中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

本文作者將與你分享其對入門人工智能學(xué)習(xí)方法上的一些思考，enjoy~

現(xiàn)在AI越來越熱門，很多產(chǎn)品經(jīng)理都想抓住這個機會窗口，進入AI領(lǐng)域成為AI產(chǎn)品經(jīng)理。也許你經(jīng)歷過了媒體上各種AI遠景的洗腦、趨勢文章的沖擊以及技術(shù)文章的打擊，現(xiàn)在的你，是不是發(fā)現(xiàn)自己已經(jīng)完全蒙圈了？也許你已經(jīng)嘗試的找過書籍資料、網(wǎng)上課程或培訓(xùn)機構(gòu)，是不是發(fā)現(xiàn)并沒有成熟的AI產(chǎn)品經(jīng)理入門學(xué)習(xí)方法？

好了，今天這篇文章我將向您分享我對入門人工智能學(xué)習(xí)方法上的一些思考。

我是一名互聯(lián)網(wǎng)產(chǎn)品經(jīng)理，也希望進入AI領(lǐng)域。目前為止，我已經(jīng)用了2個月的業(yè)余時間學(xué)習(xí)入門知識，但還不能算是入門，原因就是人工智能領(lǐng)域的概念過于寬泛，技術(shù)門檻較高。我先用這2個月的學(xué)習(xí)成果，分享一下我對于入門AI領(lǐng)域?qū)W習(xí)方法的思考，給大家拋個磚，也許能為大家節(jié)省一些時間。不過還是先聲明下，我目前還不是AI產(chǎn)品經(jīng)理，下面內(nèi)容也僅是我個人主觀的思考，如果出現(xiàn)錯誤，歡迎大家指導(dǎo)與建議。

本文分為六個章節(jié)，用逐步推導(dǎo)的方式分析入門所需知識。

• 首先，分析了導(dǎo)致目前AI火熱的關(guān)鍵核心技術(shù)——機器學(xué)習(xí)；
• 其次，介紹了如何理解機器學(xué)習(xí)技術(shù)；
• 第三，從產(chǎn)品的角度分析“機器學(xué)習(xí)技術(shù)”能給產(chǎn)品帶來的商業(yè)價值；
• 第四，產(chǎn)品經(jīng)理角色在機器學(xué)習(xí)技術(shù)場景下可能進行的工作內(nèi)容；
• 第五，結(jié)合工作內(nèi)容給出我對入門學(xué)習(xí)方式的看法；
• 最后，給出了我個人的學(xué)習(xí)情況與計劃。

（注：重點是四、五兩章，對AI已有了解的同學(xué)，可以直接跳過去看）

1. 怎樣理解當前火熱的AI技術(shù)？

不知道大家看到上圖中的4本書+羅輯思維節(jié)目，會不會一下子有了感覺？總之，我就是從這里開始了解人工智能的。這些書籍與節(jié)目中，大量介紹了人工智能的未來、對就業(yè)情況的影響、強人工智能和人類之間可能發(fā)生的沖突、科技是如何讓人類更加先進、我們又是如何利用科技探索宇宙世界、國家應(yīng)當如何面對將要到來的人工智能革命，等等…看了這些內(nèi)容，心里不由得很激動??！

然后，媒體上也充滿了AI領(lǐng)域的動態(tài)和進展。例如：各國政府都在頒布AI相關(guān)的政策措施；各大互聯(lián)網(wǎng)公司也在加強AI相關(guān)的技術(shù)研究和產(chǎn)品研發(fā)；很多自媒體與產(chǎn)品經(jīng)理社區(qū)都開始報道AI動態(tài)與AI產(chǎn)品經(jīng)理的相關(guān)內(nèi)容，等等。

不過到此為止，以上所有信息只能讓我們找找AI的感覺，對入門AI領(lǐng)域好像并沒有實質(zhì)性的指導(dǎo)。現(xiàn)在，我們就來看看到底是什么原因，讓AI技術(shù)突然被媒體熱捧起來的。

我看過上面四本書后，才逐漸明白，AI市場火熱的背后是這樣一種技術(shù)在支撐：【機器學(xué)習(xí)（或深度學(xué)習(xí)）】。人工智能技術(shù)在發(fā)展的60多年里，經(jīng)歷過多次起起伏伏，而這一次將人工智能推向高潮的關(guān)鍵技術(shù)就是深度學(xué)習(xí)技術(shù)(深度學(xué)習(xí)是機器學(xué)習(xí)的一個分支)。點燃本次人工智能技術(shù)潮的關(guān)鍵事件就是：在2016年3月，阿爾法狗戰(zhàn)爭李世石的圍棋之戰(zhàn)。阿爾法狗是由谷歌（Google）旗下DeepMind公司開發(fā)的AI程序，其主要工作原理是“深度學(xué)習(xí)”。

與此同時，與機器學(xué)習(xí)相關(guān)的一些技術(shù)也火熱了起來。目前在招聘市場、媒體報道以及親朋好友互相溝通時，都會將下圖中的技術(shù)與AI技術(shù)一并提起，甚至等同于AI技術(shù)。因此，想要深入了解當前火熱的AI技術(shù)，就必須了解以下四種技術(shù)及其關(guān)聯(lián)關(guān)系。

上面的圖形是和當前人工智能技術(shù)相關(guān)聯(lián)的另外三種技術(shù)：物聯(lián)網(wǎng)、大數(shù)據(jù)和云計算。

這里簡單介紹一下機器學(xué)習(xí)技術(shù)與另外三種技術(shù)的關(guān)聯(lián)關(guān)系：

1. 人工智能與物聯(lián)網(wǎng)的關(guān)系：物聯(lián)網(wǎng)的終端可以對環(huán)境進行感知與交互，為人工智能核心程序提供傳感器與執(zhí)行器。物聯(lián)網(wǎng)終端不限于包括機器人、手機、穿戴式設(shè)備、無人飛機、自動駕駛汽車等等。
2. 人工智能與大數(shù)據(jù)的關(guān)系：機器學(xué)習(xí)本身需要使用大量的數(shù)據(jù)進行訓(xùn)練，并且訓(xùn)練好的機器學(xué)習(xí)模型會產(chǎn)生【識別與預(yù)測】的數(shù)據(jù)，所有這些數(shù)據(jù)都需要大數(shù)據(jù)分布式存儲與大數(shù)據(jù)計算技術(shù)支持。
3. 人工智能與云計算的關(guān)系：機器學(xué)習(xí)模型在訓(xùn)練時與實際使用時所使用的計算資源需要云計算來支持。

由此，也許能夠在一定程度上猜測AI產(chǎn)品經(jīng)理可能存在的類型：

1. 機器學(xué)習(xí)/深度學(xué)習(xí)AI產(chǎn)品經(jīng)理：可能包含視覺、語音、圖像、文本等相關(guān)技術(shù)；
2. 數(shù)據(jù)分析AI產(chǎn)品經(jīng)理：可能包含不同行業(yè)的不同維度的數(shù)據(jù)分析與數(shù)據(jù)挖掘；
3. 機器人AI產(chǎn)品經(jīng)理：這里可能會包含ToB或ToC應(yīng)用等業(yè)務(wù)場景；
4. 特殊傳感器或執(zhí)行器AI產(chǎn)品經(jīng)理：可能包括智能音箱、智能家居、智能家電等等；
5. 穿戴式設(shè)備AI產(chǎn)品經(jīng)理：包含VR、AR、MR、手表、手環(huán)、耳機等等；
6. 云計算AI產(chǎn)品經(jīng)理：。。。。；

由于篇幅限制，本篇文章僅以機器學(xué)習(xí)AI產(chǎn)品經(jīng)理為核心介紹入門的學(xué)習(xí)方法。那么接下來，我們就首先了解一下機器學(xué)習(xí)到底是什么樣的技術(shù)吧。

2. 怎樣通俗的理解機器學(xué)習(xí)技術(shù)呢？

機器學(xué)習(xí)是一種算法，可以通過數(shù)據(jù)訓(xùn)練形成一個機器學(xué)習(xí)模型（可理解為一套程序），是關(guān)于給定輸入獲取輸出的程序。本章首先從其創(chuàng)建方式上進行簡單介紹，然后介紹機器學(xué)習(xí)技術(shù)直接推動且引起大幅性能提升的相關(guān)基礎(chǔ)科技領(lǐng)域。

2.1 如何創(chuàng)建機器學(xué)習(xí)模型？

這個模型已經(jīng)不再是由【軟件攻城獅同學(xué)】來完成編寫了，而是由數(shù)據(jù)科學(xué)家通過給機器學(xué)習(xí)模型喂養(yǎng)數(shù)據(jù)，而自行形成的一套程序，具體過程為：

1. 選擇機器學(xué)習(xí)模型：可理解為根據(jù)要解決的特定目標問題，選擇能夠得到最優(yōu)解的算法模型；
2. 獲取訓(xùn)練與測試數(shù)據(jù)：與工程師配合獲取到用于訓(xùn)練機器學(xué)習(xí)模型的數(shù)據(jù)；
3. 訓(xùn)練模型：使用已有的數(shù)據(jù)對機器學(xué)習(xí)模型進行訓(xùn)練；

最終，訓(xùn)練好的機器學(xué)習(xí)模型，就可以投入生產(chǎn)使用了。換一種思路理解，數(shù)據(jù)科學(xué)家模仿業(yè)務(wù)員給顧客推薦商品，推薦的多了，機器就自己學(xué)會如何給顧客推薦商品了。

這里要注意的是，最終由數(shù)據(jù)科學(xué)家訓(xùn)練好的模型可以理解為一種【中間件】，是對其他應(yīng)用程序接口開放的中間程序，不能與用戶直接進行交互的程序。例如：假如我們訓(xùn)練了一個商城的商品推薦模型，那么這個模型的工作僅是根據(jù)當前應(yīng)用程序接口請求的信息，由機器學(xué)習(xí)模型反饋出用戶可能購買幾率最高的商品列表。至于怎么展示這些商品，可以有很多方式，不限于App界面、web界面、郵箱推薦、第三方廣告位等等。

通過這種方式創(chuàng)建程序有什么優(yōu)勢呢？（也就是使用機器模型技術(shù)的優(yōu)勢是什么）人們不再用絞盡腦汁的總結(jié)并歸納好知識，再去完成越來越龐大且成本越來越離譜的編程工作。而是通過給計算機投喂大量的數(shù)據(jù)，讓機器自行尋找其中的規(guī)律，并將規(guī)律應(yīng)用在特定領(lǐng)域的識別與預(yù)測工作中。這樣，可以讓機器完成機器所擅長的工作，而人類可以節(jié)省大量的時間與經(jīng)歷。

例如：在電商系統(tǒng)中訓(xùn)練商品推薦的機器學(xué)習(xí)模型，該模型可以通過不斷增長的用戶交易數(shù)據(jù)來完成優(yōu)化，最終該模型可能會學(xué)習(xí)到人類基本不能發(fā)現(xiàn)的有效推薦方式，從而達到推薦轉(zhuǎn)化率不斷提升。如果該工作交給人類來干，就不知道需要投入多少的人力物力才能達到那種效果了。

接下來，我們再看看基于大數(shù)據(jù)與機器學(xué)習(xí)方式完成的程序，推動了那些基礎(chǔ)科研領(lǐng)域的發(fā)展。

2.2 那些機器學(xué)習(xí)直接推動的性能大幅提升的技術(shù)領(lǐng)域

由于近些年大數(shù)據(jù)技術(shù)的快速發(fā)展，及其并行計算能力的大幅提升，以下領(lǐng)域因為應(yīng)用了機器學(xué)習(xí)尤其是深度學(xué)習(xí)技術(shù)，直接使得相關(guān)性能指標大幅提升，其中很多指標已接近商業(yè)應(yīng)用的標準，甚至部分技術(shù)指標已經(jīng)超過了人類的專業(yè)水平！

1. 識別技術(shù)，包括：文字識別、圖像識別、語音識別；
2. 基礎(chǔ)應(yīng)用技術(shù)，包括：自然語言處理NLP、計算機視覺CV/機器視覺MV、語音合成TTS等；

由這些識別、預(yù)測及其執(zhí)行等技術(shù)的組合，又進一步推動了商用級應(yīng)用的發(fā)展，例如：

1. 推動了自動駕駛應(yīng)用：識別道路圖像與聲音，根據(jù)道路情況并預(yù)測下一步道路情況，根據(jù)所要達到的目的地執(zhí)行駕駛動作。
2. 推動了客服系統(tǒng)應(yīng)用：識別語音進行自然語言處理，進而預(yù)測可以最大滿足用戶需求的回復(fù)，并使用語音合成技術(shù)執(zhí)行聲音輸出。
3. 推動了輔助辦公的應(yīng)用：識別當前工作狀態(tài)，預(yù)測能達成最理想工作結(jié)果的行動方案，建議用戶行動方案。

【插播】由于機器學(xué)習(xí)推動了語音識別能力的大幅提升，也許在鍵盤鼠標、手機觸摸屏幕之后，【語音會成為新的交互入口】。

本章內(nèi)容也許比較難以理解，深入去學(xué)習(xí)上述技術(shù)可能就更加困難了，不過我個人還是認為學(xué)習(xí)機器學(xué)習(xí)技術(shù)是有好處的。這里引用《終極算法》一書中的思想：【機器學(xué)習(xí)是工具，我們理解自己將要使用的工具會費些工夫，但遇到問題時，你會發(fā)現(xiàn)“了解工具”所帶來的幫助遠遠大于你為此付出的努力】。

好了，目前已經(jīng)介紹完機器學(xué)習(xí)是怎樣一種技術(shù)了。對于產(chǎn)品經(jīng)理來說，應(yīng)用機器學(xué)習(xí)技術(shù)，提升產(chǎn)品價值可能是最關(guān)注的事情了，下面我來分享一下我對機器學(xué)習(xí)提升產(chǎn)品價值的一些思考。

3. 機器學(xué)習(xí)技術(shù)在產(chǎn)品價值上的影響

吳軍在《智能時代》中寫到，人類曾經(jīng)經(jīng)歷過的蒸汽機時代、電氣化時代、信息化時代，無一不是由于新技術(shù)的產(chǎn)生，而帶來了整體經(jīng)濟上的快速發(fā)展。而這一次即將到來的人工智能技術(shù)潮，也許會成為以下公式的推手：

現(xiàn)有產(chǎn)業(yè) + 機器學(xué)習(xí) = 新產(chǎn)業(yè)

這樣的情況下，機器學(xué)習(xí)技術(shù)會開創(chuàng)一些新的行業(yè)機會。

3.1 機器學(xué)習(xí)開創(chuàng)的新產(chǎn)業(yè)

這一次機器學(xué)習(xí)熱潮中，推動了很多基礎(chǔ)平臺企業(yè)與基礎(chǔ)技術(shù)科研企業(yè)的發(fā)展，這些企業(yè)就屬于新技術(shù)所開創(chuàng)的新行業(yè)。例如：

1. 研究機構(gòu)：百度IDL、阿里巴巴iDST、騰訊AI Lab、Google DeepMind、微軟等等；
2. 語音技術(shù)：科大訊飛、思必馳、云知聲、出門問問、Nuance等等；
3. 圖像技術(shù)：曠視科技、商湯科技、騰訊優(yōu)圖、圖普科技等等；
4. 技術(shù)平臺：百度Apollo與DuerOS、訊飛開放平臺、圖靈機器人等等；

另外，我不確定關(guān)于以下兩種產(chǎn)品類型是否屬于新的產(chǎn)業(yè)，但確實和機器學(xué)習(xí)有關(guān)：

1. 虛擬個人助理產(chǎn)業(yè)：Siri、微軟小娜、百度度秘、谷歌Assistant、助理來也等等；
2. 智能音箱產(chǎn)業(yè)：Amazon Echo、Google Home、叮咚、小愛、小雅、天貓精靈等等；

在這一次機器學(xué)習(xí)大潮中，我相信很多公司是不能夠參與到新技術(shù)研發(fā)或者平臺類產(chǎn)品的研發(fā)中，機器學(xué)習(xí)的底層研發(fā)與建設(shè)，因為不但需要具備深厚的科研能力，而且還需要雄厚資本的支撐。就算退一步，也不意味著每家公司都能聘用得起數(shù)據(jù)科學(xué)家、買得起獨立服務(wù)器。那么更切合實際的方式是，用大公司提供的第三方平臺產(chǎn)品與技術(shù)，直接應(yīng)用結(jié)合現(xiàn)有商業(yè)場景，開發(fā)服務(wù)型的應(yīng)用。

3.2 機器學(xué)習(xí)在現(xiàn)有產(chǎn)業(yè)上的創(chuàng)新

我們現(xiàn)在就把視角放在：利用新的技術(shù)環(huán)境，改變原有場景的交互方式，把過去難以解決的問題，解決好。因為新技術(shù)會改造原有產(chǎn)業(yè)，企業(yè)只有在思維上跟上新的時代，才能在未來的商業(yè)中保持優(yōu)勢。這一點我們不難從BAT這些大廠上面看到，他們在接受新技術(shù)上從來都是非常迅速，尤其是百度，目前已經(jīng)是”All in 人工智能”的戰(zhàn)略構(gòu)想。

如何在現(xiàn)有產(chǎn)業(yè)場景上構(gòu)建機器學(xué)習(xí)的商業(yè)產(chǎn)品。這需要有以下3個能力要素：

1. 業(yè)務(wù)需求：找到可以利用大數(shù)據(jù)與機器學(xué)習(xí)技術(shù)改善現(xiàn)有用戶體驗的業(yè)務(wù)場景與需求。
2. 數(shù)據(jù)：盡量找到那些原有業(yè)務(wù)上就產(chǎn)生過大量數(shù)據(jù)的業(yè)務(wù)，我們現(xiàn)在的任務(wù)就是讓這些業(yè)務(wù)產(chǎn)生的數(shù)據(jù)產(chǎn)生新的商業(yè)價值，可以理解為我們該用我們的數(shù)據(jù)搞點事情了！如果業(yè)務(wù)場景還存在數(shù)據(jù)反饋能力，將會是最好的業(yè)務(wù)場景。
3. 算法與計算資源：目前可以看到行業(yè)的巨頭們，已經(jīng)為我們提供一系列技術(shù)研發(fā)基礎(chǔ)，例如：谷歌的TensorFlow機器學(xué)習(xí)框架、百度的Apollo與DuerOS平臺、各大公司提供的大數(shù)據(jù)方案與云計算平臺等等。

說說實際案例吧，《今日頭條》是一款閱讀內(nèi)容推薦App，這款產(chǎn)品就是利用了機器學(xué)習(xí)技術(shù)，實現(xiàn)了更加精確的內(nèi)容推薦能力。這家公司憑著【內(nèi)容推薦+機器學(xué)習(xí)】的特性，一下子就從該類產(chǎn)品中脫穎而出，成為了行業(yè)的獨角獸型公司。

在現(xiàn)有產(chǎn)業(yè)中應(yīng)用了機器學(xué)習(xí)技術(shù)的公司，在此也簡單列舉一下：

1. 百度的自動駕駛；
2. 商湯科技的嫌疑犯人臉識別與篩選；
3. 阿里巴巴與京東的千人千面商品推薦系統(tǒng)；
4. 同花順的智能投顧系統(tǒng)[問財]；
5. 等等…

4. 對AI產(chǎn)品經(jīng)理工作內(nèi)容的思考

開始學(xué)習(xí)人工智能知識有2個月的時間了，一直都帶著一個問題【AI產(chǎn)品經(jīng)理這個崗位都在干些什么呢？】。如果我們的最終目標是找到AI產(chǎn)品經(jīng)理類型的工作，那么我們一旦知道將來干什么工作，就可以知道應(yīng)該學(xué)習(xí)哪些知識了。這一問題也是在我和其他學(xué)友們交流的過程中，最多被大家提起來的問題。那么本章我們就帶著這個問題，一起來思考一下吧。（這一章節(jié)的內(nèi)容，純屬我個人主觀的思考，如果存在問題，歡迎大家指點與建議。）

4.1 AI產(chǎn)品經(jīng)理工作內(nèi)容上的幾點思考

我們現(xiàn)在應(yīng)該都知道了，機器學(xué)習(xí)是一門技術(shù)，最終形成的模型（也就相當于現(xiàn)在的程序）可以理解為中間件，是不能直接應(yīng)用到用戶交互操作中。產(chǎn)品經(jīng)理應(yīng)當想辦法利用這個中間件技術(shù)的性能優(yōu)勢，為用戶提供更好用戶體驗的交互產(chǎn)品。那么產(chǎn)品經(jīng)理的核心任務(wù)會不會就是【將機器學(xué)習(xí)技術(shù)應(yīng)用在有商業(yè)價值的需求場景中】？

下面我僅從【現(xiàn)有產(chǎn)業(yè)+機器學(xué)習(xí)】角度提出我對AI產(chǎn)品經(jīng)理可能工作內(nèi)容的幾點思考：

（1）觀點一：AI產(chǎn)品經(jīng)理需要了解技術(shù)現(xiàn)狀

這一觀點上，我認為目前AI技術(shù)相對是不夠成熟的，那么了解好技術(shù)可能實現(xiàn)的能力范圍，技術(shù)本身所需要的成本還有當前存在的技術(shù)瓶頸，可能是AI產(chǎn)品經(jīng)理需要具備的基礎(chǔ)。按照以往的經(jīng)驗，如果在最初使用技術(shù)時并不了解技術(shù)的相關(guān)特性，那么當技術(shù)產(chǎn)生問題的時候一定會讓你充分理解其全部特性，并浪費掉更多的精力。

了解AI技術(shù)現(xiàn)狀會有兩種渠道：

1. 通過公司內(nèi)部的AI技術(shù)團隊了解現(xiàn)狀：這一點針對大公司自有AI技術(shù)團隊時，可以很方便的了解現(xiàn)有技術(shù)情況，多與公司的科學(xué)家與工程師們溝通玩耍，進步會飛快起來。
2. 通過第三方提供AI平臺或AI框架了解技術(shù)現(xiàn)狀：這一點針對一些中小公司，公司可能沒有AI技術(shù)團隊，這時充分利用第三方平臺提供的AI技術(shù)也是一個理想的選擇。

（2）觀點二：AI產(chǎn)品經(jīng)理需要尋找并定義AI業(yè)務(wù)場景

上一點說過了，技術(shù)永遠都不夠成熟，AI產(chǎn)品經(jīng)理需要在深度理解技術(shù)優(yōu)劣勢的基礎(chǔ)上，尋找到可以提供更好用戶體驗的業(yè)務(wù)場景。也就是說，如何結(jié)合當前現(xiàn)有AI技術(shù)與業(yè)務(wù)場景，為用戶提供更好更便捷用戶體驗的產(chǎn)品。這時，AI產(chǎn)品經(jīng)理主要的工作就是：【完成當前技術(shù)與現(xiàn)有市場需求的映射】。這一點我要特別說的是，根據(jù)以往的經(jīng)驗，在技術(shù)能力不足時，很多場景的業(yè)務(wù)需求都不需要我們100%的解決，只需要利用現(xiàn)有技術(shù)為用戶解決最為關(guān)鍵的問題即可。只不過，我們需要評估好，這樣是否真的能夠提升用戶體驗，而不是帶來了新的麻煩。

另外，如果AI產(chǎn)品經(jīng)理真的發(fā)現(xiàn)了有良好用戶體驗的智能化場景時，還需要充分評估產(chǎn)品定位、用戶價值、成本、商業(yè)價值等因素是否相匹配，畢竟當前AI技術(shù)的實現(xiàn)成本還是相對很高的。不是你有想法，技術(shù)就能實現(xiàn)。也不是技術(shù)能實現(xiàn)，公司就能付得起成本。即使條件都能滿足時，也存在一個巨大的風(fēng)險，就是做出來一個沒有市場價值的產(chǎn)品。

最后，我們來思考一下怎樣才是好的AI業(yè)務(wù)場景呢？我能了解的幾個要點為：

1. 有大量數(shù)據(jù)的業(yè)務(wù)場景；
2. 充分體現(xiàn)用戶個性化的業(yè)務(wù)場景；
3. 在進行交互時存在用戶反饋結(jié)果的業(yè)務(wù)場景；
4. 強調(diào)用戶服務(wù)的業(yè)務(wù)場景；

（3）觀點三：A產(chǎn)品經(jīng)理需要推進研發(fā)產(chǎn)品

在項目研發(fā)過程中，為了最大限度地發(fā)揮機器學(xué)習(xí)對業(yè)務(wù)的價值，盡量避免由于過程中出現(xiàn)的差錯而導(dǎo)致的成本浪費，需要產(chǎn)品經(jīng)理、研發(fā)工程師與數(shù)據(jù)科學(xué)家之間的持續(xù)保持密切協(xié)作，并且，產(chǎn)品經(jīng)理有責(zé)任確保工作的成果是對產(chǎn)品有正面價值的。

（4）觀點四：AI產(chǎn)品經(jīng)理需要挖掘產(chǎn)品市場價值

我認為任何產(chǎn)品經(jīng)理的核心職責(zé)都是讓產(chǎn)品具備更好的市場價值，那么AI產(chǎn)品經(jīng)理也不應(yīng)該例外，他應(yīng)當有良好的對產(chǎn)品的理解，對用戶群體的理解，對業(yè)務(wù)場景的理解，這些都是產(chǎn)品經(jīng)理應(yīng)當具備的基本素質(zhì)。并且在市場由技術(shù)競爭逐步轉(zhuǎn)變?yōu)楫a(chǎn)品競爭的時候，AI產(chǎn)品經(jīng)理讓現(xiàn)有技術(shù)所定義的產(chǎn)品價值能夠轉(zhuǎn)化為商業(yè)價值，就是其核心的工作。

4.2 AI產(chǎn)品經(jīng)理與互聯(lián)網(wǎng)產(chǎn)品經(jīng)理的區(qū)別

我也是一名想要轉(zhuǎn)型成為AI產(chǎn)品經(jīng)理的互聯(lián)網(wǎng)產(chǎn)品經(jīng)理，相信很多伙伴也都是這種情況，因此在一起交流學(xué)習(xí)的學(xué)友們第二大關(guān)注的問題就是【AI產(chǎn)品經(jīng)理與互聯(lián)網(wǎng)產(chǎn)品經(jīng)理到底有哪些區(qū)別？】，在此我也僅從個人的主觀角度，給出一些觀點：

1. AI產(chǎn)品經(jīng)理和互聯(lián)網(wǎng)產(chǎn)品經(jīng)理可能是不同崗位：AI產(chǎn)品經(jīng)理也許就像是2C前臺產(chǎn)品經(jīng)理、2B產(chǎn)品經(jīng)理、后臺產(chǎn)品經(jīng)理、商業(yè)產(chǎn)品經(jīng)理一樣，干著不同類型的工作，擁有不同類型崗位名稱。AI產(chǎn)品經(jīng)理的核心技能可能就是對機器學(xué)習(xí)的深入理解。
2. 在基礎(chǔ)科學(xué)理論方面，AI產(chǎn)品經(jīng)理比互聯(lián)網(wǎng)產(chǎn)品經(jīng)理要求高很多：后者重在交互設(shè)計，前者可能更重視對機器學(xué)習(xí)算法優(yōu)化提需求，那么了解必要的數(shù)學(xué)、概率、數(shù)理統(tǒng)計、與機器學(xué)習(xí)理論就是工作的基礎(chǔ)。
3. AI產(chǎn)品經(jīng)理比互聯(lián)網(wǎng)產(chǎn)品經(jīng)理多了一種語音交互方式：機器學(xué)習(xí)促進了語音識別技術(shù)的發(fā)展，也促進發(fā)展了語音交互場景。AI語音交互的設(shè)計要比手機/PC端的交互設(shè)計難很多，因為語音交互系統(tǒng)不是限定好的GUI操作界面，而是不便于規(guī)范且自由延展的自然語言。會話的開放性意味著 AI 交互設(shè)計者必須考慮用戶可能采取的幾乎無數(shù)的選擇。要能夠理解用戶，了解他們的動機，然后合乎邏輯地思考如何引導(dǎo)他們完成一件事情。
4. AI產(chǎn)品經(jīng)理與互聯(lián)網(wǎng)產(chǎn)品經(jīng)理關(guān)注的業(yè)務(wù)范圍不同：互聯(lián)網(wǎng)PM可能會深入關(guān)注局部業(yè)務(wù)范圍的產(chǎn)品優(yōu)化與用戶價值，而AI產(chǎn)品經(jīng)理可能需要在基于公司業(yè)務(wù)的整體范圍，尋找存在AI優(yōu)化的場景需求。
5. AI產(chǎn)品經(jīng)理比互聯(lián)網(wǎng)產(chǎn)品經(jīng)理更關(guān)注數(shù)據(jù)：機器學(xué)習(xí)是使用數(shù)據(jù)喂養(yǎng)出來的成果，需要使用數(shù)據(jù)指導(dǎo)交互設(shè)計，即，有了更強的數(shù)據(jù)需求。

5. 對入門人工智能領(lǐng)域?qū)W習(xí)內(nèi)容的思考

談了那么多的前奏，終于到了本文的重點章節(jié)了。上面這張圖就是我收集的關(guān)于機器學(xué)習(xí)相關(guān)的知識內(nèi)容，外層知識體系是在內(nèi)層知識體系的基礎(chǔ)上建立起來的。也就是說：

1. 數(shù)學(xué)基礎(chǔ)是機器學(xué)習(xí)理論的基礎(chǔ)；
2. 機器學(xué)習(xí)理論是基礎(chǔ)技術(shù)的基礎(chǔ)；
3. 基礎(chǔ)技術(shù)是應(yīng)用的基礎(chǔ)；

而知識包含的具體內(nèi)容直接看上圖就好了，此處也不再贅述了。其實，我想表達的是，相關(guān)機器學(xué)習(xí)有太多的領(lǐng)域，這里都還沒有包含物聯(lián)網(wǎng)、大數(shù)據(jù)與云計算相關(guān)的技術(shù)，已經(jīng)是不可能自行將全部知識內(nèi)容通學(xué)一遍了。

另外，在學(xué)習(xí)前，我們要分清楚我們到底是要搞“應(yīng)用”還是“研究”。如果你沒有博士學(xué)位還是不要搞純理論研究了，但請相信上面圖中的內(nèi)容絕不是為理論研究準備的，僅僅是為了“應(yīng)用”體系準備的知識范圍。因此下面的內(nèi)容將基于“應(yīng)用”角度展開對學(xué)習(xí)內(nèi)容的討論。

我認為最快速的學(xué)習(xí)入門有兩種方法：

1. 在招聘市場廝殺，盡快就業(yè)AI領(lǐng)域；
2. 學(xué)習(xí)部分基礎(chǔ)知識后，選定目標應(yīng)用方向進行實戰(zhàn)演練。

下面我們將對兩項進行一一詳述。

第一，盡快就業(yè)

首先，來看看我從招聘市場找來的兩條典型的崗位要求：

1. 公司A：深入理解NLP，圖像視覺、深度學(xué)習(xí)等技術(shù)，有能力將技術(shù)轉(zhuǎn)化為產(chǎn)品，直接創(chuàng)造用戶價值；
2. 公司B：對推薦系統(tǒng)、機器學(xué)習(xí)和大數(shù)據(jù)處理感興趣，熟悉其中一項或者多項；

根據(jù)上面這種典型要求，我認為要想順利進入這些公司，至少要針對以下名詞有詳細理解：AI(人工智能)、AGI(通用人工智能)、ML(機器學(xué)習(xí))、DL(深度學(xué)習(xí))、NLP(自然語言處理)、NLU(自然語言理解)、CV(計算機視覺)、MV(機器視覺)、ASR(自動語音識別)、TTS(語音合成)、知識圖譜、區(qū)塊鏈。然后，就是不斷投遞簡歷，從面試實戰(zhàn)中找規(guī)律、碰運氣。如果能盡早進入AI團隊，盡早磨練，將是最快速入門AI的方式。

第二，自學(xué)與演練

這一塊我的想法是按照如下步驟學(xué)習(xí)：

1. 第一步學(xué)習(xí)數(shù)學(xué)基礎(chǔ)，包括：微積分、線性代數(shù)、概率與數(shù)理統(tǒng)計，但不要進行太深入的學(xué)習(xí)。關(guān)于深度學(xué)習(xí)與機器學(xué)習(xí)的教材中都會提及相關(guān)數(shù)學(xué)基礎(chǔ)的要求。不過針對像我這種已經(jīng)把大學(xué)知識忘記的差不多的人群，還是先找一些科普類或入門類的書籍墊墊底，要不然直接看書全都不懂…
2. 第二步學(xué)習(xí)機器學(xué)習(xí)與深度學(xué)習(xí)理論，同樣不需要學(xué)習(xí)的太深入。因為我還沒有學(xué)到這里，也就不發(fā)表什么看法了，不過，我個人也只想對這兩種理論建立最基本的理解而已。
3. 第三步了解后面這些名詞的基本概念：AI、AGI、ML、DL、NLP、NLU、CV、MV、ASR、TTS、知識圖譜、區(qū)塊鏈；
4. （這不是AI產(chǎn)品經(jīng)理的普遍需求，只是我個人興趣）學(xué)習(xí)簡單編程技術(shù)，找到可以演練的場景，進行簡單演練嘗試。

好了，其實我目前也處于“自學(xué)與演練”狀態(tài)，下面我把選擇好的書籍給大家分享一下，包括已經(jīng)研讀的或準備研讀的書籍列表：

1. 科普——人工智能未來的腦洞：《三體1,2,3》、《未來簡史》、《奇點臨近》、《機器人時代》
2. 科普——人工智能發(fā)展：《失控》、《智能時代》、《人工智能：李開復(fù)談AI如何重塑個人、商業(yè)與社會的未來圖譜》、《科學(xué)的極致-漫談人工智能》、《終極算法》
3. 數(shù)學(xué)類：《數(shù)學(xué)之美》、《7日入門微積分》、《程序員的數(shù)學(xué)》(簡單數(shù)學(xué)入門)、《程序員的數(shù)學(xué)-2》(概率與統(tǒng)計)、《程序員的數(shù)學(xué)-3》(線性代數(shù))
4. 機器學(xué)習(xí)類：《圖解機器學(xué)習(xí)》、《機器學(xué)習(xí)-周志華》
5. 其他AI類：《人工智能：一種現(xiàn)代的方法》
6. 編程實戰(zhàn)類：《白話深度學(xué)習(xí)與TensorFlow》、《TensorFlow實戰(zhàn)》、《Python編程 從入門到實踐》

6. 我的學(xué)習(xí)情況與計劃

文章的最后，我把自己當前的學(xué)習(xí)情況與計劃為大家分享一下。雖然我已經(jīng)開始學(xué)習(xí)了2個月的時間了，但由于行業(yè)處于起步階段，很多信息也不好收集，進展也就相對較慢。因此，希望有更多的朋友一同學(xué)習(xí)一同分享，也期望能用我總結(jié)的成果為大家在探索學(xué)習(xí)的過程中節(jié)省下一些時間。

看完的書籍：《三體1,2,3》《失控》《未來簡史》《奇點臨近》《科學(xué)的極致-漫談人工智能》《終極算法》《機器人時代》《人工智能：李開復(fù)談AI如何重塑個人、商業(yè)與社會的未來圖譜》、《7日入門微積分》、《程序員的數(shù)學(xué)》、《智能時代》

正在學(xué)習(xí)的書籍：《程序員的數(shù)學(xué)-3》、《Python編程 從入門到實踐》

計劃要看的書籍：《程序員的數(shù)學(xué)-2》、《數(shù)學(xué)之美》、《機器學(xué)習(xí)-周志華》、《白話深度學(xué)習(xí)與TensorFlow》、《圖解機器學(xué)習(xí)》、《TensorFlow實戰(zhàn)》、《人工智能：一種現(xiàn)代的方法》

準備要學(xué)習(xí)的技能：深度學(xué)習(xí)

我已經(jīng)開始學(xué)習(xí)數(shù)學(xué)基礎(chǔ)了，然而我也不知道選擇的書籍資料是否能夠覆蓋住機器學(xué)習(xí)與深度學(xué)習(xí)的數(shù)學(xué)基礎(chǔ)，等后面我驗證完，會給大家分享結(jié)果的。

另外，因為我有6年左右的java編程基礎(chǔ)，因此我也想嘗試一下python編程，純屬于我個人愛好，我也是有想法讓自己能夠編出點小玩具，來演練一下。

在轉(zhuǎn)型AI產(chǎn)品經(jīng)理的道路上，我已經(jīng)開始了。后續(xù)，我會督促自己不斷將我認為有意義的書籍與相關(guān)資料整理好分享給大家。如果您對AI產(chǎn)品經(jīng)理感興趣或有相關(guān)疑問，歡迎交流，我們一起討論，希望有更多的伙伴一起學(xué)習(xí)、互相促進、相互研討。這樣才能進一步加快我們轉(zhuǎn)型的步伐！祝我們一切順利~

附：參考文獻

1. 《人工智能產(chǎn)品經(jīng)理的新起點》
2. 《論人工智能的泡沫、價值與應(yīng)用困境》
3. 《打造機器學(xué)習(xí)產(chǎn)品的黃金手冊》-上、中、下
4. 圖書《終極算法》
5. 圖書《智能時代》
6. 《搞機器學(xué)習(xí)/AI有什么必備的數(shù)學(xué)基礎(chǔ)？》
7. 《PM’s evolution at the age of AI》–易鵬宇

本文由 @howie楊?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。

題圖來自 Pexels，基于 CC0 協(xié)議