來啦，請坐。

我是老楊。如果你有強化管理能力，量化技術產出，提升技術效能，打造技術團隊等需求，那么這套課程會為你揭開技術管理的神秘面紗，可以讓“媽媽再也不用擔心你的工作了”。

這是《數字化技術管理的方法和實踐》第十二講，技術創新的嘗試二，人工智能應用。

一句話解釋下：讓技術產生價值，除了大數據方面的創新之外，人工智能創新也是一大塊，當然兩者有相輔相成的感覺。

好，我主動點，直接來回答細心同學的問題“為什么技術管理要講人工智能”，創新就是技術人員的命，技術就是要與時俱進，沒辦法，誰讓你選擇技術這個行當了，既來之則安之吧。

要彰顯技術的價值，要化被動為主動，第一種方法是大數據的應用，另一種方法就是人工智能的應用了，人工智能近幾年的發展也是呈井噴之勢，BAT三個高富帥自然是不會對人工智能這個香餑餑坐視不管的，其中B呢比較浪漫，走的是先技術后場景的思路，網羅了世界頂尖的人工智能人才，基本上形成了自己的人工智能生態。A呢比較實際，主要把人工智能應用于電商、物流等零售服務，為業務賦能，但隨著人工智能行業的明朗化，A也學的浪漫起來，開始啟動NASA計劃，又成立達摩院，也是高調的宣布要與人工智能進行一次浪漫的燭光晚餐了。T呢不緊不慢，主要聚焦在人才儲備，算力，算法上。當然還有一些試圖逆襲的有為青年，如語音識別的小飛，計算機視覺的小商和小曠，以及智適應教育的小松鼠等，百花齊放，此處不得不感慨一番，要想追上人工智能的腳步，的確得有兩把刷子。

那人工智能具體用在哪里？怎么落地？接下來聽我慢慢道來吧。

我發現人工智能的價值主要體現在智能化產品的層面，一方面是體驗上，增加各種交互的手段，讓產品越來越好玩越來越方便；一方面是情感上，讓產品越來越懂用戶。

這么說似乎有點小小的抽象，那么直接讓翠花上干貨吧——人工智能的產品架構圖，告訴你該構建什么產品層次、產品模塊以及提供什么人工智能的服務，走著。

從上往下分為三層：場景層、服務層、技術層、基礎層。

1．最上層是指人工智能的應用場景，其中一部分就是在產品交互上增加諸多豐富的方式，如語音、圖像等等，比較熟悉的商品搜索這一塊就有很多的使用，越來越多的人不用輸入文字去找商品，而是用語音或者一張圖片去找；另外一部分就是猜到用戶想買什么，如推薦的看了還看、買了還買、可能感興趣的東東等等。說白了就是讓用戶止不住的買買買。

2．第二層是指產品服務層面，把人工智能的一些概念、理論包裝成產品落地，如交互方式的服務、推薦的服務、搜索的服務等，供各種主產品的場景使用。

3．第三層是指技術層面，人工智能的技術比較多，不同的技術領域側重點也不同，應用點也不同，如語音識別、計算機視覺可以提供更多的交互方式，自然語言處理、機器學習、深度學習等可以提供推薦、搜索等個性化服務。

4．最下層是人工智能的基礎層，至關重要，人工智能之所以能夠有快速的發展和落地，全依賴算力、存儲的發展，在強大的算力和存儲的支撐下，數據才有可能積累并計算起來，人工智能才能得以驗證，并落地使用。

那么產品架構清楚了，還是要落地到技術上去實現，接下來進入技術架構圖吧，告訴你該怎么去實現，該搭建什么樣的架構，該使用什么技術平臺，再來。

從上往下分為六層：應用層、技術服務層、算法層、數據計算層、數據存儲層和基礎設施層，最好的架構圖就是架構圖本身就是解釋，不需要再贅述什么東西，說三點：

1．下面三層是通用的大數據平臺架構，主要負責數據的采集、存儲、計算、分析等等，供人工智能的一系列算法模型使用。

2．上面兩層是通用的互聯網平臺架構，主要負責把人工智能的服務落地給產品場景使用。

3．中間這一層，是人工智能的核心，很多開源的框架讓這一層也逐漸的簡易化，也給落地提供了更多的便捷性，如機器學習的框架SK learn可以輕松完成分類、聚類等等事情；深度學習的Keras，可以輕松構建神經網絡，當然它們都可以跑在Tensorflow上。

好，到此人工智能部分告一段落了。最后，還是要明確一點，人工智能現在還絕大部分處于弱人工智能的領域，但已經有點sexy了。整體上離強人工智能還有很遠的距離，強人工智能除了技術基礎的發展之外，還要有理論上的大突破，到那時或許真的會出現類人腦或者超人腦的思考機器，拭目以待吧。

And that brings us to the end of this part． Util next time…I am 老楊．