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。
一、AI 产品经理能力模型
1. AI 产品经理能力模型概述
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。
2. AI 产品经理≠AI 科学家，应用实现门槛不高
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。
3. 非互联网行业转型的新机会
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。
二、人工智能发展史
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。
