他們認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習。

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，然后機器學習做一個聚類算法呢？”

人工智能產(chǎn)品經(jīng)理 ≠ 人工智能科學家

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?！?/p>

在 PM 和 Scientist 做完充分的溝通后，確認他理解你的需求，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、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責
• 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
• 負責行業(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：百度首席科學家，斯坦福大學計算機系副教授吳恩達

吳恩達NIPS 2016演講現(xiàn)場直擊：如何使用深度學習開發(fā)人工智能應用（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：”

如何學習

1. 在Coursera上學習機器學習課程 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……

在學習的時候要注意：學思路及應用，不深究數(shù)學知識。

課程鏈接

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，當我覺得我不知道下一步應該如何做的時候，我將會嘗試大量的學習和閱讀，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?！?/p>

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
• 《深度學習：方法及應用》：有數(shù)學知識別深究
• 《大數(shù)據(jù)智能——互聯(lián)網(wǎng)時代的機器學習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。