Appearance
AI 主要应用方向
人工智能的技术分支通常由输入数据和任务目标决定。文本、图像、音频、用户行为和连续控制具有不同结构，因此数据处理、模型架构、评估方法和部署约束也不同。
领域地图
| 方向 | 输入 | 输出 | 核心难点 |
|---|---|---|---|
| 自然语言处理 | 文本、文档、对话 | 类别、实体、检索结果、生成文本 | 歧义、上下文、事实依据 |
| 计算机视觉 | 图片、视频 | 类别、检测框、分割区域、生成图片 | 光照、尺度、遮挡、实时性 |
| 语音技术 | 音频波形 | 文本、语音、说话人信息 | 噪声、口音、实时流式处理 |
| 推荐系统 | 用户、物品、行为 | 候选和排序列表 | 反馈偏差、冷启动、实时变化 |
| 时间序列 | 按时间排列的数据 | 预测值、趋势、异常 | 周期、漂移、未来不可见 |
| 强化学习 | 状态、动作、奖励 | 行动策略 | 探索成本、奖励设计、安全 |
| 多模态 | 文本、图像、音频、视频 | 跨模态理解和生成 | 对齐、数据成本、长上下文 |
共用的工程主线
尽管领域不同，完整项目都要经过：
- 定义输入、输出和错误代价。
- 建立数据采集、标注和版本体系。
- 选择简单基线与预训练模型。
- 设计离线评估和场景切片。
- 建立推理服务及前后处理。
- 通过灰度、监控和反馈持续迭代。
领域组合
真实产品经常组合多个方向。例如视频内容审核包含语音识别、画面分类、OCR、文本理解和规则系统；电商搜索同时使用文本 Embedding、推荐排序、用户画像和大模型问答。
组合系统中要区分每一层的责任。某个最终答案错误，可能来自语音转写错误、检索召回错误、排序错误或生成模型错误，必须能沿链路定位。