产品经理如何入门人工智能是许多从业者关注的议题。文章首先解析了当前 AI 技术火热的背景，阐明机器学习与物联网、大数据、云计算的关联。其次通俗解释了机器学习模型的创建方式及其在识别与应用领域的推动作用。接着分析机器学习对产品价值的影响，涵盖新产业开创与现有产业创新。核心章节详细梳理了 AI 产品经理的工作职责，包括理解技术现状、定义业务场景、推进研发及挖掘市场价值，并对比了与传统互联网产品经理的差异。最后提供了具体的入门学习路径，涉及数学基础、理论体系及实战演练，并列举了推荐的书籍与课程资源。
现在 AI 越来越热门，很多产品经理都想抓住这个机会窗口，进入 AI 领域成为 AI 产品经理。也许你经历过了媒体上各种 AI 远景的洗脑、趋势文章的冲击以及技术文章的打击，现在的你，是不是发现自己已经完全蒙圈了？也许你已经尝试过找书籍资料、网上课程或培训机构，是不是并没有发现成熟的 AI 产品经理入门学习方法？
好了，今天这篇文章我将向您分享我（作为产品经理）对入门人工智能学习方法上的一些思考。
我是一名互联网产品经理，也希望进入 AI 领域。目前为止，我已经用了 2 个月的业余时间学习入门知识，但还不能算是入门，原因就是人工智能领域的概念过于宽泛，技术门槛较高。我先用这 2 个月的学习成果，分享一下我对于入门 AI 领域学习方法的思考，给大家抛个砖，也许能为大家节省一些时间。不过还是先声明下，我目前还不是 AI 产品经理，下面内容也仅是我个人主观的思考，如果出现错误，欢迎大家指导与建议。
本文分为六个章节，用逐步推导的方式分析入门所需知识。
不知道大家看到上图中的 4 本书 + 罗辑思维节目，会不会一下子有了感觉？总之，我就是从这里开始了解人工智能的。这些书籍与节目中，大量介绍了人工智能的未来、对就业情况的影响、强人工智能和人类之间可能发生的冲突、科技是如何让人类更加先进、我们又是如何利用科技探索宇宙世界、国家应当如何面对将要到来的人工智能革命，等等…看了这些内容，心里不由得很激动啊！
然后，媒体上也充满了 AI 领域的动态和进展。例如：各国政府都在颁布 AI 相关的政策措施；各大互联网公司也在加强 AI 相关的技术研究和产品研发；很多自媒体与产品经理社区都开始报道 AI 动态与 AI 产品经理的相关内容，等等。
不过到此为止，以上所有信息只能让我们找找 AI 的感觉，对入门 AI 领域好像并没有实质性的指导。现在，我们就来看看到底是什么原因，让 AI 技术突然被媒体热捧起来的。
我看过上面四本书后，才逐渐明白，AI 市场火热的背后是这样一种技术在支撑：【机器学习（或深度学习）】。人工智能技术在发展的 60 多年里，经历过多次起起伏伏，而这一次将人工智能推向高潮的关键技术就是深度学习（深度学习是机器学习的一个分支）。点燃本次人工智能技术潮的关键事件就是：在 2016 年 3 月，阿尔法狗战胜李世石的围棋之战。阿尔法狗是由谷歌（Google）旗下 DeepMind 公司开发的 AI 程序，其主要工作原理是'深度学习'。
与此同时，与机器学习相关的一些技术也火热了起来。目前在招聘市场、媒体报道以及亲朋好友互相沟通时，都会将下图中的技术与 AI 技术一并提起，甚至等同于 AI 技术。因此，想要深入了解当前火热的 AI 技术，就必须了解以下四种技术及其关联关系。
上面图片，是和人工智能技术相关联的另外三种技术：物联网、大数据和云计算。
由于篇幅限制，本篇文章仅以机器学习 AI 产品经理为核心介绍入门的学习方法。那么接下来，我们就首先了解一下机器学习到底是什么样的技术吧。
机器学习是一种算法，可以通过数据训练形成一个机器学习模型（可理解为一套程序），是关于给定输入获取输出的程序。本章首先从其创建方式上进行简单介绍，然后介绍机器学习技术直接推动且引起大幅性能提升的相关基础科技领域。
这个模型已经不再是由'软件攻城狮同学'来完成编写了，而是由'数据科学家'通过给机器学习模型喂养数据，而自行形成的一套程序，具体过程为：
最终，训练好的机器学习模型，就可以投入生产使用了。换一种思路理解，数据科学家模仿业务员给顾客推荐商品，推荐的多了，机器就自己学会如何给顾客推荐商品了。
这里要注意的是，最终由数据科学家训练好的模型可以理解为一种【中间件】，是对其他应用程序接口开放的中间程序，不能与用户直接进行交互的程序。例如：假如我们训练了一个商城的商品推荐模型，那么这个模型的工作仅是根据当前应用程序接口请求的信息，由机器学习模型反馈出用户可能购买几率最高的商品列表。至于怎么展示这些商品，可以有很多方式，不限于 App 界面、web 界面、邮箱推荐、第三方广告位等等。
通过这种方式创建程序有什么优势呢？（也就是使用机器模型技术的优势是什么）人们不再用绞尽脑汁的总结并归纳好知识，再去完成越来越庞大且成本越来越离谱的编程工作。而是通过给计算机投喂大量的数据，让机器自行寻找其中的规律，并将规律应用在特定领域的识别与预测工作中。这样，可以让机器完成机器所擅长的工作，而人类可以节省大量的时间与精力。
例如：在电商系统中训练商品推荐的机器学习模型，该模型可以通过不断增长的用户交易数据来完成优化，最终该模型可能会学习到人类基本不能发现的有效推荐方式，从而达到推荐转化率不断提升。如果该工作交给人类来干，就不知道需要投入多少的人力物力才能达到那种效果了。
接下来，我们再看看基于大数据与机器学习方式完成的程序，推动了那些基础科研领域的发展。
由于近些年大数据技术的快速发展，及其并行计算能力的大幅提升，以下领域因为应用了机器学习尤其是深度学习技术，直接使得相关性能指标大幅提升，其中很多指标已接近商业应用的标准，甚至部分技术指标已经超过了人类的专业水平！
由这些识别、预测及其执行等技术的组合，又进一步推动了商用级应用的发展，例如：
【插播】由于机器学习推动了语音识别能力的大幅提升，也许在键盘鼠标、手机触摸屏幕之后，语音会成为新的交互入口。
本章内容也许比较难以理解，深入去学习上述技术可能就更加困难了，不过我个人还是认为学习机器学习技术是有好处的。这里引用《终极算法》一书中的思想：【机器学习是工具，我们理解自己将要使用的工具会费些工夫，但遇到问题时，你会发现'了解工具'所带来的帮助远远大于你为此付出的努力】。
好了，目前已经介绍完机器学习是怎样一种技术了。对于产品经理来说，应用机器学习技术，提升产品价值可能是最关注的事情了，下面我来分享一下我对机器学习提升产品价值的一些思考。
吴军在《智能时代》中写到，人类曾经经历过的蒸汽机时代、电气化时代、信息化时代，无一不是由于新技术的产生，而带来了整体经济上的快速发展。而这一次即将到来的人工智能技术潮，也许会成为以下公式的推手：【现有产业 + 机器学习 = 新产业】
这样的情况下，机器学习技术会开创一些新的行业机会。
这一次机器学习热潮中，推动了很多基础平台企业与基础技术科研企业的发展，这些企业就属于新技术所开创的新行业。例如：
另外，我不确定关于以下两种产品类型是否属于新的产业，但确实和机器学习有关：
在这一次机器学习大潮中，我相信很多公司是很难参与到新技术研发或者平台类产品的研发中，机器学习的底层研发与建设，不但需要具备深厚的科研能力，而且还需要雄厚资本的支撑。就算退一步，也不意味着每家公司都能聘用得起数据科学家、买得起独立服务器。那么更切合实际的方式是，用大公司提供的第三方平台产品与技术，直接应用结合现有商业场景，开发服务型的应用。
我们现在就把视角放在：利用新的技术环境，改变原有场景的交互方式，把过去难以解决的问题，解决好。因为新技术会改造原有产业，企业只有在思维上跟上新的时代，才能在未来的商业中保持优势。这一点我们不难从 BAT 这些大厂上面看到，他们在接受新技术上从来都是非常迅速，尤其是百度，目前已经是"All in 人工智能"的战略构想。
如何在现有产业场景上构建机器学习的商业产品。这需要有以下 3 个能力要素：
开始学习人工智能知识有 2 个月的时间了，一直都带着一个问题【AI 产品经理这个岗位都在干些什么呢？】。如果我们的最终目标是找到 AI 产品经理类型的工作，那么我们一旦知道将来干什么工作，就可以知道应该学习哪些知识了。这一问题也是在我和其他学友们交流的过程中，最多被大家提起来的问题。那么本章我们就带着这个问题，一起来思考一下吧。（这一章节的内容，纯属我个人主观的思考，如果存在问题，欢迎大家指点与建议。）
我们现在应该都知道了，机器学习是一门技术，最终形成的模型 (也就相当于现在的程序) 可以理解为中间件，是不能直接应用到用户交互操作中。产品经理应当想办法利用这个中间件技术的性能优势，为用户提供更好用户体验的交互产品。那么产品经理的核心任务会不会就是【将机器学习技术应用在有商业价值的需求场景中】？
下面我仅从【现有产业 + 机器学习】角度提出我对 AI 产品经理可能工作内容的几点思考：
这一观点上，我认为目前 AI 技术相对是不够成熟的，那么了解好技术可能实现的能力范围，技术本身所需要的成本还有当前存在的技术瓶颈，可能是 AI 产品经理需要具备的基础。按照以往的经验，如果在最初使用技术时并不了解技术的相关特性，那么当技术产生问题的时候一定会让你充分理解其全部特性，并浪费掉更多的精力。
了解 AI 技术现状会有两种渠道：
上一点说过了，技术永远都不够成熟，AI 产品经理需要在深度理解技术优劣势的基础上，寻找到可以提供更好用户体验的业务场景。也就是说，如何结合当前现有 AI 技术与业务场景，为用户提供更好更便捷用户体验的产品。这时，AI 产品经理主要的工作就是：【完成当前技术与现有市场需求的映射】。
这一点我要特别说的是，根据以往的经验，在技术能力不足时，很多场景的业务需求都不需要我们 100% 的解决，只需要利用现有技术为用户解决最为关键的问题即可。只不过，我们需要评估好，这样是否真的能够提升用户体验，而不是带来了新的麻烦。
另外，如果 AI 产品经理真的发现了有良好用户体验的智能化场景时，还需要充分评估产品定位、用户价值、成本、商业价值等因素是否相匹配，毕竟当前 AI 技术的实现成本还是相对很高的。不是你有想法，技术就能实现。也不是技术能实现，公司就能付得起成本。即使条件都能满足时，也存在一个巨大的风险，就是做出来一个没有市场价值的产品。
最后，我们来思考一下怎样才是好的 AI 业务场景呢？我能了解的几个要点为：
在项目研发过程中，为了最大限度地发挥机器学习对业务的价值，尽量避免由于过程中出现的差错而导致的成本浪费，需要产品经理、研发工程与数据科学家之间的持续保持密切协作，并且，产品经理有责任确保工作的成果是对产品有正面价值的。
我认为任何产品经理的核心职责都是让产品具备更好的市场价值，那么 AI 产品经理也不应该例外，他应当有良好的对产品的理解，对用户群体的理解，对业务场景的理解，这些都是产品经理应当具备的基本素质。并且在市场由技术竞争逐步转变为产品竞争的时候，AI 产品经理让现有技术所定义的产品价值能够转化为商业价值，就是其核心的工作。
我也是一名想要转型成为 AI 产品经理的互联网产品经理，相信很多伙伴也都是这种情况，因此在一起交流学习的学友们第二大关注的问题就是【AI 产品经理与互联网产品经理到底有哪些区别？】，在此我也仅从个人的主观角度，给出一些观点：
谈了那么多的前奏，终于到了本文的重点章节了——上面这张图，就是我收集的关于机器学习相关的知识内容，外层知识体系是在内层知识体系的基础上建立起来的。也就是说：
而知识包含的具体内容直接看上图就好了，此处也不再赘述了。其实，我想表达的是，相关机器学习有太多的领域，这里都还没有包含物联网、大数据与云计算相关的技术，已经是不可能自行将全部知识内容通学一遍了。
另外，在学习前，我们要分清楚我们到底是要搞'应用'还是'研究'。如果你没有博士学位还是不要搞纯理论研究了，但请相信上面图中的内容绝不是为理论研究准备的，仅仅是为了'应用'体系准备的知识范围。因此下面的内容将基于'应用'角度展开对学习内容的讨论。
我认为最快速的学习入门有两种方法：1）在招聘市场厮杀，尽快就业 AI 领域；2）学习部分基础知识后，选定目标应用方向进行实战演练。下面我们将对两项进行一一详述。
首先，来看看我从招聘市场找来的两条典型的岗位要求：
根据上面这种典型要求，我认为要想顺利进入这些公司，至少要针对以下名词有详细理解：AI(人工智能)、AGI(通用人工智能)、ML(机器学习)、DL(深度学习)、NLP(自然语言处理)、NLU(自然语言理解)、CV(计算机视觉)、MV(机器视觉)、ASR(自动语音识别)、TTS(语音合成)、知识图谱、区块链。然后，就是不断投递简历，从面试实战中找规律、碰运气。如果能尽早进入 AI 团队，尽早磨练，将是最快速入门 AI 的方式。
这一块我的想法是按照如下步骤学习——
第一步：学习数学基础 包括：微积分、线性代数、概率与数理统计，但不要进行太深入的学习。关于深度学习与机器学习的教材中都会提及相关数学基础的要求。不过针对像我这种已经把大学知识忘记的差不多的人群，还是先找一些科普类或入门类的书籍垫垫底，要不然直接看书全都不懂…
第二步：学习机器学习与深度学习理论 同样不需要学习的太深入。因为我还没有学到这里，也就不发表什么看法了，不过，我个人也只想对这两种理论建立最基本的理解而已。
第三步：了解后面这些名词的基本概念 AI、AGI、ML、DL、NLP、NLU、CV、MV、ASR、TTS、知识图谱、区块链；
第四步：学习简单编程技术 找到可以演练的场景，进行简单演练尝试（注：这不是 AI 产品经理的普遍需求，只是我个人兴趣）。建议掌握 Python 语言，因为它在 AI 领域拥有最丰富的库支持和社区生态。
好了，其实我目前也处于'自学与演练'状态，下面我把选择好的书籍给大家分享一下，包括已经研读的或准备研读的书籍列表：
最后，在推荐两个互联网上比较火的资源：
文章的最后，我把自己当前的学习情况与计划为大家分享一下。虽然我已经开始学习了 2 个月的时间了，但由于行业处于起步阶段，很多信息也不好收集，进展也就相对较慢。因此，希望有更多的朋友一同学习一同分享，也期望能用我总结的成果为大家在探索学习的过程中节省下一些时间。
我已经开始学习数学基础了，然而我也不知道选择的书籍资料是否能够覆盖住机器学习与深度学习的数学基础，等后面我验证完，会给大家分享结果的。
另外，因为我有 6 年左右的 java 编程基础，因此我也想尝试一下 python 编程，纯属于我个人爱好，我也是有想法让自己能够编出点小玩具，来演练一下。
在转型 AI 产品经理的道路上，我已经开始了。后续，我会督促自己不断将我认为有意义的书籍与相关资料整理好分享给大家。如果您对 AI 产品经理感兴趣或有相关疑问，欢迎交流，我们一起讨论，希望有更多的伙伴一起学习、互相促进、相互研讨。这样才能进一步加快我们转型的步伐！祝我们一切顺利~
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
解析常见 curl 参数并生成 fetch、axios、PHP curl 或 Python requests 示例代码。 在线工具，curl 转代码在线工具，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
