AI落地:讓人工智慧為你所用

王海屹

  • 出版商: 機械工業
  • 出版日期: 2024-01-30
  • 售價: $474
  • 貴賓價: 9.5$450
  • 語言: 簡體中文
  • 頁數: 260
  • 裝訂: 平裝
  • ISBN: 7111740599
  • ISBN-13: 9787111740599
  • 相關分類: 人工智慧
  • 立即出貨 (庫存 < 3)

商品描述

本書結合人工智慧落地的方法和案例,採用簡單易懂的語言,
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,評價其價值的方法,助你實現降本增效的目標。
書中不僅將演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,
也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,
對人工智慧的應用場景及如何實際操作成功落地部署有一定的了解。
此外,讀者還可以了解目前人工智慧技術的限制及後續的技術發展方向。

目錄大綱

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 人工智慧的限制和落地的依賴 / 15
1.2.2 人工智慧的優點 / 20
1.2.3 如何判斷場景是否適合應用人工智慧 / 23
1.3 如何看待人工智慧 / 32
1.4 智能化產品 / 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「網路思維」不同的「人工智慧思維」 / 48
2.1.1 需求產生:使用者與資料相對比 / 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 機器學習的原理與四個能力 / 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:應用層 / 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:確定互動方式與使用流程 / 91
3.2.3 資料:資料的收集及處理 / 95
3.2.4 演算法:選擇演算法及模型訓練 / 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 / 121
3.3.3 人工智慧賦能企業的關鍵點 / 123
3.4 To C:打造使用者喜歡的人工智慧產品 / 125
3.4.1 C端產品中人工智慧應用的三種形式 / 125
3.4.2 辨識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 / 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 如何評估資料品質 / 145
3.6.1 定性評估你的資料 / 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理 / 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 人工智慧的資料依賴 / 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 落地場景缺少資料 / 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程 / 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 賦能傳統產業的轉型升級 / 236
本章結語 / 238
參考文獻 / 239
後記