作者連詩路，前阿里產品專家。在人工智慧火熱的現在，AI鏈接各行各業似乎是大勢所趨，作為一名產品經理該如何適應這個「新時代」？作者談了談他的看法。

一、產品的驅動源力

幹了10年的PC、APP、智能硬體產品經理，經歷B2B、B2B2C、C2C 、B2C SOLOMO、O2O 、C2M/F、P2P等等各種商業模式或事業模式，有的企業需要你解決業務方向不穩定，有的企業讓你解決的是技術薄弱問題，有的是運營需要加強對產品經理的要求統一問題。但是從產品方法論上來講，人類社會經歷過的PC、互聯網時代、移動互聯網時代，以及現在所處的智能硬體時代，技術發展和商業模式、創新之間始終是相輔相成的關係。

每當科技發展的紅利，被商業模式（商業模式換個通俗的說話就是提供服務或者商品的賺錢模式）創新挖掘殆盡後，經濟也隨之步入寒冬；直到下一輪技術革命的出現，商業模式創新才能重新並發生機。這裡面典型的代表是剛剛HK上市的美圖秀秀，美圖秀秀是非常及時得趕上了從PC端到移動端的轉移，並且成為大家手機裏必備軟體之一。另外一個案例是微信，被稱為移動互聯網時代第一產品，如果沒有移動互聯網軟硬體技術的進步，尤其是智能手機的突破，就不會有張小龍今天的產品市場地位。

所以，產品經理的關鍵點除了參悟透人性需求之外，其更關鍵的是認知和遷移，將知道的知識巧妙的遷移運用到產品中來，例如輔助駕駛、圖像識別、語音識別等。在過去是非常困難的技術，而如今已經被許多牛逼的小團隊突破。產品經理應該做的是遷移，跳出固定思維，去想和做別人沒有想到和做到的甚至感知到的事情，並進行AI+遷移。

二、追溯AI的發展

1、「萬維網藍圖」奠基

Internet的前身阿帕網起源於美蘇冷戰。20世紀80年代阿帕網已經通過大學和研究所等機構滲透到民間。1989年歐洲量子物理實驗中心工作的伯納斯李向實驗中心正式提交了一份後來被稱為「萬維網藍圖」的報告。這份報告提出了萬維網框架的運行機制和實施方案。1990 年11月，他在NeXT工作站上製作了第一個萬維網瀏覽器和第一個網路伺服器，隨後編寫了執行萬維網項目細節的網頁，至此世界上第1個萬維網站誕生。

1993年1月美國伊利諾大學為瀏覽萬維網網站開發的UNIX版本馬賽克瀏覽器被放到該大學計算中心的免費FTP伺服器上，不到兩個月的時間就被下載了上萬次。1993年12月《紐約時報》商業版頭版介紹了馬賽克，稱其將創造一個全新的產業。馬賽克的流行使得覆蓋互聯網的萬維網成為新的連接世界的平臺，也引發了以矽谷為中心的電子商務革命。1993年1月馬賽克剛出現時，全世界只有50個萬維網伺服器，10 月份達到500 個，1994 年6月份增加到1500個，萬維網開始以指數增長。

注意，好產品逐步出現了：在萬維網流行了3年後的1996年，斯坦福2個研究生髮現用解n 元一次方程組的辦法，可以把萬維網的所有網頁按照重要性進行排名，從而解決了網路用戶面對以指數增長的網頁信息進行有效搜索的難題；他們後來成立了谷歌公司。差不多在相同的時間，剛上線一年多的亞馬遜與明尼蘇達大學的幾位計算機專家合作，開始分析每個用戶在其網站上購買的商品，並與其他用戶的購買商品進行比較和關聯，用得到的結果來個性化對網站瀏覽用戶的商品推薦。

不同的是，網路人工智慧不再像谷歌、亞馬遜的初期一樣使用昂貴的超級計算機，而是用大量聯結在一起的廉價伺服器甚至是個人計算機來取得相同甚至更好的效果。在知識來源上，網路人工智慧往往依靠成千上萬的大眾點滴貢獻（crowdsourcing）而不是專家智慧。比如谷歌在計算網頁的排名時使用的是不同網頁之間的超文本鏈接信息，而這些鏈接是用戶在創建網頁時提供的。亞馬遜的數據來源則是每個用戶購買的商品信息。這些在個人看來再簡單不過的信息被整合到一起進行處理後發揮出巨大的潛力，也使得數據挖掘成為網路人工智慧的流行用語和代名詞。

網路人工智慧給人類社會帶來的不僅是日常生活的方便，它們在很大程度上開始從各個方面影響社會發展進程。谷歌的搜索結果可以決定一個人的言論被關注的程度，而亞馬遜的推薦則可以把許多質量好但沒能得到推廣的商品推薦給大眾，引出「長尾定律」。So產品經理還會從零開始搭建搜索引擎嗎？遷移吧。

2、大廠是如何訓練識別和檢測演算法系統的？

華人AI之秀李飛飛團隊曾經從互聯網上下載10億多圖片，然後通過亞馬遜機械土耳其人這一低成本網路眾包的方式，僱傭了來自167 個國家共5萬多人對這些圖片進行了分類標註。截止2009年該項目成功產生了一個包含22000不同門類，共1500萬圖片的帶標籤的資料庫。該資料庫裏的圖片分類和標籤質量超過以往任何資料庫，其中僅貓這一門類就有62000張不同的圖片，包含了所有種類的馴養和野生貓。建成這一資料庫後，李飛飛及其團隊利用深度學習方法，使得計算機通過監督學習方式識別包含各種物體的圖像，而且能夠用自然語言生成對每個圖像中的物體關係的簡單描述。這一成果產品經理還建議圖片創業公司再走一遍嗎？

三、AI+產品案例

有一次跟VST的運營總監聊天，話到曾經裝了很多新聞閱讀軟體，後來只留下一個今日頭條，我問她為啥，答曰：「今日頭條把我想看的都推薦給我了，非常懂我」。SO ……

如果有人閱讀彼得蒂爾的從零到一後真的從零到一搭建這麼一套新聞推薦系統，我相信這款產品負責人一定是隻佔了勤奮一詞，我真的替他焦慮。因為目前完全可以AI+遷移，迅速打造一個今日頭條式樣的資訊平臺。

大概框架如下：

首先新聞頭條類創業者首先要自我解決數據源的問題，可以是爬蟲可以是渠道分銷還可以自採。

其次瞭解自己的產品目標定位。

最後關鍵點來了：別自己開發，記得別自己開發，只需要遷移AI+來訓練自己的信息推薦模型，把這些統統交給AI+，因為AI+幫你訓練一個信息推薦模型，你只需要收集用戶的特徵信息、內容特徵信息、上下文特徵；通過收集樣本結果（是否點擊）讓機器學習產生一定的聯繫，這就製作出了一個推薦模型——比如用戶在使用什麼品牌手機、每天哪個時間段、關注哪些關鍵字、有哪些購買行為等特徵的情況下點擊了哪條擁有哪些特徵信息的新聞。當給定了新的信息特徵，模型計算出所有候選信息的點擊率，把預測點擊率最高的信息推薦上去，這就是信息流推薦服務的機器學習模式。

一個產品經理運用AI+遷移做的產品一定比從零搞效率高。

另外一次跟生日管家COO聊天，他問我兩個問題：

• （一）產品運營在人工智慧時代還有活幹嗎？

• （二）垂直電商的搜索推薦系統應該怎麼搭建 。

從零開始，構建一套網紅電商搜索系統>>可見感知力度強的產品運營者已經開始焦慮了，這種焦慮是求知若渴、虛心若愚的表現。我當時是如下大致回答如上兩個問題的。

（一）AI+時代產品運營做什麼事，或者還有什麼事

AI來了產品都不是原來的產品，系統也不是原來的架構，框架也日新月異，身為、產品、技術、運營人員是不能不焦慮的，那麼產品、運營、技術未來的工作機會點有哪些呢？

場景一、非符號化流域：AI目前實現和將來一段時間都是以解決符號化流域的問題而智能化解決。而非符號化流域的問題像感知能力、創新能力、社交能力和身體靈活能力等等，AI一時半會並不擅長，因為AI將承擔主要是無聊的工作，技術只是在替代人類的體力和部分認知能力。在產品規劃、迭代規劃、場景構造、新用戶消費偏好分析、創意、等方面均有產品運營的機會。

場景二、共享運作流域：AI技術大發展解決資源短缺問題。產品經理的關注點應從資源創造轉移到資源分配。因此產品經理利用自己的藝術和技術天賦承接各種產品亮點設計有趣的模塊。纔是產品經理感受勞動成果的重要意義。

場景三：按需協調工作：AI+對產品運營的替代讓整個產品項目可以減少大量的技術用多種語言寫同一個邏輯的問題。因為通用AI+技術普遍運用到日常、標準化、可重複的活動運營工作中，再者企業在廣泛運用AI+的同時會保持核心精幹力量。他們往往是核心技術和有競爭力資源的產品創造者和維護者。沒有一勞永逸的解決方案，只有拉鋸式談判和妥協，這些均需要產品運營技術高度協作工作。

所以，AI+時代產品、運營、技術目前如果能結合自身的實際情況，例如：技術型產品經理對照從演算法層面，知道自己可以切入的技術角度；運營型產品經理從應用場景層面，知道未來技術會在哪些生活中先發生作用。分別根據對應的情況積累知識學習能力，再未來AI還不足夠的感知領域，一定有產品經理的創造機會。

（二）垂直電商搜索系統搭建，別自己從零搭建了

一般的搜索引擎要素如下圖：

而AI搜索推薦系統，是利用深層神經網路，在大規模無標註範圍上進行無監督學習。在形式上，把每個詞表示成一個固定五維的向量，當作詞的本身特徵；在此特徵基礎上進行架構設計，分詞標註分塊命名實體識別，訓練網路基於一角色標註單操作，以這樣的方式進行自然語言處理，可以實現高計算速度的大數據處理。而如果使用多任務模式進行計算，還能進一步提升系統的計算和處理速度，所以推薦系統的話肯定是無標註。

AI不僅有文字的智能索引，還有AI圖像識別且隨之成為各個互聯網產品逐漸開始關注的對象。其中兩個核心問題是圖像分類和固體檢測，圖像分類是對圖像整體的語音內容進行類別判定，固體檢測是定點陣圖像中特定物體出現的區域，並對其進行深度判斷圖頭向分裂識別。

固體檢測更加關注圖像的局部確定和特定的物體類別聚合，通常被視為更加複雜的圖像識別問題，變相接受在我的信息檢索廣告投放、搜索、商品推薦的等方面。百度、谷歌、亞馬遜、微軟就採用深度卷積神經網路作為模型，並在構建的記憶圖片樣本上進行端到端的學習。百度已經可以識別超過5萬的標籤，在某一次公開報道的同級別模型中，該模型性能遠超公開的性能指標。

所以產品經理千萬別閉門搭建自己搜索推薦系統了，AI+已經為你準備好了API。因此產品經理應該做的是未雨綢繆，必須讓自己儘早的進行知識和技能的儲備以便能夠平滑轉型，是AI+時代產品經理們面前的新要求。

四、小結

產品經理最現實的生存挑戰是如何全力以赴、如何身兼重任並誠實的面對心中的產品夢想。探尋知識和真理應該是流淌在產品經理的血液裏的基因。產品經理希望自己的產品可以到達全球、更應該可以成為一個富有且隨著經濟社會發展理性判斷需求思維的人。

AI+時代產品經理更應該自信人類社會裡的需求不完全是符號化的，還包括許多所謂的「亞符號」，人有非常快速的直覺判斷。例如，藝術鑒賞家能夠一眼看出贗品，這不是通過一步步邏輯推理得到的。在知覺、模式辨認、導航和學習等許多方面，也都是如此。這些內隱的知識構成了產品經理的背景儲備，再加上產品經理持續的學習一定可以結合AI+在未來的消費和服務領域裡做出更好的產品。

不論你多麼嫌棄AI+是一種潮流，他就在那裡。錯過他將錯過一個時代

推薦閱讀：