本站AI自動(dòng)判斷提供您所需要的app下載：點(diǎn)我下載安裝，你懂的APP
剛過(guò)去的12月5日是第35個(gè)國(guó)際志愿者日。據(jù)統(tǒng)計(jì)，目前，我國(guó)實(shí)名志愿者人數(shù)已達(dá)到1.92億，志愿團(tuán)體總數(shù)也有78萬(wàn)個(gè)。這些志愿者和志愿團(tuán)體一直在社會(huì)各個(gè)地方默默做著奉獻(xiàn)。
在北京也有這樣一支志愿隊(duì)伍，專門(mén)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(duì)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(lái)該團(tuán)隊(duì)已幫近300名老人成功回家。
數(shù)據(jù)
失智成老人走失主因 志愿者耗費(fèi)11天找回
“2020年10月30日早7點(diǎn)11分，84歲高齡、患有阿爾茨海默癥的母親離家走失。”類似的新聞在網(wǎng)絡(luò)上并不少見(jiàn)。尋找老人的子女大多心如急焚，在這個(gè)案例中舒女士做了種種努力，一直尋找到當(dāng)晚10點(diǎn)22分卻沒(méi)有結(jié)果，就在快要放棄時(shí)，有3位好心的年輕人在離她家15公里的地方發(fā)現(xiàn)了她的母親并把老人送到家。
舒女士表示，當(dāng)時(shí)本想送他們一些家鄉(xiāng)特產(chǎn)表示感謝，被拒絕后，他們說(shuō)了句“咱們有緣”，就開(kāi)車(chē)走了。“只記得他們說(shuō)其中一位是軍事醫(yī)學(xué)科學(xué)院的工作人員，一位是301醫(yī)院的工作人員。”
曾有數(shù)據(jù)顯示，每年全國(guó)走失老人約有50萬(wàn)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(guó)老年保健協(xié)會(huì)阿爾茨海默病分會(huì)頒布的《AD知識(shí)手冊(cè)》指出，癡呆是由腦部疾病所致的獲得性、持續(xù)性認(rèn)知功能衰退綜合征，阿爾茨海默病是引起癡呆最常見(jiàn)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(guó)老齡化的加速，還會(huì)更大程度影響我們的生活，目前還沒(méi)有特效藥能夠治愈，也許一次平常的出門(mén)，因?yàn)橛洃涘e(cuò)亂，會(huì)出現(xiàn)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(yuǎn)……
在北京，就有一支五六百人的志愿隊(duì)伍專門(mén)搜救這些老人，四年來(lái)已經(jīng)找回近300位“失憶”老人。
接到求助后，隊(duì)員們便會(huì)分工協(xié)作，共同制定出專業(yè)的救助思路：及時(shí)報(bào)警、與家屬溝通、通報(bào)通報(bào)老人相貌特征、排查監(jiān)控、分頭尋找……
但是這個(gè)過(guò)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(tuán)隊(duì)的創(chuàng)始人，他介紹，他們最長(zhǎng)的一次救援行動(dòng)持續(xù)了11天、260個(gè)小時(shí)。
在一個(gè)初夏的季節(jié)，80多歲的老劉（化名）像往常一樣出門(mén)遛彎，回家時(shí)卻莫名走錯(cuò)了路，一直從北二環(huán)北土城附近輾轉(zhuǎn)走到了北二外學(xué)校附近。“老爺子是一位獨(dú)居老人，他的兩個(gè)女兒每天會(huì)給老人來(lái)做一回飯，老人當(dāng)天走丟時(shí)并沒(méi)有發(fā)覺(jué)，直到第二天看見(jiàn)昨天的飯沒(méi)動(dòng)，才意識(shí)到老人可能是丟了，也就是說(shuō)老人第一天什么時(shí)候走丟的，他們根本不知道。”蘇敩解釋，家屬在沒(méi)有及時(shí)報(bào)警的情況下，自己尋找又浪費(fèi)了一天時(shí)間，找到救援隊(duì)進(jìn)行求助時(shí)，老人其實(shí)已走丟至少三天了。
報(bào)警后，有一位志愿者專門(mén)負(fù)責(zé)跟隨家屬查看相關(guān)監(jiān)控，通過(guò)軌跡得知這位老劉在外徘徊了很長(zhǎng)時(shí)間，走失當(dāng)天他到了三元橋附近的一個(gè)老小區(qū)呆了兩天，還跟人發(fā)生了沖突，因?yàn)槔蟿⒅挥浀米约杭易≡?單元502，然后他就找到了一個(gè)2單元的502要進(jìn)門(mén)，最后被這家的兩個(gè)老人轟出去了。“我們也很委屈，這房子是我們的，怎么能讓他住進(jìn)來(lái)，也沒(méi)想著報(bào)警。”住戶向排查到此處的蘇敩訴苦。
后來(lái)老劉不在城里繼續(xù)轉(zhuǎn)悠，他沿著高速到了北二外附近，最終在此處，找到了繼續(xù)徘徊的他。
疑問(wèn)
老人為何只身尋找23年前就消失的糧店？
“在這個(gè)過(guò)程中，老人不是完全在徒步，有的時(shí)候會(huì)有好心人扶上公交車(chē)，即使他在別的小區(qū)徘徊多天的時(shí)候，很少有人會(huì)意識(shí)到他是得病了，所以這個(gè)也是我們需要宣傳普及的，如果發(fā)現(xiàn)這個(gè)人面生、言談舉止不太對(duì)勁，最好多聊兩句，沒(méi)準(zhǔn)兒就能挽救一個(gè)家庭。” 蘇敩說(shuō)，其實(shí)他就是在無(wú)意間救助了一個(gè)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(biāo)的救援隊(duì)。
2016年元旦當(dāng)天在北京的東四環(huán)，一位穿著單薄、八九十歲的老人拎著一個(gè)塑料袋，非常焦急地向站在路邊的蘇敩問(wèn)道：“高家園糧店怎么走？”
“糧店1993年就撤銷(xiāo)了，誰(shuí)還去那？”覺(jué)察到不對(duì)勁的蘇敩一把拽住了老人并報(bào)了警。由于他患有阿爾茨海默癥的姥姥就出現(xiàn)過(guò)記憶穿越的情況，后證實(shí)這位老人的確患有阿爾茨海默癥，是4天前從西五環(huán)盧溝橋走出來(lái)的。
這樣的經(jīng)歷讓從事多年民間救援的蘇敩意識(shí)到，從事戶外救援和災(zāi)害救援的力量有很多，但很少有專門(mén)搜救走失老人的隊(duì)伍。
隨著老齡化的到來(lái)，老人走失的情況時(shí)有發(fā)生，加上家屬又沒(méi)有那么多的經(jīng)驗(yàn)，如果有專業(yè)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(guò)完春節(jié)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。“大家都很著急，臨時(shí)想出各種辦法，家屬也很無(wú)助，但一群陌生人聚過(guò)來(lái)一起幫忙的時(shí)候，至少心里不慌了。”最終，通過(guò)人海戰(zhàn)術(shù)，經(jīng)過(guò)上百人數(shù)十小時(shí)的搜尋，隊(duì)員們總算在豐臺(tái)的永定河邊找到老人。
自此開(kāi)始，他們也慢慢總結(jié)經(jīng)驗(yàn)，并借助原有的救援經(jīng)驗(yàn)制定了較為有效的搜救流程，“對(duì)于家屬而言，要第一時(shí)間報(bào)警、查監(jiān)控、散發(fā)尋人啟事以便擴(kuò)散信息；我們一次救援大概8個(gè)小時(shí)一波人，多則十五六個(gè)人。有人要專門(mén)跟家屬溝通，了解走失老人原來(lái)的生活習(xí)慣、工作；我們會(huì)派人去查民用監(jiān)控，也去派出所查治安監(jiān)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(tuán)隊(duì)是一支什么樣的隊(duì)伍？他們?yōu)槭裁疵赓M(fèi)尋人？家屬如何求助？救援過(guò)程中隊(duì)員們又經(jīng)歷了什么？對(duì)此，北青-北京頭條記者對(duì)北京市志援應(yīng)急救援服務(wù)中心創(chuàng)始人蘇敩進(jìn)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(kāi)始從事民間救援工作。當(dāng)時(shí)被派往德國(guó)學(xué)習(xí)救援技術(shù)，2008年，隨部隊(duì)赴汶川完成地震救援后不久，正式離開(kāi)部隊(duì)，結(jié)束了30年的軍旅生涯，便專職從事救援工作。
后來(lái)還自費(fèi)去國(guó)外進(jìn)修過(guò)救援知識(shí)，不斷豐富自己的救援技能。2014年成立了北京市志援應(yīng)急救援服務(wù)中心，做過(guò)山地救援和災(zāi)害救援，傳授救援知識(shí)和技能。從2016年開(kāi)始尋人，2017年1月，北京市志援應(yīng)急救援服務(wù)中心在北京市民政局正式注冊(cè)。
BQ:介紹下您的團(tuán)隊(duì)？成員構(gòu)成？
蘇敩：我們這支隊(duì)伍從最初的5人成長(zhǎng)為現(xiàn)在的五六百人，專職隊(duì)員只有4個(gè)，大部分是兼職，他們中既有公務(wù)員、科研人員，也有國(guó)企員工、個(gè)體戶、退休工，年齡最大的搜救隊(duì)員60多歲。
搜救隊(duì)員主要是通過(guò)三種途徑加入的：第一種就是我曾經(jīng)在山地救援過(guò)程當(dāng)中幫助過(guò)的人，或者是我在講課過(guò)程當(dāng)中，認(rèn)為我的理念很好加入團(tuán)隊(duì)的。
第二種就是在志愿北京平臺(tái)找志愿項(xiàng)目時(shí)，看中了我們這個(gè)項(xiàng)目加入的；第三種是我們?cè)趯ふ依先诉^(guò)程當(dāng)中，有老人的家屬和朋友主動(dòng)加入的，像滾雪球一樣成員越來(lái)越多。
BQ: 家屬一般是通過(guò)什么方式求助？
蘇敩：早期，走失老人的家屬會(huì)在自己朋友圈發(fā)尋人啟事，熱心的人看到后也幫忙轉(zhuǎn)發(fā)，一傳十十傳百,三轉(zhuǎn)兩轉(zhuǎn)就轉(zhuǎn)到我們這了。很多情況下都是我們主動(dòng)找家屬給與幫助。
后來(lái)知名度傳開(kāi)后，被大家所關(guān)注，丟失老人的家屬就主動(dòng)找來(lái)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(bào)警，警方也會(huì)聯(lián)系我們。
BQ：免費(fèi)尋人的費(fèi)用靠什么來(lái)填補(bǔ)？
蘇敩：我測(cè)算過(guò)，每找到一個(gè)老人，團(tuán)隊(duì)支出費(fèi)用大概會(huì)超過(guò)5000塊錢(qián)，也有一小部分費(fèi)用由志愿者個(gè)人負(fù)擔(dān)。
尋找老人是不需要錢(qián)的，我們?cè)诰仍^(guò)程當(dāng)中會(huì)向家屬承諾，不以任何方式和任何形式收取家屬的任何費(fèi)用。
最初我在社區(qū)講課時(shí)也是不要錢(qián)的，誰(shuí)愿意聽(tīng)，我就免費(fèi)把安全常識(shí)教給大家，后來(lái)慢慢的發(fā)現(xiàn)這個(gè)團(tuán)隊(duì)是有大量的費(fèi)用支出需要的，比如在救援過(guò)程當(dāng)中隊(duì)員要喝水、吃飯，車(chē)要加油，而且救援隊(duì)正式注冊(cè)后我們通過(guò)溝通確定了4名專職隊(duì)員，所以也就有了開(kāi)工資、交社保的支出。
這部分費(fèi)用我們主要通過(guò)給有需要的單位制定應(yīng)急預(yù)案、授課等方式獲得，每個(gè)月至少需要5萬(wàn)塊。
BQ：在救援經(jīng)歷中有什么印象深刻的？
蘇敩：說(shuō)實(shí)話，在這將近300起救援中，我參與了大概200起的現(xiàn)場(chǎng)指揮，每一起都是非常深刻的。讓我想來(lái)就落淚的有幾起，去年有一位65歲的隊(duì)員、服役多年的老兵，他在外尋找那位走失11天的老人時(shí)，因一天行走了38公里當(dāng)晚回到家就病了，送到醫(yī)院再也沒(méi)出來(lái)，后來(lái)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(duì)員其實(shí)沒(méi)有年齡的限制，現(xiàn)在團(tuán)隊(duì)當(dāng)中有一個(gè)從政府部門(mén)退休的一個(gè)老爺子，他給我們寫(xiě)的承諾就是“在救援過(guò)程當(dāng)中出現(xiàn)任何意外，家屬不會(huì)找麻煩”，他很和善，也特別熱衷學(xué)習(xí)有關(guān)阿爾斯海默癥的內(nèi)容，每次出隊(duì)他都負(fù)責(zé)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(xiě)了承諾，不過(guò)我們也給他上了一份大保險(xiǎn)，所有隊(duì)員都有保險(xiǎn)。
dnf召喚師技能欄還有dnf召喚師技能范圍 - 櫻花動(dòng)漫
BQ：在救援經(jīng)歷中有想放棄的時(shí)候嗎？
蘇敩：有的時(shí)候面對(duì)家屬的冷漠會(huì)有想放棄想法，甚至想打他們一頓，我給你舉個(gè)例子，有個(gè)老太太家里頭是二次拆遷戶，她有兩個(gè)女兒，一個(gè)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(xiě)明懸賞金額。
經(jīng)過(guò)三四個(gè)小時(shí)后，她的兩個(gè)女兒鄭重地告訴我們：寫(xiě)1000塊錢(qián)。就在尋人啟事寫(xiě)出來(lái)的時(shí)候，一位街坊說(shuō)前兩天老人二閨女家的狗丟了，出了5000元尋找。
后來(lái)尋人啟事上的金額變成了10萬(wàn)，老人的另外一個(gè)老街坊找到了我們，她說(shuō)“我愿意出10萬(wàn)把老姐妹找回來(lái)，一旦有人找回來(lái)，就把這10萬(wàn)酬金給他。”
當(dāng)時(shí)這位老街坊是坐著輪椅來(lái)的，并當(dāng)場(chǎng)表示與那仨人家斷絕來(lái)往。遇到這種情況，已經(jīng)不能以家屬的表現(xiàn)為意愿了，誰(shuí)家都有老人，誰(shuí)都會(huì)老，我們還是盡心把老人找回來(lái)了。
BQ：我們應(yīng)該如何認(rèn)識(shí)阿爾茨海默癥這種病？
蘇敩：其實(shí)患病的老人并不癡呆、也不是傻了，只是記憶出了問(wèn)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?cè)诜可秸业揭粋€(gè)老太太的時(shí)候，她正在一個(gè)紙殼里曬太陽(yáng)，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(gè)行走江湖的大俠。當(dāng)時(shí)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(gè)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(shí)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(gè)案例中，有一個(gè)特別傳奇的老太太，曾從事過(guò)國(guó)家安全工作，出門(mén)給兒子買(mǎi)炸油餅時(shí)走丟了，我們找到時(shí)她手里拿著一把野花。她說(shuō)，花在組織就是安全的。
這就是近期記憶丟失，因?yàn)樾∧X在萎縮，萎縮過(guò)程當(dāng)中就把現(xiàn)在的事都忘了，比如60歲時(shí)，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?yàn)檫@種病會(huì)遺傳，我堅(jiān)持做這件事還有個(gè)小私心，在我患病走丟時(shí)，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(shí)間，家屬也要特別上心多陪陪老人。我們有一個(gè)志愿者，2016年時(shí)他的母親走丟了，找回來(lái)后，他就辭職專門(mén)學(xué)了心理學(xué)，陪伴的同時(shí)還讓他媽讀他小時(shí)候?qū)懙淖魑模F(xiàn)在老人的狀態(tài)特別好。
“目前，據(jù)我所知北京只有我們這一撥人在做這件事，但人力有限。現(xiàn)在也有企業(yè)都加入了我們救援隊(duì)，一旦需要救援企業(yè)就能出1個(gè)車(chē)4個(gè)人，跟我們一起尋找。希望更多人加入志愿者隊(duì)伍，更多的公益團(tuán)隊(duì)關(guān)注到阿爾茨海默癥病人這個(gè)群體。”
文/北青-北京頭條記者 宋霞
聲明：轉(zhuǎn)載此文是出于傳遞更多信息之目的。若有來(lái)源標(biāo)注錯(cuò)誤或侵犯了您的合法權(quán)益，請(qǐng)作者持權(quán)屬證明與本網(wǎng)聯(lián)系，我們將及時(shí)更正、刪除，謝謝。
來(lái)源： 北京頭條客戶端
前三期AI產(chǎn)品分析中，我們選擇抖音、美圖、作業(yè)幫等比較大眾且相對(duì)成熟的產(chǎn)品作為切入點(diǎn)，結(jié)合實(shí)際功能及技術(shù)分析了人工智能技術(shù)的落地，而本期我們選擇了形色這款相對(duì)小眾化的產(chǎn)品，從一個(gè)新的應(yīng)用場(chǎng)景，感受人工智能產(chǎn)品對(duì)人類日常生活帶來(lái)的影響。
1. 關(guān)于形色
形色是由杭州大拿科技研發(fā)的一款拍照識(shí)花軟件，依托于人工智能下的深度學(xué)習(xí)技術(shù)，可快速地對(duì)植物花草的特征進(jìn)行分析，并以較高的準(zhǔn)確率輸出花草所屬的類別。
雖然相較于抖音、美圖等產(chǎn)品，形色趨于小眾，然而該軟件自上線以來(lái)，仍然獲得了許多用戶的認(rèn)可。
根據(jù)七麥數(shù)據(jù)，形色近三個(gè)月下載量呈現(xiàn)出不斷上升的趨勢(shì)，尤其是進(jìn)入四月份以來(lái)，日下載量增加更加明顯。這說(shuō)明，形色保持了穩(wěn)定的用戶增長(zhǎng)。
根據(jù)易觀千帆指數(shù)，形色的月活也具有出色的表現(xiàn)。如圖，形色近6個(gè)月月活顯示，數(shù)據(jù)上雖有較小波動(dòng)，但在2月份達(dá)到最低點(diǎn)也仍具有將近90萬(wàn)的月活，且此后開(kāi)始展現(xiàn)出良好的回升趨勢(shì)。這說(shuō)明，形色擁有穩(wěn)定的用戶使用量。
而無(wú)論是用戶增長(zhǎng)量還是用戶的使用量，都是對(duì)一個(gè)產(chǎn)品的可持續(xù)發(fā)展至關(guān)重要的指標(biāo)，形色在這一點(diǎn)上表現(xiàn)優(yōu)異。
此外，從整體的頁(yè)面上，形色調(diào)性淡雅、配色清新、交互簡(jiǎn)單流暢，且用戶反映識(shí)別準(zhǔn)確率高。而除拍照識(shí)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(ài)好的用戶圍繞著花草可以發(fā)生互動(dòng)，使得平臺(tái)在花草之余平添了許多人氣。
基于此，形色在同類產(chǎn)品，比如微軟識(shí)花、花幫主中脫穎而出。同時(shí)，根據(jù)前期的調(diào)研結(jié)果顯示，形色充分利用了人工智能技術(shù)的優(yōu)勢(shì)，隨著用戶數(shù)據(jù)越來(lái)越多，其準(zhǔn)確率也越來(lái)越好，在用戶間具有良好的口碑。
為了更好地凸顯AI技術(shù)在產(chǎn)品中的落地，我們僅以“拍照識(shí)別花草”功能項(xiàng)作為出發(fā)點(diǎn)，對(duì)其進(jìn)行用戶-場(chǎng)景-需求、功能目的、功能邏輯、用戶評(píng)論及技術(shù)分析，并在此之外，對(duì)平臺(tái)中圍繞“拍照識(shí)花草”衍生出的“拍照識(shí)果蔬”進(jìn)行簡(jiǎn)介。
2. 用戶-場(chǎng)景-需求分析
3. 功能目的
從“拍照識(shí)別花草功能”出發(fā)，形色滿足了許多用戶的許多需求。
不同于抖音、美圖或作業(yè)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(yīng)用的場(chǎng)景也很豐富。比如：對(duì)一些植物愛(ài)好者，形色可以滿足他們?cè)谟龅叫轮参镱悇e時(shí)快速識(shí)別的需求，甚至是一些罕見(jiàn)的花草也可以更為準(zhǔn)確地識(shí)別，形色還提供了互動(dòng)和分享的渠道，使得用戶可以在滿足自身樂(lè)趣的同時(shí)還有益于興趣的交流，達(dá)到用戶聚合的效果。
而對(duì)于一些園林花藝從業(yè)者，形色在他們的工作中充當(dāng)了效率提升器。由于這類人群經(jīng)常要在設(shè)計(jì)、搭配中對(duì)植物的類別進(jìn)行識(shí)別與鑒定，而人的腦容量又十分有限，如果依靠傳統(tǒng)的文字搜索，則耗時(shí)耗力，形色使得這類人群可以快速地確定相關(guān)植物的類別及形態(tài)知識(shí)。
最后，對(duì)于一些類似家長(zhǎng)、教師、攝影愛(ài)好者、旅游愛(ài)好者、小朋友等，形色也都幫助他們快速認(rèn)識(shí)花草、答疑解惑、學(xué)習(xí)植物知識(shí)、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(chǎng)景豐富，而滿足的需求卻集中體現(xiàn)在快速識(shí)別花草、學(xué)習(xí)植物知識(shí)及鑒定植物等方面。
對(duì)于平臺(tái)而言，借助人工智能技術(shù)，為用戶提供高準(zhǔn)確率且快速地植物識(shí)別的服務(wù)體驗(yàn)，通過(guò)植物將用戶聚集，并由此拓展功能外延，一方面平臺(tái)的算法越來(lái)越準(zhǔn)確，吸引的用戶越來(lái)越多，另一方面圍繞著植物識(shí)別這一核心需求，通過(guò)更豐富的功能設(shè)計(jì)，比如花間、地圖等，產(chǎn)品可帶給用戶更多驚喜。
而形色的官方團(tuán)隊(duì)也在新聞發(fā)言中坦言，他們是純粹的人工智能技術(shù)愛(ài)好者，希望通過(guò)產(chǎn)品作為載體，把人工智能的樂(lè)趣帶給更多用戶。
這句話是不是空喊口號(hào)無(wú)從得知，但從目前的體驗(yàn)過(guò)程中，形色暫時(shí)沒(méi)有特別顯性的廣告植入，而平臺(tái)算法的性能也比較穩(wěn)定和準(zhǔn)確。
4. 功能邏輯
在功能邏輯的設(shè)計(jì)上，和一般的“拍照識(shí)別”類產(chǎn)品一樣，形色的流程設(shè)計(jì)也比較靈活，比如識(shí)別圖片來(lái)源提供了多種選項(xiàng)，同時(shí)比較特別地是提出了“自拍，看看你像什么花”選項(xiàng)，該功能抓住了用戶愛(ài)美及好奇的心理，是一種比較具有趣味性的互動(dòng)。
同時(shí)在生成的過(guò)程中，由于對(duì)圖片處理的過(guò)程可能算法存在一定的延時(shí)，尤其是一些比較少見(jiàn)的植物，計(jì)算圖片特征及檢索數(shù)據(jù)庫(kù)的過(guò)程需要花費(fèi)較長(zhǎng)的時(shí)間，可能會(huì)出現(xiàn)更長(zhǎng)的等待時(shí)間。
針對(duì)上述算法延時(shí)的問(wèn)題，形色的處理是比較注重用戶心理感受的。比如：在體驗(yàn)中發(fā)現(xiàn)在等待時(shí)，系統(tǒng)會(huì)反饋各類提示語(yǔ)包括“正在努力鑒定中XX%”，讓用戶心理有預(yù)期，減少焦慮。
再比如：“再等等，結(jié)果馬上就出來(lái)”、“網(wǎng)絡(luò)好像有點(diǎn)擁擠”，即便進(jìn)度沒(méi)有變化，但這些提示語(yǔ)仍處于動(dòng)態(tài)變化中，在這些極具擬人化特征的提示語(yǔ)之上，用戶不會(huì)覺(jué)得背后是一個(gè)冷漠、機(jī)械的“機(jī)器人”或算法，而是覺(jué)得這是一種友好的互動(dòng)，從而耐心及忍耐度會(huì)有所提升。
上圖是體驗(yàn)的一個(gè)過(guò)程，是拍攝的路邊的一種野花。從中可見(jiàn)，拍照鑒定的過(guò)程中，一直顯示在緩沖，但是體驗(yàn)相對(duì)比較好的是，系統(tǒng)一直有反饋，比如進(jìn)度94%、99%，而且一直把延時(shí)的鍋扣給“網(wǎng)絡(luò)慢”、“網(wǎng)絡(luò)擁塞”。
其實(shí)這種提示語(yǔ)的設(shè)置是人工智能產(chǎn)品設(shè)計(jì)的一個(gè)技巧，因?yàn)槌Ｒ?guī)而言，如果算法想要達(dá)到比較好的準(zhǔn)確率，則模型的復(fù)雜度會(huì)比較高，那么模型在運(yùn)行的時(shí)候其效率往往較低，則平臺(tái)通過(guò)這些標(biāo)語(yǔ)一方面可以轉(zhuǎn)移用戶的注意力，另一方面，也可以一定程度降低用戶對(duì)算法不行的糟糕想法。
這種設(shè)計(jì)的技巧的應(yīng)用比較普遍，比如：還有一些使用識(shí)別分割技術(shù)的圖像類產(chǎn)品，有的時(shí)候算法處理的結(jié)果在邊界處表現(xiàn)不好，則可以通過(guò)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(jié)果的不足。
本次體驗(yàn)最終識(shí)別準(zhǔn)確結(jié)果是鬼針草，如果你覺(jué)得該識(shí)別結(jié)果不準(zhǔn)確，還可以再請(qǐng)求高手鑒定。
提供高手鑒定的好處在于：
一方面通過(guò)用戶使用高手鑒定的點(diǎn)擊率，可以用于對(duì)后臺(tái)識(shí)別算法準(zhǔn)確率的反饋，重新調(diào)節(jié)模型的參數(shù)，所以用戶會(huì)感覺(jué)到在不斷地使用產(chǎn)品的過(guò)程中，識(shí)別的準(zhǔn)確率會(huì)越來(lái)越好。因?yàn)楫?dāng)前深度學(xué)習(xí)的準(zhǔn)確率增長(zhǎng)，一定程度上是依托于訓(xùn)練數(shù)據(jù)的增加，所以人工智能類的產(chǎn)品，用戶數(shù)據(jù)的后期收集與優(yōu)化十分重要，從產(chǎn)品的體驗(yàn)和調(diào)研中也發(fā)現(xiàn)，形色是比較注重這一點(diǎn)的。
另一方面，現(xiàn)有的AI產(chǎn)品設(shè)計(jì)中，如果僅僅依賴算法可能無(wú)法滿足用戶的所有需求，尤其是一些比較特殊的場(chǎng)景，還是沒(méi)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(tái)的鑒黃，只是應(yīng)對(duì)大數(shù)據(jù)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(jìn)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(fā)布到平臺(tái)上，一些同樣愛(ài)好植物或者剛好認(rèn)識(shí)的用戶會(huì)幫助解答，同時(shí)平臺(tái)也吸引了一些相關(guān)的專家入駐，以提升鑒定的效率和專業(yè)度。
同時(shí)我們還做了更大量的體驗(yàn)，從中可見(jiàn)整體的識(shí)別準(zhǔn)確率較高，且每一次識(shí)別之后，都附帶了比較詩(shī)情畫(huà)意的解說(shuō)，和平臺(tái)整體的調(diào)性以及調(diào)研中發(fā)現(xiàn)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(gè)綠色部分，最后平臺(tái)返回的結(jié)果是“我竟然被難倒了”，所以，這一刻可能會(huì)覺(jué)得哪怕錯(cuò)了也挺可愛(ài)。
當(dāng)然了，形色也有失靈的時(shí)候。
比如輸入一株火龍果圖片，它給出的第一答案選項(xiàng)是火龍果，后面還給出一個(gè)選項(xiàng)是曇花，火龍果是準(zhǔn)確答案，但是觀察會(huì)發(fā)現(xiàn)，它和曇花的表面形態(tài)確實(shí)有些相像。
造成該類錯(cuò)誤的問(wèn)題在于，模型是基于植物的特征提取，和后臺(tái)數(shù)據(jù)庫(kù)形成比對(duì)，只要表面特征相似可能就會(huì)判定為同一類別。且算法的靈活度有限，對(duì)于一些相似物種，仍沒(méi)有辦法對(duì)細(xì)節(jié)做出準(zhǔn)確區(qū)分，這是未來(lái)算法設(shè)計(jì)需要攻克的難題。
其次，我拍攝了鑰匙的圖片，算法識(shí)別結(jié)果為辣椒。因?yàn)槿斯ぶ悄芤欢ǔ潭壬鲜腔谶^(guò)往的經(jīng)驗(yàn)，對(duì)眼前的新事物結(jié)合其特征做出判斷。也就是說(shuō)，算法覺(jué)得自己應(yīng)當(dāng)在現(xiàn)有植物品類庫(kù)里找一個(gè)最匹配的來(lái)表征輸入的圖片，大部分算法還是比較“單純”的。
5. 用戶評(píng)論
同樣地，我們對(duì)產(chǎn)品搜集了對(duì)應(yīng)的用戶評(píng)論。
首先，基于七麥數(shù)據(jù)顯示，形色的用戶評(píng)分當(dāng)前顯示評(píng)分為4.9分，所有版本評(píng)分也達(dá)到4.9分，基本所有的評(píng)論集中在5星、4星，而低分評(píng)論占比極低。
同樣地，收集了30條用戶評(píng)論。但是本次評(píng)論的篩選中，沒(méi)有刻意地集中在差評(píng)，而是對(duì)用戶的評(píng)論進(jìn)行了整體評(píng)估，并提取其對(duì)應(yīng)關(guān)鍵詞，最后進(jìn)行歸類分析。
首先用戶評(píng)論的關(guān)鍵詞主要包括“內(nèi)容質(zhì)量需加強(qiáng)”、“效率提升”、“增加知識(shí)”、“準(zhǔn)確率不高”、“準(zhǔn)確率高”。
其中36.7%的用戶覺(jué)得使用形色增加了植物相關(guān)的知識(shí)，對(duì)于學(xué)習(xí)及日常裝逼有益，20%用戶覺(jué)得形色對(duì)每種植物、花草判斷都十分準(zhǔn)確，非常智能，16.7%的用戶認(rèn)為形色的內(nèi)容質(zhì)量需要加強(qiáng)。
比如：關(guān)于識(shí)別結(jié)果的解說(shuō)可以更為詳細(xì)一些、平臺(tái)上關(guān)于植物的科普文章要更加專業(yè)一些等，13.3%的用戶覺(jué)得通過(guò)形色極大地提升了學(xué)習(xí)花草植物知識(shí)的效率，他們中有的人是園林或花藝設(shè)計(jì)師。最后還有13.3%的用戶認(rèn)為識(shí)別的準(zhǔn)確率不夠優(yōu)秀，可能是恰好他們問(wèn)到了“算法”沒(méi)學(xué)過(guò)的部分。
進(jìn)一步地，我們把用戶的評(píng)論最終歸結(jié)為產(chǎn)品、算法及運(yùn)營(yíng)維度。
其中，如效率提升、增加知識(shí)屬于產(chǎn)品范疇，正是由于產(chǎn)品能夠看到用戶的需求，并從用戶的角度出發(fā)，巧妙地利用人工智能技術(shù)，得以為用戶解決需求。這是用戶對(duì)形色的贊同，也是對(duì)它未來(lái)發(fā)展的期許，希望它一直記得初衷，服務(wù)用戶，不斷進(jìn)步。
而準(zhǔn)確率問(wèn)題則屬于算法范疇，而由于平臺(tái)的訓(xùn)練數(shù)據(jù)，后續(xù)的經(jīng)驗(yàn)積累、調(diào)參優(yōu)化，都對(duì)最終平臺(tái)的識(shí)別準(zhǔn)確率有影響。形色官方技術(shù)團(tuán)隊(duì)曾對(duì)外發(fā)言稱，其起步的訓(xùn)練數(shù)據(jù)集就很龐大，而且后續(xù)也很注重收集用戶的反饋，進(jìn)行模型準(zhǔn)確率的調(diào)整，以后也還會(huì)繼續(xù)加強(qiáng)數(shù)據(jù)集及算法的調(diào)整和優(yōu)化，則算“盲區(qū)”會(huì)越來(lái)越少，從而整體的準(zhǔn)確率會(huì)進(jìn)一步提升。
最后，內(nèi)容問(wèn)題則屬于運(yùn)營(yíng)范疇。之前看了一篇文章說(shuō)到，互聯(lián)網(wǎng)產(chǎn)品的發(fā)展，從技術(shù)主導(dǎo)到產(chǎn)品主導(dǎo)，已經(jīng)開(kāi)始萌生出運(yùn)營(yíng)主導(dǎo)的趨勢(shì)，無(wú)論該論斷正確與否，都不可忽略的是，運(yùn)營(yíng)是一款產(chǎn)品能否觸達(dá)大眾、煥發(fā)生命力的關(guān)鍵。而遺憾的是，形色的運(yùn)營(yíng)比較單調(diào)，這是相對(duì)不足的一個(gè)點(diǎn)。
6. 技術(shù)分析
形色的實(shí)現(xiàn)，其技術(shù)原理比較簡(jiǎn)單，主要就是圖像識(shí)別及檢索，即通過(guò)圖片特征的提取，而后進(jìn)行搜索匹配，最終輸出結(jié)果。形色之所有獲得比較好的準(zhǔn)確率，主要在于它十分專注地打磨，把上述的每一個(gè)技術(shù)環(huán)節(jié)都做到了最好。
首先，訓(xùn)練數(shù)據(jù)集牛逼。有多少數(shù)據(jù)，就有多少智能，尤其是對(duì)現(xiàn)階段的深度學(xué)習(xí)模型而言，訓(xùn)練數(shù)據(jù)的數(shù)量和質(zhì)量可視作是決定性因素，這也是為什么很多人工智能產(chǎn)品經(jīng)理都在工作中或多或少地需要承擔(dān)數(shù)據(jù)標(biāo)注、清溪任務(wù)的原因。在上線前期，形色團(tuán)隊(duì)就意識(shí)到數(shù)據(jù)對(duì)于模型準(zhǔn)確率的重要性，因此他們?cè)谟?xùn)練數(shù)據(jù)集的打造上花費(fèi)了很多時(shí)間。
比如通過(guò)向各大論壇植物愛(ài)好者征集花草圖片數(shù)據(jù)，同時(shí)自身團(tuán)隊(duì)出動(dòng)，到當(dāng)?shù)剡M(jìn)行常見(jiàn)花卉采集之后請(qǐng)專家鑒定等，在保證了訓(xùn)練數(shù)據(jù)集的數(shù)量之余才展開(kāi)了后續(xù)的工作。
對(duì)于深度學(xué)習(xí)而言，由于深度網(wǎng)絡(luò)的復(fù)雜性，需要訓(xùn)練的參數(shù)規(guī)模龐大，甚至可以達(dá)到好幾百萬(wàn)個(gè)，所以要想算法落地成產(chǎn)品后能獲得實(shí)際可用的結(jié)果，其訓(xùn)練數(shù)據(jù)集的需求量遠(yuǎn)遠(yuǎn)超出一般人的想象。
而當(dāng)數(shù)據(jù)量不斷增加后，數(shù)據(jù)的清洗和標(biāo)注又是另外一個(gè)更為復(fù)雜問(wèn)題，形色團(tuán)隊(duì)在這方面上也是斥巨資，他們聘請(qǐng)很多具有專業(yè)知識(shí)的專家反復(fù)校驗(yàn)，確保了訓(xùn)練數(shù)據(jù)集的質(zhì)量。
通過(guò)數(shù)據(jù)集上的努力，形色最初的模型比較簡(jiǎn)單，獲得的準(zhǔn)確率接近50%，這讓團(tuán)隊(duì)看到了希望。
人工智能是仿生的，和人一樣，如果見(jiàn)得少，則判斷出錯(cuò)的概率就大。所以為了減少算法識(shí)別錯(cuò)誤的概率，需要讓模型盡可能學(xué)習(xí)更多的數(shù)據(jù)，形色采取了一個(gè)長(zhǎng)遠(yuǎn)更為有效的措施是：在產(chǎn)品上線之后，進(jìn)一步收集用戶上傳的圖片，用于算法的迭代訓(xùn)練。
結(jié)果顯示，隨著用戶數(shù)量增加，平臺(tái)訓(xùn)練數(shù)據(jù)集擴(kuò)增，識(shí)別的準(zhǔn)確率也越來(lái)越高。
其次，算法+人工輔助的雙重技術(shù)保證。
形色是一款優(yōu)秀的人工智能類產(chǎn)品，它在為用戶解決的過(guò)程中，傳達(dá)出一種十分謙遜、負(fù)責(zé)的態(tài)度。
具體地，在實(shí)現(xiàn)的過(guò)程中，除了以深度卷積神經(jīng)網(wǎng)絡(luò)對(duì)圖片進(jìn)行分類并檢索的識(shí)別算法外，為了應(yīng)對(duì)算法失靈的情況，形色還配備了專業(yè)的人士進(jìn)行人工鑒定及解答。
最后，技術(shù)細(xì)節(jié)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(guān)鍵特征不明顯的特點(diǎn)，所以算法會(huì)對(duì)圖片進(jìn)行統(tǒng)一的預(yù)處理之后再識(shí)別。
手游代理平臺(tái)一覽表(手游代理平臺(tái)哪里找) - 櫻花動(dòng)漫
預(yù)處理的過(guò)程包括了光線調(diào)整、顏色反轉(zhuǎn)、曝光度、裁剪出關(guān)鍵部位等，如此，可以提升照片的質(zhì)量。因?yàn)樯疃染W(wǎng)絡(luò)中，算法訓(xùn)練時(shí)學(xué)習(xí)照片的特征，如果照片本身的質(zhì)量不佳，則算法會(huì)學(xué)到一些錯(cuò)誤的特征，從而可能引發(fā)后續(xù)的判斷錯(cuò)誤。同時(shí)，一些肉眼無(wú)法辨識(shí)的特征，尤其是某些相近的種類，如果沒(méi)有經(jīng)過(guò)預(yù)處理，模型就有可能無(wú)法獲得相關(guān)細(xì)節(jié)，從而發(fā)生誤判。
形色的技術(shù)方案看似簡(jiǎn)單，但是他們的智慧在于，選擇當(dāng)前效果最好的一項(xiàng)，并將其打磨到最好。
現(xiàn)有的計(jì)算機(jī)視覺(jué)處理任務(wù)中，圖像識(shí)別、分類的效果是最好的，比如：許多人臉識(shí)別、圖像分類的結(jié)果在經(jīng)過(guò)足夠的訓(xùn)練數(shù)據(jù)訓(xùn)練后，可以達(dá)到99%以上的準(zhǔn)確率，而人由于經(jīng)驗(yàn)以及其它生理的不同，可以達(dá)到的平均準(zhǔn)確率也才有95%左右。
所以這從一點(diǎn)上看， 形色抓住了圖像識(shí)別這一技術(shù)可以落地的時(shí)機(jī)。因?yàn)榇蟛糠諥I產(chǎn)品設(shè)計(jì)的初衷，一定是因?yàn)樗惴梢詭椭祟惤鉀Q部分重復(fù)性的工作且解決的效果優(yōu)于人類。
且在瞄準(zhǔn)了切入點(diǎn)之后，他們花了足夠多的時(shí)間和精力在技術(shù)上做深入的積累，等到時(shí)機(jī)成熟的時(shí)候，花費(fèi)極小的成本將其成功遷移到另一項(xiàng)功能上（拍照識(shí)瓜果和海鮮）。
所以人工智能類的產(chǎn)品，不要一開(kāi)始就著眼于用多復(fù)雜的技術(shù)、做多復(fù)雜的功能，簡(jiǎn)單、高效直至爐火純青才是王道！
技術(shù)關(guān)鍵詞：數(shù)據(jù)集 算法+人工輔助 技術(shù)細(xì)節(jié)處理
總結(jié)
本期一起體驗(yàn)了小眾AI產(chǎn)品“形色”，從中也感受到人工智能技術(shù)，已經(jīng)變成各種各樣的 產(chǎn)品，出現(xiàn)在用戶生活的方方面面，幫助用戶解決了各種各樣的問(wèn)題。
作為一個(gè)人工智能產(chǎn)品經(jīng)理，我們的思考點(diǎn)在于，怎樣通過(guò)更為簡(jiǎn)單的技術(shù)，以更低的成本和更好的體驗(yàn)，為用戶帶來(lái)更多驚喜~
作者：Luna，公眾號(hào)：有三AI，一個(gè)專注于人工智能技術(shù)與產(chǎn)品落地的公眾號(hào)，希望可以和熱愛(ài)AI的人有更深入交流，一起見(jiàn)證AI改變生活！
本文由 @ Luna 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載
題圖來(lái)自網(wǎng)絡(luò)