.1 定点：确定场景中的落地点

3.2 人工智能落地的步骤

3.1 人工智能落地的重要领域

第3章 人工智能落地

参考文献

本章结语

2.3.3 顶层：应用层

2.3.2 中层：技术层

2.3.1 底层：硬件层

2.3 人工智能系统的结构

2.2.4 机器与人的差距

2.2.3 模拟人脑的神经网络模型

2.2.2 机器模拟人脑学习的五种方式

2.2.1 机器学习的原理和四个能力

2.2 人工智能特殊的能力——机器学习

2.1.4 价值验证：流量与效率相对比

2.1.3 结果输出：确定与不确定相对比

2.1.2 方案设计：单点与整体相对比

2.1.1 需求产生：用户与数据相对比

2.1 与“互联网思维”不同的“人工智能思维”

第2章 需要认识的人工智能

参考文献

本章结语

1.4.3 人工智能创业

1.4.2 人工智能产品的要素

1.4.1 人工智能产品的发展

1.4 智能化产品

1.3 如何看待人工智能

1.2.3 如何判断场景是否适合应用人工智能

1.2.2 人工智能的优势

1.2.1 人工智能的局限和落地的依赖

1.2 人工智能擅长的和不擅长的

1.1.4 工作中的人工智能可以帮你做什么

1.1.3 生活中的人工智能可以帮你做什么

1.1.2 人工智能是什么

1.1.1 人工智能为什么重要

1.1 为什么“特殊”

第1章 一场“特殊”的人工智能之旅

前言

推荐语

文前

版权信息

封面

封面

版权信息

文前

推荐语

前言

第1章 一场“特殊”的人工智能之旅

1.1 为什么“特殊”

1.1.1 人工智能为什么重要

1.1.2 人工智能是什么

1.1.3 生活中的人工智能可以帮你做什么

1.1.4 工作中的人工智能可以帮你做什么

1.2 人工智能擅长的和不擅长的

1.2.1 人工智能的局限和落地的依赖

1.2.2 人工智能的优势

1.2.3 如何判断场景是否适合应用人工智能

1.3 如何看待人工智能

1.4 智能化产品

1.4.1 人工智能产品的发展

1.4.2 人工智能产品的要素

1.4.3 人工智能创业

本章结语

参考文献

第2章 需要认识的人工智能

2.1 与“互联网思维”不同的“人工智能思维”

2.1.1 需求产生：用户与数据相对比

2.1.2 方案设计：单点与整体相对比

2.1.3 结果输出：确定与不确定相对比

2.1.4 价值验证：流量与效率相对比

2.2 人工智能特殊的能力——机器学习

2.2.1 机器学习的原理和四个能力

2.2.2 机器模拟人脑学习的五种方式

2.2.3 模拟人脑的神经网络模型

2.2.4 机器与人的差距

2.3 人工智能系统的结构

2.3.1 底层：硬件层

2.3.2 中层：技术层

2.3.3 顶层：应用层

本章结语

参考文献

第3章 人工智能落地

3.1 人工智能落地的重要领域

3.2 人工智能落地的步骤

3.2.1 定点：确定场景中的落地点

3.2.2 交互：确定交互方式和使用流程

3.2.3 数据：数据的收集及处理

3.2.4 算法：选择算法及模型训练

3.2.5 实施：人工智能系统实施/部署

3.3 To B：人工智能赋能企业

3.3.1 B端人工智能产品的形式

3.3.2 企业落地人工智能的前提条件

3.3.3 人工智能赋能企业的关键点

3.4 To C：打造用户喜欢的人工智能产品

3.4.1 C端产品中人工智能应用的三种形式

3.4.2 识别C端人工智能落地需求的真伪

3.4.3 C端人工智能产品的设计原则

3.5 评估人工智能落地的方法

3.5.1 能力指标

3.5.2 场景覆盖度

3.5.3 使用效能

3.5.4 系统性能

3.5.5 经济性

3.6 如何评估数据质量

3.6.1 定性评估你的数据

3.6.2 定量评估你的数据

本章结语

参考文献

第4章 人工智能落地案例

4.1 人工智能任务提醒助手

4.2 人工智能帮你做垃圾分类

4.3 人工智能辅助知识点巩固

4.4 人工智能制作凡·高式艺术图片

4.5 人工智能大模型生成电商素材

本章结语

参考文献

第5章 人工智能的困境与展望

5.1 人工智能的数据依赖

5.2 阻碍人工智能落地的因素

5.2.1 人工智能贵，成本高

5.2.2 人工智能落地需要警惕“意外”

5.2.3 大众的期望问题

5.2.4 落地场景缺少数据

5.2.5 人工智能歧视

5.3 人工智能落地的七大方向

5.3.1 自然语言大模型

5.3.2 人机协作成为产品主流形态

5.3.3 人工智能自动化工作流

5.3.4 多模态融合

5.3.5 人工智能结合XR

5.3.6 人工智能可解释性提升

5.3.7 赋能传统行业的转型升级

本章结语

参考文献

后记

作者简介