En comparación con otros gerentes de producto de Internet, los gerentes de producto de IA deben dominar tecnologías profesionales como el aprendizaje automático, la visión artificial y el reconocimiento del lenguaje, además de las habilidades recomendadas para los gerentes de producto. Los productos de IA valiosos son productos a gran escala que integran múltiples tecnologías, y hay más desafíos en la implementación de ingeniería, por lo que los gerentes de producto de IA también deben dominar los métodos de ingeniería de productos. Esta es también la razón por la que los gerentes de producto de IA tienen una gran demanda y están altamente remunerados en el mercado. Este libro proporciona una introducción en profundidad basada en las necesidades anteriores de los gerentes de producto de IA, especialmente tecnología e ingeniería, que son dos áreas en las que otros gerentes de producto de Internet son obviamente deficientes. Este libro proporciona una explicación muy detallada.

●Prefacio
Primer artículo: IA y Gerente de Producto de IA
Capítulo 1: Comprensión profunda de la IA y los productos de IA 2
1.1 Comprensión integral de IA2
1.1.1 Definición de IA 2
1.1.2 Tres escuelas principales de IA6
1.1.3 Historia del Desarrollo de IA 8
1.1.4 Política de desarrollo de IA 11
1.2 Comprensión profunda de productos de IA 12
1.2.1 ¿Qué son los productos de IA?
1.2.2 Comercialización de productos de tecnología de IA 13
1.2.3 Industrialización y estandarización de productos de IA 14
1.2.4 El valor y los desafíos de la implementación de productos de IA 16
Capítulo 2 Gerente de Producto de IA 19
2.1 ¿Qué es un Gerente de Producto de IA?
2.2 Cómo Convertirse en un Excelente Gerente de Producto de IA 21
2.2.1 Planificación de Carrera para Gerentes de Producto de IA 23
2.2.2 Sistema de Conocimiento de los Gerentes de Producto de IA 24
Parte 2 Tecnología de IA
Capítulo 3 Aprendizaje Automático 28
3.1 Visión general del aprendizaje automático 28
3.1.1 Aprendizaje Supervisado 30
3.1.2 Aprendizaje No Supervisado 31
3.1.3 Aprendizaje por Refuerzo 32
3.1.4 Aprendizaje auto-supervisado 33
3.2 Aprendizaje Profundo 34
3.2.1 ¿Qué es el Aprendizaje Profundo? 34
3.2.2 Desarrollo y limitaciones del aprendizaje profundo 38
3.2.3 Aprendizaje por Transferencia 40
3.2.4 Modelos pre-entrenados a gran escala 40
3.3 Redes Generativas Adversarias 42
3.4 Meta-Aprendizaje 44
3.4.1 Meta-aprendizaje basado en métricas 45
3.4.2 Meta-aprendizaje basado en optimización 47
3.5 Aprendizaje Federado y Computación de Privacidad 48
3.5.1 ¿Qué es el Aprendizaje Federado?
3.5.2 Clasificación del Aprendizaje Federado 50
3.5.3 Marco de Aprendizaje Federado y Aplicaciones 53
3.6AutoML/AutoDL55
3.6.1 ¿Qué es AutoML55
3.6.2 Procesamiento y Mejora Automatizados de Datos 56
3.6.3 Generación Automática de Modelos — Búsqueda de Arquitectura Neural 58
3.6.4 Compresión Automática de Modelos 62
3.7 IA Explicable64
Capítulo 4 Percepción y Comprensión Multimodal 67
4.1 Visión por Computadora 67
4.1.1 Generación de Imágenes 69
4.1.2 Procesamiento de Imágenes 71
4.1.3 Visión Estéreo 73
4.1.4 Clasificación de Imágenes 79
4.1.5 Detección de Imagen 80
4.1.6 Segmentación de Imágenes 82
4.1.7 Seguimiento de Objetivos 85
4.2 Reconocimiento de Voz 87
4.2.1 Conceptos básicos 87
4.2.2 Proceso Tradicional de Reconocimiento de Voz 90
4.2.3 Reconocimiento de Voz de Aprendizaje Profundo de Extremo a Extremo 93
4.2.4 Reconocimiento de Huella de Voz 97
4.3 Procesamiento del Lenguaje Natural 99
4.3.1 Descripción general 99
4.3.2 Niveles de Análisis de PNL 100
4.3.3 Extracción de Información 105
4.3.4 Gráfico de Conocimiento 108
4.3.5 Traducción Automática 116
4.3.6 Sistema de Diálogo 119
4.4 Comprensión de Contenido Multimodal 122
…

Este es un libro técnico profesional que guía a los productos de IA para lograr verdaderamente la comercialización. El contenido del libro se centra completamente en la implementación y comercialización del producto. No solo proporciona planes de implementación para diferentes tipos de productos de IA, sino que también proporciona métodos y técnicas específicos. También proporciona casos de aplicación en industrias típicas como seguridad, manufactura y automóviles. Ya sea que esté haciendo la transición de un puesto técnico o de otro tipo a un gerente de producto de IA, o de un puesto de gerente de producto en otras áreas a un gerente de producto de IA, puede usar este libro para compensar la falta de conocimiento relevante. Para los gerentes de producto de IA que ya han comenzado, leer este libro puede ayudarles a comprender los planes de implementación para varios productos de IA como algoritmos, plataformas intermedias y negocios, y dominar la metodología para la implementación de productos rápida, eficiente y de alta calidad. Este libro incluye 4 partes y 13 capítulos. La primera parte (Capítulos 1-2) proporciona una interpretación en profundidad de los productos de IA y los gerentes de producto de IA en todos los aspectos. El propósito es permitir a los lectores comprender verdaderamente el puesto de gerente de producto de IA, que es la base para hacer este trabajo bien. Además, este artículo también se centra en cómo convertirse en un gerente de producto de IA y cómo planificar la trayectoria profesional de un gerente de producto de IA. La segunda parte (Capítulos 3-6) comienza con el aprendizaje automático y se expande gradualmente a la tecnología de comprensión de contenido multimodal con visión por computadora, reconocimiento de voz y comprensión semántica como núcleo, aprendizaje automático conductual, etc.

Escrito por Wang Zekai

Todavía hay muchas opiniones diferentes sobre la posibilidad de la super IA. Algunos investigadores creen que a través de la evolución humana y la modificación de las características biológicas humanas, se puede obtener una inteligencia biológica más poderosa. Por lo tanto, la super IA es en realidad solo un alto grado de integración de humanos y computadoras, en lugar de una nueva especie. Otros investigadores creen que después del surgimiento de la IA general, debido a que superará enormemente a los humanos en memoria, reservas de conocimiento, procesamiento paralelo y otras dimensiones, formará una nueva especie y se volverá más fuerte que los humanos. Nick Bostrom mencionó que en comparación con las computadoras y los organismos, la frecuencia operativa máxima de las neuronas biológicas es de 200 Hz, que es 7 órdenes de magnitud más lenta que los microprocesadores modernos de 2 GHz. Las neuronas transmiten señales en los axones a velocidades que no superan los 120 m/s, mientras que los núcleos de procesamiento electrónico existentes pueden comunicarse a la velocidad de la luz, una diferencia de más de 2000 veces. En términos de expansión de las capacidades colaborativas, muchas computadoras pueden aumentar flexiblemente la potencia de cálculo, lo cual también es difícil de igualar para la inteligencia humana. La IA ha producido muchas rutas técnicas y formado muchas escuelas técnicas en el proceso de desarrollo. Independientemente de qué escuela técnica, el objetivo final es avanzar hacia la IA fuerte, etc.