论文部分内容阅读
时值2018年年底，可以用两部电影的名字来形容：“无问西东”和“虚掷芳华”。大家都想用新技术，但是，这些新技术用了以后如何呢？区别在哪呢？以人工智能为例，传统企业在转型的时候，很多都要借用人工智能这种新技术，但其实现在遇到很多的都是伪人工智能。
在这里特别要向大家提到的技术叫“情绪识别”。谷歌云首席科学家、斯坦福大学终身教授李飞飞女士曾在2017年提出：情绪和情感是人工智能的下一个春天。为什么会提到情绪和情感？大家都在说用户体验，如果你不知道人的体验是如何的，又该如何做体验？即使知道体验是什么，但是不知道人的情感跟情绪是什么，又怎么能知道客户的体验好不好呢？
李飞飞在2018年又提出了一个新的概念：以人为中心的AI。现在做的人工智能要以人为中心，要研究人，这其实与新华网融媒体未来研究院以人为中心，研究人的情绪是高度契合的，在情绪及情感的计算基础上判断人工智能是未来发展的方向，其实它非常难，不光是对传统企业，对现在的互联网公司也是如此。
所谓的人工智能，不是单一的学科背景，而一定是跨学科、跨专业的，在这里，我们强调与认知学、心理学的跨界融合。研究人机交互和体验，必须了解人的情绪是什么样的，让人的情感在设计里面去进行指导，这是一个学术背景的介绍。
接下来要强调“生物传感”，讲的是用生物传感来研究人的情绪与体验的重要性。其实这个并不陌生，比如，喜欢用手环的人都知道，智能手环里有一个心率的设计，使用时它会告诉你跑步时消耗了多少卡路里、心跳情况。如果用这个生理信号再进一步研究，就可以知道你心率特别快的时候是因为紧张、焦虑还是害怕，这就叫做基于生理信号的情绪识别。
接下来再来说“黑森林”，“黑森林”被定义为隐性智能，而日常我们看到的面部识别、语音识别等都叫显性智能。隐性智能跟大脑神经系统有关系，人的很多意识和决定都是由潜意识决定的，你并不知道潜意识对你产生什么影响和变化，但它对研究用户却是非常有意义的。
在人工智能领域里，大家都认为深度学习可以解决所有问题，其实不然。这是因为深度学习是要依靠大数据的，数据越多越会提高算法的准确性，但同时它却带来了鲁棒性差的问题。比如，大数据应该区分开人和动物，但是当数据达到一定程度以后，自动驾驶的汽车在路面行驶时，如果把人当成一個动物就会撞过去，这就是深度学习带来的危险性。大数据不是越多越好，它是要提升算法的准确性，但是一旦涉及到跟人相关时候，仅出现一例案例就会造成技术的崩盘，无法继续走下去。因此，今后做人工智能、用户体验，如果要用人工智能的技术，监督性学习一定是有缺陷的，可以以无监督或者半监督的方式实施。
情感计算与人工智能在当今世界是非常前沿的学科，目前在全世界做情感计算与人工智能的公司，做情感分析的不超过30家，做情感计算的不到100家，中国目前仅有3家公司，其中多数集中在机器人领域。
目前，生物传感的应用场景非常多，像情绪识别里面，假设可以通过现有的技术，包括生理传感技术或者多模态技术，能够把人的情绪（抑郁、压力、疲劳度、关注度、兴奋度等）识别出来，对家电行业、车企、教育领域、大健康等各行各业来说都非常有用，这其实都是研究用户体验非常重要的一环。但是，这个难度非常大，大在什么地方？答案是跨学科，单一学科没有办法和市场竞争。
接下来再谈谈家电行业的现状。目前家电行业的痛点，第一是技术太多，每天都有新技术出现，但是新技术是否适合企业却不得而知。第二就是关于用户体验怎么去做，这在专业性方面还有所欠缺。第三是不知道怎么去分析数据，不知道该怎样在数据基础上做数据挖掘。第四是人才方面，一定要有人才队伍的培养，并且要有长期的人才规划。
我为大家提供一些可能会解决这些问题的方案。比如针对技术方面，这里涉及到两个思维的问题，我认为在现今这个物联网时代，不是以产品为导向，而是以人为导向。产品思维模式和以人为中心的思维，两种不同的模式决定了最后的商业模式也是不一样的。
用户体验怎么去做？并不是随便找一些人过来做一个实验、采集一些数据，最后分析一下出个报告，而应该是让专业的人做专业的事情。数据方面，不会做数据挖掘，没有专业的人做数据分析，那这个数据就没有价值，只是个数据库。另外，光有大数据不行，还要有小数据，要有活跃数据，这是要日积月累，通过用户慢慢体验，逐渐变成有价值的大数据。
最后，最重要的是人才，因为以上说的这一切都是要靠人去做。有一些企业会跟高校合作，所有东西都要产学研。有了自己的商业模式，培养自己的专业人才，同时还要去想以后谁还可以加入成为后备人才。
现在制造业已经从工业时代慢慢转向一个定制化时代，这不是一步到位的，一定是从2B走向2C。从工业制造时代怎么到2B做定制化，从2B定制化怎么走向个人定制化，一定是有一个技术介入，在这里面，一定要以人为中心了解用户需求。如果一个产品转型进入到新的领域，我们要想，人的需求在哪里，不能只是简单提供一个商品，体验里面一定要有一种生活的方式，不考虑场景只单拿产品出来体验是没有意义的。
在这里特别要向大家提到的技术叫“情绪识别”。谷歌云首席科学家、斯坦福大学终身教授李飞飞女士曾在2017年提出：情绪和情感是人工智能的下一个春天。为什么会提到情绪和情感？大家都在说用户体验，如果你不知道人的体验是如何的，又该如何做体验？即使知道体验是什么，但是不知道人的情感跟情绪是什么，又怎么能知道客户的体验好不好呢？
李飞飞在2018年又提出了一个新的概念：以人为中心的AI。现在做的人工智能要以人为中心，要研究人，这其实与新华网融媒体未来研究院以人为中心，研究人的情绪是高度契合的，在情绪及情感的计算基础上判断人工智能是未来发展的方向，其实它非常难，不光是对传统企业，对现在的互联网公司也是如此。
所谓的人工智能，不是单一的学科背景，而一定是跨学科、跨专业的，在这里，我们强调与认知学、心理学的跨界融合。研究人机交互和体验，必须了解人的情绪是什么样的，让人的情感在设计里面去进行指导，这是一个学术背景的介绍。
接下来要强调“生物传感”，讲的是用生物传感来研究人的情绪与体验的重要性。其实这个并不陌生，比如，喜欢用手环的人都知道，智能手环里有一个心率的设计，使用时它会告诉你跑步时消耗了多少卡路里、心跳情况。如果用这个生理信号再进一步研究，就可以知道你心率特别快的时候是因为紧张、焦虑还是害怕，这就叫做基于生理信号的情绪识别。
接下来再来说“黑森林”，“黑森林”被定义为隐性智能，而日常我们看到的面部识别、语音识别等都叫显性智能。隐性智能跟大脑神经系统有关系，人的很多意识和决定都是由潜意识决定的，你并不知道潜意识对你产生什么影响和变化，但它对研究用户却是非常有意义的。
在人工智能领域里，大家都认为深度学习可以解决所有问题，其实不然。这是因为深度学习是要依靠大数据的，数据越多越会提高算法的准确性，但同时它却带来了鲁棒性差的问题。比如，大数据应该区分开人和动物，但是当数据达到一定程度以后，自动驾驶的汽车在路面行驶时，如果把人当成一個动物就会撞过去，这就是深度学习带来的危险性。大数据不是越多越好，它是要提升算法的准确性，但是一旦涉及到跟人相关时候，仅出现一例案例就会造成技术的崩盘，无法继续走下去。因此，今后做人工智能、用户体验，如果要用人工智能的技术，监督性学习一定是有缺陷的，可以以无监督或者半监督的方式实施。
情感计算与人工智能在当今世界是非常前沿的学科，目前在全世界做情感计算与人工智能的公司，做情感分析的不超过30家，做情感计算的不到100家，中国目前仅有3家公司，其中多数集中在机器人领域。
目前，生物传感的应用场景非常多，像情绪识别里面，假设可以通过现有的技术，包括生理传感技术或者多模态技术，能够把人的情绪（抑郁、压力、疲劳度、关注度、兴奋度等）识别出来，对家电行业、车企、教育领域、大健康等各行各业来说都非常有用，这其实都是研究用户体验非常重要的一环。但是，这个难度非常大，大在什么地方？答案是跨学科，单一学科没有办法和市场竞争。
接下来再谈谈家电行业的现状。目前家电行业的痛点，第一是技术太多，每天都有新技术出现，但是新技术是否适合企业却不得而知。第二就是关于用户体验怎么去做，这在专业性方面还有所欠缺。第三是不知道怎么去分析数据，不知道该怎样在数据基础上做数据挖掘。第四是人才方面，一定要有人才队伍的培养，并且要有长期的人才规划。
我为大家提供一些可能会解决这些问题的方案。比如针对技术方面，这里涉及到两个思维的问题，我认为在现今这个物联网时代，不是以产品为导向，而是以人为导向。产品思维模式和以人为中心的思维，两种不同的模式决定了最后的商业模式也是不一样的。
用户体验怎么去做？并不是随便找一些人过来做一个实验、采集一些数据，最后分析一下出个报告，而应该是让专业的人做专业的事情。数据方面，不会做数据挖掘，没有专业的人做数据分析，那这个数据就没有价值，只是个数据库。另外，光有大数据不行，还要有小数据，要有活跃数据，这是要日积月累，通过用户慢慢体验，逐渐变成有价值的大数据。
最后，最重要的是人才，因为以上说的这一切都是要靠人去做。有一些企业会跟高校合作，所有东西都要产学研。有了自己的商业模式，培养自己的专业人才，同时还要去想以后谁还可以加入成为后备人才。
现在制造业已经从工业时代慢慢转向一个定制化时代，这不是一步到位的，一定是从2B走向2C。从工业制造时代怎么到2B做定制化，从2B定制化怎么走向个人定制化，一定是有一个技术介入，在这里面，一定要以人为中心了解用户需求。如果一个产品转型进入到新的领域，我们要想，人的需求在哪里，不能只是简单提供一个商品，体验里面一定要有一种生活的方式，不考虑场景只单拿产品出来体验是没有意义的。