Comparados com outros gerentes de produtos de Internet, os gerentes de produtos de IA devem dominar tecnologias profissionais como aprendizado de máquina, visão de máquina e reconhecimento de linguagem, além das habilidades recomendadas para gerentes de produtos. Produtos valiosos de IA são produtos de larga escala que integram múltiplas tecnologias, e há mais desafios na implementação de engenharia, então os gerentes de produtos de IA também devem dominar os métodos de engenharia de produtos. Esta é também a razão pela qual os gerentes de produtos de IA são escassos e altamente pagos no mercado. Este livro fornece uma introdução aprofundada com base nas necessidades acima dos gerentes de produtos de IA, especialmente tecnologia e engenharia, que são duas áreas onde outros gerentes de produtos de Internet estão obviamente carentes. Este livro fornece uma explicação muito detalhada.

●Prefácio
Primeiro artigo: IA e Gerente de Produto de IA
Capítulo 1: Compreensão aprofundada da IA e dos produtos de IA 2
1.1 Compreensão abrangente do AI2
1.1.1 Definição de IA 2
1.1.2 Três grandes escolas de AI6
1.1.3 Histórico de desenvolvimento da IA 8
1.1.4 Política de desenvolvimento de IA 11
1.2 Compreensão aprofundada dos produtos de IA 12
1.2.1 O que são produtos de IA?
1.2.2 Produtização da tecnologia de IA 13
1.2.3 Industrialização e padronização de produtos de IA 14
1.2.4 O valor e os desafios da implementação de produtos de IA 16
Capítulo 2 Gerente de Produto de IA 19
2.1 O que é um gerente de produto de IA?
2.2 Como se tornar um excelente gerente de produtos de IA 21
2.2.1 Planejamento de carreira para gerentes de produtos de IA 23
2.2.2 Sistema de conhecimento dos gerentes de produtos de IA 24
Parte 2 Tecnologia de IA
Capítulo 3 Aprendizado de Máquina 28
3.1 Visão geral do aprendizado de máquina 28
3.1.1 Aprendizagem supervisionada 30
3.1.2 Aprendizagem não supervisionada 31
3.1.3 Aprendizagem por reforço 32
3.1.4 Aprendizagem auto-supervisionada 33
3.2 Aprendizado profundo 34
3.2.1 O que é Deep Learning? 34
3.2.2 Desenvolvimento e limitações do aprendizado profundo 38
3.2.3 Aprendizagem de Transferência 40
3.2.4 Modelos pré-treinados em larga escala 40
3.3 Redes Adversariais Generativas 42
3.4 Meta-Aprendizagem 44
3.4.1 Meta-Aprendizagem baseada em métricas 45
3.4.2 Meta-Aprendizagem baseada em otimização 47
3.5 Aprendizagem Federada e Computação de Privacidade 48
3.5.1 O que é Aprendizagem Federada?
3.5.2 Classificação da Aprendizagem Federada 50
3.5.3 Estrutura de Aprendizagem Federada e Aplicações 53
3.6AutoML/AutoDL55
3.6.1 O que é AutoML55
3.6.2 Processamento e aprimoramento automatizado de dados 56
3.6.3 Geração Automática de Modelos — Pesquisa de Arquitetura Neural 58
3.6.4 Compressão Automática de Modelo 62
3.7 AI64 explicável
Capítulo 4 Percepção e compreensão multimodal 67
4.1 Visão Computacional 67
4.1.1 Geração de Imagem 69
4.1.2 Processamento de Imagem 71
4.1.3 Visão Estéreo 73
4.1.4 Classificação de imagens 79
4.1.5 Detecção de imagem 80
4.1.6 Segmentação de Imagem 82
4.1.7 Rastreamento de alvos 85
4.2 Reconhecimento de Fala 87
4.2.1 Conceitos básicos 87
4.2.2 Processo de reconhecimento de fala tradicional 90
4.2.3 Reconhecimento de Fala de Aprendizado Profundo de Ponta a Ponta 93
4.2.4 Reconhecimento de impressão vocal 97
4.3 Processamento de Linguagem Natural 99
4.3.1 Visão geral 99
4.3.2 Níveis de Análise de PNL 100
4.3.3 Extração de informações 105
4.3.4 Gráfico de conhecimento 108
4.3.5 Tradução automática 116
4.3.6 Sistema de Diálogo 119
4.4 Compreensão do conteúdo multimodal 122
……

Este é um livro técnico profissional que orienta os produtos de IA para realmente atingir a comercialização. O conteúdo do livro é completamente centrado na implementação e comercialização do produto. Ele não apenas fornece planos de implementação para diferentes tipos de produtos de IA, mas também fornece métodos e técnicas específicas. Ele também fornece casos de aplicação em setores típicos, como segurança, manufatura e automóveis. Quer você esteja se transformando de uma posição técnica ou outra para um gerente de produto de IA, ou de uma posição de gerente de produto em outras direções para um gerente de produto de IA, você pode usar este livro para compensar a falta de conhecimento relevante. Para gerentes de produto de IA que já começaram, ler este livro pode ajudá-lo a entender os planos de implementação para vários produtos de IA, como algoritmos, plataformas intermediárias e negócios, e dominar a metodologia para implementação de produto rápida, eficiente e de alta qualidade. Este livro inclui 4 partes e 13 capítulos. A primeira parte (Capítulos 1-2) fornece uma interpretação aprofundada de produtos de IA e gerentes de produto de IA em todos os aspectos. O objetivo é permitir que os leitores entendam verdadeiramente a posição do gerente de produto de IA, que é a base para fazer bem este trabalho. Além disso, este artigo também foca em como se tornar um gerente de produto de IA e como planejar o caminho de desenvolvimento de carreira de um gerente de produto de IA. A segunda parte (Capítulos 3-6) começa com aprendizado de máquina e gradualmente se expande para tecnologia de compreensão de conteúdo multimodal com visão computacional, reconhecimento de fala e compreensão semântica como núcleo, aprendizado de máquina comportamental, etc.

Escrito por Wang Zekai

Ainda há muitas opiniões diferentes sobre a possibilidade de super IA. Alguns pesquisadores acreditam que, por meio da evolução humana e da modificação das características biológicas humanas, uma inteligência biológica mais poderosa pode ser obtida. Portanto, a super IA é, na verdade, apenas um alto grau de integração de humanos e computadores, em vez de uma nova espécie. Outros pesquisadores acreditam que, após o surgimento da IA geral, porque ela ultrapassará em muito os humanos em memória, reservas de conhecimento, processamento paralelo e outras dimensões, ela formará uma nova espécie e se tornará mais forte do que os humanos. Nick Bostrom mencionou que, em comparação com computadores e organismos, a frequência operacional máxima dos neurônios biológicos é de 200 Hz, que é 7 ordens de magnitude mais lenta do que os modernos microprocessadores de 2 GHz. Os neurônios transmitem sinais em axônios a velocidades que não excedem 120 m/s, enquanto os núcleos de processamento eletrônico existentes podem se comunicar na velocidade da luz, uma lacuna de mais de 2.000 vezes. Em termos de expansão de capacidades colaborativas, muitos computadores podem aumentar de forma flexível o poder da computação, o que também é difícil para a inteligência humana igualar. A IA produziu muitas rotas técnicas e formou muitas escolas técnicas no processo de desenvolvimento. Independentemente da escola técnica, o objetivo final é avançar para uma nota A forte, etc.