编程语言AI算法
AI 产品经理入门：能力模型与核心概念梳理
本文总结了 AI 产品经理转型所需的核心硬知识，涵盖能力模型、人工智能发展史及多视角概念梳理。文章指出 AI 产品经理需具备行业纵深理解与跨部门沟通能力，无需深究算法细节但需懂技术边界。内容详细解析了监督学习、强化学习等核心概念，以及弱、强、超人工智能的区别。此外，分析了 BAT 在 AI 领域的优劣势，探讨了 2B 与 2C 市场的差异，以及民营与国企在 AI 应用上的不同诉求，为从业者提供了清晰的行业分析与学习路径参考。
本文总结了 AI 产品经理转型所需的核心硬知识，涵盖能力模型、人工智能发展史及多视角概念梳理。文章指出 AI 产品经理需具备行业纵深理解与跨部门沟通能力，无需深究算法细节但需懂技术边界。内容详细解析了监督学习、强化学习等核心概念，以及弱、强、超人工智能的区别。此外，分析了 BAT 在 AI 领域的优劣势，探讨了 2B 与 2C 市场的差异，以及民营与国企在 AI 应用上的不同诉求，为从业者提供了清晰的行业分析与学习路径参考。
近几年，从亚马逊、Facebook 到谷歌、微软，再到国内的 BAT，全球最具影响力的技术公司都将目光转向了人工智能（AI）。2016 年 AlphaGo 战胜李世石，把公众的目光也聚集到了人工智能。创新氛围最活跃的中国，已将人工智能定位国家战略，2017 年 11 月 15 日，中国新一代人工智能发展规划暨重大科技项目启动会在京召开，公布我国第一批国家人工智能开放创新平台，包括百度自动驾驶、阿里云城市大脑、腾讯医疗影像、科大讯飞智能语音等人工智能开放创新平台。
现在中国的所有互联网公司，不论大小都在布局人工智能，大量的科技巨头和专家预测人工智能将带来第四次革命，继农业革命、工业革命、信息革命后从底层改变我们的工作和生活。作为一个充满好奇心的产品经理，经过一段时间的学习思考，将个人对于 AI 产品经理需要掌握的基础知识进行总结。因为 AI 产品经理是一个全新的岗位，至今没有明确的能力模型定义，本文只是将个人的学习和思考进行汇总，将产品经理需要了解的 AI 知识进行框架梳理，希望对想要转型 AI 产品的朋友有所帮助。
从现在的招聘市场来看，产品经理岗位已经出现大量细分，如数据产品经理、支付产品经理、ERP 产品经理等，AI 产品经理可能将成为未来的一个主流细分岗位。在讨论 AI 产品经理之前，我们来看看非 AI 产品在公司中需要面对哪些角色，而面对这些角色需要的能力模型是什么。
产品经理需要每天与工程师、设计、老板、运营、市场、用户/客户、测试等部门同事沟通，AI 产品经理从对接人上来看，增加了 AI 科学家或者 AI 工程师。为了可以顺畅沟通，产品经理的知识结构必然需要增加相应的知识，以提升沟通效率，清楚产品设计边界。同时，因为 AI 产品与客户的业务结合得更加密切，所以需要对所设计产品的行业纵深理解能力。
产品能力模型可以从人、事、知识三个角度搭建。在人和事上产品经理的能力几乎没有太大变化，但是在知识层面需要进行基础储备，以提高与 AI 科学家和 AI 工程师的沟通效率。人工智能技术正处于高速发展时期，充满了不确定性，所以产品经理的认知极限一定程度上影响了产品的未来。
提到 AI 大家第一印象可能想到的是复杂的数学公式，天书一样的算法模型，需要学习 AI 难如登天。但实际情况是，即使做一名 AI 应用开发工程师，可能也未必要需要理解那些天书一样的复杂算法。Google 的深度学习框架 TensorFlow 极大地降低了数学门槛，这个框架内置了损失函数优化方法，而 Keras（基于 TensorFlow 构建的深度学习框架）可以把一个模型代码量大大减少。
我们以机器识别猫狗照片的分类器模型为例，可以通过寥寥几行代码搞定，把一个拥有着卷积层、池层和全连接层并且使用 Adam 这个较高级优化方法的深度学习网络架构写出来。
我们的目标是成为一名合格的 AI 产品经理，而不是工程师，所以只要清楚这些技术的实现框架就可以了，只要可以清楚地描述客户需求场景，深刻理解客户诉求，并将其清晰地描述给 AI 科学家，并能听懂 AI 科学家的话就可以了，至于他们使用了什么模型，什么算法并不需要你去操心。
前文中提到了 AI 产品和服务对于垂直行业知识的要求比较严格。可以看出，传统行业中的从业者可以利用其多年经验为 AI 团队提供认知价值，所以非互联网行业的从业者完全可以通过补全上文提到的互联网产品经理相关知识，转型进入到高速增长的 AI 领域。
智能：以宽泛的心理能力，能够进行思考、计划、解决问题、抽象思维、理解复杂理念、快速学习和从经验中学习等操作。
人工智能：制造出智能的机器，尤其是智能的计算机程序，它能做一些以前需要人才能做的事情，这个机器或者计算机程序就叫人工智能。
人工智能的黄金时代（20 世纪 50~70 年代） 1950 年，马文·明斯基与他的同学邓恩·埃德蒙一起，建造了世界上第一台神经网络计算机。同年，阿兰·图灵提出了图灵测试。1956 年，约翰·麦卡锡提出了'人工智能'一词，这被人们看做是人工智能正式诞生的标志。
人工智能的第一次低谷（20 世纪 70~80 年代） 由于科研人员在人工智能的研究中对项目难度预估不足，导致与美国国防高级研究计划署的合作计划失败，社会舆论的压力也开始慢慢压向人工智能这边。当时，人工智能面临的技术瓶颈主要是三个方面：计算机性能不足、问题的复杂性、数据量严重缺失。
人工智能的繁荣期（1980 年~1987 年） 1980 年，卡内基梅隆大学为数字设备公司设计了一套名为 XCON 的'专家系统'。这是一种采用人工智能程序的系统，可以简单的理解为'知识库 + 推理机'的组合。在这个时期，仅专家系统产业的价值就高达 5 亿美元。
人工智能的冬天（1987 年~1993 年） 仅仅在维持了 7 年之后，这个曾经轰动一时的人工智能系统就宣告结束历史进程。80 年代末，美国国防先进研究项目局高层认为人工智能并不是'下一个浪潮'，至此，人工智能再一次成为夕阳红。
人工智能的新春（1993~现在） 1994 年 Chinook Checkers，机器国际跳棋上超越了人类；1997 年 Deep Blue 深蓝战胜国际象棋世界冠军；2006 年辛顿发表了一篇突破性的文章《A Fast Learning Algorithm for Deep Belief Nets》；2012 年 Amazon 的仓储机器人 Kiva；2013 年，深度学习算法在语音和视觉识别上取得成功；2016 年 AlphaGo 4:1 战胜李世石；2017 年神秘 Master 60 盘连胜，狂扫棋坛高手。
人工智能领域包含大量的概念和定义，如监督学习、机器学习、强化学习、强人工智能等，最初学习的时候很容易弄混，其实很多概念是不同角度观察的结果，还有些概念是嵌套关系。
目前商业化比较普遍的，是认知和预测领域的应用。
互联网和移动互联网应用、智能交通、智能金融、智能医疗、智能农业、智能写作、机器翻译、机器仿生、智能助理、创作艺术等。
p.s. 人工智能 > 机器学习 > 深度学习 > 神经网络模型 > 卷积神经网络 = 递归神经网络。
推荐书籍：《AI 赋能：AI 重新定义产品经理》
个人感觉产品经理的这些有一个宏观的认知就可以了，核心是对业务纵深的理解，对 AI 技术边界的理解，对 AI 技术知识的框架理解。
平时可以看看吴恩达教授的系列课程，都是满满的干货。
关于读 paper 网站：Semantic Scholar、Google Scholar。因为 AI 产品经理能力模型中很重要的一点就是拓宽认知边界，所以非常有必要读最前沿的 paper，不用纠结与算法，只看这样的算法可以做什么！
在回答这个问题之前，我们先来看人工智能当下的发展现状，当下的人工智能是有明确边界的，有一种说法叫一秒法则，人工智能可以处理人 1 秒中可以想出答案的问题，这个问题还需要有以下几个特点：大规模，重复性，限定领域，快速反馈。
从前文中人工智能发展史我们可以看到，资本在人工智能发展中扮演重要角色，而当下人工智能的特性非常适用于企业层面的效率提升，而且企业可以承担更高的采购费用。所以我们能看到，今天的 AI 主要也是在 2B 端发力，2C 端的产品多是音响、助理等，用户付费意愿不强，或者使用场景单一。
再来看 BAT 在人工智能方面有哪些优势，BAT 在人工智能的布局早早开始，百度 A(Big data)C(Cloud) 战略，阿里腾讯也有各自云服务，大数据中心，人工智能实验室，这些大公司胜在基础架构层、数据量和资本优势上，拥有大量的人工智能科学家，可以持续优化算法，提升算法模型的准确度。
从产品对于 AI 技术准确性需求的角度来看，分成两种情况：一种是准确度要求极高的产品或服务，如手术机器人、自动驾驶技术、智慧交通等；一种是准确度要求不高的产品或服务，如面部识别、语音机器人、无人机农药喷洒、艺术设计、搜索引擎、精准营销等。
再来从行业的垄断程度看，分为垄断程度高的行业和垄断程度低的行业。垄断程度高的行业，头部公司的体量越大，资源垄断型市场，三家独大，每家都在搭建自己的大数据分析平台，也在搭建自己的人工智能实验室。垄断程度低的行业，如衣食住行相关的制造业和零售行业，因为分散，他们有需求，但是没有足够体量和资本自己搭建 AI 团队，所以他们会将 AI 技术作为一项工具，以合理的价格采购成套服务。
关于 2B 类的服务，这里提供给大家两个视角，第一个视角，从民营企业视角看 AI。第二个视角，从国营企业视角看 AI。民营企业的核心诉求就是创造更多的价值，赚更多的钱，可以从开源和节流两个角度进行+AI。国有企业的核心诉求是不犯错，未必有功，但求无过，所以如果 BAT 的产品只是专注于提升效率并不符合国有企业的中层和领导的诉求。但是，国有企业其实有大型互联网公司赋能创新的需求，这个时候需要 BAT 等 AI 企业积极主动的提供解决方案。
通过上面的分析，我们可以得出结论：BAT 做 AI 有机会，在第一象限有合作研发的机会，在第三象限有平台或垂直服务的机会。垂直领域的知识可以通过招聘获取，垂直领域的市场拓展是最困难的。
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online
将 Markdown（GFM）转为 HTML 片段，浏览器内 marked 解析；与 HTML转Markdown 互为补充。 在线工具，Markdown转HTML在线工具，online