物联网--大数据--云计算--人工智能与AI产品的关系

 前段时间在hunniman上看到一篇文章《关于AI学习方法的思考——产品经理入门人工智能》。让我对物联网——大数据——云计算——人工智能的认识醍醐灌顶有了一个简单的认识。今天，我把文章内容进行一个大致总结，希望读到的前辈可以给我指导意见。同时在这里感谢原文作者howie

1.我相信，只要你是对科技创新稍微感点兴趣的人，那现在的你一定听过好多遍的万物互联的物联网、大数据时代、云计算以及人工智能。那么他们究竟有什么关系呢？机器学习技术究竟是什么样的呢？

1.人工智能与物联网的关系：物联网的终端可以对于环境进行感知与交互，为人工智能的核心程序提供传感器与执行器。机器人、手机、穿戴式设备、无人飞机、自动驾驶。

2. 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，所有这些数据需要大数据分布式存储与大数据计算技术支持。

3. 人工智能与云计算：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。

2.什么是机器学习技术？机器学习是一种算法，通过数据训练形成一个机器学习模型。是关于给定输入获取输出端额程序。

从这个结构图我们可以看出，所谓人工智能的，软件工程师只是负责了代码的编写，核心的东西来源于数学科学家通过机器学习模型喂养数据，而自行形成的一套程序。

1. 选择机器学习模型：根据要解决的特定目标问题，选择最优解的算法模型。

2.获取训练与预测数据：与工程师配合获取用于训练机器学习的模型和数据。

3. 训练模型：使用已有数据对机器学习模型进行训练。

训练好的机器学习模型，就可以投入生产用了。例如：数学科学家模仿业务员给顾客推介商品，推荐多了，机器就学会如何给顾客推介商品了。然而这个模型只是一种中间体，对应其他应用接口开放的中间程序，不能与用户直接进行交互的程序。这样做的好处是：不需要人们总结归纳，再去完成越来越大且成本高的编程工作。而是通过对计算机投喂大量数据，让机器自行寻找其中规律，并应用在特色领域的识别与预测工作中。

现在我们知道了大数据对于机器学习的重要性，而也正是由于大数据技术的发展和计算机并行计算能力的大幅提升。使得很多指标已经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水平。那么主要推动那些商用级用户发展？

1. 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的情况，根据所要达到的目的执行驾驶动作。

2. 推动了客服系统的应用：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。

3. 推动辅助办公的应用：识别当前工作状态，预测达成理想工作结果的行动方案，建议用户行动方案。

3.机器学习技术对产品的影响

     现有产业+机器学习 = 新产业

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。

                  --《智能时代》吴军

AI还有很长一段路要。AI是个愿景，只是目前还没有足够的数据，初创公司在业务运营中使用人工智能的程度被严重夸大了。人工智能和机器学习被誉为是革命性技术，有望为公司企业创造巨大的价值，于是许多初创公司纷纷声称自己使用最先进的AI。因此获得资金的青眯，赢得媒体的关注，受益匪浅。

很多公司很难参与到新技术研发或者平台类产品的研发，机器学习习的底层研发建设，不但需要具备深厚的科研能力，而且还需要雄厚资本的支持。也不一定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技术，直接应用结合现有商业场景，开发服务型应用。而产生的新产业主要有：新医疗、新安防、新教育、新金融、新机器。

机器学习在现有产业上的创新主要是新技术改造原有产业，让企业在思维上跟上新时代，才能在未来的商业中保持优势。

如何寻找现有产业构建机器学习的商业产品？

1. 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需求

2. 数据：找到原有业务上产生过大量数据的业务，产生新的商业价值。

3. 算法与计算资源：现在市场上已经提供了一系列技术研发基础。

4. 人工智能与AI产品的思考

机器学习是一门技术，最终形成模型，是不能直接应用到用户交互操作中。产品经理应该想办法利用这个中间技术的性能优势，为用户提供更好的用户体验交互产品。

1. AI产品经理需要了解技术现状

     AI技术相对不够成熟，了解好技术可能实现的能力范围，技术本身所需要的技术还有当前存在的技术瓶颈，可能是AI产品需要具备的基础。主要是通过公司内部的AI技术团队了解现状：这一点针对的是大公司自有AI技术团队时，可以很方便的了解现有技术情况，需要我们多与公司的科学家与工程师们沟通。其次可以通过第三方提供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。

2.AI产品经理需要寻找并定义AI业务场景

AI产品经理需要在深度理解技术优劣势的基础上，寻找可以提供更好用户体验的业务场景。也就是说，结合现有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。----完成现有技术与现有市场需求的映射。

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，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。

3. AI产品经理需要推动研发产品

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正面价值的。

4. AI产品经理需要挖掘产品市场价值

产品经理的核心指责都是让产品具备更好的市场价值：对产品的理解，对用户群体的理解，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，就是核心的工作。