本站AI自動判斷提供您所需要的app下載：點我下載安裝，你懂的APP
剛過去的12月5日是第35個國際志愿者日。據統計，目前，我國實名志愿者人數已達到1.92億，志愿團體總數也有78萬個。這些志愿者和志愿團體一直在社會各個地方默默做著奉獻。
在北京也有這樣一支志愿隊伍，專門幫家屬尋找患有阿爾茨海默病的“失憶老人”，他們中有65歲的隊員徒步38公里為尋找八旬走失者而累倒，只因一句“今天我多走一步，老人離家近一步”。憑著這樣的熱情，四年來該團隊已幫近300名老人成功回家。
數據
失智成老人走失主因 志愿者耗費11天找回
“2020年10月30日早7點11分，84歲高齡、患有阿爾茨海默癥的母親離家走失?！鳖愃频男侣勗诰W絡上并不少見。尋找老人的子女大多心如急焚，在這個案例中舒女士做了種種努力，一直尋找到當晚10點22分卻沒有結果，就在快要放棄時，有3位好心的年輕人在離她家15公里的地方發現了她的母親并把老人送到家。
舒女士表示，當時本想送他們一些家鄉特產表示感謝，被拒絕后，他們說了句“咱們有緣”，就開車走了?！爸挥浀盟麄冋f其中一位是軍事醫學科學院的工作人員，一位是301醫院的工作人員。”
曾有數據顯示，每年全國走失老人約有50萬人，平均每天有1370位老人走失，失智和缺乏照料是走失的主因。中國老年保健協會阿爾茨海默病分會頒布的《AD知識手冊》指出，癡呆是由腦部疾病所致的獲得性、持續性認知功能衰退綜合征，阿爾茨海默病是引起癡呆最常見的疾病，占癡呆的50%至70％。
阿爾茨海默癥又稱老人癡呆癥，伴隨著中國老齡化的加速，還會更大程度影響我們的生活，目前還沒有特效藥能夠治愈，也許一次平常的出門，因為記憶錯亂，會出現了各種戲劇化的可能：忘了家在哪，要去干什么，于是越走越遠……
在北京，就有一支五六百人的志愿隊伍專門搜救這些老人，四年來已經找回近300位“失憶”老人。
接到求助后，隊員們便會分工協作，共同制定出專業的救助思路：及時報警、與家屬溝通、通報通報老人相貌特征、排查監控、分頭尋找……
但是這個過程，并不容易，70后的蘇敩是一名有著30年軍旅生涯的軍人，也是該公益團隊的創始人，他介紹，他們最長的一次救援行動持續了11天、260個小時。
在一個初夏的季節，80多歲的老劉（化名）像往常一樣出門遛彎，回家時卻莫名走錯了路，一直從北二環北土城附近輾轉走到了北二外學校附近。“老爺子是一位獨居老人，他的兩個女兒每天會給老人來做一回飯，老人當天走丟時并沒有發覺，直到第二天看見昨天的飯沒動，才意識到老人可能是丟了，也就是說老人第一天什么時候走丟的，他們根本不知道?！碧K敩解釋，家屬在沒有及時報警的情況下，自己尋找又浪費了一天時間，找到救援隊進行求助時，老人其實已走丟至少三天了。
報警后，有一位志愿者專門負責跟隨家屬查看相關監控，通過軌跡得知這位老劉在外徘徊了很長時間，走失當天他到了三元橋附近的一個老小區呆了兩天，還跟人發生了沖突，因為老劉只記得自己家住在2單元502，然后他就找到了一個2單元的502要進門，最后被這家的兩個老人轟出去了?！拔覀円埠芪?，這房子是我們的，怎么能讓他住進來，也沒想著報警?！弊粝蚺挪榈酱颂幍奶K敩訴苦。
后來老劉不在城里繼續轉悠，他沿著高速到了北二外附近，最終在此處，找到了繼續徘徊的他。
疑問
老人為何只身尋找23年前就消失的糧店？
“在這個過程中，老人不是完全在徒步，有的時候會有好心人扶上公交車，即使他在別的小區徘徊多天的時候，很少有人會意識到他是得病了，所以這個也是我們需要宣傳普及的，如果發現這個人面生、言談舉止不太對勁，最好多聊兩句，沒準兒就能挽救一個家庭?！?蘇敩說，其實他就是在無意間救助了一個患有阿爾茨海默癥的老人后，才決定成立了北京首家以尋找“失憶老人”為主要目標的救援隊。
2016年元旦當天在北京的東四環，一位穿著單薄、八九十歲的老人拎著一個塑料袋，非常焦急地向站在路邊的蘇敩問道：“高家園糧店怎么走？”
“糧店1993年就撤銷了，誰還去那？”覺察到不對勁的蘇敩一把拽住了老人并報了警。由于他患有阿爾茨海默癥的姥姥就出現過記憶穿越的情況，后證實這位老人的確患有阿爾茨海默癥，是4天前從西五環盧溝橋走出來的。
這樣的經歷讓從事多年民間救援的蘇敩意識到，從事戶外救援和災害救援的力量有很多，但很少有專門搜救走失老人的隊伍。
隨著老齡化的到來，老人走失的情況時有發生，加上家屬又沒有那么多的經驗，如果有專業的救援力量介入，就能大大提高獲救的效率。
巧合的是，就在2016年過完春節后，蘇敩朋友的舅舅同樣因患有阿爾茨海默癥從石景山走丟了?！按蠹叶己苤?，臨時想出各種辦法，家屬也很無助，但一群陌生人聚過來一起幫忙的時候，至少心里不慌了。”最終，通過人海戰術，經過上百人數十小時的搜尋，隊員們總算在豐臺的永定河邊找到老人。
自此開始，他們也慢慢總結經驗，并借助原有的救援經驗制定了較為有效的搜救流程，“對于家屬而言，要第一時間報警、查監控、散發尋人啟事以便擴散信息；我們一次救援大概8個小時一波人，多則十五六個人。有人要專門跟家屬溝通，了解走失老人原來的生活習慣、工作；我們會派人去查民用監控，也去派出所查治安監控，判斷老人的痕跡……”
專訪
北京唯一一家專職尋找失憶老人的團隊是一支什么樣的隊伍？他們為什么免費尋人？家屬如何求助？救援過程中隊員們又經歷了什么？對此，北青-北京頭條記者對北京市志援應急救援服務中心創始人蘇敩進行了專訪。（BQ=北青-北京頭條）
BQ：您的本職工作是什么？
蘇敩：我最早是在2003年開始從事民間救援工作。當時被派往德國學習救援技術，2008年，隨部隊赴汶川完成地震救援后不久，正式離開部隊，結束了30年的軍旅生涯，便專職從事救援工作。
后來還自費去國外進修過救援知識，不斷豐富自己的救援技能。2014年成立了北京市志援應急救援服務中心，做過山地救援和災害救援，傳授救援知識和技能。從2016年開始尋人，2017年1月，北京市志援應急救援服務中心在北京市民政局正式注冊。
BQ:介紹下您的團隊？成員構成？
蘇敩：我們這支隊伍從最初的5人成長為現在的五六百人，專職隊員只有4個，大部分是兼職，他們中既有公務員、科研人員，也有國企員工、個體戶、退休工，年齡最大的搜救隊員60多歲。
搜救隊員主要是通過三種途徑加入的：第一種就是我曾經在山地救援過程當中幫助過的人，或者是我在講課過程當中，認為我的理念很好加入團隊的。
第二種就是在志愿北京平臺找志愿項目時，看中了我們這個項目加入的；第三種是我們在尋找老人過程當中，有老人的家屬和朋友主動加入的，像滾雪球一樣成員越來越多。
BQ: 家屬一般是通過什么方式求助？
蘇敩：早期，走失老人的家屬會在自己朋友圈發尋人啟事，熱心的人看到后也幫忙轉發，一傳十十傳百,三轉兩轉就轉到我們這了。很多情況下都是我們主動找家屬給與幫助。
后來知名度傳開后，被大家所關注，丟失老人的家屬就主動找來求助，之后還登記了官方救援電話4006785122，做了推廣；和許多派出所也有合作，一旦接到老人家屬報警，警方也會聯系我們。
BQ：免費尋人的費用靠什么來填補？
蘇敩：我測算過，每找到一個老人，團隊支出費用大概會超過5000塊錢，也有一小部分費用由志愿者個人負擔。
尋找老人是不需要錢的，我們在救援過程當中會向家屬承諾，不以任何方式和任何形式收取家屬的任何費用。
最初我在社區講課時也是不要錢的，誰愿意聽，我就免費把安全常識教給大家，后來慢慢的發現這個團隊是有大量的費用支出需要的，比如在救援過程當中隊員要喝水、吃飯，車要加油，而且救援隊正式注冊后我們通過溝通確定了4名專職隊員，所以也就有了開工資、交社保的支出。
這部分費用我們主要通過給有需要的單位制定應急預案、授課等方式獲得，每個月至少需要5萬塊。
BQ：在救援經歷中有什么印象深刻的？
蘇敩：說實話，在這將近300起救援中，我參與了大概200起的現場指揮，每一起都是非常深刻的。讓我想來就落淚的有幾起，去年有一位65歲的隊員、服役多年的老兵，他在外尋找那位走失11天的老人時，因一天行走了38公里當晚回到家就病了，送到醫院再也沒出來，后來老爺子就逝去了，還留了一句話，“今天我多走一步，老人離家近一步”。
搜救隊員其實沒有年齡的限制，現在團隊當中有一個從政府部門退休的一個老爺子，他給我們寫的承諾就是“在救援過程當中出現任何意外，家屬不會找麻煩”，他很和善，也特別熱衷學習有關阿爾斯海默癥的內容，每次出隊他都負責跟家屬去溝通。
他的家人也支持他做這件事兒。他逼著他的兒女寫了承諾，不過我們也給他上了一份大保險，所有隊員都有保險。
BQ：在救援經歷中有想放棄的時候嗎？
蘇敩：有的時候面對家屬的冷漠會有想放棄想法，甚至想打他們一頓，我給你舉個例子，有個老太太家里頭是二次拆遷戶，她有兩個女兒，一個兒子，在老人走丟好幾天后，我們建議家屬在尋人啟事上要寫明懸賞金額。
經過三四個小時后，她的兩個女兒鄭重地告訴我們：寫1000塊錢。就在尋人啟事寫出來的時候，一位街坊說前兩天老人二閨女家的狗丟了，出了5000元尋找。
后來尋人啟事上的金額變成了10萬，老人的另外一個老街坊找到了我們，她說“我愿意出10萬把老姐妹找回來，一旦有人找回來，就把這10萬酬金給他?！?/p>
當時這位老街坊是坐著輪椅來的，并當場表示與那仨人家斷絕來往。遇到這種情況，已經不能以家屬的表現為意愿了，誰家都有老人，誰都會老，我們還是盡心把老人找回來了。
BQ：我們應該如何認識阿爾茨海默癥這種??？
蘇敩：其實患病的老人并不癡呆、也不是傻了，只是記憶出了問題，他雖然只記得15年的事，但依然有有生存技能，比如餓了怎么要吃的，冷了怎么保暖。
此前我們在房山找到一個老太太的時候，她正在一個紙殼里曬太陽，她還給自己撿了一頂棉線帽子和手套。走到哪，紙殼子就背到哪，像一個行走江湖的大俠。當時是12月底，為了保暖隔潮，就給自己找了紙殼子。有意思的是，她拎的一袋子饅頭都有個缺口，她解釋是為了防止別人搶走才自己咬的。
在他們的意識里，自己是在外面有事，也不知道是走丟了，在我們救助的一個案例中，有一個特別傳奇的老太太，曾從事過國家安全工作，出門給兒子買炸油餅時走丟了，我們找到時她手里拿著一把野花。她說，花在組織就是安全的。
這就是近期記憶丟失，因為小腦在萎縮，萎縮過程當中就把現在的事都忘了，比如60歲時，50歲至60歲的事都忘了，50歲到40歲的事忘了一半，40歲到30歲的事也記得不少，30歲到20歲的事都記得，一直到慢慢所有事都不記得了。
BQ：我們可以做些什么？
蘇敩：在這些案例中，最小的患者是40多歲，因為這種病會遺傳，我堅持做這件事還有個小私心，在我患病走丟時，也能有更多的人幫助我的家人找到我。
如果家人患病，可以借助藥物延緩記憶丟失的時間，家屬也要特別上心多陪陪老人。我們有一個志愿者，2016年時他的母親走丟了，找回來后，他就辭職專門學了心理學，陪伴的同時還讓他媽讀他小時候寫的作文，現在老人的狀態特別好。
“目前，據我所知北京只有我們這一撥人在做這件事，但人力有限?，F在也有企業都加入了我們救援隊，一旦需要救援企業就能出1個車4個人，跟我們一起尋找。希望更多人加入志愿者隊伍，更多的公益團隊關注到阿爾茨海默癥病人這個群體?！?/p>
文/北青-北京頭條記者 宋霞
聲明：轉載此文是出于傳遞更多信息之目的。若有來源標注錯誤或侵犯了您的合法權益，請作者持權屬證明與本網聯系，我們將及時更正、刪除，謝謝。
來源： 北京頭條客戶端
前三期AI產品分析中，我們選擇抖音、美圖、作業幫等比較大眾且相對成熟的產品作為切入點，結合實際功能及技術分析了人工智能技術的落地，而本期我們選擇了形色這款相對小眾化的產品，從一個新的應用場景，感受人工智能產品對人類日常生活帶來的影響。
1. 關于形色
形色是由杭州大拿科技研發的一款拍照識花軟件，依托于人工智能下的深度學習技術，可快速地對植物花草的特征進行分析，并以較高的準確率輸出花草所屬的類別。
雖然相較于抖音、美圖等產品，形色趨于小眾，然而該軟件自上線以來，仍然獲得了許多用戶的認可。
根據七麥數據，形色近三個月下載量呈現出不斷上升的趨勢，尤其是進入四月份以來，日下載量增加更加明顯。這說明，形色保持了穩定的用戶增長。
根據易觀千帆指數，形色的月活也具有出色的表現。如圖，形色近6個月月活顯示，數據上雖有較小波動，但在2月份達到最低點也仍具有將近90萬的月活，且此后開始展現出良好的回升趨勢。這說明，形色擁有穩定的用戶使用量。
而無論是用戶增長量還是用戶的使用量，都是對一個產品的可持續發展至關重要的指標，形色在這一點上表現優異。
此外，從整體的頁面上，形色調性淡雅、配色清新、交互簡單流暢，且用戶反映識別準確率高。而除拍照識別花草植物的功能，形色還提供了類似于花間、地圖、展覽及鑒定等功能，使得具有相同愛好的用戶圍繞著花草可以發生互動，使得平臺在花草之余平添了許多人氣。
基于此，形色在同類產品，比如微軟識花、花幫主中脫穎而出。同時，根據前期的調研結果顯示，形色充分利用了人工智能技術的優勢，隨著用戶數據越來越多，其準確率也越來越好，在用戶間具有良好的口碑。
為了更好地凸顯AI技術在產品中的落地，我們僅以“拍照識別花草”功能項作為出發點，對其進行用戶-場景-需求、功能目的、功能邏輯、用戶評論及技術分析，并在此之外，對平臺中圍繞“拍照識花草”衍生出的“拍照識果蔬”進行簡介。
2. 用戶-場景-需求分析
3. 功能目的
從“拍照識別花草功能”出發，形色滿足了許多用戶的許多需求。
不同于抖音、美圖或作業幫，它們都比較顯性地滿足了僅僅部分人群的需求，而形色則具有更廣的受眾，應用的場景也很豐富。比如：對一些植物愛好者，形色可以滿足他們在遇到新植物類別時快速識別的需求，甚至是一些罕見的花草也可以更為準確地識別，形色還提供了互動和分享的渠道，使得用戶可以在滿足自身樂趣的同時還有益于興趣的交流，達到用戶聚合的效果。
而對于一些園林花藝從業者，形色在他們的工作中充當了效率提升器。由于這類人群經常要在設計、搭配中對植物的類別進行識別與鑒定，而人的腦容量又十分有限，如果依靠傳統的文字搜索，則耗時耗力，形色使得這類人群可以快速地確定相關植物的類別及形態知識。
最后，對于一些類似家長、教師、攝影愛好者、旅游愛好者、小朋友等，形色也都幫助他們快速認識花草、答疑解惑、學習植物知識、獲得好看或珍稀植物照片提供了更豐富、高效的渠道。
由此，可以看出，形色面向的用戶群廣，使用的場景豐富，而滿足的需求卻集中體現在快速識別花草、學習植物知識及鑒定植物等方面。
對于平臺而言，借助人工智能技術，為用戶提供高準確率且快速地植物識別的服務體驗，通過植物將用戶聚集，并由此拓展功能外延，一方面平臺的算法越來越準確，吸引的用戶越來越多，另一方面圍繞著植物識別這一核心需求，通過更豐富的功能設計，比如花間、地圖等，產品可帶給用戶更多驚喜。
而形色的官方團隊也在新聞發言中坦言，他們是純粹的人工智能技術愛好者，希望通過產品作為載體，把人工智能的樂趣帶給更多用戶。
這句話是不是空喊口號無從得知，但從目前的體驗過程中，形色暫時沒有特別顯性的廣告植入，而平臺算法的性能也比較穩定和準確。
4. 功能邏輯
在功能邏輯的設計上，和一般的“拍照識別”類產品一樣，形色的流程設計也比較靈活，比如識別圖片來源提供了多種選項，同時比較特別地是提出了“自拍，看看你像什么花”選項，該功能抓住了用戶愛美及好奇的心理，是一種比較具有趣味性的互動。
同時在生成的過程中，由于對圖片處理的過程可能算法存在一定的延時，尤其是一些比較少見的植物，計算圖片特征及檢索數據庫的過程需要花費較長的時間，可能會出現更長的等待時間。
針對上述算法延時的問題，形色的處理是比較注重用戶心理感受的。比如：在體驗中發現在等待時，系統會反饋各類提示語包括“正在努力鑒定中XX%”，讓用戶心理有預期，減少焦慮。
再比如：“再等等，結果馬上就出來”、“網絡好像有點擁擠”，即便進度沒有變化，但這些提示語仍處于動態變化中，在這些極具擬人化特征的提示語之上，用戶不會覺得背后是一個冷漠、機械的“機器人”或算法，而是覺得這是一種友好的互動，從而耐心及忍耐度會有所提升。
上圖是體驗的一個過程，是拍攝的路邊的一種野花。從中可見，拍照鑒定的過程中，一直顯示在緩沖，但是體驗相對比較好的是，系統一直有反饋，比如進度94%、99%，而且一直把延時的鍋扣給“網絡慢”、“網絡擁塞”。
其實這種提示語的設置是人工智能產品設計的一個技巧，因為常規而言，如果算法想要達到比較好的準確率，則模型的復雜度會比較高，那么模型在運行的時候其效率往往較低，則平臺通過這些標語一方面可以轉移用戶的注意力，另一方面，也可以一定程度降低用戶對算法不行的糟糕想法。
這種設計的技巧的應用比較普遍，比如：還有一些使用識別分割技術的圖像類產品，有的時候算法處理的結果在邊界處表現不好，則可以通過在邊緣處增加裝飾物或是其它比較酷炫的變換效果，從而緩解算法本身結果的不足。
本次體驗最終識別準確結果是鬼針草，如果你覺得該識別結果不準確，還可以再請求高手鑒定。
提供高手鑒定的好處在于：
一方面通過用戶使用高手鑒定的點擊率，可以用于對后臺識別算法準確率的反饋，重新調節模型的參數，所以用戶會感覺到在不斷地使用產品的過程中，識別的準確率會越來越好。因為當前深度學習的準確率增長，一定程度上是依托于訓練數據的增加，所以人工智能類的產品，用戶數據的后期收集與優化十分重要，從產品的體驗和調研中也發現，形色是比較注重這一點的。
另一方面，現有的AI產品設計中，如果僅僅依賴算法可能無法滿足用戶的所有需求，尤其是一些比較特殊的場景，還是沒有辦法滿足用戶任何情境下滿意的要求。因而目前最為常用的方法是算法+人工。
比如抖音后臺的鑒黃，只是應對大數據去除那些特別特征較為明顯的，而剩下的比較容易歧義的，還是需要一定的人工進行輔助判斷，減少誤判率。即便如此，從整體上看，也大大地減少了人力、物力的損耗。
所以，形色的高手鑒定中，一方面是發布到平臺上，一些同樣愛好植物或者剛好認識的用戶會幫助解答，同時平臺也吸引了一些相關的專家入駐，以提升鑒定的效率和專業度。
同時我們還做了更大量的體驗，從中可見整體的識別準確率較高，且每一次識別之后，都附帶了比較詩情畫意的解說，和平臺整體的調性以及調研中發現的用戶的需求是比較吻合的。
最后一幅圖，為了惡搞一下算法，我特意選取了杯子上的任意一個綠色部分，最后平臺返回的結果是“我竟然被難倒了”，所以，這一刻可能會覺得哪怕錯了也挺可愛。
當然了，形色也有失靈的時候。
比如輸入一株火龍果圖片，它給出的第一答案選項是火龍果，后面還給出一個選項是曇花，火龍果是準確答案，但是觀察會發現，它和曇花的表面形態確實有些相像。
造成該類錯誤的問題在于，模型是基于植物的特征提取，和后臺數據庫形成比對，只要表面特征相似可能就會判定為同一類別。且算法的靈活度有限，對于一些相似物種，仍沒有辦法對細節做出準確區分，這是未來算法設計需要攻克的難題。
其次，我拍攝了鑰匙的圖片，算法識別結果為辣椒。因為人工智能一定程度上是基于過往的經驗，對眼前的新事物結合其特征做出判斷。也就是說，算法覺得自己應當在現有植物品類庫里找一個最匹配的來表征輸入的圖片，大部分算法還是比較“單純”的。
5. 用戶評論
同樣地，我們對產品搜集了對應的用戶評論。
首先，基于七麥數據顯示，形色的用戶評分當前顯示評分為4.9分，所有版本評分也達到4.9分，基本所有的評論集中在5星、4星，而低分評論占比極低。
同樣地，收集了30條用戶評論。但是本次評論的篩選中，沒有刻意地集中在差評，而是對用戶的評論進行了整體評估，并提取其對應關鍵詞，最后進行歸類分析。
首先用戶評論的關鍵詞主要包括“內容質量需加強”、“效率提升”、“增加知識”、“準確率不高”、“準確率高”。
其中36.7%的用戶覺得使用形色增加了植物相關的知識，對于學習及日常裝逼有益，20%用戶覺得形色對每種植物、花草判斷都十分準確，非常智能，16.7%的用戶認為形色的內容質量需要加強。
比如：關于識別結果的解說可以更為詳細一些、平臺上關于植物的科普文章要更加專業一些等，13.3%的用戶覺得通過形色極大地提升了學習花草植物知識的效率，他們中有的人是園林或花藝設計師。最后還有13.3%的用戶認為識別的準確率不夠優秀，可能是恰好他們問到了“算法”沒學過的部分。
進一步地，我們把用戶的評論最終歸結為產品、算法及運營維度。
其中，如效率提升、增加知識屬于產品范疇，正是由于產品能夠看到用戶的需求，并從用戶的角度出發，巧妙地利用人工智能技術，得以為用戶解決需求。這是用戶對形色的贊同，也是對它未來發展的期許，希望它一直記得初衷，服務用戶，不斷進步。
而準確率問題則屬于算法范疇，而由于平臺的訓練數據，后續的經驗積累、調參優化，都對最終平臺的識別準確率有影響。形色官方技術團隊曾對外發言稱，其起步的訓練數據集就很龐大，而且后續也很注重收集用戶的反饋，進行模型準確率的調整，以后也還會繼續加強數據集及算法的調整和優化，則算“盲區”會越來越少，從而整體的準確率會進一步提升。
最后，內容問題則屬于運營范疇。之前看了一篇文章說到，互聯網產品的發展，從技術主導到產品主導，已經開始萌生出運營主導的趨勢，無論該論斷正確與否，都不可忽略的是，運營是一款產品能否觸達大眾、煥發生命力的關鍵。而遺憾的是，形色的運營比較單調，這是相對不足的一個點。
6. 技術分析
形色的實現，其技術原理比較簡單，主要就是圖像識別及檢索，即通過圖片特征的提取，而后進行搜索匹配，最終輸出結果。形色之所有獲得比較好的準確率，主要在于它十分專注地打磨，把上述的每一個技術環節都做到了最好。
首先，訓練數據集牛逼。有多少數據，就有多少智能，尤其是對現階段的深度學習模型而言，訓練數據的數量和質量可視作是決定性因素，這也是為什么很多人工智能產品經理都在工作中或多或少地需要承擔數據標注、清溪任務的原因。在上線前期，形色團隊就意識到數據對于模型準確率的重要性，因此他們在訓練數據集的打造上花費了很多時間。
比如通過向各大論壇植物愛好者征集花草圖片數據，同時自身團隊出動，到當地進行常見花卉采集之后請專家鑒定等，在保證了訓練數據集的數量之余才展開了后續的工作。
對于深度學習而言，由于深度網絡的復雜性，需要訓練的參數規模龐大，甚至可以達到好幾百萬個，所以要想算法落地成產品后能獲得實際可用的結果，其訓練數據集的需求量遠遠超出一般人的想象。
而當數據量不斷增加后，數據的清洗和標注又是另外一個更為復雜問題，形色團隊在這方面上也是斥巨資，他們聘請很多具有專業知識的專家反復校驗，確保了訓練數據集的質量。
通過數據集上的努力，形色最初的模型比較簡單，獲得的準確率接近50%，這讓團隊看到了希望。
人工智能是仿生的，和人一樣，如果見得少，則判斷出錯的概率就大。所以為了減少算法識別錯誤的概率，需要讓模型盡可能學習更多的數據，形色采取了一個長遠更為有效的措施是：在產品上線之后，進一步收集用戶上傳的圖片，用于算法的迭代訓練。
結果顯示，隨著用戶數量增加，平臺訓練數據集擴增，識別的準確率也越來越高。
其次，算法+人工輔助的雙重技術保證。
形色是一款優秀的人工智能類產品，它在為用戶解決的過程中，傳達出一種十分謙遜、負責的態度。
具體地，在實現的過程中，除了以深度卷積神經網絡對圖片進行分類并檢索的識別算法外，為了應對算法失靈的情況，形色還配備了專業的人士進行人工鑒定及解答。
最后，技術細節的處理。形色在提取照片之后，考慮到用戶拍攝的圖片可能存在模糊、關鍵特征不明顯的特點，所以算法會對圖片進行統一的預處理之后再識別。
預處理的過程包括了光線調整、顏色反轉、曝光度、裁剪出關鍵部位等，如此，可以提升照片的質量。因為深度網絡中，算法訓練時學習照片的特征，如果照片本身的質量不佳，則算法會學到一些錯誤的特征，從而可能引發后續的判斷錯誤。同時，一些肉眼無法辨識的特征，尤其是某些相近的種類，如果沒有經過預處理，模型就有可能無法獲得相關細節，從而發生誤判。
形色的技術方案看似簡單，但是他們的智慧在于，選擇當前效果最好的一項，并將其打磨到最好。
現有的計算機視覺處理任務中，圖像識別、分類的效果是最好的，比如：許多人臉識別、圖像分類的結果在經過足夠的訓練數據訓練后，可以達到99%以上的準確率，而人由于經驗以及其它生理的不同，可以達到的平均準確率也才有95%左右。
所以這從一點上看， 形色抓住了圖像識別這一技術可以落地的時機。因為大部分AI產品設計的初衷，一定是因為算法可以幫助人類解決部分重復性的工作且解決的效果優于人類。
且在瞄準了切入點之后，他們花了足夠多的時間和精力在技術上做深入的積累，等到時機成熟的時候，花費極小的成本將其成功遷移到另一項功能上（拍照識瓜果和海鮮）。
所以人工智能類的產品，不要一開始就著眼于用多復雜的技術、做多復雜的功能，簡單、高效直至爐火純青才是王道！
技術關鍵詞：數據集 算法+人工輔助 技術細節處理
總結
本期一起體驗了小眾AI產品“形色”，從中也感受到人工智能技術，已經變成各種各樣的 產品，出現在用戶生活的方方面面，幫助用戶解決了各種各樣的問題。
作為一個人工智能產品經理，我們的思考點在于，怎樣通過更為簡單的技術，以更低的成本和更好的體驗，為用戶帶來更多驚喜~
作者：Luna，公眾號：有三AI，一個專注于人工智能技術與產品落地的公眾號，希望可以和熱愛AI的人有更深入交流，一起見證AI改變生活！
本文由 @ Luna 原創發布于人人都是產品經理。未經許可，禁止轉載
題圖來自網絡