从决定转型AI至今有一段时间了，是时候写一篇文章做下输出、总结了。
先说转型思路
1、因为之前有搜索广告相关经验，首先重温、复习了广告策略相关知识，重点看了《计算广告》、《这就是搜索引擎》这两本书
2、结合产品工作中的数据分析经验，重温大数据相关书籍，包括《大数据时代》、《智能时代》（我是看了才知道吴军老师这本书主要是写大数据，个人认为是讲大数据最到位的）、《大数据》、《大数据主义》
3、AI通识型书籍，了解AI前世今生，当前主要应用领域与核心场景，展望AI未来前景。主要是看书（李开复、李彦宏、周鸿祎写的三本，《奇点临近》），其次是看行业报告、白皮书、线下大型活动报道、资讯报道、公众号等。
4、基于第3点基础上，选定自己最感兴趣的方向，NLP+智能推荐，这也是我目前进行到的阶段。看过《推荐系统实践》，更坚定了自己的想法。目前的计划是进一步系统学习NLP的核心技术与算法模型，然后全面了解个性化推荐在各大内容型产品中的应用现状，年后转型内容产品推荐策略PM。
谈下我眼中的AI
在我看来，AI的核心词是智能，AI的核心属性是工具。我个人将AI看做一个函数，输入数据，进行映射，得出结果。
长远看，可以把AI划分为3大发展阶段：感知智能、认知智能、通用智能。目前还处在感知智能阶段，也就是让AI具备看、听、说等各种人类的感官能力。
虽然眼下AI的核心应用场景主要集中在B端、ZF。但长远看，AI将会赋能更广泛的C端产品，从而更好满足C端用户需求，大幅提升C端用户体验。先B后C的核心原因是AI的C端落地需要探索应用场景、以及基于高成本投入下的商业模式探索，或者说降低投入成本后才可大规模应用。
AI的类型划分
我将AI从技术原理划分为以下两大类别：
1、基于传统机器学习的模型。这是上一代的AI技术，是相对白盒的处理模型，是可分析和解释的算法。典型算法如逻辑回归、K-means、SVM。
2、基于深度学习的模型。这是新一代衍生出的技术，原理是通过多层函数来模拟人类的神经网络，从而实现仿生学的智能。内部处理原理是相对黑盒的，而且要靠海量数据来训练才能有比较好的效果。典型算法如CNN、RNN。
二者并非割裂状态，而是相互融合，互为补充。但长远来看，一定会有纯黑盒、自动化进化的AI技术模型来取代机器学习与深度学习。
AI在C端应用场景
大胆预测与幻想下AI在C端的应用场景：
1、拍照与图像领域，各种美颜算法自不必说，各种滤镜、小饰品，以及20年后的自己、二十年前的自己，最美军装照之类，总之能落地的点太多了。
2、语音交互，将会使私人助理式AI取代、融合大多数APP，比如查天气、订日程、点外卖、管理智能家电等等，理想形态是钢铁侠的管家式存在。
3、汽车将更加智能，比如车子能自动驾驶了，这是可预见的未来。
4、家电将更加智能，比如天热快到家，空调自动在到家前5分钟打开并设置好自己喜好的温度，
5、手机将更加智能，比如手机会基于用户所处场景状态、位置等信息，智能管理后台进程与内存，智能节省电量。
6、儿童私人专属AI出现，如铁臂阿童木，陪伴儿童成长。
总结
写到这里，也许有人要说对AI不能过于乐观。其实大数据也好、AI也好，都更像是一种信仰，一种对科学和科技的信仰，这种信仰对我来说深入骨髓。
往往在新东西出来时，持悲观情绪的人，最终结局是可能汤都喝不到，请尽情拥抱和享受这个加速变化的时代吧，也请保持快速进化，毕竟AI也开始抢部分人类的饭碗了。
（最近过忙，文章创作时间被压缩至2个小时，望读者海涵）
