编辑导语:本文作者根据自己从0到1搭建指尖查词功能的经验,以大力智能台灯产品为例,从产品经理的视角,梳理了AI产品(计算机视觉产品)的工作流,感兴趣的小伙伴们一起来看一下吧。

ai产品架构图(AI产品工作流梳理)(1)

最近在做类似大力和有道的智能台灯产品,从0到1搭建了指尖查词功能,对AI产品算是有了一些基础的理解。

本文试图以产品经理的视角梳理AI产品(计算机视觉产品)的工作流。

一、工作流框架

下图是一个AI产品的大概框架。这里面关键的认知是,AI能力迭代是跟产品功能迭代平行的、一条需要基于反馈不断迭代的一个子工作流。

ai产品架构图(AI产品工作流梳理)(2)

引用自微软《人工智能系统》

基于两者是平行的流程,我们可以借鉴产品经理的工作流,对AI产研的工作流程进行拆解和构建。下面,我们来看一下每个流程中AI产研应该关注的问题。

二、需求分析

在需求分析阶段,对AI产研来说,同样需要了解用户、场景、需求。接下来举一些例子。

1. 场景分析

不同的场景对于AI的需求是不一样的。比如在于指尖查词项目中,我们需要了解用户在使用智能硬件产品时的灯光环境,这个涉及到我们对于算法训练集的选择。

在学习场景中,可能很多家长或者孩子会在光线很暗情况下看书,但是他们可能自己并不知道。

还有的人家里的灯光很黄,拍出来的图像就会显模糊。还有的图像会有一些暗光甚至局部曝光。

另外,有些摄像头会在不同的光线之下自动做白平衡,这会导致最后出来的图像差异非常大,这些都会导致最后算法的准确率很差。

——纸上世界创始人分享

2. 痛点分析

我们需要了解用户在某个场景下的问题,然后分析AI对此问题能否有效(提升效率、降低成本、提升体验)。

比如在指尖查词项目中,用户原有的解决方案比如查纸质字典,就存在以下问题:

1)便捷性差

字典是个大块头,不方便携带,一般都放在书桌。

2)查找效率低

寻找一个目标单词需要先找到首个字母所在的大概位置,然后再进一步去找该单词,定位比较麻烦。

3)信息维度不够

比如词典里面的单词音标,目的是教小朋友学习发音,但是低年级的小朋友是没有学到音标的。所以这些学生要有标准的发音进行引导,除此之外,还需要有发音的口型教学内容。基于计算机视觉的AI能力,类似有道词典笔的产品可以大幅提升查找效率,这是整个产品能够成立的关键。

3. 可行性分析

除了验证AI能否有效以外,我们还需要知道我们的AI是否可行。比如在指尖查词项目中,我们就需要知道用户对于AI的要求,比如以下指标:

如果我们算法的精度大大低于用户的预期,则项目无法成功。

三、竞品研究

AI能力也需要进行竞品研究,我觉得可以从技术的成熟程度来进行对应的竞品研究。

1. 前沿技术创新

很多前沿技术虽然还没有被大规模投入使用,但是已经能产出很多demo了。寻找这一类的竞品,我觉得可以在github上面找到。

比如,我跟算法同学聊了指尖的轨迹跟踪,立马丢给我一个github的轨迹跟踪的项目deepsort。

ai产品架构图(AI产品工作流梳理)(3)

类似这种,github上的技术,对于自研AI的团队来说非常重要,一方面这些内容能够让我们了解技术的能力边界,另外一方面,基于这些开源的算法,我们能够快速搭建demo。

2. 业界成熟的技术

这一类可以从AI平台找到,比如百度、华为、阿里、腾讯这种AI大厂的开放平台,就展示各种已经成熟的AI能力,以及成功案例。

比如以百度AI为例,其官网就有非常多的技术,值得学习。

ai产品架构图(AI产品工作流梳理)(4)

四、算法设计

在算法同学进行算法设计时,我们AI产品需要知道算法,这样有利于我们进行产品设计,我觉得以下两个是一个好的切入点。

1. 整体框架

对于AI产品来说,虽然不需要写算法,但是知道整个算法的框架有利于产品设计。

比如在指尖查词项目中,如果在客户端部署了指尖检测的算法,我们就可以在检测到指尖时,给予用户及时的状态反馈,而不用等到整个文字识别结果返回才给到反馈。

ai产品架构图(AI产品工作流梳理)(5)

推测大力的整体框架

对于算法,我们产品经理不应该把它当做黑盒子,而是应该了解,然后在此基础上做出更好的产品。

2. 接口文档

除了整体的框架,我们AI产品还可以通过了解接口文档,来增进对于算法的了解。

比如我们看了百度OCR的接口文档,我们发现AI能够识别文字的角度。基于这个能力,我们可以在发现用户书本方向放错时,给予用户及时的反馈。

ai产品架构图(AI产品工作流梳理)(6)

五、需求文档

在需求文档这块,除了传统的需求文档模块之外,AI产品(计算机视觉产品)可能需要需要在以下几个层面进行深入。

1. AI交互细节

大力台灯在指尖查词上的交互给业界定了一个标杆。具体而言,大力定义了几种交互状态:

  1. 开始检测:方括号开始闪动
  2. 检测到用户的手指:方括号内出现手指
  3. 识别到手指后,开始进行文字识别:方括号开始出现转圈

ai产品架构图(AI产品工作流梳理)(7)

大力交互厉害的地方在于通过对三个图标(方括号、手指、加载圆圈)进行简单的组合,就构建了一套交互体系,给到用户即时反馈。

整个解决方案,对于用户来说学习成本比较低,是一个比较优雅的解决方案。

2. 异常情况处理

由于算法在早期的效果是不够理想的,所以我们要界定一些超出AI能力的异常情况,也就是黑话“兜底”。

比如计算机视觉中一直没有返回图像识别结果,对话机器人中一直无法判断用户是否说完话或者用户意图,等等。大部分的兜底策略就是用开玩笑的口吻回应用户,比如“这个单词还没学会”、“这个技能还要再练习”。

3. 指标需求

一些关于AI能力的指标需求,常见的指标如下:

  • 准确率、错误率
  • 精确率(查准率)、召回率、F1
  • ROC曲线、AUC
  • 计算速度、结果返回耗时、鲁棒性
六、冷启动策略

1. 算法冷启动流程

算法最终会达到一个正向循环,即上线后拿到用户数据,对这些数据标注后,训练算法,提升算法性能,然后会有更好的体验,会有更多的用户使用,接着拿到更多的用户数据,走向正循环。

但是刚开始的时候,没有大量数据进行训练的时候,算法性能是不高的,需要慢慢达到正循环,再次之前的过程,我理解为算法的冷启动。

ai产品架构图(AI产品工作流梳理)(8)

2. 接入服务 vs 自研

如果我们是接入百度、华为等大平台的AI能力,那冷启动的过程相对来说要快很多,但是一个要注意的问题是大平台的服务相对来说是通用的,可能对于我们自己的垂直场景没有做过优化,估计数据表现也不会很好。

百度有一个EasyDL的平台,是专门解决这个问题的。

如果我们的深度学习算法是自研,我们可以通过以下几个层面的行动进行算法的冷启动:

算法层面:把开源的算法拿来用,进行迁移学习,从而快速达到一定的算法精度。

数据采集/标注:

  • 购买市面上已有的数据集
  • 机器合成对应场景的数据,快速生成训练集
  • 通过人工或者工具产品的方式,收集对应场景的真实数据,进行标注

3. 场景容错性判断

我们知道算法的精准度等指标刚开始是不理想的,尤其是在自研的情况下,我们需要让用户先用起来,然后收集数据之后,再进行训练和迭代。

其实这个跟产品的MVP很像,刚开始发布的第一个版本,也不是一个完美的版本,需要用户用起来之后进行迭代才行。

但是在冷启动的时候,要考虑场景的容错性。比如自动驾驶领域,可能对于计算机视觉的能力要求非常高,出错了会造成乘客的生命危险,这个场景的容错性是很低的,所以这种产品内部要做很多测试,达到较高的标准之后,才能发布给用户体验。

但是,对于很多场景容错性相对较高,比如娱乐游戏场景,则标准比较低,可以尽快上线,接受用户的反馈。

七、算法迭代

1. 准备测试集

我在做指尖查词的产品过程中,跟着算法工程师一起把算法的准确率从70% 提升到了90% ,可以分享一下整个过程。

深度学习作为监督学习,需要大量数据进行训练。这些数据分为三个部分,训练集、验证集和测试集。

  • 训练集:相当于课后的练习题,用于日常的知识巩固
  • 验证集:相当于周考,用来纠正和强化学到的知识
  • 测试集:相当于期末考试,用来最终评估学习效果

对于AI产品经理来说,我们需要测试集,这样方便我们对深度学习算法进行评估。

2. 分析测试集数据

准备测试集之后,我们基于算法的框架,使用漏斗模型,得出每个节点的准确率。

比如,对于指尖查词来说,算法从开始识别,到最终识别成功,可以用以下的漏斗模型进行表示。

ai产品架构图(AI产品工作流梳理)(9)

通过测试集的数据分析,我们发现,主要的问题出现在3-4层、4-5层漏斗中,即指尖识别的坐标错了(识别到别的字了)、文字识别错误(类似把apple识别为abble)。

更具体而言,整个测试集样本中,有12%的样本是指尖识别坐标错误,有6%是因为文字识别错误,所以我们第一个版本的准确率大概只有70%左右。

3. 找到改进机会点

1)指尖识别坐标错误

算法同学对于错误的样本原因进行分析,发现对于指尖识别坐标错误这一类型,是属于算法优化的点。

主要理由是,算法同学判断指尖附近内容的方法存在问题。优化之后,后面几乎没有坐标识别错误,正确率一下子提升了12%个点。

2)文字识别错误

对于识别错误,算法同学同样对错误的样本进行分析,并且分类。如下面所示:

ai产品架构图(AI产品工作流梳理)(10)

主要的解决方案是针对细分场景,准备更多的数据进行训练,或者基于更优的规则,以提升准确率。

4. 迭代算法

经过一个周期的努力,我们把算法的准确率从70% 提升到了90% ,用户的体验有了质的提升。

八、用户体验管理

早期算法还不是很厉害的时候,我们需要主动做一些用户体验管理。我觉得可以从以下几个层面进行管理:

1. 预期管理

基于我们场景的容错率,我们的产品要在满足用户的最低要求后,才能给到他们使用。发布之后,最好也要进行预期管理,告知目前哪些场景可以支持,准确率怎么样,哪些又不能支持,希望能够给到用户合理的预期。

2. 容错设计

比如指尖查词场景里面,当算法不确定用户是指哪一个单词时,我们可以把两个相近的两个单词都给出来,方便用户进行挑选。

类似以下场景中,大力台灯把【朱】【旭】都展示出来,用户可以通过切换得到自己想要的词。

ai产品架构图(AI产品工作流梳理)(11)

竞品的指尖查词(图来自蓝鲸教育)

3. 用户反馈问题入口

某些场景我们的算法确实搞错了,则可以留一个入口给到用户。一方面给到用户一个宣泄的渠道,另外一方面也可以作为一个样本给到我们去判断底层的问题。

4. 规范用户行为

有一些场景AI功能还未覆盖,则我们需要规范用户行为,告知目前不支持这些场景。

比如,我们的OCR识别还不识别手写体,则用户拿手写体过来时,则要告知用户不支持手写体,不然用户会很有挫败感,类似还有:

  • 灯光过暗
  • 字体过大或过小
  • 书本折叠
  • 手指盖住单词
  • 识别非目标语言的文字

5. 系统思考:不止AI

不能把所有的体验问题都归咎于AI算法,比如在识别过程中的耗时问题,除了AI算法可能存在问题外,我们的app可能在摄像头打开、识别结果数据库对比等环节都存在耗时过多的问题。

我们要进行系统思考,这样才能定位到真正的问题。

以上就是从产品经理的视角梳理AI产品的工作流,请多多指教。

本文由 @小明的产品笔记 原创发布于人人都是产品经理,未经作者许可,禁止转载

题图来自 Unsplash,基于 CC0 协议

,