产品经理需要与算法工程师共同确认原始数据及数据标准结果

产品经理与算法工程师要对业务进行理解，明确原始数据的意义与数据标注的价值。业务理解是所有产品工作的基础。

（2）确定原始数据与标注结果

产品经理需要与算法工程师共同确认原始数据及数据标准结果，并确定标注工具。数据标注的结果必须得到算法工程师确认，确保后续建模过程的顺利开展。

（3）撰写标注教程

在确认原始数据与标注结果后，产品经理需要撰写标注教程。标注教程就好像软件说明书，需要将标注过程按顺序一一列出。标注教程包含4个要素：标注软件（平台）、标注要求、标注对象、标注流程。撰写的标注教程同样需要得到算法工程师确认。

（4）数据标注

该过程为数据标注过程，产品经理需要不定时进行标注结果抽查。

（5）标注结果验收

产品经理与算法工程师共同对标注结果进行质量验收，验收不合格需要搞清异常原因并重新标注。对于有行业壁垒的数据，标准准确性需要行业专家进行判断。

针对不同的数据类型有不同的标注工具。图像类标注可以使用LabelMe，文本标注可以使用Brat或DeepDive等，当然还有很多后期开发的标注平台可以使用。

三、 模型建立与调优

早期的人工智能系统，被称为专家系统。专家系统通过学习或总结人类经验获得智能，并可以恰当应用这些经验来解决实际问题。如今随着大数据的发展，新生事物不断增加，各种知识层出不穷。很多领域的经验已经无法总结成系统化的专家经验，而这些经验被包含在大量产生的数据之中，所以说数据是人工智能发展的基础。

由此可见，建模的根本在于寻找人类经验。但根据寻找人类经验的方式不同，可以分为知识建模、非知识建模、混合建模3种。

知识建模属于早期专家系统的建模方法，重点在于如何将总结好的知识转化为机器可以识别、储存、运用的形式。知识建模适用于数据难以收集，或业务逻辑相对容易总结的问题。

非知识建模不需要提取人类经验，甚至不需要模型具有可解释性，通过数据特征得到对应的模型。非知识建模适用于业务逻辑难以总结，而业务数据容易获得的情况。

混合建模结合了知识建模与非知识建模2种方式，根据特定问题进行建模。

建模过程是一个系统而复杂的工程，需要根据业务类型、数据情况等多方面情况才能够完成。据笔者了解，当前很多人工智能工作者只重视非知识建模的方式，认为知识建模过时了，不适用于当今人工智能的发展。这样的认识是偏颇的，必须根据实际问题将不同建模方式结合起来才能达到较好效果。

1. 知识建模

知识建模源于人工智能起源的一大学派，该学派称为符号主义。符号主义认为人工智能源于数理逻辑，也可以说以一种高级的推理过程。从符号主义的观点来看，知识是信息的一种形式，知识逻辑体系是构成智能的基础。

人工智能的核心在于知识表示、知识推理、知识运用，知识可用符号进行描述，认知是符号的处理过程，推理是基于知识与搜索对问题的求解过程。推理过程同样可以用符号化的语言来描述，也就构成了我们认知的模型。符号主义认为可以建立起人类智能与机器智能的统一理论体系。

在知识建模中，有两个重要问题。其一是知识的符号表示，其二是推理方法。知识的符号表示是将知识转化为机器所能识别、储存、运用的数据化形式。推理方法是机器运用知识解决实际问题的能力。

（1）知识的符号表示

常见的知识符号表示有方法有谓词逻辑法、状态空间法、问题规约法等。由于知识建模构建的是一种推断逻辑，所以谓词逻辑法使用较为普遍。

谓词是用来描述或判定客体性质、特征或者客体之间关系的词项。例句“小明是我的朋友”中，“是”就是谓词，该句中只有“小明”一个客体，这样的谓词我们称为一阶谓词；例句“5大于4”中，“大于”就是谓词，该句中“大于”涉及到两个客体，这样的谓词称为二阶谓词。

使用谓词表示知识有两个步骤：

①确定每个谓词的个体以及确切含义。

②利用逻辑符号连接谓词，对知识进行表达。

[例]利用谓词逻辑法表述以下语句

人人学雷锋

①确定每个谓词的个体以及确切含义。

个体：人

谓词：学、是（“人人”隐含了“是人”的客观事实）

定义谓词：

people（x）：x是人

learn（x,y）：x学y

②利用逻辑符号连接谓词，对知识进行表达。

（表示对于任意）

（2）推理方法

推理方法是研究机器如何模拟人类进行知识选择，并运用这些知识分析和解决实际问题的逻辑方法。我们也可以理解为推理是依据一定的原则，从已有事实推出结论的过程。推理系统主要由谓词逻辑组成的知识库和控制推理过程的机构组成。

常用的推理方法有3种：正向推理、逆向推理、双向推理。

正向推理是由条件出发，向结论方向进行的推理过程。它以当前的事实出发，根据输入的推理规则，向结论进行推理。例如我们知道发烧、咽痛、关节酸痛具有较高概率能够推理出的结论是感冒。这种推理方式就是典型的正向推理。正向推理是早期专家系统解决问题的一个重要特征，即专家在解决问题时，首先是发现问题提供了什么信息，根据提供的信息再借助推理规则推导出新的信息，从而加深对问题的了解。