第一代人往往擁有紅利！本文談的是如何做AI的第一代人，做AI第一代的技術(shù)、做AI第一代的產(chǎn)品、做AI第一代的運(yùn)營。最后講幾個案例。

一、第一代的AI人綜述

線上流量見頂之說一度甚囂塵上，例如：很多去五環(huán)外找流量了，很多公司IPO失利了。甚至已經(jīng)成功上岸的蔚來汽車和瑞幸咖啡都被說成是資本直接下地兌現(xiàn)?？梢娀ヂ?lián)網(wǎng)之秋的現(xiàn)實(shí)嚴(yán)重性。

也確實(shí)，最近一兩年安裝的APP數(shù)量越來越少，APPstore排名靠前的幾乎比較穩(wěn)定的是那幾家大廠的產(chǎn)品了。

流量枯竭背后實(shí)際是以移動互聯(lián)網(wǎng)技術(shù)為驅(qū)動的底層科技的普及的結(jié)果，不是悲劇亦不是喜劇。好比如PC轉(zhuǎn)向移動互聯(lián)網(wǎng)，好比馬車被汽車取代一樣。

市場需求需要不停的創(chuàng)新，創(chuàng)新需要科技的驅(qū)動。環(huán)顧周邊能夠起到引領(lǐng)下一波科技趨勢的有哪些呢？

筆者發(fā)現(xiàn)既滿足能量巨大，有越過技術(shù)成熟度曲線的唯有AI技術(shù)。

由此可見成為第一代的AI人，一方面是優(yōu)先意識到線上互聯(lián)網(wǎng)流量的見頂，甚至優(yōu)先認(rèn)知到不結(jié)合AI你還能做什么呢？

二、做AI第一代的技術(shù)

技術(shù)常常是產(chǎn)品的底層驅(qū)動，故此要先講技術(shù)，好比有了Internet技術(shù)后有PC互聯(lián)網(wǎng)，先有了智能手機(jī)+4G技術(shù)，后才有移動互聯(lián)網(wǎng)，現(xiàn)在也一樣現(xiàn)有AI技術(shù)，再有AI技術(shù)和AI運(yùn)營。

1. AI相關(guān)技術(shù)的學(xué)習(xí)和實(shí)際

一般學(xué)計(jì)算機(jī)、數(shù)學(xué)、統(tǒng)計(jì)學(xué)、幾何學(xué)科班出身畢業(yè)后還做技術(shù)的朋友會產(chǎn)生如下圖學(xué)數(shù)學(xué)的同學(xué)有同感。

從上圖基本可見，我們每個人從小小年紀(jì)開始學(xué)習(xí)認(rèn)知數(shù)，學(xué)習(xí)運(yùn)算，然后學(xué)習(xí)函數(shù)、代數(shù)。到了大學(xué)開始學(xué)習(xí)微積分。到了碩士、博士開始涉獵高級微積分。然后可能做博士后，在核心期刊發(fā)Paper可能會設(shè)計(jì)黎曼猜想、泛函分析。

然后來到工作實(shí)踐中會發(fā)現(xiàn)過往學(xué)的，更多的剩下的是做做EXCEL表，寫寫文檔，設(shè)計(jì)策劃一下PPT。

2. AI里的算法技術(shù)實(shí)際應(yīng)用

我們學(xué)算法的時候有分傳統(tǒng)算法和AI算法，以識別貓為例：我們用傳統(tǒng)算法往往是將貓進(jìn)行形狀切分，比如貓有圓臉、有三角耳朵、有4條腿、有長長的尾巴等等切片。

這個例子我們很好理解，這樣的算法是不靠譜的。那么AI算法是怎么識別貓的呢？

實(shí)際上AI算法跟人類識別貓的過程類似，一開始用攝像頭取得貓的照片，然后傳輸給神經(jīng)網(wǎng)絡(luò)進(jìn)行處理，最后判斷是否是貓非常類似我們?nèi)祟?。例如：一個小朋友從一出生第一次眼睛見到貓每秒鐘用眼睛拍10張照片，大概到5歲擁有15億張照片。所以我們?nèi)祟惥驼J(rèn)識了貓。AI算法也類似。

在工作中實(shí)際應(yīng)用的AI算法相關(guān)的知識如下圖：

做AI技術(shù)：

• 一般會用到統(tǒng)計(jì)學(xué)，線性代數(shù)，微積分；如果想做AI技術(shù)可以實(shí)操級可以多學(xué)線性代數(shù)和概率統(tǒng)計(jì)而如果是做長久的甚至架構(gòu)級的AI技術(shù)可以多學(xué)微積分。
• 編程語言一般是用R語言和Python，當(dāng)然C++也行，但是日常工作中由于Python的語法特點(diǎn)，其工作產(chǎn)出結(jié)果較快故此用Python寫AI內(nèi)容的比較多。
• 理論基礎(chǔ)我們應(yīng)該知道，按照數(shù)據(jù)集有沒有Y值可以將機(jī)器學(xué)習(xí)分為監(jiān)督學(xué)習(xí)、半監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)。監(jiān)督學(xué)習(xí)是分類算法，無監(jiān)督學(xué)習(xí)是聚類算法。
• 算法：時下熱門的一般AI里的算法都叫機(jī)器學(xué)習(xí)算法，深度學(xué)習(xí)算法屬于機(jī)器學(xué)習(xí)算法。做AI技術(shù)應(yīng)該熟練的算法有決策樹、KNN、KMEANS、SVM線性回歸，BP、CNN、LSTM、GANs

三、做AI第一代的產(chǎn)品

以前筆者建議傳統(tǒng)產(chǎn)品經(jīng)理多學(xué)一些邏輯學(xué)，至少擅長運(yùn)用同一律、矛盾律、排中律、充分必要條件等來判斷需求。

那么，在AI人里除了要懂上面的基本邏輯外，還建議有一個廣義的定義，數(shù)學(xué)、經(jīng)濟(jì)學(xué)、心理學(xué)、計(jì)算機(jī)學(xué)均是產(chǎn)品要泛懂的邏輯，不是要產(chǎn)品去寫的代碼比程序員還能手撕代碼，更多是兩個方面的用處：一是在做需求Vision的時候判斷需求的可行性及時間；二是方便與對應(yīng)的技術(shù)人員溝通。

具體一名AI產(chǎn)品經(jīng)理至少要熟悉一下AI知識：

（1）數(shù)據(jù)清洗

理解特征、數(shù)據(jù)類型觀察、正態(tài)性檢驗(yàn)、分類變量處理、連續(xù)變量處理、類別不均衡等，數(shù)據(jù)準(zhǔn)備階段的執(zhí)行工作，你在外面和內(nèi)部舉著打破數(shù)據(jù)孤島的需求大旗，知道工作進(jìn)度和工作卡在哪里總是好的。

AI產(chǎn)品經(jīng)理為啥要懂?dāng)?shù)據(jù)，因?yàn)樵跀?shù)據(jù)處理的過程就是AI應(yīng)用的過程。

（2）特征工程

特征衍生、特征生維、特征篩選、特征降維。

（3）調(diào)參

網(wǎng)格搜索、窮舉搜索、隨機(jī)搜索、手動調(diào)參、自動調(diào)參

（4）建模

分類（決策樹、神經(jīng)網(wǎng)絡(luò)、邏輯回歸），聚類（PCA、Kmeans、AHP）

（5）模型集成

boosting、bagging、stacking

（6）模型驗(yàn)證

AUC/ROC、recall、precision、F score

（7）保存模型

（8）模型預(yù)測

以上AI的知識其中的執(zhí)行技術(shù)可能是AI技術(shù)人的擅長的，但是作為AI產(chǎn)品，一款A(yù)I產(chǎn)品的Owner也是應(yīng)該整體感受的，如果時間允許建議一個一個知識點(diǎn)的解決掉。

這里筆者推薦連詩路LineLian的一本書《AI賦能：AI重新定義產(chǎn)品經(jīng)理》。同時推薦AI課程在起點(diǎn)學(xué)院上的http://996.pm/MeANw

http://product.dangdang.com/27880115.html

通過對AI技術(shù)的上述學(xué)習(xí)，然后AI產(chǎn)品應(yīng)該形成如下圖對AI解決問題的感知。

上圖有兩點(diǎn)是第一代AI產(chǎn)品常常遇到的，第一個是模型是什么，整體可以把模型當(dāng)成規(guī)律，構(gòu)建一個模型好比根據(jù)規(guī)律構(gòu)建的各種規(guī)則的合集。

另外一個第一代AI產(chǎn)品常常遇到的問題是模型與算法的關(guān)系是什么，這里先看看第三方的介紹：程序就是在數(shù)據(jù)結(jié)構(gòu)上施行算法，模型約等于是特定問題域的數(shù)據(jù)結(jié)構(gòu)。筆者自己的經(jīng)驗(yàn)是在AI的產(chǎn)品里，往往我們會說跑模型，調(diào)算法。從這里可以觀察二者的關(guān)系。

最后想做第一代AI產(chǎn)品，建議先從身邊的需求+AI，筆者為啥一直自稱產(chǎn)品經(jīng)理呢？

因?yàn)樵跀?shù)年的工作中踩過很多坑，然后發(fā)現(xiàn)背鍋?zhàn)疃嗟哪莻€人一般崗位就叫產(chǎn)品經(jīng)理，比產(chǎn)品經(jīng)理背鍋更多的是老板，很多小公司的老板也是公司的第一任產(chǎn)品經(jīng)理。所以有人人都是產(chǎn)品經(jīng)理的稍微夸大的說法，從此也見AI產(chǎn)品得多多實(shí)踐。

四、做AI第一代的運(yùn)營

從AI時代第一代的技術(shù)，AI第一代產(chǎn)品中可見，AI設(shè)計(jì)的知識更多，需要懂得那個點(diǎn)更深的同時覆蓋的面也越廣，從而對成為AI第一代運(yùn)營也提出了新的要求。

（1）TO C到TO B，往常的運(yùn)營人一生以來的職業(yè)生涯往往都是做各種運(yùn)營活動，來拉新、來留存、來促活、來產(chǎn)生購買，進(jìn)而產(chǎn)生復(fù)購。這些都是對消者和用戶的C，而AI則需要B端的供應(yīng)鏈來支持你的運(yùn)營對象。

此處筆者推薦運(yùn)營同學(xué)讀一讀《AI+時代產(chǎn)品經(jīng)理的思維方法》一書，書是寫給產(chǎn)品和運(yùn)營看的。不是都說了嘛產(chǎn)品運(yùn)營不分家。

（2）一個行業(yè)到多個行業(yè)，往常我們運(yùn)營往往是找找渠道，做做聯(lián)合推廣。而AI第一代運(yùn)營必須到多個行業(yè)運(yùn)營，因?yàn)樵瓉碇皇菫榱苏腋鱾€行業(yè)的用戶，而AI里很多行業(yè)并沒有你行業(yè)既有的用戶，這要求你去跨行業(yè)去孵化你的用戶。

（3）數(shù)字化產(chǎn)品到數(shù)字化人歷史我們運(yùn)營會要求產(chǎn)品埋點(diǎn)采集用戶的數(shù)據(jù)，將產(chǎn)品數(shù)字化來觀察用戶的行為，進(jìn)而深化運(yùn)營，AI的第一代運(yùn)營不僅數(shù)字化產(chǎn)品，還要數(shù)字化自己，講以前的精準(zhǔn)推薦、用戶畫像、升級到AI的知識圖譜，歸納出一個自動化運(yùn)營引擎，不斷將感性用戶與用戶的理性層面系統(tǒng)化運(yùn)營。

總結(jié)

AI才剛剛起步，為什么呢？因?yàn)樯蠑?shù)學(xué)課的時候，課本上都是柯西，牛頓，高斯等，感覺他們活在遙遠(yuǎn)的時代。但是現(xiàn)在，我們每天用的模型是比我沒大幾歲的陳天奇創(chuàng)造出來的，我們用的機(jī)器學(xué)習(xí)平臺可能是沒比我們大幾歲的賈揚(yáng)清創(chuàng)造出來的。

每次查論文查文獻(xiàn)的時候，每天遇到問題的時候都希望別人多推薦一些資料來學(xué)習(xí)，這里筆者推薦兩本書：《AI賦能：AI重新定義產(chǎn)品經(jīng)理》、《AI+時代產(chǎn)品經(jīng)理的思維方法》供給AI的第一代產(chǎn)品、AI的第一代技術(shù)、AI的第一代運(yùn)營。

在時代發(fā)展的浪潮上，也是一切剛剛起步的證明。機(jī)遇與挑戰(zhàn)并肩出現(xiàn)的時候，是你離創(chuàng)造歷史最近的時候。而所謂的風(fēng)口所謂的浪尖都不重要，重要的是，因?yàn)槟阆矚g。

這是一個傳統(tǒng)互聯(lián)網(wǎng)流量見頂BAT都帶著AI去線下尋找新出路且言必稱AI（人工智能）的時代。做第一代的AI人定要不甘人后。

如果你想系統(tǒng)化入門AI產(chǎn)品經(jīng)理，掌握AI產(chǎn)品經(jīng)理的落地工作方法，戳這里>http://996.pm/7bjab

#專欄作家#

連詩路，公眾號：LineLian。人人都是產(chǎn)品經(jīng)理專欄作家，《產(chǎn)品進(jìn)化論：AI+時代產(chǎn)品經(jīng)理的思維方法》一書作者，前阿里產(chǎn)品專家，希望與創(chuàng)業(yè)者多多交流。

本文原創(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Unsplash, 基于CC0協(xié)議