AI+时代，做一名焦虑的产品经理不如训练迁移思维

                                                不论你多么嫌弃AI+是一种潮流，他就在那里。错过他将错过一个时代。

一、产品的驱动源力
干了10年的PC、APP、智能硬件产品经理这么一件事，经历B2B、B2B2C、 C2C 、B2C SOLOMO、 O2O 、C2M/F、P2P等等各种商业模式或者事业模式，有的企业需要你解决的是业务方向不稳定，有的企业是让你解决的事是技术薄弱，有的是运营需要加强对产品经理的要求未必统一。但是从产品方法论上来讲，人类社会经历过的PC、互联网时代、移动互联网时代，以及现在所处的智能硬件时代，技术发展和商业模式，创新之间始终是相辅相成的关系。每当科技发展的红利，被商业模式(换种说话商业模式换个通俗的说话就是提供服务或者商品的赚钱模式)创新挖掘殆尽后，经济也随之步入寒冬；直到下一轮技术革命的出现，商业模式创新才能重新并发生机。这里面典型的代表是刚刚HK上市的美图秀秀，美图秀秀是非常及时的赶上了大家从PC端到移动端的转移，并且成为大家手机里必备软件之一。另外一个案例是微信，被称为移动互联网时代第一产品，如果没有移动互联网软硬件技术的进步，尤其是智能手机的突触，就不会有张小龙今天的产品市场地位。
所以，产品经理的关键点除了参悟透人性需求之外，其更关键的点是认知和迁移。就是相信和认识并知道的知识迁移巧妙的运用到产品中来，例如：辅助驾驶、图像识别、语音识别，在原来的的想象当中是非常困难的技术，而如今这些技术已经被许多牛逼的小团队突破，产品经理应该做的是迁移。跳出固定思维，去想和做别人没有想到和做到的甚至感知到的事情，并进行AI+迁移
二、AI发展
2.1 AI的发展
Internet的前身阿帕网起源于美苏冷战。20世纪80年代阿帕网已经通过大学和研究所等机构渗透到民间。1989年欧洲量子物理实验中心工作的伯纳斯李向实验中心正式提交了一份后来被称为“万维网蓝图”的报告。这份报告提出了万维网框架的运行机制和实施方案。1990 年11月，他在NeXT工作站上制作了第一个万维网浏览器和第一个网络服务器，随后编写了执行万维网项目细节的网页，至此世界上第1个万维网站诞生。
1993年1月美国伊利诺大学为浏览万维网网站开发的UNIX 版本马赛克浏览器被放到该大学计算中心的免费FTP服务器上，不到两个月的时间就被下载了上万次。1993年12月《纽约时报》商业版头版介绍了马赛克，称其将创造一个全新的产业。马赛克的流行使得覆盖互联网的万维网成为新的连接世界的平台，也引发了以硅谷为中心的电子商务革命。1993年1月马赛克刚出现时，全世界只有50个万维网服务器，10 月份达到500 个，1994 年6月份增加到1500个，万维网开始以指数增长。
注意，好产品逐步出现了：在万维网流行了3年后的1996年，斯坦福2个研究生发现用解n 元一次方程组的办法，可以把万维网的所有网页按照重要性进行排名，从而解决了网络用户面对以指数增长的网页信息进行有效搜索的难题；他们后来成立了谷歌公司。差不多在相同的时间，刚上线一年多的亚马逊与明尼苏达大学的几位计算机专家合作，开始分析每个用户在其网站上购买的商品，并与其他用户的购买商品进行比较和关联，用得到的结果来个性化对网站浏览用户的商品推荐。
不同的是，网络人工智能不再像谷歌、亚马逊的初期一样使用昂贵的超级计算机，而是用大量联结在一起的廉价服务器甚至是个人计算机来取得相同甚至更好的效果。在知识来源上，网络人工智能往往依靠成千上万的大众点滴贡献（crowdsourcing）而不是专家智慧。比如谷歌在计算网页的排名时使用的是不同网页之间的超文本链接信息，而这些链接是用户在创建网页时提供的。亚马逊的数据来源则是每个用户购买的商品信息。这些在个人看来再简单不过的信息被整合到一起进行处理后发挥出巨大的潜力，也使得数据挖掘成为网络人工智能的流行用语和代名词。
网络人工智能给人类社会带来的不仅是日常生活的方便，它们在很大程度上开始从各个方面影响社会发展进程。谷歌的搜索结果可以决定一个人的言论被关注的程度，而亚马逊的推荐则可以把许多质量好但没能得到推广的商品推荐给大众，引出“长尾定律”。So产品经理还会从零开始搭建搜索引擎吗？迁移吧。
2.2 大厂是如何训练识别和检测算法系统的
华人AI之秀李飞飞团队曾经从互联网上下载10亿多图片，然后通过亚马逊机械土耳其人这一低成本网络众包的方式，雇佣了来自167 个国家共5万多人对这些图片进行了分类标注。截止2009年该项目成功产生了一个包含22000不同门类，共1500万图片的带标签的数据库。该数据库里的图片分类和标签质量超过以往任何数据库，其中仅猫这一门类就有62000张不同的图片，包含了所有种类的驯养和野生猫。建成这一数据库后，李飞飞及其团队利用深度学习方法，使得计算机通过监督学习方式识别包含各种物体的图像，而且能够用自然语言生成对每个图像中的物体关系的简单描述。这一成果产品经理还建议图片创业公司再走一遍吗？
三、AI+产品案例
有一次跟VST的运营总监聊天，话到曾经装了很多新闻阅读软件，后来只留下一个今日头条，我问她为啥，答曰：“今日头条把我想看的都推荐给我了，非常懂我”。SO ……
如果有人阅读彼得蒂尔的从零到一后真的从零到一搭建这么一套新闻推荐系统我相信这款产品负责人一定是只占了勤奋一词，我真的替他焦虑。因为目前完全可以AI+迁移，迅速打造一个今日头条式样的资讯平台。
大概框架如下：

首先新闻头条类创业者首先要自我解决数据源的问题，可以是爬虫可以是渠道分销还可以自采。
其次了解自己的产品目标定位。
最后关键点来了：别自己开发，记得别自己开发，只需要迁移AI+来训练自己的信息推荐模型，把这些统统交给AI+，因为AI+帮你训练一个信息推荐模型，你只需要收集用户的特征信息、内容特征信息、上下文特征；通过收集样本结果（是否点击）让机器学习产生一定的联系，这就制作出了一个推荐模型——比如用户在使用什么品牌手机、每天哪个时间段、关注哪些关键字、有哪些购买行为等特征的情况下点击了哪条拥有哪些特征信息的新闻。当给定了新的信息特征，模型计算出所有候选信息的点击率，把预测点击率最高的信息推荐上去，这就是信息流推荐服务的机器学习模式。
一个产品经理运用AI+迁移做的产品一定比从零搞效率高。
另外一次跟生日管家COO聊天，他问我两个问题：
（一）产品运营在人工智能时代还有活干吗？
（二）垂直电商的搜索推荐系统应该怎么搭建 。
从零开始，构建一套网红电商搜索系统>>可见感知力度强的产品运营者已经开始焦虑了，这种焦虑是求知若渴、虚心若愚的表现。我当时是如下大致回答如上两个问题的。
（一）AI+时代产品运营做什么事，或者还有什么事
AI来了产品都不是原来的产品，系统也不是原来的架构，框架也日新月异，身为、产品、技术、运营人员是不能不焦虑的，那么产品、运营、技术未来的工作机会点有哪些呢？
场景一、非符号化流域：AI目前实现和将来一段时间都是以解决符号化流域的问题而智能化解决。而非符号化流域的问题像感知能力、创新能力、社交能力和身体灵活能力等等，AI一时半会并不擅长，因为AI将承担主要是无聊的工作，技术只是在替代人类的体力和部分认知能力。在产品规划、迭代规划、场景构造、新用户消费偏好分析、创意、等方面均有产品运营的机会。
场景二、共享运作流域：AI技术大发展解决资源短缺问题。产品经理的关注点应从从资源创造转移到资源分配。因此产品经理利用自己的艺术和技术天赋承接各种产品亮点设计有趣的模块。才是产品经理感受劳动成果的重要意义。
场景三：按需协调工作：AI+对产品运营的替代让整个产品项目可以减少大量的技术用多种语言写同一个逻辑的问题。因为通用AI+技术普遍运用到日常、标准化、可重复的活动运营工作中，再者企业在广泛运用AI+的同时会保持核心精干力量。他们往往是核心技术和有竞争力资源的产品创造者和维护者。没有一劳永逸的解决方案，只有拉锯式谈判和妥协，这些均需要产品运营技术高度协作工作。
所以，AI+时代产品、运营、技术目前如果能结合自身的实际情况，例如：技术型产品经理对照从算法层面，知道自己可以切入的技术角度，运营型产品经理从应用场景层面，知道未来技术会在哪些生活中先发生作用。分别根据对应的情况积累知识学习能力，再未来AI还不足够的感知领域，一定有产品经理的创造机会。
（二）垂直电商搜索系统搭建，别自己从零搭建了
一般的搜索引擎要素如下图，

而AI搜索推荐系统，是利用深层神经网络，在大规模无标注范围上进行无监督学习。在形式上，把每个词表示成一个固定五维的向量，当作词的本身特征；在此特征基础上进行架构设计，分词标注分块命名实体识别，训练网络基于一角色标注单操作，以这样的方式进行自然语言处理，可以实现高计算速度的大数据处理。而如果使用多任务模式进行计算，还能进一步提升系统的计算和处理速度，所以推荐系统的话肯定是无标注。
AI不仅有文字的智能索引，还有AI图像识别且随之成为各个互联网产品逐渐开始关注的对象。其中两个核心问题是图像分类和固体检测，图像分类是对图像整体的语音内容进行类别判定，固体检测是定位图像中特定物体出现的区域，并对其进行深度判断图头向分裂识别。
固体检测更加关注图像的局部确定和特定的物体类别聚合，通常被视为更加复杂的图像识别问题，变相接受在我的信息检索广告投放、搜索、商品推荐的等方面。百度、谷歌、亚马逊、微软就采用深度卷积神经网络作为模型，并在构建的记忆图片样本上进行端到端的学习，百度已经可以识别超过5万的标签，在某一次公开报道的同级别模型中，该模型性能远超公开的性能指标。
除此之外，目前百度还正在进行图像的自然语言描述方面研究，利用百度的深度学习能力，结合卷积神经网络和递归神经网络技术，百度成为成功实现将图像内容生成自然语言的描述性句子或段落，还在高城于后面建立的图像和自然语言之间的桥梁。
所以产品经理千万别闭门搭建自己搜索推荐系统了，AI+已经为你准备好了API。因此产品经理应该做的是未雨绸缪，必须让自己尽早的进行知识和技能的储备以便能够平滑转型，是AI+时代产品经理们面前的新要求。
四、小结
产品经理最现实的生存挑战是如何全力以赴、如何身兼重任并诚实的面对心中的产品梦想。探寻知识和真理应该是流淌在产品经理的血液里的基因。产品经理希望自己的产品可以到达全球、更应该可以成为一个富有随着经济社会发展理性判断需求思维的人。
AI+时代产品经理更应该自信人类社会里的需求不完全是符号化的，还包括许多所谓的“亚符号”，人有非常快速的直觉判断。例如，艺术鉴赏家能够一眼看出赝品，这不是通过一步步逻辑推理得到的。在知觉、模式辨认、导航和学习等许多方面，也都是如此。这些内隐的知识构成了产品经理的背景储备，再加上产品经理持续的学习一定可以结合AI+在未来的消费和服务领域里做出更好的产品。
不论你多么嫌弃AI+是一种潮流，他就在那里。错过他将错过一个时代