AI for Everyone Week 3
智能音箱是怎么工作的
1 trigger word/wakeword detection
是否听到 hey ——
2 speech recognition
识别之后的语音信息 把声音变为信息
3 Intent recognition
对应意图 A-B mapping
4 execute
1-4 =AI pipeline
举例： “Hey device set timer for 10 minutes”
Steps to process the command：
1 Trigger word： Hey device（0/1）
2 speech recognition ： set timer for 10 minutes
3 Intent recognition： ——timer
4 a） Extract duration： 10 minutes
b） Start timer with set duration
Self-driving car
Steps for deciding how to drive
key steps：
1 Car detection： machine learning
2 Pedestrian detection
3 Motion planning
Example roles
software Engineer
Machine Learning Engineer A-B mapping train neutral network
Machine Learning Researcher extend state of the art in ML
Applied ML scientist
Data scientist provide insights, ppt
Data Engineer to manage and organize data easily accessible
AI product manager
很小的团队也可以 自学一些ML和DS的知识 也可以自己独立做
AI transformation Playbook
可以选择一个小项目比较基础的方向 慢慢应用到其他方向，不用一开始就要励志做一个利润很高的项目，要找到那个动量和势能，一步步发展起来
inhouse AI team
在一个公司里的话 最好有一个单独的AI部门，可以调配去协作其他部门
鼓励做部门内部的培训，让已有的员工掌握AI技能，而不是雇佣外部的工程师
制定AI策略是第四步的事情，最开始要先了解AI能做什么，不能天马行空想一出是一出，了解局限性之后再在规则中制定策略，最开始可以以一种傻的方式来收集数据和训练模型，之后会得到一个正向的反馈，利用杠杆撬动项目进程的发展。
课程中使用的是Blue River 的案例，AI应用在农业中。
Computer Vision 计算机视觉
Image classification/Object recognition 识别一个物体的种类 面部识别也算
Object detection 有没有目标物的检测
Image segmentation 图像抠图 分区
Tracking 跟踪
NLP= Natural Language Processing 自然语言处理
Text classification 分类文本 摘取评价并总结
Name entity recognition 名称提取 摘取所有公司名/姓名/地址名等
Machine translation 机器翻译
Speech
speech recognition
Trigger word detection
Speaker ID
Speech synthesis （text to speechTTS）
The quick brown fox jumps over the lazy dog.
包括了26个字母的句子
Generative AI
Text generation
Image generation
Audio generation
Robotics
perception 洞察周围的环境
Motion Planning 路线规划
Control 控制车辆通过路径
General machine learning
Unstructured data
Structured data
除了监督学习还有非监督学习 Unsupervised learning
clustering
两簇数据 可能分别代表不同的两种用户 这时候如果有一个用户画像代表数据集就会比较生动
这在用户调研的时候应该很有帮助
给一组数据 可以给到你比较有趣的发现和洞察
非监督学习能自主总结出信息，但目前创造商业价值还远不及监督学习
监督学习前期需要大量的数据去训练
非监督学习可以做transfer learning 可以触类旁通去分析一个新的他没见过的东西
学过车辆检测数据集的可以很轻易的学会检测高尔夫车
Reinforcement learning
通过奖惩机制来让AI达到目的， alphago 就是这个机制训练出来的
仍然需要大量的数据来做模拟
GANs（Generative Adversarial Network）
Synthesize new images from scratch
Knowledge Graph
wiki总结提炼的一些关键信息表
Comments