#人工智能产品体系
##AI实现逻辑
涉及：语音识别（ASR）、语音合成（TTS）、机器视觉（CV）、自然语言处理（NLP）、文本/予以理解（NLU）等多种技术。
目标：模拟和延伸人的感知（识别）、理解、推理、决策、学习、交流、移动和操作物体的能力等。
##1 .基础设施提供者:基础设施
###传感器
主要应用：可穿戴应用、高级辅助驾驶系统（ADAS）、健康监测、工业控制。
AI PM :了解传感器的最佳实践和工程应用情况，掌握技术发展趋势的预判能力。
熟悉程度：如ADAS传感器（造价、每种环境的精度和稳定性）
（1）生物传感器：生物响应–>电信号（
应用：目前生物传感器主要被用于医疗保健领域(例如糖尿病人的血糖监测)、食品检测领域(例如测定食物尤其是肉食及蜂蜜中抗生素、生长促进素等的药物残留)、环境检测领域(例如河流污染物测)等。
（2）光敏传感器：光信号–>电信号（模拟视觉）
应用：摄像头里的图像传感CCD、CMOS、人体感应灯、人体感应开关、光控玩具、光控开关、手机屏幕亮度调节等,都是光敏传感器的应用实例。
（3）声音传感器：声波–>振动图像（模拟听觉）
应用：声音传感器被广泛应用于军事,例如通过对敌人狙击火力进行定位和分类,并提供狙击火力的方位角、仰角射程、口径和误差距离。通过这样的预判帮助提供有针对性的战术布置方案。在民用领域,常见的走廊声控灯就用到了最简单的声音传感器。
（4）化学传感器：化学物质浓度–>电信号（模拟嗅觉）
范围：气体传感器、湿度传感器、离子传感器等。
应用：目前化学传感器被广泛应用于大气污染监测、矿产资源的探测、气象观测、工业自动化、农业生鲜保存等领域与场景中。
###芯片
按照用途分类：（1）模型训练（2）云端推断（3）设备端推断
按照定制化程度分类：
（1）通用芯片:造价贵、运算效率低
（2）半定制化芯片（FPGA可编程门阵列）：适用小计算量、大批次计算、低延迟。
（3）全定制化芯片（ASIC应用专用集成电路）：试错成本较高、功耗低。
###基础平台
1、大数据技术
目的：从海量数据中挖掘价值
2、云计算技术
定义：云计算是一种按使用量付费的模式,这种模式提供可用的、便捷的、按需的网络访问,进人可配置的计算资源共享池(资源包括网络、服务器、存储、应用软件、服务),这些资源能够被快速提供,只需投人很少的管理工作,或与服务供应商进行很少的交互。
作用：实现基础资源层的弹性伸缩并以很低的价格供用户使用。
##2 .数据提供者：数据采集
（1）数据来源
a .直接购买行业数据
从开放数据集网站(包括科研、算法竟赛、政府开发数据、个人组织公开数据等)、运营商、行业数据分析公司直接购买数据。Eg：ICPSR、美国政府开放数据、加州大学欧文分校机器学习社区、数据堂。
b . 自行采集
行业积累直接获取用户数据、爬虫（网络舆情检测、用户购买倾向、市场趋势、竞争对手分析、行业垂直搜索等）。
c . 第三方合作
（2）数据质量
–>关联度
–>时效性
–>可信性
–>范围（数据完整度）
##3 .数据处理者：机器“大脑”处理过程–识别、理解和推理、决策
（1）识别:感知
（2）理解和推理：区分、深层次的解释和归纳总结数据的能力
（3）做决策：基于对外界客体、失误、环境的理解和判断来决定采取什么样的行动。认知过程。
##4 .系统协调者：资源配置统筹的关键环节：系统协调
系统协调者需要在人工智能的不同阶段:需求定义、设计开发、系统优化、运行保障、售后支持、监控和审计发挥资源协调和统筹作用。由于人工智能是多学科交又领域,一方面需要系统协调者具备多学科的知识背景,有助于统筹分工;另外一方面,各领域的政策、法规不完全相同,需要系统协调者提供明确的边界要求,以保证产品严格按照合理、合法的方式正常运行。除内外协调以外,对于系统协调者来说最重要的职责之一,是制定人工智能产品体系的发展规划。
##不可逾越的红线：安全、隐私、伦理和道德
隐私评估内容：
（1）评估所有产品流程中涉及用户权利(包括隐私权)的风险。
（2）评估产品在设计或运行过程的系统描述,包括产品设计或运行的目的以及它所维护的合理利益。
（3）基于产品设计或运行的目的,评估该过程是否是必要的。例如公司应评估采集的数据维度据量与产品给用户带来的价值两者间的比例,即追求最小化的用户隐私数据采集和最大化的产品价值。
（4）针对识出的风险,给出有针对性的风险管理措施。
可采取的数据隐私保护措施：
（1）减少对训练数据量的需求。
a.生成对抗网络
b.联合学习
c.迁移学习
（2）在不减少数据的基础上保护隐私
a. 差分隐私技术
b.同态加密技术
c.提高算法的可解释性。避免黑盒子事件的发生
##运维管理
人工智能的平台化程度：模块化、插件化、配置可视化、系统化监控、自动化部署
