人工智能产品至今已发展多年，是指让机器有类人工的思维和智慧，然后根据复杂场景做出判断和决策，并且做出回复跟响应

本次分享主要分成三部分：第一部分是对人工智能和机器学习的理解以及应用背景；第二部分是探索智能督学产品案例中的人工智能技术和实际场景应用；第三部分是分享智能产品经理所需要具备的能力模型。

在分享前有两个小思考：

人工智能产品至今已发展多年，是指让机器有类人工的思维和智慧，然后根据复杂场景做出判断和决策，并且做出回复跟响应。

思考1：机器是如何理解信息并做出反馈的？是需要复制出人类的DNA放到机器里，让机器有类人工的思考吗？

思考2：在日常生活中接触人工智能类的产品多吗？

在目前生活的衣食住行中，都离不开人工智能，比如在使用淘宝、京东购物时的智能推荐，例如购买羽毛球时会推荐羽毛球拍等；再比如具有生活娱乐属性的抖音推荐、网易云音乐推荐、优酷或土豆视频类推荐、高德地图和百度地图；还有无人驾驶、扫地机器人、智能回复机器人以及在金融、医疗医药领域中都应用很广泛。

以上都属于需依托所拥有的大数据，并且试图理解数据，把数据发挥价值的场景。大数据跟人工智能是紧密结合的，数据作为人工智能的最基础条件和燃料，AI作为应用给整体商业和生活赋能。

一、AI机器学习背景解析

1. AI工作原理

机器想要智能化并理解包括文本、图像、声音以及视频类信息，首先第一步要把数据向量化，即基于历史数据去推测即将发生的事情。比如每天吃饭都会使用一次性筷子，历史的每一次数据都是吃饭前第一步是拿筷子，所以当机器捕捉到要吃饭的指令时，会智能提示是否要拿筷子。

即把之前的所有行为数据向量化，然后提炼出机器能理解的数据，并基于该数据去拟合所需要的曲线，最后预测跟判断即将要发生的事情，比如当判断阈值大于指定阈值时，机器就会做智能提示跟回复，这是一个比较复杂的过程。机器学习是把历史数据做曲线拟合和预测下一次即将发生概率的过程。

大部分AI学习场景应用可以分为预测问题和分类问题，预测问题是指比如吃饭预测要先拿筷子，洗碗预测会用到洗涤灵；分类问题是指比如在金融信贷领域，某个借款用户提交所需借款资料时由机器判断是否有风险，多分类的比如学习能力模型分为一级、二级、三级或者优良中等分类。