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，且此后開始展現(xiàn)出良好的回升趨勢(shì)。這說明，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、攝影愛好者、旅游愛好者、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)愛好者，希望通過產(chǎn)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(hào)無(wú)從得知，但從目前的體驗(yàn)過程中，形色暫時(shí)沒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)在生成的過程中，由于對(duì)圖片處理的過程可能算法存在一定的延時(shí)，尤其是一些比較少見的植物，計(jì)算圖片特征及檢索數(shù)據(jù)庫(kù)的過程需要花費(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)覺得背后是一個(gè)冷漠、機(jī)械的“機(jī)器人”或算法，而是覺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(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)感覺到在不斷地使用產(chǎn)品的過程中，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)情畫意的解說，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)覺得哪怕錯(cuò)了也挺可愛。

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^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，算法覺得自己應(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%的用戶覺得通過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，可能是恰好他們問到了“算法”沒學(xué)過的部分。

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)容問題則屬于運(yùn)營(yíng)范疇。之前看了一篇文章說到，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。

比如通過向各大論壇植物愛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。

預(yù)處理的過程包括了光線調(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，如果沒有經(jīng)過預(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AI的人有更深入交流，一起見證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)