每周一读 | 《人工智能产品经理的新起点》

本周阅读的是黄钊团长在 AI PM 行业非常有名的《人工智能产品经理的新起点》PPT，作为入门小白通读下来受益匪浅，特将重点内容梳理成幕布（未来阅读笔记均为次格式），供后期回顾。

• 时代背景
  • 互联网+，物联网
  • 机器人：商用、民用
  • 人工智能：目前处于AI周期的上升期，未来会有瓶颈/低谷
• 人工智能产品发展的瓶颈
  • AI 人才：技术、PM等资源稀缺
  • 实际产品的落地
  • 团队升级：旧的团队需提升能力、适应技术变革
• 人工智能的产业结构
  • 应用层：AI PM 主战场
    • 解决方案层：智能客服/助理、无人车、机器人等
    • 应用平台层：行业应用分发与运营、机器人运营等
  • 技术层
    • 通用技术层：语音识别(ASR)、语音合成(TTS)、计算机视觉(CV)、自然语言处理(NLP)、即时定位与地图构建(SLAM)等
    • 算法层：机器学习、深度学习等算法
    • 框架层：TensorFlow、Caffe等框架或系统
  • 基础层
    • 数据层：各行业/场景第一手数据
    • 计算能力层：云计算、神经网络芯片等
• 7个维度选择行业方向
  • ToB or ToC
    • ToB：针对行业需求提供 ToB 服务
    • ToC：通过软硬件结合提供 AI 产品
    • 目前来看 ToB 的机会大于 ToC
• 头部 or 尾部
  • 头部：与场景深度结合，解决特定场景需求，如车载
  • 尾部：长尾需求，如语音助手类
• 关键性应用 or 非关键性应用
  • 大部分都是关键性应用
  • 顶级科学家、周期长、投资大
• 端的价值
  • 对 AI 的理解不能太偏向“软”
  • 机器人端
  • 端的价值，不仅仅是数据
• 离变现近
  • 产品能快速实现
  • 变现快
• 同时尝试2个方向
• 具备“AI + 垂直”两个领域的深度背景
  • 自身具备或互补合伙人
  • 知主线（能做什么），知边界（不能做什么）
• 未来 AI 行业预测
  • ToB
    • 智能客服
    • 垂直行业 AI 助手：金融、体育、法律、设计
    • 自动驾驶
    • BI、政务医疗等行业、AI平台、聊天机器人
  • ToC
    • 机器人
    • AR/VR
    • 个人助手、安防
• 如何找 AI 应用层场景痛点
  • ToB
    • 方法1：从行业当前痛点入手
    • 方法2：切入垂直行业，更要细分垂直场景
    • 衡量指标：场景边界明显、有产品及商业闭环
  • ToC
    • 一个原则：AI 辅助人工
    • 保证更容易落地产品，而不是直接服务于 C 用户
• 对话聊天类产品
  • 设计难点
    • 无行业评判标准
    • 实际效果不稳定：训练结果对不上、不可预测性
    • 投入产出比：后期优化投入大、数据时效性强、效果不一定能变好
  • 解决难点的三个维度
    • 开始对话：解决基础交互问题
    • 持续对话：解决数据和架构问题
    • 长期对话：解决需求问题
  • 解决难点的十个方法
    • 开始对话
      • Q/A 或 正则：20%问题覆盖80%对话
      • 限定语句模式：疑问句
      • 限定对话逻辑：避免多轮对话过于发散
    • 持续对话
      • AI + 人工：对于无法回答或答案质量差的对话人工可以自定义
      • 主动交互
      • 架构设计：让每个问题都能回答，例如万能答案
      • 数据驱动微创新：避免模板式回答、多用语气词、转移话题
    • 长期对话
      • 问答决策树：提高交互频率，刺激 AI 发现用户需求，问答对话引出意图
      • 带入情感：文本、语气、动作、表情等
      • 内容/IP：实时热点
• 互联网 PM 能力模型
  • 素质
    • 基本：学习/提炼能力、专业知识关联能力、办公技能、执行力
    • 关键：沟通能力、基础理解、AQ/EQ、行业融入感
  • 知识技能
    • 市场：对外商务沟通
    • 产品：行业认知、专业设计能力
    • 运营：运营数据分析、营销与推⼴策略、危机预测与控制
  • 客户导向
    • 市场：市场/用户调研分析
    • 产品：用户需求理解、产品规划
  • 运营：渠道管理
  • 领导力
    • 项目管理
    • 知识传递：带新人
• AI PM 能力模型
  • PM：输出核心价值
    • 逻辑能力、沟通能力
    • 快速学习能力
    • 其他互联网 PM 能力
  • AI
    • AI 技术理解力
      • L1：理清基本概念
      • L2：了解技术边界
      • L3：引导技术流程/架构/方向
    • 类机器学习思维方式
    • 多感官人机交互设计
  • X
    • 垂直场景认知
    • 跨领域协作
    • 人文素养和灵魂境界：高维 + 突变
      • 一定要站到行业最前沿
      • 市场型产品经理
      • 重点不是细节，而是认知，解决60分的问题
• 理清 AI 相关概念
  • 机器学习（ML）：对能通过经验自动改进的计算机算法的研究
    • 本质
      • 总结过去，预测未来
      • 对空间搜索和函数的泛化
      • 是计算的逆运算
    • 学习方式
      • 全监督学习：如回归算法、SVM等
      • 半监督学习
      • 无监督学习：如聚类算法、降维算法
      • 强化学习
      • 迁移学习
      • 神经网络——深度学习
  • 自然语言处理（NLP）：将人类语言形式转化为机器可理解的、结构化的、完整的语义表示
    • NLP 是 AI 的核心瓶颈
    • NLP 包含了 NLU（自然语言理解）
  • 计算机视觉（CV）：通过算法对图像进行识别分析
    • 技术现状：真实场景不太可用
      • 训练数据集远少于现实数据集
      • 训练标准远易于现实标准
      • 训练效果远不足以满足现实效果
      • 不满足非配合场景
      • 实时性能要求更高
      • 技术半衰期只有6个月
    • 评价算法性能的四个维度
      • 准确率
      • 误报率
      • 计算成本及响应速度
      • 通用性/特异性
• 如何转型到 AI PM
  • 培养兴趣
    • 阅读相关书籍/公众号/知乎精华/论坛/电影等
    • 参加线上/线下课程
    • 体验各种 AI 产品
    • 与相关前辈交流
    • 整理自己的独到见解
  • 选择方向
    • 平台网站类
    • 垂直场景类
    • 对话聊天类：最难、最前沿
  • 实施转型
    • 降低姿态和收入预期，从基础做起
    • 实际设计 AI 产品
    • 接触同行/不同行牛人
• AI 的破局方向
  • 将效率最优升级为情感最优
  • 强调人机交互
  • 研究最接地气的公司
  • 对图灵停机问题的深入理解：判断任意一个程序能否能在有限的时间之内结束运行