人工智能PM系列文章(一)AI產(chǎn)品經(jīng)理,應(yīng)掌握哪些技術(shù)?
AI產(chǎn)品經(jīng)理應(yīng)該懂技術(shù)嗎?應(yīng)該掌握哪些技術(shù)?
AI產(chǎn)品經(jīng)理應(yīng)該懂技術(shù)嗎?
1、近些年發(fā)展迅速的深度學(xué)習(xí)(deep learning)在應(yīng)用的時(shí)候?qū)τ诩夹g(shù)人員的經(jīng)驗(yàn)依賴性依然很強(qiáng),調(diào)參、收集數(shù)據(jù)、架構(gòu)設(shè)計(jì)等沒有通識(shí)的普遍規(guī)律,黑盒下的操作還是占很大比例。
2、 對(duì)于人工智能的認(rèn)知障礙,盡管我們當(dāng)前已經(jīng)在圖像識(shí)別、人臉識(shí)別、語(yǔ)音識(shí)別,自然語(yǔ)言處理、翻譯及自動(dòng)駕駛方面都有巨大的技術(shù)飛躍,并不乏商用化非常成功的案例,但是對(duì)于每個(gè)技術(shù)背后的原理,知識(shí)體系往往存在著斷層,很多過程我們是無(wú)法用語(yǔ)言或圖像描述出來(lái)的。
算法可視化就是當(dāng)前很多人工智能領(lǐng)域的公司很苦惱的問題,例如當(dāng)一個(gè)新的應(yīng)用到機(jī)器學(xué)習(xí)技術(shù)的產(chǎn)品問世時(shí),用戶如果抱著懷疑的態(tài)度糾結(jié)這其中的原理,可能連設(shè)計(jì)者都無(wú)法用任何方式將內(nèi)在的原理可視化給用戶看。往往人工智能甚至都不需要設(shè)計(jì)者充分了解內(nèi)部的機(jī)理就能產(chǎn)生意想不到的效果。
基于以上的技術(shù)瓶頸,AI產(chǎn)品經(jīng)理的水平?jīng)Q定了技術(shù)到產(chǎn)品化的距離,對(duì)于AI技術(shù)商用化難度、資金投入、時(shí)間周期的判斷往往需要大量的實(shí)踐經(jīng)驗(yàn)。
人人都是產(chǎn)品經(jīng)理的時(shí)代已經(jīng)過去了,對(duì)技術(shù)一竅不通的產(chǎn)品經(jīng)理即將在3-5年內(nèi)被淘汰,如果公司有外行指導(dǎo)內(nèi)行干活的情況,在人工智能領(lǐng)域一樣會(huì)被淘汰。
就連美國(guó)職業(yè)籃球聯(lián)賽(NBA)達(dá)拉斯小牛隊(duì)的擁有者M(jìn)ark Cuban都說:
“Artificial Intelligence, deep learning, machine learning?—?whatever you’re doing if you don’t understand it?—?learn it. Because otherwise you’re going to be a dinosaur within 3 years.”
譯文:“人工智能,深度學(xué)習(xí),機(jī)器學(xué)習(xí)-不管你做什么,如果你對(duì)這些都不懂,那就趕緊去學(xué)。因?yàn)槿绻悴粚W(xué)你一定會(huì)落伍?!?/p>
學(xué)習(xí)AI知識(shí)前的熱身
學(xué)習(xí)AI知識(shí)前,首先要了解當(dāng)今世界上的幾種人工智能商業(yè)派系,看看你屬于或想進(jìn)入哪個(gè)陣營(yíng)中,因?yàn)椴煌纳虡I(yè)公司中,對(duì)于AI產(chǎn)品經(jīng)理的要求不同。當(dāng)前在世界范圍內(nèi),人工智能公司(主要針對(duì)創(chuàng)業(yè)公司)主要分為三個(gè)陣營(yíng):
研究核心技術(shù)的AI公司(Core AI Companies)核心人工智能,主要針對(duì)人工智能基礎(chǔ)設(shè)施的搭建:
怎么衡量“懂技術(shù)” ?
無(wú)論你是三個(gè)陣營(yíng)中的哪個(gè),你的技術(shù)知識(shí),應(yīng)該幫助你回答下面幾個(gè)問題:
- 人工智能技術(shù)可能會(huì)給你的產(chǎn)品帶來(lái)多大價(jià)值?因?yàn)楫a(chǎn)品永遠(yuǎn)是需求驅(qū)動(dòng),而非技術(shù)驅(qū)動(dòng)。別忘了,再前沿的技術(shù),從理論到產(chǎn)品落地是有巨大投入的。
- 從技術(shù)角度,將人工智能技術(shù)應(yīng)用到你的產(chǎn)品中需要哪些資源或準(zhǔn)備?例如需要更多的數(shù)據(jù),更完善的算法模型?盡管很難量化這樣的需求,你還是要盡可能的掌握更多信息去做判斷。
- 從技術(shù)角度識(shí)別人工智能領(lǐng)域中的哪些理論已經(jīng)有了最佳實(shí)踐,即需要判斷技術(shù)的成熟度。
當(dāng)你在將AI技術(shù)應(yīng)用到產(chǎn)品中時(shí),你應(yīng)該能夠給出答案:
- 識(shí)別人工智能帶來(lái)的價(jià)值是否真的被客戶認(rèn)可?這樣的技術(shù)真的比傳統(tǒng)技術(shù)更好嗎?你需要多長(zhǎng)時(shí)間或多少樣例數(shù)據(jù)來(lái)驗(yàn)證你的人工智能產(chǎn)品已經(jīng)站住腳了?
- 一旦產(chǎn)品上線后的效果沒有預(yù)期好,你是否有備用計(jì)劃?
- 任何一個(gè)機(jī)器學(xué)習(xí)功能的上線都需要占用研發(fā)80%或更多的時(shí)間來(lái)完成對(duì)數(shù)據(jù)的準(zhǔn)備(機(jī)器學(xué)習(xí)對(duì)數(shù)據(jù)的準(zhǔn)備更占用時(shí)間),你是否已經(jīng)和研發(fā)部門充分溝通并達(dá)成一致?
對(duì)于人工智能的技術(shù)儲(chǔ)備,我會(huì)在這個(gè)系列中后續(xù)文章中專門拿出篇章來(lái)講。敬請(qǐng)期待。
如果你對(duì)機(jī)器學(xué)習(xí)感興趣,我還整理了自學(xué)機(jī)器學(xué)習(xí)的資料,感興趣的可以自己去搜索資源并學(xué)習(xí)。
特里老師,想轉(zhuǎn)載你這篇文章,會(huì)備注你的信息,不知是否可行?微信lovmolu
感覺信息量較少。。