狠狠做深爱婷婷久久综合一区,欧美日韩国产精品

搜索

APP

起點課堂會員權益

職業體系課特權

線下行業大會特權

個人IP打造特權

30+門專項技能課

1300+專題課程

12場職場軟技能直播

12場求職輔導直播

12場專業技能直播

會員專屬社群

榮耀標識

發布

注冊 | 登錄

AI產品經理必懂5種技術關系

連詩路AI產品

2018-11-15

2 評論 13343 瀏覽 126 收藏

24 分鐘

AI產品經理在對于AI技術上都會有迷茫和焦慮，那么AI產品經理需要了解技術關系有哪些呢？

產品經理面臨對AI技術都有迷茫焦慮，不懂AI產品經理如何面對AI與大數據的關系，AI產品經理與編碼人員的關系，AI產品經理與算法技術人員的關系，AI產品經理與AI技術的關系應該懂哪些AI技術，AI產品經理的思維方式與AI技術的思維方式的關系。

這些關系搞不懂會造成產品經理焦慮癥，故此專門撰寫AI產品經理必懂的技術關系如下文：

明白一：AI產品經理與數據技術人員的關系

1. 先明白大數據與AI的關系

AI取得的成績離不開對海量歷史數據的分析和挖掘，而這些數據通常具有容量大、更新速度快、格式多樣、信息價值密度低等大數據特點。因此采用傳統的數據處理方法難以有效地獲取、存儲、管理和分析這些數據，這就需要開發大數據技術去處理這些問題。

此外，大數據技術在處理海量數據過程中需要相應的AI技術提供輔助，比如通過傳統的統計機器學習方法對數據進行分類。

總之，大數據技術中的信息處理，需要AI的幫助；而AI技術中的數據處理，又需要大數據技術的幫助。

2. 數據是原料

數據在智能產品業務中發揮了原材料的作用，尤其是神經網絡層數的增多需要的數據量也會成指數級增長。

比如：AlphaGo 使用的強化學習技術，該技術需要機器算法自我更新迭代。AlphaGo 需要從大量的人類對戰棋局中學習出何種對弈方式，會大概率取勝從而不斷調整落子的決策，這對于人類來說是不可能完成的學習任務。

具體來說，AlphaGo 主要分為兩大部分，分別是：落子決策網絡和價值評估網絡。

落子決策網絡通過每個落子后可能的結局，預測下一步應該落在哪個位置勝率更大；而價值評估網絡則是用于預測對手可能的決策，從而更加準確地預測棋局走向。這些網絡模型的訓練過程需要大量人類對戰棋局作為訓練集，從而學習出更加準確的模型參數。

此外，深度學習技術在計算機視覺領域的突出表現，也是源于海量數據的獲取和處理。比如：人臉識別中使用的卷積神經網絡，就是通過大量人臉圖片訓練出網絡的參數。這些參數從不同層面表現了人臉圖片的內在信息，比如是否是長頭發，是否是黑眼睛以及是否戴眼鏡等等。

最后，大數據技術也在AI的一些新興應用中發揮著巨大的作用。比如：智能制造業中需要完成智能管理、智能裝配、智能營銷等過程，每個過程都需要大數據技術提供支撐。因為從海量數據中挖掘的有效信息可以指導制造過程，使管理更加便捷，使制造的產品更少出現殘次品。因此，大數據為AI技術的發展與應用提供了強有力支持。

3. AI促進數據分析

大數據技術主要針對大規模無規則數據的處理，包括數據的采集、存儲、管理以及挖掘使用。同時，這些處理過程的改善越來越依賴于AI技術的的參與，可以說大數據的一些關鍵技術也屬于AI的范疇。因此，AI的快速發展也促進了大數據相關技術的發展。

首先，AI技術的使用可以加快大規模數據的采集過程以及提高采集到的數據質量。傳統的數據采集只能按照某種匹配模式抓取數據，但是不能實時監控數據質量，造成采集到大量無效或者低價值密度的數據。AI技術的應用可以通過分析數據分布去除冗余數據，通過精確定位數據來源有針對性地提取重要數據。

其次，AI技術優化了大數據的存儲過程。通過AI相關技術分析存儲好的大數據，我們可以提煉大數據的內在特征并壓縮大數據從而用更少的數據存儲空間表示更大規模的數據。比如：谷歌大腦團隊針對數據庫中的索引結構提出相應的深度學習模型，即分別用深度學習模型替換 B-tree，HashTable以及 BloomFilter 等索引。

簡單來說，通過學習欲存儲的數據的分布情況，他們分別得到相應的深度學習模型的參數，然后用訓練好的模型替代數據庫的索引。雖然損失了一些查找的精確度，但是大大降低了查找的時間以及空間復雜度，從而提高了存儲效率。

最后，AI技術在大數據的使用挖掘中發揮了不可替代的作用，使大數據的應用效率不斷提高。例如：基于人們出行的軌跡大數據，一些打車軟件會利用人工智能技術分析乘客出行數據特征，并對用戶進行畫像，然后針對乘車需求規劃路徑以及給司機派單，從而可以針對不同的訂單數據合理分配車輛滿足人們的出行需求。

此外，我們日常使用的新聞推薦軟件、電商購物軟件等，都是通過大量用戶使用情況的數據給用戶精準定位，分析用戶的喜好，然后個性化推薦相應的服務，其中這種個性化推薦流程離不開AI技術的應用。

總之，大數據發揮價值的重要手段，就是使用先進的AI技術不斷地從數據中挖掘有效信息，然后表示為相應的知識并用這些知識更好地服務于人。

小結：大數據和AI的結合，是實現計算機達到人類智能水平目標的有效手段。即AI中有大數據，大數據中有AI。

明白二：AI產品經理與編碼技術人員的關系（區別于算法技術人員）

首先我們知道編碼技術人員成為優秀的產品負責人的案例比比皆是，張小龍、雷軍、雷軍認為其在金山的優點是勤勞，缺點是沒有順勢而為，說白了什么叫順勢而為。筆者理解順勢而為就是產品思維，以用戶為中心的思維再來看張小龍。

我們都知道張小龍寫過Foxmail的代碼，但是我們更加知道Foxmail產品運營不下去了，張小龍賣掉了這個產品。然后張小龍做微信的時候他指出：一個億級用戶的產品經理，無需做到透徹思考人性和產品的所有方面，但需要在極端現實主義和極端理想主義之間取得平衡。做產品力求簡單美，要滿足用戶“貪嗔癡”。

從張小龍的產品方法可以看出，作為微信的產品負責人他根本就不關心編碼。關心的是用戶、用戶、用戶，重要的事情說3遍。

而非編碼技術人員成為優秀產品負責人的案例，更多公司產品影響力更大。

阿里巴巴的創立者馬云就是連高考數學都要考3次才及格而已的典型非編碼人才，但是早年做淘寶產品不得不說這種產品眼光才有了今日阿里的地位。

下圖為原來的副部長采訪馬云截圖：

另外我們能看到或者想想一下，滴滴創始人程偉，還有今天的馬化騰和李彥宏作為產品的總負責人在那里編碼嗎？如果編碼比產品方向重要的化身為老板的他們為啥不去編碼呢？

這個問題說明的是產品經理會不會編碼真的不重要，或者說我們作為實實在在的產品經理根本不需要編碼。一來你編碼了程序員干啥工作呢？二來你的時間用在編碼上誰來發現更有價值的需求呢？誰來設計需求呢？

如果都不分工產品和編碼之間毫無邊界而競品有分工的話，那么你的產品將慢于競品，從而競品抓住Timing早日抓住用戶的心智。

明白三：AI產品經理與算法技術人員的關系

以今日頭條靈犬產品為例。

首先為什么做靈犬？

因為以今天今日頭條的內容體量之大，頭條公司需要數千人的人工審核團隊，可以想象人員成本之高且人員審核是否會因審核人員的一時的情緒而導致尺度變化都是很有可能的。

靈犬產品解決了什么需求問題呢？

首先，靈犬產品原型是為了解決今日頭條本身平臺上鑒定低俗內容的。
其次，互聯網上信息豐富，僅憑人力進行反低俗，成本過高。今日頭條基于反低俗模型開發了自動反低俗的小程序，用戶輸入一段文字或文章鏈接，小程序會先進行提取、分詞和語義識別，然后根據設定的規則，檢測其閱讀內容的健康指數，輸出對應的分數、評級和結論。不同于色情信息，處理低俗信息的一個難點在于，人們對于低俗的判斷標準具有一定的主觀性，合理篩選難度大。團隊根據測試員的意見反饋，完善評估標準，開發人工策略。小程序也可將自身難以直接處理的時政內容交由人工審核判斷。

靈犬產品負責人要做什么呢？

第一出產品方案：

今日頭條面向社會招募反低俗測試員，從超過 5,000 位報名用戶中選出 30 位代表，包括政府部門工作人員、媒體記者、編輯、大學教授、學生、互聯網公司產品經理和技術人員、自媒體人等。測試員標注數據，判斷文字是否低俗，并為算法策略提供建議。

第二設計產品：

首先我們都知道頭條系列的產品非常重視運用AI技術賦能產品，例如：我們都知道的文字內容推薦，還有短視頻抖音內容的推薦。

那么我們在靈犬小程序產品中，可以看到今日頭條幫靈犬這個AI產品模塊放到了最重要的位子，核心產品的核心入口位置。

如下圖：

再來看第二個設計，即產品經理規劃產品界面布局。如下圖：

這個模塊是筆者實地調研發現的，可以通過與同在今日頭條小程序窗口內的其他模塊進行比較，靈犬的色彩以及對搜索框居中設計的布局可見靈犬是個單獨的產品模塊即可稱之為獨立的產品?？梢栽诜止さ臅r候由單獨的產品團隊來完成。然后集成到今日頭條小程序里面。

再則回到本節主題AI產品經理與算法技術的關系，以靈犬產品界面直接表達出來的內容做解釋并結合下圖：

從圖上可見用戶輸入的內容會上傳到靈犬的模型里，模型內有產品經理和技術共同建設的防低俗算法，這個算法包含一個命名實體（NER）技術用來識別里面人名、地名、事物的名稱等關鍵名詞，然后同產品經理和運營人員邀請的數據標注人員標注的低俗數據規則進行計算，再然后輸出對應的分數、評級和結論。

第三產品經理協助運營團隊運營靈犬產品

像靈犬的產品經理還要寫靈犬反低俗助手產品的產品介紹、產品Q&A。產品用戶調研、產品推廣，產品策略制定例如通過靈犬小程序產品可以收集數據來優化今日頭條的本體反低俗模型產品。

所以從AI產品經理與算法技術的關系可以看出，AI產品經理與算法技術是緊密配合的關系，相對以往產品經理與技術的關系來說，AI技術為產品經理做出創新的產品多提供了一個工具。

明白四：AI產品經理懂不懂AI技術？懂的程度？

之前有一個熱情的學員在群里總愛說在大學生們中間流行的Kaggle比賽，結果自己說其發現自己比Kaggle里面的高手差距很大，但是自己羨慕Kaggle。

筆者要說的是：Kaggle思維的基礎和初步條件是識別問題，即Kaggle第一步是識別確定的需求種類。而AI產品經理或者一般產品經理經常面臨的問題和需求是不明確的，這就要求產品經理第一步需要解決的問題是發現問題，即找準有價值的需求。

所有剛畢業的工科生做產品經理不妨記住：產品經理是發現需求并在不確定的需求里面確定需求，而Kaggle一類的思維模式是輔助識別需求。

當然是發現有價值的需求更難，否則人人都能創作出好的產品人人都是老板了。

同傳統時代產品經理與編碼技術人員的關系類似，從算法工程師的角度切入做產品經理的人比比皆是，但是非算法工程師出身的產品負責人人數更多。

一方面，懂算法的話需要把算法找到應用的場景，例如：柔宇的劉博士懂柔性傳感器技術，但是需要幫這種技術產品化，故此需要用柔性顯示+做出柔記（柔記：一種寫在真紙上，記載在AI芯片里的智能手寫本），搶在三星之前發布柔性可折疊手機做出柔派（柔性技術+AI+新交互的手機和PAD同體款），早日做出柔派是要搶占用戶心智。

當這些產品負責人走向更高層次的時候僅僅擅長算法是不夠的，因為一款產品的成功需要的不僅僅是算法。

AI產品經理應該懂得是AI技術的基礎知識，AI技術原理即可，不能在需要人臉識別的時候而用語音識別，AI產品經理需要明白的AI技術核心是機器學習、深度學習、NLP。和知道時下機器識別語音、機器識別視覺是由于深度學習算法的發展，文本語義識別是由于NLP中的NER命名實體技術算法的成熟等等，作為一名AI產品經理懂AI技術到此就夠了。

總結一下即：通過《入門成為AI產品經理》課程學到我們常用的算法是什么，用到哪些問題領域，在做產品設計的時候選對算法設計自己的應用即為入門AI產品經理。如果需要了解詳細的算法且有時間的話，可以聽人工智能算法課程。

筆者建議是除非產品本身主題是算法，即你的產品就是算法外沒有必要再花時間。相關建議和原因是再強調一遍產品經理是發現需求，設計產品方案，輔助運營產品，高階的產品經理也負責產品方向，產品融資等等具有系統性的工作，所以AI產品經理根本工作絕不是研究AI算法這么單一的事情。