不論你多么嫌棄AI+是一種潮流，他就在那里。錯過他將錯過一個時(shí)代。

一、產(chǎn)品的驅(qū)動源力

干了10年的PC、APP、智能硬件產(chǎn)品經(jīng)理這么一件事，經(jīng)歷B2B、B2B2C、 C2C 、B2C SOLOMO、 O2O 、C2M/F、P2P等等各種商業(yè)模式或者事業(yè)模式，有的企業(yè)需要你解決的是業(yè)務(wù)方向不穩(wěn)定，有的企業(yè)是讓你解決的事是技術(shù)薄弱，有的是運(yùn)營需要加強(qiáng)對產(chǎn)品經(jīng)理的要求未必統(tǒng)一。但是從產(chǎn)品方法論上來講，人類社會經(jīng)歷過的PC、互聯(lián)網(wǎng)時(shí)代、移動互聯(lián)網(wǎng)時(shí)代，以及現(xiàn)在所處的智能硬件時(shí)代，技術(shù)發(fā)展和商業(yè)模式，創(chuàng)新之間始終是相輔相成的關(guān)系。每當(dāng)科技發(fā)展的紅利，被商業(yè)模式(換種說話商業(yè)模式換個通俗的說話就是提供服務(wù)或者商品的賺錢模式)創(chuàng)新挖掘殆盡后，經(jīng)濟(jì)也隨之步入寒冬；直到下一輪技術(shù)革命的出現(xiàn)，商業(yè)模式創(chuàng)新才能重新并發(fā)生機(jī)。這里面典型的代表是剛剛HK上市的美圖秀秀，美圖秀秀是非常及時(shí)的趕上了大家從PC端到移動端的轉(zhuǎn)移，并且成為大家手機(jī)里必備軟件之一。另外一個案例是微信，被稱為移動互聯(lián)網(wǎng)時(shí)代第一產(chǎn)品，如果沒有移動互聯(lián)網(wǎng)軟硬件技術(shù)的進(jìn)步，尤其是智能手機(jī)的突觸，就不會有張小龍今天的產(chǎn)品市場地位。

所以，產(chǎn)品經(jīng)理的關(guān)鍵點(diǎn)除了參悟透人性需求之外，其更關(guān)鍵的點(diǎn)是認(rèn)知和遷移。就是相信和認(rèn)識并知道的知識遷移巧妙的運(yùn)用到產(chǎn)品中來，例如：輔助駕駛、圖像識別、語音識別，在原來的的想象當(dāng)中是非常困難的技術(shù)，而如今這些技術(shù)已經(jīng)被許多牛逼的小團(tuán)隊(duì)突破，產(chǎn)品經(jīng)理應(yīng)該做的是遷移。跳出固定思維，去想和做別人沒有想到和做到的甚至感知到的事情，并進(jìn)行AI+遷移

二、AI發(fā)展

2.1 AI的發(fā)展

Internet的前身阿帕網(wǎng)起源于美蘇冷戰(zhàn)。20世紀(jì)80年代阿帕網(wǎng)已經(jīng)通過大學(xué)和研究所等機(jī)構(gòu)滲透到民間。1989年歐洲量子物理實(shí)驗(yàn)中心工作的伯納斯李向?qū)嶒?yàn)中心正式提交了一份后來被稱為“萬維網(wǎng)藍(lán)圖”的報(bào)告。這份報(bào)告提出了萬維網(wǎng)框架的運(yùn)行機(jī)制和實(shí)施方案。1990?年11月，他在NeXT工作站上制作了第一個萬維網(wǎng)瀏覽器和第一個網(wǎng)絡(luò)服務(wù)器，隨后編寫了執(zhí)行萬維網(wǎng)項(xiàng)目細(xì)節(jié)的網(wǎng)頁，至此世界上第1個萬維網(wǎng)站誕生。

1993年1月美國伊利諾大學(xué)為瀏覽萬維網(wǎng)網(wǎng)站開發(fā)的UNIX?版本馬賽克瀏覽器被放到該大學(xué)計(jì)算中心的免費(fèi)FTP服務(wù)器上，不到兩個月的時(shí)間就被下載了上萬次。1993年12月《紐約時(shí)報(bào)》商業(yè)版頭版介紹了馬賽克，稱其將創(chuàng)造一個全新的產(chǎn)業(yè)。馬賽克的流行使得覆蓋互聯(lián)網(wǎng)的萬維網(wǎng)成為新的連接世界的平臺，也引發(fā)了以硅谷為中心的電子商務(wù)革命。1993年1月馬賽克剛出現(xiàn)時(shí)，全世界只有50個萬維網(wǎng)服務(wù)器，10?月份達(dá)到500?個，1994?年6月份增加到1500個，萬維網(wǎng)開始以指數(shù)增長。

注意，好產(chǎn)品逐步出現(xiàn)了：在萬維網(wǎng)流行了3年后的1996年，斯坦福2個研究生發(fā)現(xiàn)用解n?元一次方程組的辦法，可以把萬維網(wǎng)的所有網(wǎng)頁按照重要性進(jìn)行排名，從而解決了網(wǎng)絡(luò)用戶面對以指數(shù)增長的網(wǎng)頁信息進(jìn)行有效搜索的難題；他們后來成立了谷歌公司。差不多在相同的時(shí)間，剛上線一年多的亞馬遜與明尼蘇達(dá)大學(xué)的幾位計(jì)算機(jī)專家合作，開始分析每個用戶在其網(wǎng)站上購買的商品，并與其他用戶的購買商品進(jìn)行比較和關(guān)聯(lián)，用得到的結(jié)果來個性化對網(wǎng)站瀏覽用戶的商品推薦。

不同的是，網(wǎng)絡(luò)人工智能不再像谷歌、亞馬遜的初期一樣使用昂貴的超級計(jì)算機(jī)，而是用大量聯(lián)結(jié)在一起的廉價(jià)服務(wù)器甚至是個人計(jì)算機(jī)來取得相同甚至更好的效果。在知識來源上，網(wǎng)絡(luò)人工智能往往依靠成千上萬的大眾點(diǎn)滴貢獻(xiàn)（crowdsourcing）而不是專家智慧。比如谷歌在計(jì)算網(wǎng)頁的排名時(shí)使用的是不同網(wǎng)頁之間的超文本鏈接信息，而這些鏈接是用戶在創(chuàng)建網(wǎng)頁時(shí)提供的。亞馬遜的數(shù)據(jù)來源則是每個用戶購買的商品信息。這些在個人看來再簡單不過的信息被整合到一起進(jìn)行處理后發(fā)揮出巨大的潛力，也使得數(shù)據(jù)挖掘成為網(wǎng)絡(luò)人工智能的流行用語和代名詞。

網(wǎng)絡(luò)人工智能給人類社會帶來的不僅是日常生活的方便，它們在很大程度上開始從各個方面影響社會發(fā)展進(jìn)程。谷歌的搜索結(jié)果可以決定一個人的言論被關(guān)注的程度，而亞馬遜的推薦則可以把許多質(zhì)量好但沒能得到推廣的商品推薦給大眾，引出“長尾定律”。So產(chǎn)品經(jīng)理還會從零開始搭建搜索引擎嗎？遷移吧。

2.2 大廠是如何訓(xùn)練識別和檢測算法系統(tǒng)的

華人AI之秀李飛飛團(tuán)隊(duì)曾經(jīng)從互聯(lián)網(wǎng)上下載10億多圖片，然后通過亞馬遜機(jī)械土耳其人這一低成本網(wǎng)絡(luò)眾包的方式，雇傭了來自167?個國家共5萬多人對這些圖片進(jìn)行了分類標(biāo)注。截止2009年該項(xiàng)目成功產(chǎn)生了一個包含22000不同門類，共1500萬圖片的帶標(biāo)簽的數(shù)據(jù)庫。該數(shù)據(jù)庫里的圖片分類和標(biāo)簽質(zhì)量超過以往任何數(shù)據(jù)庫，其中僅貓這一門類就有62000張不同的圖片，包含了所有種類的馴養(yǎng)和野生貓。建成這一數(shù)據(jù)庫后，李飛飛及其團(tuán)隊(duì)利用深度學(xué)習(xí)方法，使得計(jì)算機(jī)通過監(jiān)督學(xué)習(xí)方式識別包含各種物體的圖像，而且能夠用自然語言生成對每個圖像中的物體關(guān)系的簡單描述。這一成果產(chǎn)品經(jīng)理還建議圖片創(chuàng)業(yè)公司再走一遍嗎？

三、AI+產(chǎn)品案例

有一次跟VST的運(yùn)營總監(jiān)聊天，話到曾經(jīng)裝了很多新聞閱讀軟件，后來只留下一個今日頭條，我問她為啥，答曰：“今日頭條把我想看的都推薦給我了，非常懂我”。SO?……

如果有人閱讀彼得蒂爾的從零到一后真的從零到一搭建這么一套新聞推薦系統(tǒng)我相信這款產(chǎn)品負(fù)責(zé)人一定是只占了勤奮一詞，我真的替他焦慮。因?yàn)槟壳巴耆梢訟I+遷移，迅速打造一個今日頭條式樣的資訊平臺。

大概框架如下：

首先新聞頭條類創(chuàng)業(yè)者首先要自我解決數(shù)據(jù)源的問題，可以是爬蟲可以是渠道分銷還可以自采。

其次了解自己的產(chǎn)品目標(biāo)定位。

最后關(guān)鍵點(diǎn)來了：別自己開發(fā)，記得別自己開發(fā)，只需要遷移AI+來訓(xùn)練自己的信息推薦模型，把這些統(tǒng)統(tǒng)交給AI+，因?yàn)锳I+幫你訓(xùn)練一個信息推薦模型，你只需要收集用戶的特征信息、內(nèi)容特征信息、上下文特征；通過收集樣本結(jié)果（是否點(diǎn)擊）讓機(jī)器學(xué)習(xí)產(chǎn)生一定的聯(lián)系，這就制作出了一個推薦模型——比如用戶在使用什么品牌手機(jī)、每天哪個時(shí)間段、關(guān)注哪些關(guān)鍵字、有哪些購買行為等特征的情況下點(diǎn)擊了哪條擁有哪些特征信息的新聞。當(dāng)給定了新的信息特征，模型計(jì)算出所有候選信息的點(diǎn)擊率，把預(yù)測點(diǎn)擊率最高的信息推薦上去，這就是信息流推薦服務(wù)的機(jī)器學(xué)習(xí)模式。

一個產(chǎn)品經(jīng)理運(yùn)用AI+遷移做的產(chǎn)品一定比從零搞效率高。

另外一次跟生日管家COO聊天，他問我兩個問題：

（一）產(chǎn)品運(yùn)營在人工智能時(shí)代還有活干嗎？

（二）垂直電商的搜索推薦系統(tǒng)應(yīng)該怎么搭建 。

從零開始，構(gòu)建一套網(wǎng)紅電商搜索系統(tǒng)>>可見感知力度強(qiáng)的產(chǎn)品運(yùn)營者已經(jīng)開始焦慮了，這種焦慮是求知若渴、虛心若愚的表現(xiàn)。我當(dāng)時(shí)是如下大致回答如上兩個問題的。

（一）AI+時(shí)代產(chǎn)品運(yùn)營做什么事，或者還有什么事

AI來了產(chǎn)品都不是原來的產(chǎn)品，系統(tǒng)也不是原來的架構(gòu)，框架也日新月異，身為、產(chǎn)品、技術(shù)、運(yùn)營人員是不能不焦慮的，那么產(chǎn)品、運(yùn)營、技術(shù)未來的工作機(jī)會點(diǎn)有哪些呢？

場景一、非符號化流域：AI目前實(shí)現(xiàn)和將來一段時(shí)間都是以解決符號化流域的問題而智能化解決。而非符號化流域的問題像感知能力、創(chuàng)新能力、社交能力和身體靈活能力等等，AI一時(shí)半會并不擅長，因?yàn)锳I將承擔(dān)主要是無聊的工作，技術(shù)只是在替代人類的體力和部分認(rèn)知能力。在產(chǎn)品規(guī)劃、迭代規(guī)劃、場景構(gòu)造、新用戶消費(fèi)偏好分析、創(chuàng)意、等方面均有產(chǎn)品運(yùn)營的機(jī)會。

場景二、共享運(yùn)作流域：AI技術(shù)大發(fā)展解決資源短缺問題。產(chǎn)品經(jīng)理的關(guān)注點(diǎn)應(yīng)從從資源創(chuàng)造轉(zhuǎn)移到資源分配。因此產(chǎn)品經(jīng)理利用自己的藝術(shù)和技術(shù)天賦承接各種產(chǎn)品亮點(diǎn)設(shè)計(jì)有趣的模塊。才是產(chǎn)品經(jīng)理感受勞動成果的重要意義。

場景三：按需協(xié)調(diào)工作：AI+對產(chǎn)品運(yùn)營的替代讓整個產(chǎn)品項(xiàng)目可以減少大量的技術(shù)用多種語言寫同一個邏輯的問題。因?yàn)橥ㄓ肁I+技術(shù)普遍運(yùn)用到日常、標(biāo)準(zhǔn)化、可重復(fù)的活動運(yùn)營工作中，再者企業(yè)在廣泛運(yùn)用AI+的同時(shí)會保持核心精干力量。他們往往是核心技術(shù)和有競爭力資源的產(chǎn)品創(chuàng)造者和維護(hù)者。沒有一勞永逸的解決方案，只有拉鋸式談判和妥協(xié)，這些均需要產(chǎn)品運(yùn)營技術(shù)高度協(xié)作工作。

所以，AI+時(shí)代產(chǎn)品、運(yùn)營、技術(shù)目前如果能結(jié)合自身的實(shí)際情況，例如：技術(shù)型產(chǎn)品經(jīng)理對照從算法層面，知道自己可以切入的技術(shù)角度，運(yùn)營型產(chǎn)品經(jīng)理從應(yīng)用場景層面，知道未來技術(shù)會在哪些生活中先發(fā)生作用。分別根據(jù)對應(yīng)的情況積累知識學(xué)習(xí)能力，再未來AI還不足夠的感知領(lǐng)域，一定有產(chǎn)品經(jīng)理的創(chuàng)造機(jī)會。

（二）垂直電商搜索系統(tǒng)搭建，別自己從零搭建了

一般的搜索引擎要素如下圖，

而AI搜索推薦系統(tǒng)，是利用深層神經(jīng)網(wǎng)絡(luò)，在大規(guī)模無標(biāo)注范圍上進(jìn)行無監(jiān)督學(xué)習(xí)。在形式上，把每個詞表示成一個固定五維的向量，當(dāng)作詞的本身特征；在此特征基礎(chǔ)上進(jìn)行架構(gòu)設(shè)計(jì)，分詞標(biāo)注分塊命名實(shí)體識別，訓(xùn)練網(wǎng)絡(luò)基于一角色標(biāo)注單操作，以這樣的方式進(jìn)行自然語言處理，可以實(shí)現(xiàn)高計(jì)算速度的大數(shù)據(jù)處理。而如果使用多任務(wù)模式進(jìn)行計(jì)算，還能進(jìn)一步提升系統(tǒng)的計(jì)算和處理速度，所以推薦系統(tǒng)的話肯定是無標(biāo)注。

AI不僅有文字的智能索引，還有AI圖像識別且隨之成為各個互聯(lián)網(wǎng)產(chǎn)品逐漸開始關(guān)注的對象。其中兩個核心問題是圖像分類和固體檢測，圖像分類是對圖像整體的語音內(nèi)容進(jìn)行類別判定，固體檢測是定位圖像中特定物體出現(xiàn)的區(qū)域，并對其進(jìn)行深度判斷圖頭向分裂識別。

固體檢測更加關(guān)注圖像的局部確定和特定的物體類別聚合，通常被視為更加復(fù)雜的圖像識別問題，變相接受在我的信息檢索廣告投放、搜索、商品推薦的等方面。百度、谷歌、亞馬遜、微軟就采用深度卷積神經(jīng)網(wǎng)絡(luò)作為模型，并在構(gòu)建的記憶圖片樣本上進(jìn)行端到端的學(xué)習(xí)，百度已經(jīng)可以識別超過5萬的標(biāo)簽，在某一次公開報(bào)道的同級別模型中，該模型性能遠(yuǎn)超公開的性能指標(biāo)。

除此之外，目前百度還正在進(jìn)行圖像的自然語言描述方面研究，利用百度的深度學(xué)習(xí)能力，結(jié)合卷積神經(jīng)網(wǎng)絡(luò)和遞歸神經(jīng)網(wǎng)絡(luò)技術(shù)，百度成為成功實(shí)現(xiàn)將圖像內(nèi)容生成自然語言的描述性句子或段落，還在高城于后面建立的圖像和自然語言之間的橋梁。

所以產(chǎn)品經(jīng)理千萬別閉門搭建自己搜索推薦系統(tǒng)了，AI+已經(jīng)為你準(zhǔn)備好了API。因此產(chǎn)品經(jīng)理應(yīng)該做的是未雨綢繆，必須讓自己盡早的進(jìn)行知識和技能的儲備以便能夠平滑轉(zhuǎn)型，是AI+時(shí)代產(chǎn)品經(jīng)理們面前的新要求。

四、小結(jié)

產(chǎn)品經(jīng)理最現(xiàn)實(shí)的生存挑戰(zhàn)是如何全力以赴、如何身兼重任并誠實(shí)的面對心中的產(chǎn)品夢想。探尋知識和真理應(yīng)該是流淌在產(chǎn)品經(jīng)理的血液里的基因。產(chǎn)品經(jīng)理希望自己的產(chǎn)品可以到達(dá)全球、更應(yīng)該可以成為一個富有隨著經(jīng)濟(jì)社會發(fā)展理性判斷需求思維的人。

AI+時(shí)代產(chǎn)品經(jīng)理更應(yīng)該自信人類社會里的需求不完全是符號化的，還包括許多所謂的“亞符號”，人有非常快速的直覺判斷。例如，藝術(shù)鑒賞家能夠一眼看出贗品，這不是通過一步步邏輯推理得到的。在知覺、模式辨認(rèn)、導(dǎo)航和學(xué)習(xí)等許多方面，也都是如此。這些內(nèi)隱的知識構(gòu)成了產(chǎn)品經(jīng)理的背景儲備，再加上產(chǎn)品經(jīng)理持續(xù)的學(xué)習(xí)一定可以結(jié)合AI+在未來的消費(fèi)和服務(wù)領(lǐng)域里做出更好的產(chǎn)品。

不論你多么嫌棄AI+是一種潮流，他就在那里。錯過他將錯過一個時(shí)代

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，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。