2023黑马AI创新大赛项目征集现已开启
06-17
雷锋网：这篇文章是关于作者的诗，前阿里巴巴产品专家。
如今人工智能蓬勃发展，AI链接各行各业似乎已是大势所趋。
作为产品，经理该如何适应这个“新时代”？作者谈了他的看法。
1、产品驱动源李先生从事PC、APP、智能硬件产品10年，经历过B2B、B2B2C、C2C、B2C SOLOMO、O2O、C2M/F、P2P等多种商业模式或职业模式，等等，其中一些公司需要您解决业务方向不稳定的问题。
有的企业要求你解决技术薄弱的问题，有的需要加强产品要求的统一来进行运营。
但从产品方法论来说，在人类社会经历的PC、互联网、移动互联网时代，以及现在的智能硬件时代，技术发展、商业模式、创新始终是相辅相成的。
每当科技发展的红利被商业模式的创新（通俗地说，商业模式就是提供服务或商品的赚钱模式）充分挖掘出来时，经济也将进入寒冬；直到下一轮技术革命的出现，商业将通过模式创新才能重新共存。
这方面的典型代表是刚刚在香港推出的美图秀秀。
美图秀秀非常及时地赶上了从PC到移动端的转变，成为了大家手机里必备的软件之一。
另一个案例是号称移动互联网时代第一产品的微信。
如果没有移动互联网软硬件技术的进步，特别是智能手机的突破，张小龙就不会有今天张小龙产品的市场地位。
因此，产品开发的关键点不仅是了解人类的需求，还需要熟练地理解和传递知识并将其应用到产品中，例如辅助驾驶、图像识别、语音识别等，这是一项非常困难的技术以前是这样，但现在已经被很多牛逼的小团队突破了。
产品开发者要做的就是迁移，跳出固定思维去思考，想、做别人没有想到、没有做过、甚至感知到的事情，进行AI+迁移。
二、追溯人工智能的发展历程 1、“万维网蓝图”的基础 互联网的前身阿帕网（ARPANET）起源于美苏冷战时期。
20世纪80年代，阿帕网通过大学和研究机构等机构渗透到私营部门。
2001年在欧洲量子物理实验中心工作的伯纳斯-李正式向实验中心提交了一份后来被称为“万维网蓝图”的报告。
本报告提出了万维网框架的运行机制和实施方案。
当年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Web服务器，然后编写了实现万维网项目细节的网页。
至此，世界上第一个万维网诞生了。
今年1月，伊利诺伊大学开发的用于浏览万维网网站的UNIX版Mosaic浏览器被放置在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数万次。
2017年12月，商业版块头版介绍了Mosaic，称其将创造一个全新的行业。
Mosaic的流行，让覆盖互联网的万维网成为连接世界的新平台，也引发了一场以硅谷为中心的电子商务革命。
当 Mosaic 于 2010 年 1 月首次出现时，全球只有 50 台万维网服务器。
2017年10月达到10万，2016年6月增至10万。
万维网开始呈指数增长。
请注意，好的产品正在逐渐涌现：万维网流行三年后，两名斯坦福大学的研究生发现，通过求解一个n维线性方程组，万维网上的所有网页都可以根据其重要性进行排名，从而解决网络用户的问题。
面临着如何高效搜索呈指数级增长的网络信息的问题；他们后来创立了谷歌。
大约在同一时间，刚刚上线一年多的亚马逊与明尼苏达大学计算机科学家专家合作，开始分析每个用户在其网站上购买的商品，并将其进行比较和关联。
与其他用户购买的产品。
结果用于为网站浏览用户提供个性化产品推荐。
不同的是，网络人工智能不再像早期的谷歌、亚马逊那样使用昂贵的超级计算机，而是使用大量廉价的服务器甚至个人计算机连接在一起，以达到相同甚至更好的结果。
从知识来源来看，网络人工智能往往依赖于数千人的众包，而不是专家的智慧。
例如，Google在计算网页排名时，会使用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。
亚马逊的数据源是每个用户购买的商品信息。
这些对个人来说看似简单的信息，经过整合和处理后却蕴藏着巨大的潜力，使得数据挖掘成为流行术语和网络人工智能的代名词。
网络人工智能不仅给人类社会日常生活带来便利，而且开始在很大程度上影响社会各方面的发展进程。
谷歌的搜索结果可以决定一个人的话语受到关注的程度，而亚马逊的推荐可以向公众推荐许多优质但未推广的产品，从而产生了“长尾定律”。
那么产品，经理还会从头开始打造搜索引擎吗？迁移。
2、各大厂商如何训练识别和检测算法系统？中国AI明星李飞飞的团队曾从互联网上下载了超过10亿张图像，然后雇佣了来自各国的5万多人，通过低成本的网络众包方式Amazon Mechanical Turk对这些图像进行分类和标签。
截至今年，该项目已成功制作了包含0个不同类别、总共10,000张图像的标记数据库。
该数据库中的图片分类和标记质量超过了以前的任何数据库。
仅猫类就有0张不同的图片，包括所有类型的家猫和野猫。
建立这个数据库后，李飞飞和她的团队使用深度学习方法，使计算机能够通过监督学习识别包含各种对象的图像，并使用自然语言生成每个图像中对象之间关系的简单描述。
这个硕果累累的产品经理是否也建议图片初创公司重温一遍？ 3、AI+产品案例 有一次和VST的运营总监聊天，听说我安装了很多新闻阅读软件，然后只剩下一个今日头条了。
我问她为什么，她说：“今天头条有我想看的。
”推荐给我的，他很了解我。
” SO……如果真的有人在读完Peter Thiel的《从零到一》之后从头开始构建这样一个新闻推荐系统，我相信这个产品的负责人一定只会用“勤奋”这个词。
我真的是为了他。
焦虑。
因为现在完全可以迁移到AI+，快速打造一个类似今日头条的信息平台。
总体框架如下：首先，新闻头条创业者首先要自己解决数据来源的问题，可以是爬虫、渠道分发，也可以是自采集。
其次，了解你的产品目标定位。
最后一个关键点是：不要自己开发。
请记住，不要自己开发。
您只需迁移AI+即可训练自己的信息推荐模型。
这些都交给AI+吧，因为AI+会帮你训练一个信息推荐模型。
您只需要收集用户信息。
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），机器学习可以建立一定的联系，从而创建推荐模型——例如用户使用什么品牌的手机、一天中的什么时间以及一天中的什么时间关注根据哪些关键词、哪些购买行为等特征，哪些新闻条目具有哪些特征信息被点击。
当给出新的信息特征时，模型计算所有候选信息的点击率，并推荐预测点击率最高的信息。
这就是信息流推荐服务的机器学习模型。
使用AI+迁移构建的产品一定比从头开始构建更高效。
还有一次我和寿星管家COO聊天时，他问了我两个问题：（1）人工智能时代产品运营还有工作吗？ (2)如何构建垂直电商的搜索推荐系统。
从无到有打造网红电商搜索系统>>可见，感知力强的产品运营者们已经开始感到焦虑。
这种焦虑是求知欲和谦逊的表现。
对于以上两个问题，我大致回答如下。
（1）AI+时代产品运营做什么，或者还会发生什么。
当AI到来的时候，产品已经不是原来的产品，系统也不是原来的架构，架构日新月异。
作为产品、技术、运营人员，我们不得不着急。
，那么未来产品、运营、技术方面的工作机会有哪些呢？场景一、非符号分水岭：目前AI已落地，未来将用于智能解决符号分水岭问题。
至于非符号领域的问题，比如感知能力、创新能力、社交能力、身体灵活性等，人工智能暂时不会擅长，因为人工智能将承担大部分无聊的任务，而技术则只是替代人的体力和部分认知能力。
产品规划、迭代规划、场景构建、新用户消费偏好分析、创意等方面都存在产品运营的机会。
场景2、共享运营盆地：AI技术的快速发展解决了资源短缺的问题。
产品经理的重点应该从资源创造转向资源配置。
因此，Product 经理利用他的艺术和技术才能，为各种产品亮点设计有趣的模块。
正是这个产品让经理感受到了劳动成果的重要性。
场景三：按需协同工作：AI+替代产品运营，让整个产品项目减少了大量用多种语言编写相同逻辑的技术问题。
由于通用AI+技术广泛应用于日常、标准化、可重复的活动运营中，企业在广泛利用AI+的同时将保持其核心能力。
他们往往是产品的创造者、核心技术和竞争资源的维护者。
没有一刀切的解决方案，只有拉锯战和妥协，所有这些都需要产品运营技术的高度协同工作。
因此，AI+时代的产品、运营、技术如果能够结合自身的实际情况，比如：对于技术产品，我们会从算法层面知道我们可以进入的技术角度；对于运营型产品，我们会从应用场景层面了解未来的技术。
它首先在哪些生命中生效？根据相应情况积累知识和学习能力。
未来AI还不够的感知领域，一定会有创造产品的机会。
（2）构建垂直电商搜索系统，不要从头开始构建通用搜索引擎元素，如下图：AI搜索推荐系统利用深度神经网络在大规模无标签范围上进行无监督学习。
形式上，每个单词被表示为一个固定的五维向量，将其视为单词本身的特征；基于这一特点进行架构设计，分词标注分为命名实体识别，训练网络基于单一角色标注操作。
通过这种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。
而如果采用多任务模式进行计算，可以进一步提高系统的计算和处理速度，所以推荐的系统一定是无标签的。
AI不仅有文本的智能索引，还有AI图像识别，逐渐成为各类互联网产品的焦点。
其中两个核心问题是图像分类和实体检测。
图像分类是确定图像整体语音内容的类别。
立体检测是定位图像中出现特定物体的区域，并进行深度判断和头向分割识别。
实体检测更注重图像的局部判定和特定物体类别的聚合。
它通常被认为是一个更复杂的图像识别问题，并在我的信息检索、广告、搜索、产品推荐等中变相接受。
百度、谷歌、亚马逊和微软都使用深度卷积神经网络作为模型，并执行最终的任务。
对构建的记忆图片样本进行端到端学习。
百度已经可以识别5万多个标签。
在公开报道的同级别模型中，模型的性能远远超过公开的性能指标。
因此，产品开发者绝不能闭门造自己的搜索推荐系统。
AI+已经为您准备好了API。
因此，产品开发者应该做的就是未雨绸缪。
他们必须尽早储备知识和技能，这样才能顺利转型。
这是AI+时代对产品开发者的新要求。
4.总结产品经理最现实的生存挑战是如何全力以赴，如何肩负重任，诚实面对心中的产品梦想。
对知识和真理的追求应该是流淌在普廷血液中的基因。
产品经理希望他的产品能够走向世界，他应该成为一个能够随着经济社会的发展进行理性判断和思考的富人。
经理作为AI+时代的产物，应该更加自信的是，人类社会的需求并不完全是符号化的，还包括很多所谓的“子符号”，人们有非常快的直觉判断。
例如，艺术鉴赏家一眼就能看出赝品，而不是通过一步一步的逻辑推理。
在感知、模式识别、导航和学习的许多方面也是如此。
这些隐性知识构成了产品软件的背景储备。
再加上产品客户的不断学习，一定能够结合AI+在未来的消费和服务领域做出更好的产品。
不管你多么不喜欢AI+作为一种趋势，它就在那里。
如果你错过了他，你就错过了一个时代。
雷锋网注：本文由经理社区专栏作家@lianshilu（微信公众号：LineLian）原创发布。
未经同意不得转载。
雷锋网版权文章未经授权禁止转载。
详情请参阅转载说明。
版权声明：本文内容由互联网用户自发贡献，本站不拥有所有权，不承担相关法律责任。如果发现本站有涉嫌抄袭的内容，欢迎发送邮件 举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。
标签：
相关文章
06-17
06-21
06-18
06-18
06-17
06-18
最新文章
Android旗舰之王的过去与未来
智能手表不被开发、AR眼镜被推迟，Meta的产品经历了一波三折
为什么Cybertruck是特斯拉史上最难造的车？
更新鸿蒙3后，文杰允许你在车里做PPT了
新起亚K3试驾体验：追求“性价比”，韩系汽车仍不想放弃
阿维塔15登场！汽车配备了增程动力，理想情况下会迎来新的对手吗？
马斯克宣布创建 ChatGPT 竞争对手！ OpenAI的CEO给他泼了冷水， GPT-5可能会发生巨大变化
骁龙无处不在，是平台也是生态