真实案例：人工智能（AI）产品设计复盘人工智能产品设计案例范文大全图片高清版

发表时间：2023-07-05 13:03:21

真实案例：人工智能（AI）产品设计复盘

本文笔者从工作项目实践出发，并结合具体案例分享了人工智能产品设计过程中遇到的一些问题以及具体操作方案，供大家一同参考和学习。

对于AI产品一直抱有好奇之心，正好前端时间负责了我厂手机系统AI产品“智慧识屏”的落地，分享一些产品设计中的所思所想，大家轻拍。

产品示意图如下（避嫌，用友商），一种无搜索框的搜索功能，用户可以在任何APP（应用）里，通过单指长按目标区域的文本或者图片，来获取所需要的信息或服务。

示例中“战狼、战狼2、战狼3被识别为电影”用到自然语言处理技术（NLP），故而智慧识屏被划分为AI产品系。

AI产品是一个很好的宣传概念，但是，用户不会为AI技术买单，只会因AI产品能更好的解决问题才使用。AI产品还得回到产品的本质，下文从三个点展开：

智慧识屏要解决的问题；智慧识屏提供的解决方案；AI技术特点相对应的产品设计原则。智慧识屏要解决的问题

安卓APP是一个个可提供垂类标准化服务的信息孤岛，只会支持APP内的信息服务搜索，没有对外搜索的意愿和通道，信息流转不畅会带来一些麻烦，举个例子：

想搞明白“亲爱的，热爱的”是什么，目前主要的操作路径如下：

触发文本选择状态——选择相应的文本（亲爱的，热爱的）——复制——系统切换APP——找到目标APP（百度或者豆瓣）——APP内搜索——回到触发应用（微信）；

可以看出“操作麻烦（光标好难操作，我的红萝卜大拇指啊！）”且“操作路径长”，类似的场景还有很多，且我们每个人每天都可能遇到类似问题。

另外一个层面，资源侧，比如百度、豆瓣等，对于流量的需要是永恒的，精准的流量更是来者不拒。综合用户和资源角度，解决这个问题的价值就凸显出来。

因为各APP内的信息只有系统级别可以授权获取，手机系统变成了最适合也最应该的问题解决方，且因可以拿到更多的“搜索前”场景信息：上下文信息、环境信息和用户信息，搜索的效率有机会优于通用搜索引擎。

智慧识屏提供的解决方案

上文提到的例子在智慧识屏的操作路径，soeasy！

可以看出，相较于用户当前“操作麻烦，操作路径长”解决方法，智慧识屏是一个便捷触达所需信息服务的搜索通道，主要从服务触达效率和服务质量两个层面去拉大“新旧体验差”，两个点：便捷触达和服务满足。

1.便捷触达

用户使用APP时，内容浏览或功能使用是主诉求，搜索是低频高级需求，因而，智慧识屏需要被用户主动唤起。

便捷触达是指功能唤起的方式友好，触达想搜索信息的操作路径短。

功能唤起的方式在比较了“手机物理键、单指长按、单指大面积长按、双指长按、复制后”等方式后，选用了“单指长按”，有以下考虑：

用户已有的解决路径就是从“单指长按”开始，采用这个手势，智慧识屏相当于在用户有搜索意图的信号时就去提醒用户：这有一条捷径！单指长按是一个系统常用手势，且可以收敛用户目标搜索词的区间，给用户少但精确的选择；单指长按也会带来误触的负面体验，这块可以通过一些技术手段来处理，减少负面影响。

“单指长按”指定了目标区域，但是系统还是没办法判断用户想搜索的关键词或意图，只能多拿目标区域文本（现在以段落来单位），提取相关关键词及服务，让用户去选择，图片也是类似情况。

综上，智慧识屏流程有三部分：功能唤起、服务选择、服务浏览。

触达信息的路径要短，就要每一个部分展示尽可能多的必要信息，能在“服务选择”卡片侧给的信息就在卡片侧给，比如快递当前状态、航班车次的出发到达信息都尽可能放在“服务选择”的卡片侧，用户瞅一眼就结束；用户有需要了解更多详情时，再以“服务浏览”的方式去满足。

2.服务满足

服务满足是指根据用户触发关键词提供的服务是精准且有价值的。

雅虎提出的搜索意图三大分类：导航类、信息类、资源服务类，在智慧识屏中依然有用，只是会有一些手机的特殊场景，比如智慧识屏会覆盖“淘口令、吱口令”这样因为腾讯和阿里巴巴互相屏蔽衍生的导航类需求。

手机系统生态中，用户会用APP来满足头部已标准化的需求，搜索引擎来解决中长尾的需求。

智慧识屏也是尽可能延续用户这样APP服务为主，搜索引擎辅助的思路。

目前智慧识屏支持的品类服务主要在下图中第一和第四象限，以APP提供服务为第一优先级，比如电影类会提供“可了解详情的豆瓣资源”和“可观看视频的腾讯视频等资源”，后面会根据用户行为分析把服务逐步扩展到第二和第三象限。

服务载体除了APP，还会更多支持“快应用”这种厂商侧重推且可控体验的载体。

智慧识屏提供的每一个服务都是基于用户的兴趣点，有些兴趣点即时服务即可，有些需持续关注。

关注的兴趣点状态需要被展示、被管理，依赖于更多的系统产品（如负一屏、日程、用户中心等）与智慧识屏联动起来，这样服务链路才会完整。

另外，用户触发时，“搜索前场景信息”能辅助“搜索意图判断”，比如用户如果在“电商类”APP触发电商类标题，意图会是什么呢？如果你能提供全网最低价呢？

这块贴合场景的定向服务，会是用户对于产品的强记忆点，持续的挖掘“功能覆盖人群大”且“留存率高”的功能，是智慧识屏目前服务满足的重点迭代方向。

最后，套用俞军老师的用户价值公式：用户价值=（新体验–旧体验）-换用成本，智慧识屏可以通过产品设计来不断拉大“新旧体验差”，但是这个产品要被用户接受；

还有“换用成本”，可以通过用户引导来转换，也可以通过运营、宣传来转换，但最核心的一个点还是需要找到“大众、留存高”的常规功能去逐步教育用户打开功能、使用功能、了解智慧识屏的核心价值！

AI技术特点相对应的产品原则

AI模型的推理能力是产品质量的最重要组成部分。推理是概率性正确，依赖于大数据和模型算法，需要不断迭代。大部分品类，准确率和召回率达到90%，算非常不错了。

产品侧要尊重上述AI模型的现实和规律，扬长避短，总结的原则有三：

1.数据驱动

智慧识屏核心的价值是帮用户快速触达服务，触达服务的准确率是“服务满足”的前置条件，各类别模型的准确率和召回率是最最最重要的指标，预示着当前品类用户的满意程度。

用户行为日志是用户需求挖掘的宝地，用日志分析当前提供服务的满足度，以及挖掘潜在用户需求，迭代验证产品方案，这样的产品闭环跑通，智慧识屏才能健康的运转下去。

上述统计指标和用户行为日志分析，用数据驱动产品迭代，是AI产品中非常重要的部分，每天必备。

2.容错设计

模型的推理会有概率性错误，加上产品覆盖类型不会一蹴而就，这会让用户有概率得不到服务满足，需要有容错设计来解决这个阶段状况。

智慧识屏的“文本”功能，每次功能触发都稳定存在，除了满足用户主动的文本编辑能力之外，一个重要的角色就是容错，承担服务满足不了时的托底，用户可以通过选择相关文本去搜索，服务链路不能断。

3.上新的机制

受限于研发、测试等资源，AI模型的迭代速度（比如产品覆盖品类的扩充速度）与产品可迭代的速度可能并不匹配。而时间成本对任何产品来说，都是最宝贵的资源。

所以建议，在品类上新这样可标准化的流程里，从产品初期就定义好产品的信息架构：可复用已有的产品样式，也可快速服务器上新的产品样式。

这样不管是品类上新，运营活动，还是小流量灰度，都可以更快速的拿到产品数据，驱动产品快速迭代。

上述的产品原则是在当前的产品状态和投产比基础上一些思考，非绝对概念，随时欢迎大家探讨相关的话题，感谢阅读！

作者：何其多多；公众号：何其多多，手机行业产品汪，AI行业产品汪，欢迎来撩！

本文由@何其多多原创发布于人人都是产品经理，未经作者许可，禁止转载。

题图来自Unsplash，基于CC0协议。

人工智能与设计（4）：人工智能对设计的影响

前面通过三篇文章《人工智能的发展和定义》、《面向用户的人工智能系统底层设计》和《人工智能时代下交互设计的改变》介绍了人工智能基础、系统底层设计以及上层应用的设计。本次更新的最后一篇文章关注的是人工智能与设计的关系，这应该是设计师们最想了解的部分；这篇文章是为后期调研人工智能对不同设计领域的影响做个铺垫，欢迎阅读。

人工智能对设计的影响

人工智能的普及是否使设计师失业引起了业界的一股躁动。要回答这问题，应该先弄清楚设计与人工智能的关系，我们可以从本质开始入手。

有人认为设计是为了追求美，和艺术没什么区别；但设计做久了，会有更深刻的理解：设计是为了解决问题。那么设计是什么？在网上看到了一句对设计的定义：设计是有目的的创作行为。这句话解释得非常棒。目的代表主体所追求的目标，创作是把自己的灵感、经验和感觉表达出来。设计是为了解决问题说明设计是为了解决问题的创作方案，设计为了追求美说明设计是为了解决设计对象美感和实用性的问题的创作方案，所以后者属于前者。

艺术是为了将自己的灵感、经验和感觉等主观感受表达出来。设计和艺术的本质在于是否拥有目的；目的是一种观念形态，反映了人对客观事物的实践关系。相比起艺术，设计更多是一种人对客观事物的实践方式，在考虑主观因素的同时也要顾及外界等客观因素。

从定义上来讲，人工智能是使机器代替人类实现认知、识别、分析、决策等功能，其本质是为了让机器帮助人类解决问题。也就是说，人工智能在一定程度上也是一种设计，其目的是为了帮助人类解决问题，创作出与人类思维模式类似甚至超越人类思维模式的解决方案。

问题的复杂程度会直接影响解题人的最终方案，因为人的知识、经验、精力是有限的，很少甚至没有人会长时间都在解决同一个问题。当解题人找不到最优方案时，他们给出的方案具有一定的主观性，甚至有可能错误的。但也有例外的时候，人有神奇的技能-灵感和直觉，它们可以短时间内帮助人类找到解决问题的捷径。

目前的人工智能属于弱人工智能，暂时无法拥有人类的主观能力：灵感、感觉和感受，也没有人类的跨领域推理、抽象类比能力，只能依赖数据和经验来创作或者解决问题。但计算机比人类拥有三个优势：

可以在极短时间内完成超复杂的运算；可以长时间不厌其烦做同一件事，而且不会累；记忆力好，积累的经验可以被随时调用；没有情感等主观因素，比人类更公正客观对待每个方案。

这四个优势可以使计算机在解决超复杂纯智商难题时不断探索新方案，不断积累经验，不断优化方案，通过穷举和对比，找出最佳的方案。人工智能在不同的领域积累的经验增加，它对事物间关系的洞察力也会逐步提高，它也会不断反哺提高自己解决问题的能力。当人工智能的运算能力、分析能力、洞察力超越人类时，人工智能在很多领域提供的解决方案会上优于人类。

设计除了解决问题外，还有对美的理解和创作。美感是对美的体会和感受，它是复杂的，它包含了历史、文化、环境、情感等客观和主观因素，所以不同时代、阶级、民族和地域，有着不同文化修养和个性特征的人对美的定义也不同。不同人之间有着不同程度的美感能力，有些是先天因素影响，取决于个人的感知能力；有些是在社会实践等后天因素训练出来的。

由于弱人工智能缺乏人类的主观感受和推理类比能力，以及缺乏对当代世界和社会的文化和环境的理解能力，所以弱人工智能对美感一无所知。人工智能不懂美感不代表人教不懂会机器生产美感，就像托福和雅思，即使英语不太好看不太懂文章在说什么，只要懂套路，考生也能考出一个还行的成绩。

图片处理应用Prisma通过深度学习将一张图片的风格特征分析出来，毫无保留迁移至另外一张图片。

阿里鲁班系统通过深度学习来量产Banner，设计师将自身的经验知识总结出一些设计手法和风格，再将这些手法归纳出一套设计框架，让机器通过自我学习和调整框架，演绎出更多的设计风格，上亿的Banner通过素材进入该框架后批量拼装而成。

来自微软亚洲研究院的研究员与清华大学美术学院的艺术设计专家让AI接手了繁杂专业的图文排版设计工作，他们提出了一个可计算的自动排版框架原型。该原型通过对一系列关键问题的优化（例如，嵌入在照片中的文字的视觉权重、视觉空间的配重、心理学中的色彩和谐因子、信息在视觉认知和语义理解上的重要性等)，把视觉呈现、文字语义、设计原则、认知理解等领域专家的先验知识自然地集成到同一个多媒体计算框架之内，并且开创了“视觉文本版面自动设计”这一新的研究方向。

以上案例说明人工智能即使不懂审美，也可以替代人类生产可被公式化（规范化）的设计。可被公式化的设计说明这些设计是已成熟的，有规律的(模型)、受限制的(参数)、可量产的。如果不想被人工智能的美感设计领先，设计师的美感设计应该是创新的（未成熟未被发现规律的），包含更多元素的（更多复杂参数如历史、文化、环境、情感等等）。

人工智能与设计师的关系

设计是一个用处非常广泛的动词，可以搭配不同名词成为各种专业术语，例如程序设计、架构设计、交互设计、UI设计、建筑设计、材料设计等等。但设计师更多是指处理好人与设计对象之间的关系，提高体验满意度的职业，例如室内设计师是为了提高人在室内的居住质量；服务设计师是为了提高人在服务流程中的满意度；交互设计师是为了解决人与计算机的交流问题；UI设计师是为了升华人与计算机的交流体验。

上文已提到，人工智能在解决超复杂纯智商难题上最终会超越人类，而且可以生产出可被公式化（规范化）的设计，例如符合规范可批量生产的平面设计、符合规范已成熟的网页和移动端交互设计。但对于人工智能，设计师不用过多担心被取代问题，因为设计师的工作是为了提高体验和满意度，体验和满意度都是主观的，这是人工智能很难去衡量的。既然人工智能也是一种设计方案，那么设计师可以利用人工智能这工具创造出什么价值？

1.在互联网和移动互联网时代，由于产品用户量大以及技术的限制，产品无法针对每位用户在不同场景下的需求进行设计，所以产品功能只能绝满足大部分用户都有的核心场景；还有每位用户的审美能力的差异，设计师只能考虑用更简洁的设计语言来满足大部分用户的基础审美。在人工智能的帮助下，产品有能力做到根据用户的使用场景和行为分析出用户的当前诉求，并提供相应服务。人工智能为个性化服务提供了基础，个性化服务意味着要考虑更多关于该名用户的特点，包括文化，经历，心理等因素，如何设计能更满足该名用户，这是一个全新的机会和挑战。

2.人工智能为艺术型设计师带来更多机会。进入个性化时代的产品基本满足用户需求，相同类型的产品结构和功能会越来越接近，能为产品带来活力和差异的除了自身的底层技术基础，更多是艺术型设计师的理念和风格，以及自身品牌。就像时尚品牌优衣库和Gucci，单件商品两者的品牌和设计产生所带来的利润差距巨大，人工智能产品也可以做到。

3.人工智能使产品的使用成本降低，信息架构扁平化，整体体验提高；但个性化设计意味着需要考虑更多元素。简单和个性化貌似矛盾，如何保持产品简单可用又能突出个性化，这也是一个全新的机会和挑战。

新的设计对象

计算机的普及和难以使用，催生出交互设计这个术语，交互设计专门解决计算机如何更好地与用户交流互动的问题。交互设计师在设计过程中总结出一个新术语：以用户为中心的设计，在设计时密切关注用户的体验和感受。用户体验设计这个术语逐渐扩散到各行各业，它所带来的价值让各个企业明白提高体验的重要性，并着手优化自家产品服务，到后面也衍生出服务设计等专业术语。

产品体验不好，用户还有其他替代选择，所以大家开始关注用户体验。但现在用户体验设计存在着一个局限性：它设计对象仍然是产品，它只关心用户在使用产品期间的体验，不关心产品对用户其他方面的影响。这是可以理解的，因为企业间之间存在着竞争，以及互通数据分析数据需要非常高的成本。所以产品体验好了最大收益自如是产品和企业，并非用户。

辛向阳教授提出了一个更领先的观点：EX-ExperienceDesign，以用户经历为中心的设计。简单点说，生活中每天发生的琐碎小事不会被记住，例如吃饱睡饱；但特殊的经历会被记住，例如在迪士尼公园的路上突然跑出来一群鸭子，你会记住那次惊喜。UX构建的是每一件小事，EX构建的是用户经历，基础是每件小事之间的联动。EX更多关注全局性，就像迪士尼乐园把控全局体验为游客带来惊喜。EX是个性化服务的基础，它会从多个维度包括用户画像和行为、场景和环境、上下文的理解（上一件事情发生了什么，后面安排的事情）等为用户创造价值。

当设计对象从产品转变到用户经历时，设计师不能只考虑自己的产品体验，还要从全局出发考虑产品与产品之间的联动，考虑不同场景和突发事件时自己的产品如何服务用户。产品从单体变成一块拼图，需要考虑上下左右的关系并兼容，这对设计师来说是一个全新的挑战。

如何设计人工智能产品

人工智能为个性化服务带来新的可能，要想设计一款更友善更像人类的产品，我们先看看人类是怎么交流的。人与人之间的交流分为双向交流和单向交流，双向交流包括了问和答，单向交流包括了指令、陈述和接收信息（单向交流指对方可以给予简单的反馈，甚至不需要提供反馈）。问和指令不太一样。问是因为自己不知道，希望对方能提供相关的完整答案（这里忽略明知故问和反问两种带有目的性的情感交流）；指令更多是指上级对下级的指示，他知道对方能做什么，希望对方能帮助自己完成该事情，对方完成后的反馈可能非常简单，一句“OK”“搞定”“对不起，做不到”已经能表达清楚是否完成，其反馈不需要太多内容。陈述的意思是我将信息传达给你就完成了，你可以不给予我反馈，例如演讲、授课、讲述内容等等。接收信息包括了听觉、视觉、触觉，甚至是嗅觉和味觉。

随着信息的增加，当信息超过人类的记忆容量时，人类通过交流获取信息的效率变慢，他们开始将信息通过刻画的方式记录保存下来，到后面逐渐出现了书籍。随着技术的发展，人类获取信息的方式也在逐渐增加，收音机、电视、电脑、手机逐渐出现在我们的生活中，我们先来看看人与媒介交流信息时有什么不同，再来推断人工智能能做什么。（这里的人更多是指接收信息，并非发送信息例如写书、写文章的人）

从表格可以推断出，人工智能要做到与人正常交流需要在问、答、指令、接收信息四个方面有所深造。问更多是指人通过语音、文字等对话方式提出问题（语音是最快最直接的表达方式），计算机理解问题后给出正确完整的答案。答更多是指计算机需要通过如传感器、用户事件监听等隐形手段获取更多的用户数据。指令更多是指用户通过语音和界面发出指令，计算机接收并理解指令后完成一系列的操作。接收信息更多是指人给出问题和指令后，计算机如何提供正确的答案和反馈。

如果牵扯到辈分、利益等关系，人类之间的交流务必产生情感上的交流，在交流时最能表达情感和态度的是态度和语气，人和机器交流也毫不例外。人工智能需要学会与人类交流时，根据不同场景和对话内容采用合适的态度和语气。在交流中，机器更多承担的是下级以及朋友的角色，直白点就是要你干嘛你就干嘛(准确性)；要你干嘛就赶紧做(即时性)；说你不对就得改(自我学习和修正)；不能顶嘴(礼貌)；尽管我对你很苛刻，你也要对我像好朋友一样(性格一致，需要人物设定)。

结合交流方式和情感表达，设计一款面向用户的人工智能产品时需要注意以下几点：

人物设定：为了避免在交流中过于死板或者态度语气时常变化过大(态度语气时常变化过大叫精神分裂)，设计师应该针对不同用户群体为人工智能赋予不同角色与性格。例如针对二次元宅男群体，赋予人工智能傲娇、元气、电波女等性格；针对成熟女性群体，赋予人工智能温柔的管家角色；尽量不要赋予人工智能老板、父母、老师等角色，因为指令他们干活时，会让人类感觉到突兀。准确性和即时性：需要听懂用户的问题和指令并立刻给出准确的答案或反馈。准确性和即时性是人工智能的最基础能力之一，多次回答错误显得人工智能很蠢，用户会逐渐对人工智能失去信心和信任。在技术不成熟的时候，可以引入天然呆、冒失女等具有智商不高但又很懂卖萌的角色性格弥补技术上的缺陷，这样可以通过打情感牌减少用户愤怒甚至失望的情绪。自我学习与修正：当人工智能不知道答案和操作时，除了给出抱歉的反馈外，更多需要的是通过自我学习能力来修正自己的数据库，避免多次惹恼用户。礼貌：及时回复、不重复说话、不反驳、不打断用户的说话和操作都属于礼貌问题，就像人类一样，有礼貌的人工智能才会受用户欢迎。

做设计时需要考虑更多数据的交互，关于人工智能底层数据设计请阅读第二章的《下一代人工智能助理》和《人工智能数据仓库》。在设计架构时需要考虑更多产品上下游之间的联动，以及通过接入通用型API和组件完善人工智能的数据库，关于移动端信息架构设计、通用API和组件请阅读第三章的《流的设计》和《新型API和组件》。对话是人工智能的基础，更多对话体验设计请阅读《GoogleActionsDesign》。人工智能为个性化设计提供了基础，设计师需要考虑更多场景下的个性化服务，也可以引入更多风格的个性化设计，彰显出用户的魅力。

智能产品设计

本书是一本体系完整、教学资源丰富的智能产品设计教材。

本书定位于帮助读者理解智能产品设计的背景，掌握相关方法和关键概念，了解所需要的能力和基本设计流程。

全书共10章。第1章导论、第2章能力与流程，主要介绍智能产品设计的背景和概况。第3章人工智能的基础、第4章机器学习的变革，从宏观和应用角度介绍人工智能和机器学习的技术内核和能力边界。第5章界面与交互、第6章虚拟和真实、第7章心智与体验，介绍智能产品中的人机关系。第8章从算法驱动到以人为本、第9章从机器思维到设计思维，介绍智能产品设计的思维模式和相关方法。第10章介绍发展中的支撑技术。

书中给出大量的生动、真实案例；重点和难点内容设置了思考题目；关键章节给出深入学习所需要的学习资源和参考文献。本书没有介绍具体的算法模型，也没有介绍开发平台等实操性内容，这些内容可以在学习资源中获取。本书可作为人工智能专业、计算机类相关专业、设计学相关专业的本科高年级或研究生学习智能产品设计的教材。由于书中各章内容相对独立，教师可根据课程计划和学生专业背景需要选择讲授内容。

人工智能的12个典型案例

但以亚马逊的推荐系统为例，它是一个交易性人工智能平台的强大引擎。人们可能已经观察到它的能力，这个系统可以不断学习。本质上，大批购物者正在“教导”亚马逊人工智能系统，以便更好地展示可能出售的商品。也就是说，将一件商品与过去展示的另一件商品相匹配将促进销售，可以将半关联的概念联系起来(例如灯架与摄影设备)。

另一方面，这种高端的人工智能系统需要庞大的计算平台来处理所有这些数据。对于使用小型服务器的用户来说很难为此类系统提供支持。显然，亚马逊网络服务公司拥有世界领先的计算平台。

3.Pandora

对于那些认为人工智能将会取代人类工作的人们来说，Pandora人工智能系统就是一个与人类合作的例子。首先，Pandora通过音乐专业人员的帮助来分析和分类歌曲。Pandora着眼于歌曲的450种属性进行分类，从声乐风格到节奏感。

当其人工智能算法工作时，根据大量用户对其歌曲库的响应，结合了来自用户的大量推荐。然后，人工智能系统可以批量分组和呈现对于用户具有意义的歌曲。

4.Cogito

这无疑是人工智能最活跃的领域之一：在销售和客服电话中使用人工智能，可以增强与客户的情感联系。具体地说，使用人工智能互动比人类更具移情能力。当然，这是人工智能使用的一个前沿。

Cogito(拉丁语的意思是“自我意识”)使用了人类互动的关键真理：它不仅仅是词语的表达意义，而且是词语的表达方式、情绪、节奏和感觉。

Cogito软件可以实时分析对话，提供有关正确和错误的线索和提示。也许对话者可能切入太多主题，或者反应不够快。应用程序提供基于颜色的警告和更新。该软件可以分析数百条线索，以确定对话的情感质量。

5.Nest

推动人工智能增长的关键因素之一是资金雄厚的厂商之间的竞争，希望在早期获得市场份额。以谷歌公司旗下的家用恒温器Nest为例，其部分目标是将谷歌公司的人工智能构建到设备中，用来应对苹果Siri和亚马逊Alexa的不断增长。

Nest使用人工智能来适应人类的行为模式，获得恒定的输入线索，并在家中工作时做出更准确的反应。在业主设置系统一段时间之后，Nest可以自己整合输入。

无论如何，智能家庭设备(物联网设备)无疑是争夺人工智能市场支配地位的关键战场。让一整组智能家庭设备协同行动，它们可以响应家庭成员的指令，并根据其行为学习，这显然是人工智能在家庭应用中的未来。

6.Boxever

总部位于爱尔兰的Boxever公司推出其Boxever“个性化平台”，其主要目标是旅游业。其基于云计算的平台允许旅游公司创建一个单一的客户视图，从而为客户提供更有效的营销。它的目标是通过单独针对客户来改进销售过程。如果人工智能可以在一对一的基础上定制交互过程，理论上它可以更有效地服务(并销售给)客户。

Boxever公司的方法承认竞争的关键部门是客户体验。如果零售商更加谨慎地满足客户的需求，将会在电子商务竞争中获胜。而使用智能软件比人工销售代表的成本要低得多。

7.AIRobotics、Humanoid和其他

人工智能为机器人的应用提供动力，其中包括加州大学伯克利分校的BRETT和麻省理工学院的MITdog。Sophia就是一个受到媒体热捧的人工智能机器人的例子，它和NBC电视台主持人JimmyFallon在“今夜秀”上聊天和唱歌。

除了流行文化的喧嚣之外，还有各种规格和大小的人工智能机器人。例如iRobot公司的RoomBA980吸尘器采用了人工智能技术，可以在家中完成各种清扫工作。该公司声称，Roombas公司已售出1000多万台RoomBA980吸尘器。

8.垃圾邮件过滤器

人工智能的核心就是学习。而使用机器学习和其他人工智能技术，软件系统将变得更智能，无需人工协助。

当然，采用人工智能防止垃圾邮件是一个迫切需要机器学习的领域。工作人员(甚至是团队)难以跟上垃圾邮件的增长。例如，Gmail会部署机器学习算法来过滤(大部分)垃圾邮件。

为此，垃圾邮件过滤器试图更快地跟上垃圾邮件发送者的工作，他们不断采用创造性的方法来欺骗收件人。垃圾邮件过滤器中的人工智能会持续扫描元数据，例如发件人的位置或主题行中的关键字。如果无法学习，垃圾邮件过滤器将在几天之后无法运行。

人工智能技术是使用来自人类的输入：因为对于一个用户具有价值的优惠券对于另一个用户来说则是垃圾邮件。特定用户如何对邮件流进行分类必须是垃圾邮件过滤器学习的一部分。

9.网上银行业务

银行为用户提供方便的优惠：扫描其支票并将其金额存入移动设备中，无需去实际的分支机构存款。其问题是：这样做需要机器来阅读用户的签名，这是一项既混乱又令人困惑的工作——甚至对工作人员来说也是如此。

在其他供应商中，MitekSystems公司采用专门从事基于软件的身份验证。其人工智能技术利用计算机视觉和机器学习使移动到银行的交易安全。

例如，Mitek公司采用视觉算法对银行交易中的无数ID格式进行分类。其核心是光学字符识别(OCR)软件，它扫描文档并将数据转换为可编辑的格式。可以使用人工智能调整OCR软件以准确提取个人签名或指纹。

10.贷款和信用卡处理

当消费者申请信用卡或贷款时，消费者信用评分(FICO)(通常在300到850分之间)将起到至关重要的作用。在过去，贷款工作人员审查了这些贷款和信用卡申请。虽然仍有很多工作人员，但许多关于信用卡的决定或者是否接受消费者的申请，都是由机器学习系统做出的。

同样，学习是这个过程的核心部分。银行管理人员可以设置他们希望当前信贷标准是宽松还是紧缩的参数。但他们希望银行的机器学习系统能够随着时间的推移而学习，以便更密切地确定哪些申请人是安全的借贷者。

11.Lyft和Uber

没有人工智能和机器学习技术，共享单车是不可能存在的。具体来说，票价、预计到达时间以及它将要走的路线：这些都是人工智能计算出来的。

人工智能即时进行大量计算。如果没有一个分析情况的机器学习系统，然后将结果数据路由到用户和驱动程序的应用程序，这些计算的数量和复杂性将是不可能的。当然，Lyft和Uber公司将其记录在自己的系统上，这两家公司拥有关于用户模式的大量数据。

在未来，这些服务预计将出现无人驾驶汽车的时代(尽管这种情况发生时最多仍然模糊不清)。如果没有人类驱动程序的元素，运行系统的过程将成为更纯粹的逻辑机器学习计算。从理论上说，这将导致共享乘车服务的成本下降，甚至可以节省雇佣驾驶员的成本。

12.社交网络

主要的社交媒体网络是人工智能发展的核心驱动力。特别是Facebook公司似乎采用了人工智能的各方面功能。例如，其算法定义了用户的时间轴，决定是否在其时间轴上显示或不显示其朋友的某些帖子。Facebook公司知道，如果某个用户的每位朋友都被展示出来，那么时间表就将变得很混乱，以至于它会让人感到厌烦。因此，时间轴算法可以了解用户与谁进行交互以及其通常忽略的对象。

对于Facebook而言，最重要的是，社交网络使用人工智能来帮助个性化为用户提供广告的方式，因此它具有一定程度的广告显示相关性。需要注意，Facebook允许用户评论广告与时间线的相关性;每个用户评论都有助于系统学习并变得更精细。由于他们使用人工智能微调显示系统的方式，Facebook和谷歌在整个网络广告市场的比例非常高。

此外，Facebook使用图像识别人工智能技术来识别照片中的人脸，因此它可以邀请用户为其添加标签。毫不奇怪，考虑到照片对Facebook的重要性，Facebook在面部识别技术上投入了大量资金。采用机器“读取”照片是当今人工智能时代最为显著的进步之一。返回搜狐，查看更多

真实案例：人工智能（AI）产品设计复盘 人工智能产品设计案例范文大全图片高清版