白话大模型① ：AI分析能做什么？在实际落地中会碰到什么问题？

白话大模型系列共六篇文章，将通俗易懂的解读大模型相关的专业术语。本文为第一篇：AI分析能做什么？在实际落地中会碰到什么问题？

作者：星环科技 人工智能产品部

我们使用一个简单的应用实例来解析人工智能分析都在做什么。

以单一AI应用为例

人脸检索

我们以人脸检索为例，来看看利用“人工智能”能力的流程。注意到，实际上有几个视角。•问题是什么：假设已经有很多不同人的正面照（比如证件照）以及对应的 ID，现在拍摄到了一张某人的新照片，我们需要判断这张照片中是的人是谁？•步骤是什么: 基本流程大部分人脑中都有基本印象了，是一套固定的模式

图 1 基础流程比如人脸的例子“采集数据”就替换成“采集人脸数据”

完整的流程

图 2 分析典型的人脸识别要做什么一般而言，完整的数据分析流程的步骤是相对冗长的，上面的内容展示了一个典型的“人脸识别”的 AI 应用形态在“需求分析”角度看，在做什么。使用一个在数字化、智能化之前就存在的例子来说，这就类似在图书馆查书名、作者，可以方便的找到想要的编号（ID）和其所在的书架并借阅这本书。实际工作比较复杂复杂很多，我们下面会稍微详细的叙述。首先从“数量化”开始。

数量化

首先，我们需要将人脸照片转化为计算机能够理解的数据。这个过程叫做“量化”。比如早期的图书馆检索，是通过人工编制索引卡片，然后通过卡片找到书籍的位置。这个过程就是“量化”。我们将书籍的信息转化为了卡片的信息。

图 3 我国澳门公共图书馆的卡片目录（柜）可以看到，为了检索为目的，图书卡片目录至少要1.保存书籍的信息（书名、作者、出版社、出版日期等）2.保存书籍的位置（柜号、层号、架号、排号等）3.保存书籍的编号（索书号、ISBN 等）对应到人脸识别，我们需要保存的信息也是类似的。我们需要保存的“人脸卡片目录”信息包括（姑且认为）：1.人脸的特征（比如眼睛、鼻子、嘴巴等）：可以是相对大小、颜色等2.人脸的位置：可以是相对位置、绝对位置等3.人脸的编号：可以是身份证号、学号等实际操作中，人脸卡片目录一般都“编码”成了一串固定长度，比如说 1024，的数字（也就是“向量”），其有个特定且形象的名字“嵌入向量”：将人脸的特征（比如瞳距、鼻宽等）、位置（眼相对鼻距离等）、编号等信息，”嵌入“到这 1024 维的“向量”中。

但是，我们需要注意到，这些信息都是“人工”提取的。这个过程是非常耗时的。而且，这些信息的提取是非常“主观”的。不同的人可能会提取出不同的信息。而且，更重要的是，这样提取，很难保证“准确性”和“泛化性”。不考虑严格的学术定义，这两个带引号的词的含义是：

准确性

按照提取的信息，能够准确的找到对应的书籍/人脸的概率。这里，由于信息不准确等问题，通常可能检索出多个待选结果，这里的准确性一般是指排名前几的结果中，是否包含正确结果的概率。这比较好理解，一位作家可能写了多本书，书名、年代可能相似，查询者记忆比较模糊，问的不准确，都可能只能找到一个“范围”。这个范围内，可能有多本书，但是只有一本是正确的。这个时候，我们就需要“挑选”了。到了“人脸检测”，这个问题可能更严重些。根据口、耳、鼻形态的的手工构建的数量化特征，排列组合可能性来找到“相似”的人脸。这样操作下来，排序后找到最相似前五名，使用十五年前最厉害的算法，真正想找的人在其中的概率连一半都不到。事实上，尽管“人脸识别”这个需求自有视频监控和照相技术后就一直是刚需，但这么低的准确率一直持续到 2010 年前后。新的”方法“的出现，才使得准确率有了质的提升。

泛化性

泛化是个阻碍人工智能在应用中大规模铺开的问题。泛化性是指，对同一个问题，对于“新的数据”，人工智能模型还能保证原有的性能（比如查找精度等）。但事实上，问题很多，比如：1.检索书籍中，原本书籍题目限制在 20 字以内，但是现在有了超过 20 字的书籍，比如白居易《望月有感》的诗，题目是《自河南经乱，关内阻饥，兄弟离散，各在一处。因望月有感，聊书所怀，寄上浮梁大兄，于潜七兄，乌江十五兄，兼示符离及下邽弟妹》，共 50 个字，这个时候，原有的卡片目录抄录不下。2.检索人脸中，原本的人脸照片都是正面照，但是现在有了侧面照，这个时候，原有的卡片目录就无法使用了。或者，在最近两年中，原本好用的手机人脸识别解锁，在人带了口罩后（甚至遮挡并不算多），就无法使用了。以上的例子比比皆是，这些问题都是“泛化性”问题。同一个问题, 新的数据，这些日常使用的单词，并没有数量化的定义，甚至不同人、不同领域的认知都完全不同，也客观上导致了现实中 AI 落地的诸多问题。