李燁-ai范式演進對ai落地的影響.pdf

《李燁-ai范式演進對ai落地的影響.pdf》由會員分享，可在線閱讀，更多相關《李燁-ai范式演進對ai落地的影響.pdf（49頁珍藏版）》請在三個皮匠報告上搜索。

1、AI范式演進對AI落地的影響李燁 微軟（亞洲）互聯網工程院演講嘉賓李燁微軟（亞洲）互聯網工程院 首席算法工程師曾在SUN、EMC 等跨國IT公司的核心研發部門工作，20年軟件研發經驗，10+年 AI 產品研發經驗微軟 AI Vertical 團隊 AI 架構師,7 年 AI2B 經驗微軟 AI Talent Program（ATP）創始人、架構師專家領域：知識圖譜、智能對話、自然語言理解、人工智能行業解決方案、人工智能行業賦能科普作家，著有 算法第一步、機器學習極簡入門、人工智能入行實戰：從校園到職場等書目 錄CONTENTSAI 落地與 AI2B 項目經驗AI2B 項目類型及類型判別生成式

2、AI 技術的爆發生成式 AI 對 AI2B 的沖擊讓 AI 在各行各業真正落地AI 落地與 AI2B 項目經驗PART 01AI 落地 AI 落地的判別標準 利用 AI 技術 在真實的場景中 解決實際問題 并產生商業效用 AI 在不同行業的落地情況 軟件/互聯網行業其他行業AI 落地的挑戰 商業效用（開源節流）-任務執行的自動化-基于人工智能的非機械性自動化 產生商業效用的必要條件 確定有效 端到端可用 直接挑戰 判別 AI 技術的效用 在產品層完成數據、模型與業務邏輯的對接探索-風險AI2B 項目總結AI2B 項目經驗 2016 甲方：多個行業頭部企業 金融、保險、醫療、汽車、電信、教育 4

3、0+項目；20+產品 研發模式聯合研發自主研發定制研發 解決方案 知識圖譜 智能對話 這些項目最終實現 AI 落地了嗎？AI2B 項目的研發模式 3B：Build，Buy，Borrow Build：內部團隊自主研發 Buy：采購第三方定制研發 Borrow：聯合研發最先出局的是哪種模式？Borrow-“AI 行業解決方案”真命題？偽命題？行業間差異 vs 企業間差異 頭部企業 vs 中小型企業 業務的重合度 核心業務 其他業務AI2B 項目中的常見問題 需求不清/不準 不知道該干什么“AI 能干什么-能把這個能力放到什么場景”不知道這么做的后果“模型的輸出是什么-把輸出扔給用戶”評估標準缺失

4、解決方案有效的標準？Business metrics？Benchmark？Passmark？AI 部分的必要性？“先別管模型，我要 XXX 功能”AI2B 項目的深層問題 AI 技術的特點 不確定性 “黑盒”業務、數據與技術分離 項目角色/資源的錯配 驅動者 核心資產 工具業務技術數據AI2B 項目類型及類型判別PART 02AI2B 項目的類型AI 落地策略體驗、嘗試新技術應用新技術解決實際問題鸚鵡項目找個不礙事的場景 Have a try鸚鵡場景產生實際效用的場景獵犬項目獵犬場景立項路徑遇到實際問題-尋求解決方案-選型 AI 技術創新-聽說 AI 很酷-用 AI 創新AI2B 項目開始前判

5、斷類型：出發點 AI2B 項目的甲方 IT 部門 業務部門 IT 部門主導+業務部門參與“創新部門”AI2B 項目開始前判斷類型：可能性 甲方的資源 業務出口 領域專家 數據AI2B 項目開始前判斷類型：切入點 AI 落地漏斗模型 場景決定了 要做什么 有什么數據 有什么影響 核心場景 or 邊緣場景 業務場景 or 職能場景 營銷場景 or 服務場景 閉環場景 or 開放場景場景問題任務模型生成式 AI 技術的爆發PART 03生成式 AI 認識 AIGC 生成式 AI能夠創建新內容、數據或解決方案的算法和模型通過大量的數據訓練，學習特定領域的模式和結構，并生成全新的輸出能夠進行某種程度的“

6、創新”新的 AI 范式：大模型(Large Model)+提示 工程(Prompt Engineering)預訓練大模型模板原始輸入模板提示輸出嵌入剝離結果提示工程的興起及對各個行業的沖擊 提示工程 通過設計精確的輸入指令或問題來優化和指導大型與訓練模型的輸出以自然語言作為輸入激發大模型的潛能針對不同任務獲得不同輸出 提示工程帶來的影響 效率提升“跨界”法律場景：利用 LLM 草擬合同金融場景：利用 LLM 制定量化交易策略利用 LLM 生成知識圖譜利用 LLM 編程+封面設計龍生九子龍王道：“舍妹有九個兒子 第一個小黃龍，見居淮瀆；第二個小驪龍，見住濟瀆；第三個青背龍，占了江瀆；第四個赤髯龍

7、，鎮守河瀆；第五個徒勞龍，與佛祖司鐘；第六個穩獸龍，與神宮鎮脊；第七個敬仲龍，與玉帝守擎天華表；第八個蜃龍，在大家兄處，砥據太岳。此乃第九個鼉龍，因年幼無甚執事，自舊年才著他居黑水河養性，待成名，別遷調用”西游記四十三回 黑河妖孽擒僧去黑河妖孽擒僧去西洋龍子捉鼉回西洋龍子捉鼉回海馬搬家繪本創作海馬媽媽有七個寶寶，他們本來住在一塊大巖石后面，可是七個寶寶慢慢長大了，這個家的地方就不夠住了。海馬媽媽就出去找新家。海馬媽媽找來找去，終于找到了一座新房子，于是決定搬家。包裝設計首飾設計創意廣告創意廣告創意廣告生成式 AI 對 AI2B 的沖擊PART 04認知層面 新的生成式 AI 工具/服務向大眾證

8、明了 AI 的能力 AI 不再僅是一個炫酷的技術名字 AI 引起了不同行業眾多 CEO 的關注 AI 被企業決策層寄予期望去解決實際問題技術層面傳統的傳統的AI技術落地漏斗模型技術落地漏斗模型場景問題任務模型業務人員（產品經理、銷售人員）、管理者IT人員、AI專家、AI技術顧問、業務人員算法工程師、數據標注人員、數據分析師、數據科學家、數據工程師、云計算工程師研究員、科學家、算法工程師、數據科學家、IT人員大模型基于新型基于新型 AI 范式范式的漏斗模型的漏斗模型讓 AI 在各行各業真正落地PART 05之前 AI 落地的問題解決了嗎？AI 落地最后一公里的問題 領域知識與自動化解決方案的對齊

9、 領域知識（Domain Knowledge）的提取 領域專家腦中的知識 領域專家表達的欲望和能力 利用 AI+軟件技術自動化運用領域知識 Standard Operating Procedure(SOP)原子功能點AI 落地的先決條件 對 AI 合理預期“全能大先知”X“決策者”X“數字實習生”V 商業前景光明 商業模式 ROI 對資源全面掌控 業務出口 數據 場景適宜 閉環場景 涉及人員全面配合 驅動力強勁人是一切問題的核心AI 落地=領域專家與 AI 專家的共同努力八問 AI 創新者對 AI 創新者提問 初心 3 問 你打算用 AI 解決什么問題？這個問題現在有人類能夠妥善解決嗎？用 AI 比用人類員工的優勢是什么？更便宜？更耐心？更易于復制？對 AI 創新者提問 性價比 2 問 如果 AI 項目成功，帶來的商業利益是多少？你對 AI 項目預期的 ROI 是多少？對 AI 創新者提問 執行力 3 問 是否有能力為了 AI 項目落地打破現有利益鏈？如何權衡 Borrow，Buy&Build 有否研發團隊？研發團隊能力評估？如何評估 AI 效果 AI vs Human AI vs Rule EngineTHANKS