AI（NLP语义倾向）标注对象产品设计的5个锦囊

个人不雅观点的认知根本如下，如果读者不认同50%以上，那么就没必要摧残浪费蹂躏韶光阅读后续内容了，反之，我希望大家多质疑与互换，通过Q&A来共同进步。

认知1：人工智能发展粗略可以分3个阶段：符号主义（第1阶段）→ 联结主义（第2阶段）→ 空想AI（第3阶段），我们将长期（＞30年）处于第2阶段

符号主义：代表人物纽厄尔和西蒙，认为人类的智能不管多繁芜，归根到底都是由符号打算来实现的。
只要打算机科学家设计了适宜的程序，打算机早晚有一天能凭着符号的打算，也能提出相对论、创造罗纳尔多的射门、而剪纸捏泥人和书法篆刻就更不在话下。

符号主义的毛病：很难在非常繁芜的求解组合中快速找到最优解。

联结主义：代表人物大卫休谟，认为人工智能的紧张任务是建立大脑的模型，不是预先给定办理问题的算法，而是构建一个在打算机上仿照的“神经元网络”，让机器自主地建立不同神经元之间的“联结”，通过终极结果的反馈，不断调度联结的模式，终极逼近最优解。

联结主义的毛病：过于依赖履历数据

空想AI：感知智能+认知智能+情绪的主不雅观感想熏染+自我意识

空想AI的毛病：暂时无实现方案

认知2：AI实行语义理解任务，当前已经到了技能成熟期，后续依赖产品力和数据

粗暴一点说，各家算法基本无差别（＜10%）。
以办理实际业务问题、实现业务代价为衡量标准的话，产品的易用性（决定落地门槛/规模/效果）、组件化程度（决定本钱），数据的数量和质量，才是决定代价的砝码。

认知3：中国现阶段（10年内）ToB市场，大B的真需求都在自给自足，第三方做事中小B才是正途

大B只有探索型需求和伪需求（为了系统编制内的升官发财）才会留给第三方，以是一个第三方公司如果敢说只做大B，那么一定是去世路一条或者半去世不活（无法建立壁垒/低利润率）

二、为什么我们须要标注？

认知1中提到“联结主义的毛病在于过度依赖履历数据”，那履历数据是什么？履历数据 = 已标注数据。

未标注数据只能用于无监督机器学习，当前实行99%以上AI任务的都是有监督机器学习模型，估量未来30年以内还会保持现状。
以是数据标注便是绕不开的槛。

三、锦囊

效率高是好的标注工具的唯一标准，以是3条锦囊全部都是环绕语义标注工具效率提升。

效率 = 认知效率 + 操作效率 + 智能化，以下锦囊也都是沿着这3个提升效率的方向进行的产品设计。

锦囊1：互斥性原则

语义模型实质上是一个分类模型，分类最关键的是种别清晰，例如想想折磨我们的垃圾分类。
互斥性值得便是不同类之间要做到不重不漏（漏的部分一定设置专门的“其他分类”来兜住）。

详细到产品设计上，歧义优化（根据向量相似度，自动识别不同类之间存在交叠关系的语料），分类解释（设置为必填项）等都是互斥性事理的详细表示。

锦囊2：聚类冷启动

Bert无监督聚类模型做冷启动，“效果杠杠的，谁用谁知道”。
缺失落此模块，数据标注职员冷启动阶段就全靠想象力“瞎编”。
我见过太多数据职员编写相似句（同一语义不同句式表达办法）写到生无可恋。
上线周期还会由于标注效率低和效果差一拖再拖。

锦囊3：By分类智能推举待标注语料

来，这一条锦囊大家可以在评论区猜一猜是啥意思？

锦囊4：Badcase闭环调优

语义模型调优 = 正向调优（By准确率）+ 反向调优（By Badcase）

Badcase指模型判断结果存在偏差的语料（来自于测试集+业务侧网络反馈），是极其宝贵的复盘资料。
设计事理是从点状问题（Badcase）顺藤摸瓜找到实质问题（如ASR准确率、语义分类体系问题、存在大量歧义等）进行办理。
反向调优可以极大提升模型的准确率、覆盖率等核心指标。

锦囊5：隔离数据管理与标注工具

若不进行隔离，随着产品功能繁芜度的提升，标注工具的认知门槛会陡增。
可以理解为厨房里的原材料和锅碗瓢盆混在一起丢到了一个橱柜中。
这将严重影响产品给用户的确定感，会将标注效率直接打6折。

结语

AI实行语义任务，标注是绕不过的槛。
但只要我们通过“傻瓜式工具”赞助用户轻松迈过去，AI对真实场景的赋能代价将被放大100倍以上。

作者：张佳伟，AI产品经理

本文由 @张佳伟 原创发布于大家都是产品经理，未经作者容许，禁止转载。

题图来自Unsplash，基于CC0协议。