導(dǎo)讀他們認(rèn)為搜索引擎是人們思考的事物，其實那是人們思考的方式。在人工智能時代，PM的合作者不再是Engineer，而是Scientist。敏捷團隊的工作成果不再....

他們認(rèn)為搜索引擎是人們思考的事物，其實那是人們思考的方式。

在人工智能時代，PM 的合作者不再是 Engineer，而是 Scientist。敏捷團隊的工作成果不再是 APP，而是中間件（Input → 中間件 → Output）。中間件由訓(xùn)練好的模型、分類器等等組成，并已經(jīng)調(diào)好最佳的參數(shù)和權(quán)重。eg：用戶提問一句話，你的“產(chǎn)品”利用語音識別、目標(biāo)檢測、臉部識別、自然語言處理等技術(shù)處理問題、提取特征，根據(jù)算法或知識圖譜來為用戶產(chǎn)生最終的返回結(jié)果。而應(yīng)用場景有可能是在聊天機器人APP中，有可能是智能家居的家庭智能管家等等。

敏捷開發(fā)不再追求MVP（Minimum Viable Product 最小化可行產(chǎn)品），而是追求MDP（Minimum Data Product），指訓(xùn)練算法的一個迭代所用的最小化數(shù)據(jù)集。

用戶需求來自大數(shù)據(jù)分析，用戶行為關(guān)聯(lián)傳感器等新型的交互方式，用戶心理依靠深度學(xué)習(xí)。

職位要求

有人會問：“你是人工智能產(chǎn)品經(jīng)理，為什么不爬蟲弄一大堆招聘數(shù)據(jù)下來，然后機器學(xué)習(xí)做一個聚類算法呢？”

人工智能產(chǎn)品經(jīng)理 ≠ 人工智能科學(xué)家

產(chǎn)品經(jīng)理只是提需求并保證需求落地。

比如說，AI-PM 告訴 AI-Scientist：

“我需要了解人工智能產(chǎn)品經(jīng)理這個職位，我們要把智聯(lián)招聘、獵聘網(wǎng)、拉勾網(wǎng)、秒聘網(wǎng)四個網(wǎng)站中和人工智能產(chǎn)品經(jīng)理有關(guān)的數(shù)據(jù)跑下來，做個分析對比，產(chǎn)出一份職位描述，作為我今后努力的方向。”

在 PM 和 Scientist 做完充分的溝通后，確認(rèn)他理解你的需求，詢問他是否需要外部支持，階段性地驗收成果或查看進度，確保項目落地。

職位描述案例如下：

• 人工智能產(chǎn)品整體規(guī)劃、階段目標(biāo)、產(chǎn)品設(shè)計和推進實現(xiàn)
• 產(chǎn)品上線后，分析使用數(shù)據(jù)，提煉使用場景，找到產(chǎn)品改進點和突破點，用豐富的交互場景推動AI創(chuàng)新
• 對用戶的交互使用體驗負(fù)責(zé)
• 有效地橫向串聯(lián)產(chǎn)品的所有功能模塊，與產(chǎn)品、算法、工程、編輯、團隊充分溝通協(xié)作，保證產(chǎn)品功能落地
• 負(fù)責(zé)行業(yè)市場分析、用戶需求調(diào)研和競品分析工作

關(guān)于 AI Product Management，我很崇拜 Andrew Ng 吳恩達在 NIPS 2016 上談到的：

ps：百度首席科學(xué)家，斯坦福大學(xué)計算機系副教授吳恩達

吳恩達NIPS 2016演講現(xiàn)場直擊：如何使用深度學(xué)習(xí)開發(fā)人工智能應(yīng)用（來自機器之心） 網(wǎng)頁鏈接

“一個人工智能產(chǎn)品經(jīng)理的工作流：”

“一個人工智能產(chǎn)品經(jīng)理扮演的角色：”

“一個人工智能產(chǎn)品經(jīng)理的職責(zé)：”

如何學(xué)習(xí)

1. 在Coursera上學(xué)習(xí)機器學(xué)習(xí)課程 by Andrew Ng 吳恩達

我每天晚上會看60分鐘左右視頻，一直看到大腦無法運轉(zhuǎn)，倒頭就睡。

他這個課程有兩個好處：第一，權(quán)威；第二，有中文字幕……

在學(xué)習(xí)的時候要注意：學(xué)思路及應(yīng)用，不深究數(shù)學(xué)知識。

2. 看Paper

實時股票交易 PYX (Python Exchange) – Real-time stock trading program using a basic mean reversion algorithm – by Zeke 網(wǎng)頁鏈接

自拍顏值自動打分方法Selfai Selfai: A Method for Understanding Beauty in Selfies – by Eren Golge 網(wǎng)頁鏈接

眾包：不只是標(biāo)注 Crowdsourcing: Beyond Label Generation – by Jenn Wortman Vaughan 網(wǎng)頁鏈接

輕量深度CNN人臉表示 face_verification_experiment – A Lightened CNN for Deep Face Representation – by Alfred Xiang Wu 網(wǎng)頁鏈接

值迭代網(wǎng)絡(luò) Value Iteration Networks – by A Tamar, S Levine, P Abbeel 網(wǎng)頁鏈接

…………

推薦微博： 愛可可-愛生活 網(wǎng)頁鏈接視覺機器人網(wǎng)頁鏈接

建議：別貪多

3. 動手做

4. 大量閱讀

在這里引用 Andrew Ng 吳恩達的一段話：

“對我而言，無論何時，當(dāng)我覺得我不知道下一步應(yīng)該如何做的時候，我將會嘗試大量的學(xué)習(xí)和閱讀，和某些領(lǐng)域的專家談話。我不知道我們的大腦是如何工作的，但它非常的神奇：當(dāng)你讀了足夠多的書，或者和足夠多的專家談話之后，換句話說，當(dāng)你的大腦有了足夠多的輸入信息，新的想法就會隨之產(chǎn)生。”

列舉比較權(quán)威的幾本：

• 《人工智能——一種現(xiàn)代方法》

經(jīng)典泛讀

• 《Machine Learning Yearning》：Andrew Ng 吳恩達 著，郵件訂閱免費下載 網(wǎng)頁鏈接
• 《Deeeeeeep Learning》：權(quán)威著作
• 《深度學(xué)習(xí)：方法及應(yīng)用》：有數(shù)學(xué)知識別深究
• 《大數(shù)據(jù)智能——互聯(lián)網(wǎng)時代的機器學(xué)習(xí)和自然語言處理技術(shù)》現(xiàn)在常用的不代表前沿

適合普通人來看

• 《人機情感交互》：人工智能時代勢必會出現(xiàn)新的交互方式
• 《未來簡史》：好書

再列舉我看過的幾本：

• 《奇點臨近》
• 《如何創(chuàng)造思維》
• 《大智能時代》
• 《大數(shù)據(jù)云圖》

最后引用科幻片《機械姬》中的一句話作為結(jié)尾 ——

“少了互動，意識能存在嗎？”

本文由 @巴戈 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。