关于AI学习方法的思考——产品经理入门人工智能

                                                本文作者将与你分享其对入门人工智能学习方法上的一些思考。

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？也许你已经尝试的找过书籍资料、网上课程或培训机构，是不是发现并没有成熟的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。

首先，分析了导致目前AI火热的关键核心技术——机器学习；

其次，介绍了如何理解机器学习技术；

第三，从产品的角度分析“机器学习技术”能给产品带来的商业价值；

第四，产品经理角色在机器学习技术场景下可能进行的工作内容；

第五，结合工作内容给出我对入门学习方式的看法；

最后，给出了我个人的学习情况与计划。

（注：重点是四、五两章，对AI已有了解的同学，可以直接跳过去看）
1、怎样理解当前火热的AI技术？

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技术(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，阿尔法狗战争李世石的围棋之战。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。

上面的图形是和当前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。
这里简单介绍一下机器学习技术与另外三种技术的关联关系：
[ol]

人工智能与物联网的关系：物联网的终端可以对环境进行感知与交互，为人工智能核心程序提供传感器与执行器。物联网终端不限于包括机器人、手机、穿戴式设备、无人飞机、自动驾驶汽车等等。

人工智能与大数据的关系：机器学习本身需要使用大量的数据进行训练，并且训练好的机器学习模型会产生【识别与预测】的数据，所有这些数据都需要大数据分布式存储与大数据计算技术支持。

人工智能与云计算的关系：机器学习模型在训练时与实际使用时所使用的计算资源需要云计算来支持。
[/ol]
由此，也许能够在一定程度上猜测AI产品经理可能存在的类型：
[ol]

机器学习/深度学习AI产品经理：可能包含视觉、语音、图像、文本等相关技术；

数据分析AI产品经理：可能包含不同行业的不同维度的数据分析与数据挖掘；

机器人AI产品经理：这里可能会包含ToB或ToC应用等业务场景；

特殊传感器或执行器AI产品经理：可能包括智能音箱、智能家居、智能家电等等；

穿戴式设备AI产品经理：包含VR、AR、MR、手表、手环、耳机等等；

云计算AI产品经理：。。。。；
[/ol]
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。
2、怎样通俗的理解机器学习技术呢？
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。

2.1 如何创建机器学习模型？
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：
[ol]

选择机器学习模型：可理解为根据要解决的特定目标问题，选择能够得到最优解的算法模型；

获取训练与测试数据：与工程师配合获取到用于训练机器学习模型的数据；

训练模型：使用已有的数据对机器学习模型进行训练；
[/ol]
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经历。
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。
2.2 那些机器学习直接推动的性能大幅提升的技术领域
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！
[ol]

识别技术，包括：文字识别、图像识别、语音识别；

基础应用技术，包括：自然语言处理NLP、计算机视觉CV/机器视觉MV、语音合成TTS等；
[/ol]
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：
[ol]

推动了自动驾驶应用：识别道路图像与声音，根据道路情况并预测下一步道路情况，根据所要达到的目的地执行驾驶动作。

推动了客服系统应用：识别语音进行自然语言处理，进而预测可以最大满足用户需求的回复，并使用语音合成技术执行声音输出。

推动了辅助办公的应用：识别当前工作状态，预测能达成最理想工作结果的行动方案，建议用户行动方案。
[/ol]
【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。
3、机器学习技术在产品价值上的影响

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。
3.1 机器学习开创的新产业
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：
[ol]

研究机构：百度IDL、阿里巴巴iDST、腾讯AI Lab、Google DeepMind、微软等等；

语音技术：科大讯飞、思必驰、云知声、出门问问、Nuance等等；

图像技术：旷视科技、商汤科技、腾讯优图、图普科技等等；

技术平台：百度Apollo与DuerOS、讯飞开放平台、图灵机器人等等；
[/ol]
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：
[ol]

虚拟个人助理产业：Siri、微软小娜、百度度秘、谷歌Assistant、助理来也等等；

智能音箱产业：Amazon Echo、Google Home、叮咚、小爱、小雅、天猫精灵等等；
[/ol]
在这一次机器学习大潮中，我相信很多公司是不能够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，因为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。
3.2 机器学习在现有产业上的创新
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：
[ol]

业务需求：找到可以利用大数据与机器学习技术改善现有用户体验的业务场景与需求。

数据：尽量找到那些原有业务上就产生过大量数据的业务，我们现在的任务就是让这些业务产生的数据产生新的商业价值，可以理解为我们该用我们的数据搞点事情了！如果业务场景还存在数据反馈能力，将会是最好的业务场景。

算法与计算资源：目前可以看到行业的巨头们，已经为我们提供一系列技术研发基础，例如：谷歌的TensorFlow机器学习框架、百度的Apollo与DuerOS平台、各大公司提供的大数据方案与云计算平台等等。
[/ol]
说说实际案例吧，《今日头条》是一款阅读内容推荐App，这款产品就是利用了机器学习技术，实现了更加精确的内容推荐能力。这家公司凭着【内容推荐+机器学习】的特性，一下子就从该类产品中脱颖而出，成为了行业的独角兽型公司。
在现有产业中应用了机器学习技术的公司，在此也简单列举一下：
[ol]

百度的自动驾驶；

商汤科技的嫌疑犯人脸识别与筛选；

阿里巴巴与京东的千人千面商品推荐系统；

同花顺的智能投顾系统[问财]；

等等…
[/ol]
4、对AI产品经理工作内容的思考

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。）
4.1 AI产品经理工作内容上的几点思考
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：
（1）观点一：AI产品经理需要了解技术现状
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：
[ol]

通过公司内部的AI技术团队了解现状：这一点针对大公司自有AI技术团队时，可以很方便的了解现有技术情况，多与公司的科学家与工程师们沟通玩耍，进步会飞快起来。

通过第三方提供AI平台或AI框架了解技术现状：这一点针对一些中小公司，公司可能没有AI技术团队，这时充分利用第三方平台提供的AI技术也是一个理想的选择。
[/ol]
（2）观点二：AI产品经理需要寻找并定义AI业务场景
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：
[ol]

有大量数据的业务场景；

充分体现用户个性化的业务场景；

在进行交互时存在用户反馈结果的业务场景；

强调用户服务的业务场景；
[/ol]
（3）观点三：A产品经理需要推进研发产品
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、研发工程师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。
（4）观点四：AI产品经理需要挖掘产品市场价值
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。
4.2 AI产品经理与互联网产品经理的区别
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：
[ol]

AI产品经理和互联网产品经理可能是不同岗位：AI产品经理也许就像是2C前台产品经理、2B产品经理、后台产品经理、商业产品经理一样，干着不同类型的工作，拥有不同类型岗位名称。AI产品经理的核心技能可能就是对机器学习的深入理解。

在基础科学理论方面，AI产品经理比互联网产品经理要求高很多：后者重在交互设计，前者可能更重视对机器学习算法优化提需求，那么了解必要的数学、概率、数理统计、与机器学习理论就是工作的基础。

AI产品经理比互联网产品经理多了一种语音交互方式：机器学习促进了语音识别技术的发展，也促进发展了语音交互场景。AI语音交互的设计要比手机/PC端的交互设计难很多，因为语音交互系统不是限定好的GUI操作界面，而是不便于规范且自由延展的自然语言。会话的开放性意味着 AI 交互设计者必须考虑用户可能采取的几乎无数的选择。要能够理解用户，了解他们的动机，然后合乎逻辑地思考如何引导他们完成一件事情。

AI产品经理与互联网产品经理关注的业务范围不同：互联网PM可能会深入关注局部业务范围的产品优化与用户价值，而AI产品经理可能需要在基于公司业务的整体范围，寻找存在AI优化的场景需求。

AI产品经理比互联网产品经理更关注数据：机器学习是使用数据喂养出来的成果，需要使用数据指导交互设计，即，有了更强的数据需求。
[/ol]
5、对入门人工智能领域学习内容的思考

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：
[ol]

数学基础是机器学习理论的基础；

机器学习理论是基础技术的基础；

基础技术是应用的基础；
[/ol]
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：
[ol]

在招聘市场厮杀，尽快就业AI领域；

学习部分基础知识后，选定目标应用方向进行实战演练。
[/ol]
下面我们将对两项进行一一详述。
第一，尽快就业
首先，来看看我从招聘市场找来的两条典型的岗位要求：
[ol]

公司A：深入理解NLP，图像视觉、深度学习等技术，有能力将技术转化为产品，直接创造用户价值；

公司B：对推荐系统、机器学习和大数据处理感兴趣，熟悉其中一项或者多项；
[/ol]
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。
第二，自学与演练
这一块我的想法是按照如下步骤学习：
[ol]

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；

（这不是AI产品经理的普遍需求，只是我个人兴趣）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。
[/ol]
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：
[ol]

科普——人工智能未来的脑洞：《三体1,2,3》、《未来简史》、《奇点临近》、《机器人时代》

科普——人工智能发展：《失控》、《智能时代》、《人工智能：李开复谈AI如何重塑个人、商业与社会的未来图谱》、《科学的极致-漫谈人工智能》、《终极算法》

数学类：《数学之美》、《7日入门微积分》、《程序员的数学》(简单数学入门)、《程序员的数学-2》(概率与统计)、《程序员的数学-3》(线性代数)

机器学习类：《图解机器学习》、《机器学习-周志华》

其他AI类：《人工智能：一种现代的方法》

编程实战类：《白话深度学习与TensorFlow》、《TensorFlow实战》、《Python编程 从入门到实践》
[/ol]
6、我的学习情况与计划
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。
看完的书籍：《三体1,2,3》《失控》《未来简史》《奇点临近》《科学的极致-漫谈人工智能》《终极算法》《机器人时代》《人工智能：李开复谈AI如何重塑个人、商业与社会的未来图谱》、《7日入门微积分》、《程序员的数学》、《智能时代》
正在学习的书籍：《程序员的数学-3》、《Python编程 从入门到实践》
计划要看的书籍：《程序员的数学-2》、《数学之美》、《机器学习-周志华》、《白话深度学习与TensorFlow》、《图解机器学习》、《TensorFlow实战》、《人工智能：一种现代的方法》
准备要学习的技能：深度学习
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~
附：参考文献
[ol]

《人工智能产品经理的新起点》

《论人工智能的泡沫、价值与应用困境》

《打造机器学习产品的黄金手册》-上、中、下

图书《终极算法》

图书《智能时代》

《搞机器学习/AI有什么必备的数学基础？》

《PM’s evolution at the age of AI》–易鹏宇
[/ol]