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

看到標題特別不知所云的同學們，完全沒有意識到這兩個事兒有什么關聯的同學們，這篇文章就是給你們寫的。另，人工智能影響的也絕對不僅僅是產品經理這一個行業，在這場有可能是人類歷史上最深刻的變革中，幾乎沒人可以獨善其身。

舉世矚目的人機大戰，落下帷幕。代表人類圍棋的最高水平的柯潔，在與Alpha Go的第三局對弈中，弈至209手，拿起兩顆棋子盤上示意認負。對弈至此，人機大戰三番棋結束，柯潔0:3負于Alpha Go。

19*19見方、黑白棋坪上的對決，我只會五子棋，對圍棋一竅不通，所以我并不了解“Alpha Go執白1/4子戰勝柯潔”的“1/4子”到底是一個什么程度的優勢（據說是圍棋里面最小的勝勢，略贏一線而已），但是根據柯潔本人的自述與圍棋界絕頂高手們對比賽的評論，我了解到這種差距可能遠遠超過表面上看起來“1/4子”那么輕描淡寫，真實的差距有可能是柯潔甚至是全人類窮極一生都難以逾越的。

柯潔為什么會輸？

柯潔為什么會輸給Alpha Go？Alpha Go本身極其強大的學習能力居功至偉?？聺嵲绯克⒀老茨樀?分鐘時間里，Alpha Go閱讀完了上萬冊普通人一輩子也看不完的棋譜；在柯潔吃個飯的半個小時的時間中，Alpha Go自主學習了近幾十年來所有優秀棋手進行的100多萬局棋；在柯潔晚上睡覺的8個小時的時間中，Alpha Go自主學習了人類歷史自有圍棋以來所有有記錄的千萬甚至上億局對戰。

更可怕的是，柯潔是人，需要吃飯睡覺休息，但是機器不需要休息，只要沒被拔電源，Alpha Go可以一直學習學習學習，孜孜不倦的學習，不知疲倦的學習。在學習了全人類的圍棋技術、方法、策略之后，獨孤求敗的Alpha Go再也無法在人類范圍內找到任何敵手，對手只剩下自己。于是開始雙手互博，自己跟自己下棋。

Alpha Go有一個前輩，名字叫做“深藍”，是美國IBM公司生產的一臺超級國際象棋電腦，重1270公斤，有32個微處理器，每秒鐘可以計算2億步，每秒可進行113.8億次浮點運算。深藍也是人類歷史上首次“人機大戰”的主角，而Alpha Go的浮點運算速度是“深藍”的三萬倍（蒼了個天，113.8億次浮點運算的三萬多倍，數學好的自己算算），在這無可比擬的運算速度的支持下，Alpha Go每天都可以與自己進行上百萬局的對戰，而這百萬局對戰中的任何一局，有可能都是人類的固有的圍棋思維完全無法理解的技法和思路。

我們再來看Alpha Go的算法，Alpha Go的目標是以最終的勝利為導向的，也就是說“1/4子”也是贏，4子也是贏，具體能贏多少子，沒有情感的Alpha Go根本不在乎，只要能贏就行。

柯潔為什么會感到絕望？可能是因為他原來以為棋力的差距也只有“1/4子”，這絕對是一個可以追趕并且依靠臨場發揮能夠追平甚至超越的差距。但是越下下去越發現，不管采用什么樣的技戰術，無論多么努力的想百尺竿頭更進一步，Alpha Go始終略贏一線，永遠贏你，永遠贏你“1/4子”。這確實令人絕望，給你無限的希望，但是就是這就“1/4子”的距離，仿佛咫尺天涯。

就好像博爾特跟布加迪威龍賽跑，不管博爾特跑得多快，布加迪威龍始終領先一個身位，永遠贏你，永遠贏你一個身位，布加迪威龍完全可以跑出百公里加速2.8秒的競技水平，但是出于將資源利用率最大化原則的考慮，根本就沒有必要拿出自己最好的競技狀態，能贏你，就足夠了。

Alpha Go也許是一個道理，不知道Alpha Go的后臺有沒有這樣的設定：“以最小的代價取得最終勝利”。如果有這樣的設定，我們把這個設定更改一下，改為：“不論代價，以最大的優勢取得勝利”。不知道這樣競技水平的Alpha Go，能不能在150手甚至100手之內完勝柯潔？當然，這個假設結局的可能性，我們已經無從得知，但是這個假設結局，已經足夠引起我們的沉思。

提前結束的人機大戰

比賽中的柯潔仿佛打開了新世界的大門：原來圍棋還可以這么下？原來先手中我們以為的“失誤”其實都是在為后面的勝利布局，從柯潔的第一步算計到柯潔的最后一步，柯潔的每一步都盡在掌握。我們不妨腦洞再大一點：在Alpha Go研究了柯潔出道以來所有的棋局之后，對柯潔的技術風格、對局路數進行了針對性的分析，這個時候的Alpha Go對柯潔已經了如指掌，在圍棋方面甚至比柯潔自己更了解柯潔。

在與柯潔開始正式的人機大戰之前，Alpha Go可能已經按照柯潔的風格，模擬出與柯潔所有的可能對弈結果，這個結果有可能依然是數以千萬計的可能性，而這數以千萬計的對弈中，無一例外的都是以柯潔的失敗而告終。而我們看到的人機大戰的這三局對弈結果就靜靜地躺在這數以千萬級計的預設當中，無論柯潔如何挑選，結局都只有一個：

輸你是輸定了，但是輸的過程你可以隨便挑。

對Alpha Go來講，真實的對弈，早在人機大戰開始前，可能就已經結束了。在比賽中的對弈，僅僅是按照Alpha Go的預設，一步一步走下去而已。只不過這一切，柯潔可能并不知道，柯潔依然在為每一步棋深思熟慮，在柯潔糾結的每一步里，Alpha Go都在以上帝視角靜靜的注視這個正在眉頭微皺、緊盯棋盤、驚才絕艷的天才少年。與柯潔形成鮮明對比的，是Alpha Go的面無表情，沒有波瀾，沒有情感，沒有悲喜。

這不是人跟人之間的差距能夠衡量的，這是人跟“神”的差距。

Alpha Go的真實實力也許從來都不是人類的段位層級能夠去量化的。就好比正常人的智商大多在85到115之間，智商超過140就算是傳統意義上的天才，而柯潔，應該就屬于天才中的天才。但是在人類的認知層面里，并不知道1000000的智商應該怎么去形容，也并不知道那代表著什么。

所以，極其可笑的是：在賽后中國圍棋協會宣布，授予Alpha Go圍棋九段稱號。中國圍棋協會這一波怒刷存在感的可笑行為，讓我覺得仿佛是一位博古通今、學識淵博的學者，在去某鄉村幼兒園“學術交流”（說是交流，其實是碾壓），給幼兒園里學習最好的一位小朋友上了三堂課之后，幼兒園班長鄭重其事的把象征著該鄉村幼兒園至高無上榮譽的小紅花贈送給了這位學者，還一口氣送了9朵，送出了一個豪華尊享版小紅花套餐，該學者純粹出于禮貌和修養，接受了這一大坨小紅花。如果Alpha Go會像人類一樣思考一樣有情感，心里應該會默默地說一句：“小紅花？呵呵，無知的人類。”

柯潔，就像一個跟隨隱居深山的世外高人苦練武功的天才少年，神功大成之后，初出江湖，隨即橫掃武林、無人可擋，一時風光無兩。志得意滿、躊躇滿志之際，每個爛俗劇本里都有的終極大boss出現了，剛剛還在淺唱低吟“無敵是剁么，剁么寂寞”的柯潔瞬間懵逼了，這是一個怎樣的對手啊，冰冷、漠然、深不可測、無法戰勝。

但是天才少年怎么會不戰而退。你若戰，便作戰！

但是，當自己無往不利、狂風暴雨般的進攻被大boss輕描淡寫的一一化解，當往昔百戰百勝、固若金湯的防守被大boss摧枯拉朽般摧毀，我們的少年天才，在用盡了渾身解數之后，筋疲力盡，終于放下了所有的桀驁不馴，黯然的投子認負。

柯潔哭了，哭的很絕望。

平心而論，柯潔已經足夠優秀，圍棋領域里面，在人類群體已經達到了億分之一的水平與高度，無奈他面對的是圍棋世界里的上帝。

雖然失敗了，但是試問當世有幾人有資格與Alpha Go一戰？雖敗猶榮，柯潔，向你致敬。

好了，人機大戰的故事講完了，講了好多，但是畢竟我們還是需要聊一聊這場人機大戰跟我們的關系。

生活中的人工智能

有些同學看到這可能依然會有疑惑：人機大戰，跟我有什么關系？我又不下圍棋。

圖樣圖森破。

Alpha Go說白了，其實是一種AI（人工智能 Artificial Intelligence）。在很多人眼里，人工智能好像是存在科幻電影里面的東西，離我們的生活還有很遠，但是事實是，AI早就融入到了我們的生活里，只不過很多人沒有意識到，原來AI就在我們身邊。

舉個栗子：我們在用某新聞資訊類APP的時候，在首頁的feed里面連續點擊了幾篇財經類的新聞，你下次再進入APP的時候，如果仔細觀察，就會發現財經類的比重增加了。做個試驗，在這個APP中只點擊財經類的文章，其他文章一概不看，下次在進入該APP的時候，可能半數的文章都是財經類的了。再比如，電商類APP的“猜你喜歡”功能、輸入法的候選詞聯想功能，實質上都是一種人工智能。

大家可能會覺得很詫異：什么？這種也算是人工智能？

是的，算，只不過這種人工智能是一種弱人工智能。

再舉幾個栗子：

• 我們的手機充滿了弱人工智能系統。當你用地圖軟件導航，接受音樂電臺推薦，查詢明天的天氣，和Siri聊天，以及其它很多很多應用，其實都是弱人工智能。
• 垃圾郵件過濾器是一種經典的弱人工智能——它一開始就加載了很多識別垃圾郵件的智能，并且它會學習并且根據你的使用而獲得經驗。智能室溫調節也是一樣，它能根據你的日常習慣來智能調節。
• 你在上網時候出現的各種其它電商網站的產品推薦，還有社交網站的好友推薦，這些都是弱人工智能的組成的，弱人工智能聯網互相溝通，利用你的信息來進行推薦。網購時出現的“買這個商品的人還購買了”推薦，其實就是收集數百萬用戶行為然后產生信息來賣東西給你的弱人工智能。

可以說弱人工智能在互聯網領域已經無處不在了。有人會問，既然有“弱”人工智能，那么與之對應的，是不是應該也有“強”人工智能？恭喜你，都學會搶答了。

人工智能大致可以分為以下三類：

• 弱人工智能Artificial Narrow Intelligence （ANI）:?弱人工智能是擅長于單個方面的人工智能。比如有能戰勝象棋世界冠軍的人工智能，但是它只會下象棋，你要問它怎樣更好地在硬盤上儲存數據，它就不知道怎么回答你了。
• 強人工智能Artificial General Intelligence （AGI）:?人類級別的人工智能。強人工智能是指在各方面都能和人類比肩的人工智能，人類能干的腦力活它都能干。創造強人工智能比創造弱人工智能難得多，我們現在還做不到。Linda Gottfredson教授把智能定義為“一種寬泛的心理能力，能夠進行思考、計劃、解決問題、抽象思維、理解復雜理念、快速學習和從經驗中學習等操作?！睆娙斯ぶ悄茉谶M行這些操作時應該和人類一樣得心應手。
• 超人工智能Artificial Superintelligence （ASI）:?牛津哲學家，知名人工智能思想家Nick Bostrom把超級智能定義為“在幾乎所有領域都比最聰明的人類大腦都聰明很多，包括科學創新、通識和社交技能?！背斯ぶ悄芸梢允歉鞣矫娑急热祟悘娨稽c，也可以是各方面都比人類強萬億倍的。

由此可見，目前只會下圍棋的Alpha Go，應該算一種典型的弱人工智能，下圍棋天下無敵，但是你要它問它拉格朗日中值定理是什么，估計Alpha Go根本聽不懂你在說什么。

危機中的產品經理

既然圍棋領域，出現了一款超強的AI，那么在“產品設計”領域，會不會有一天也出現一款類似的AI，可以自己設計產品？

聽起來是不是很神奇？

我們想象，將來有可能會出現這樣一款產品，我們給這個產品起個名字，叫“隔壁老王”，隔壁老王有輸入端和輸出端，只需要在輸入端輸入我們的需求，這個產品就可以直接輸出一個APP的包體（如果到時候還有APP的話）。

輸入的需求越細，這個輸出的APP越符合我們的需求。

比如我們的需求是想要一款社交與電商完美結合的產品，然后我們就把市面上所有跟社交與電商相關的APP，比如國美Plus、微信、天貓、京東、小紅書、全部輸入給隔壁老王，然后隔壁老王會根據輸入的內容給出一個最優解，直接輸出一個APP。

如果對最終的輸出結果不滿意，我們還可以在隔壁老王上進行手動微調，APP上所有的頁面、所有的按鈕、所有的字段都可以做到組件化，比如注冊登錄功能、分享組件、購物車、訂單、聊天列表、聊天對話框模塊等等。

隔壁老王輸出的整個APP，就好比是一個代碼化的樂高玩具，玩具的任意一部分都可以隨意的拆卸、組裝，組件與組件之間通過通用的制式接口進行連接，只不過這種拆卸和組裝不像樂高玩具那么費勁，只需要在隔壁老王的可視化操作界面上拖動一下位置就可以瞬間完成（腦補一下鋼鐵俠的場景），在這個過程中，不需要研發人員更改代碼，不需要測試人員進行功能測試，隔壁老王自己就可以完成所有的操作。

“開發”一個APP，只需要5分鐘。

聽起來是不是很厲害？還有更厲害的。

用戶說，我不想每次都要輸入對照APP，能不能讓隔壁老王自動去學習其他的APP？

于是工程師們又給隔壁老王增加了自主學習的功能，如果你覺得“一個機器，能學習什么？”那可就大錯特錯了。前面已經存在的Alpha Go告訴我們，機器的自主學習能力是人類難以企及的，無論是從學習深度還是學習速度。

我們不再需要將對照APP輸入給隔壁老王，只需要將隔壁老王接入APP store和各大安卓應用市場，隔壁老王就會自動下載并分析所有的APP，再將隔壁老王接入各大數據分析平臺，拿到所有主流APP的宏觀數據：下載數、激活數、活躍、非活躍、注冊數、未注冊數、使用時長、獨立設備數、每日打開頻次、等等等等。

再厲害一點，隔壁老王拿到了每一個APP的埋點數據（怎么拿的先別管），每一個頁面熱力圖、每一個按鈕點擊數據、PV、UV、跳失率、轉化率、存留率等等等等。在強大的學習能力和分析能力的支持下，可能只需要幾天的時間，隔壁老王可能就對市面上所有的APP了如指掌，大到戰略方向細分市場，小到頁面每一個最細微的組件精確到像素級別的尺寸、色值。

這個2.0版本的隔壁老王，從各項能力來講都完勝1.0版。此時，我們再輸入一個需求：我要做一個最牛逼的社交APP，在所有APP海量的數據支撐下，你猜，2.0版本的隔壁老王能不能輸出一個比微信還牛逼的APP？

看到這，你還覺的AI的發展跟你沒關系？

有人會說，這個場景目前僅僅存在于我們的想象，等真正實現那天，搞不好我們都退休了，怕什么？

好，我們在這里引入兩個概念，一個是技術爆炸，一個是加速回報定律。

技術爆炸：地球生命史長達幾十億年，人類文明史有五千年，而現在技術是在近300年內發展起來的，從整個地球發展史的維度來看，這不是發展，是爆炸。

加速回報定律：1985年-2015年的平均發展速度，要比1955年-1985年的平均發展速度要快，因為1985年的世界比1955年的更發達，起點更高，所以過去30年的變化要大過之前30年的變化。進步越來越大，發生的越來越快。人類文明史在整個20世紀100年的進步，按照2001年的速度只要20年就能達成，按照2014年的發展速度有可能只要7年就可以達成，幾十年之后，我們每年都能達成好幾次相當于整個20世紀的發展，再往后，說不定每個月都能達成一次。人類文明歷史的發展圖象，并不是一條直線，而是一條類似于指數增長的曲線，斜率是越來越大的。

如果看完了還是不了解這兩個概念什么意思，不要緊，你只需要知道：未來科技的發展速度不能用我們的固有思維去衡量，你以為遙不可及的未來，可能就在明天。所以，隔壁老王的生日，有可能并不像想象的那么遠。也就是說，隔壁老王的到來，可能比我們預料的要快的多得多。

被選擇，或是被遺棄

當然，也有人會說：一個新興行業的興起和發展，一定會產生新崗位和新需求。即使有了隔壁老王，那么隔壁老王總要有人設計吧？包括隔壁老王這個行業催生的一系列新興行業，都有人才需求。

沒錯，這一點我非常認同。但是我們自問一下：如果你跟開發評審個需求都講不明白，跟進一個小的項目或者小的需求都做的磕磕絆絆，你覺得你能設計出隔壁老王這么牛逼的產品嗎？或者說：你覺得你有機會設計參與設計隔壁老王這么牛逼的產品嗎？如果你在你自己所在的團隊中綜合能力都排不上前10%，你覺得你有機會進入那個牛逼閃閃的領域嗎？

現在有一個很大的誤區就是：辦公室的白領們總是自以為自己在職場的表現優于自己的父母，每年過年回家，當給父母解釋什么是移動互聯網、什么是藍海紅海、什么是O2O大數據、父母聽的一臉蒙圈的時候，一幕莫名其妙的優越感油然而生，覺得自己從事的行業和工種高大上的不要不要的，其實這不過是因為經濟結構轉型和產業升級造成的誤會而已?，F在在公司的格子間里面哼哧哼哧做PPT的那些人，和當年踩著縫紉機的女工們，其實沒有本質區別。

改變升級的是整體的大環境，而不是我們個人。

人工智能淘汰的不是崗位，淘汰的是跟不上這個時代的那些人。

所以，再回到我們本文的標題，我說的是現在絕大部分所謂“產品經理”會失業，而不是產品經理這個崗位會消失——這是兩個概念。

產品經理這個崗位在很長一段時間依然會存在，即使這個社會全面來到人工智能時代，這個崗位依然是有需求的，只不過需求量會大幅度緊縮。如果現在全國產品崗位有幾十萬就業人群，將來可能只需要幾千人就可以滿足市場需求，也就意味著將來只有前10%-20%的精英群體們是有飯吃的。這部分人，也是真正配的上產品經理中“經理”這兩個字的那群人。而剩下的80%-90%濫竽充數非“經理級”群體，如果又沒有其他可以安身立命的一技之長，還不是X二代，那可咋整？

所以，親，放下身上的那股迷之優越感，咱們自我評估一下：

咱將來是被歷史選擇的那部分群體，還是被歷史遺棄的那部分群體？

如果你覺得你是那少部分群體，恭喜你！繼續加油&繼續努力，不要掉以輕心，別被后浪拍死。

如果你覺得歷史老大爺可能不大想帶你玩兒了，也沒關系，一切都來得及。不過，今天寫的夠多了，產品經理們如何應對人工智能時代的來臨，咱們下回接著說。

先用一句歌詞劇透一下：唯一永遠不改變，是不停的改變。

寫在最后：從隔壁老王的強大功能中可以看出來，AI影響的絕對不僅僅是產品經理們，研發、測試、運營，都會受到極大的沖擊。在這場有可能是人類歷史上最深刻的變革中，幾乎沒人可以獨善其身。

#專欄作家#

譚小超，人人都是產品經理專欄作家。北大心理學碩士，關注電商領域，擅長用戶心理解析。

本文原創發布于人人都是產品經理。未經許可，禁止轉載