乙個ai產品經理怎麼看ai的發展
最近一直在思考這個問題，人工智慧接下來的幾年會有什麼樣的發展，是否真的能夠在很多任務作崗位上取代人類？抑或只是和人類「和諧相處」。
本文基於作者個人的經驗與知識水平，從乙個人工智慧從業者的角度，來聊一聊技術，體驗和場景，產業發展和生態等方面聊一聊，人工智慧將會有什麼樣的發展趨勢。
一.產業和生態
1. 軟硬結合
更多的智慧型硬體，智慧型晶元將會走進人們的生活，相互連線。但是並不是我們現在看到的這些所謂的智慧型家居，只是簡簡單單做了個手機操控的功能而已。人工智慧時代的智慧型硬體可以直接成為和使用者互動的終端，智慧型晶元能夠為智慧型終端提供離線的快速響應的大腦，這是端的智慧型。同時，雲端的人工智慧大腦為整個系統提供綜合的影響和指導，這是雲的智慧型。雲+端的融合，物聯網+人工智慧形成乙個真正的「智聯網」。 2.
雲計算
雲計算已經火了幾年了，但是人工智慧將會賦予雲計算新的生命。新時代，雲計算+大資料+人工智慧將會組成一組強大的「三巨頭」。曾有人說：雲計算重新定義了it，大資料重新定義了資產，而人工智慧重新定義了效率。仔細想想不無道理。
網際網路催生了大資料，而大資料催生了人工智慧。對於更多的行業和領域，觸及這些最新技術的最快最好的方式就是雲計算，用最近流行的說法就是：各行各業能夠得到人工智慧賦能，並提公升自身效率的最便捷的方式就是通過雲。同時，人工智慧能夠幫助雲計算公司從標準化的「裝置」競爭，過渡到更多差異化個性化的服務和解決方案的競爭。也能夠為形成資料閉環提供基礎。 3.
資料閉環
二.場景和體驗 1.
多模態互動
根據梅拉比安的溝通模型，溝通 = 說話內容（７％）＋語氣語調（３８％）＋肢體語言及表情（５５％）。包含了語音，文字和影象。
未來人機互動會更加傾向於多模態，語音，語義，影象，動作等等融合，甚至會有腦機介面等更高層次的資訊傳輸方式。一是能夠讓使用者有更自然的體驗，同時也能夠大大加速機械人的從感知到認知，真正的全方面的理解人類的意圖，給出最好的互動。 2.
封閉到開放
在封閉的場景內，人工智慧已經能取得一定的成果了，例如封閉領域的客服機械人，能夠回答出使用者很多業務相關的問題，甚至能夠協助使用者完成部分相對複雜的任務，如退貨換貨。
但是在開放的領域，他依然是個小嬰兒。開放領域對資料的積累，對模型的訓練，對場景的切換，都有著極高的要求。是乙個長期的工程。
三.技術方面 1.
增強學習
深度學習讓人工智慧最近又煥發新生，但是當前的深度學習還是需要大量的優質資料為基礎的監督學習為主，需要投入大量的人工。
而增強學習則是乙個方向，尤其是在一些邊界明確，規則清晰的任務中，機械人可以自己去嘗試著完成任務，完成了給獎勵，失敗了則給懲罰，慢慢他就會自己學會完成任務。而最新版本的alphago zero正是運用了深度學習的方法，從而可以完全拋棄掉對大量現存資料的依賴。 2.
遷移學習
從某個層面上來說，現階段人工智慧商業化的最大阻礙不是演算法而是資料，缺乏優質的資料使得很多產品即使在相對封閉的場景下也很難有優異的表現。資料的最大問題則是需要投入大量的人力，比如你用大量資料訓練了乙個人臉識別的模型，現在要做乙個豬臉識別的應用，之前的資料就全都沒用了，模型也要重新訓練。能夠舉一反三是在認知領域人和機器的最大區別了，現實的世界有時候規則並不明確，需要根據總結的經驗來適應相對陌生的環境。
而一旦機器擁有了遷移學習的能力，相似領域的工作將可以被復用，可以快速針對全新的領域開發出新的產品。這也正好映照了上文提到的從封閉到開放的趨勢。
搞AI的產品經理該怎麼寫PRD？谷歌的導師教你
作為ai產品的產品經理，該怎麼寫好乙個產品需求文件 prd 對於大多數人來說可能還沒有清晰的概念。到底該咋辦呢？莫慌！既然你已經點進來了，不會讓你空手而歸。谷歌機器學習x 和tensorflow x團隊的產品領導者clemens mewald在medium上發表了一篇文章，詳細介紹在開發涉及到機器學...
關於AI的乙個思考
人工智慧，顧名思義，人工 智慧型，人工好理解，即人力所能及的。但是 智慧型 一直以來備受爭議。人唯一了解的智慧型是人本身的智慧型，這是普遍認同的觀點。但是我們對自身智慧型的理解都非常有限，對構 的智慧型的必要元素也了解有限，所以產生的人工智慧也存在侷限性。就像是支援人工智慧底層的演算法，可能工程師只...
乙個優秀的資料產品經理是怎麼煉成的？
近些年來，隨著growth hack 精益化運營 資料化運營等概念漸入人心，資料產品這個名字被提及的次數越來越多。但究竟什麼是資料產品？資料產品如何來解決商業問題？如何現在最火的商業概念如growth hacking 等落地的？如何設計乙個能夠滿足使用者需求的資料產品？本文將和大家一起分享這些問題。...