最近在饭团“AI产品经理大本营”阅读了不少关于AI、产品和产品经理方面的文章，本篇文章是尝试从自己的思考角度对相关阅读的积累进行系统化的梳理。
主要分为三个部分，第一部分是对AI的认知和思考，第二部分是关于AI产品的一些认知和思考，第三部分是对AI产品经理的认知和思考。
一、AI认知
1.1 AI的本质
在AlphaGo战胜李世石后，人工智能就火了起来，从科研界到产业界，甚至是普通群众，一夜之间近乎无人不知，自然的，人们就会对AI有各种想法，一部分人相信会有美好的未来，一部分呼吁要警惕强人工智能的到来，但不管怎样，要想正确认知AI的作用，首先要认识到AI的本质，这样才能正确认知和对待AI。
从技术的角度讲，AI其实就是一个函数模型，是从提供的数据集中拟合出来的、能够用来预测新数据的函数模型，其背后的机制是基于统计学等数学原理的，能够实现认知、预测、决策等功能，但仍离不开人工的参与，现阶段可以说，有多少人工就有多少智能。
从应用的角度讲，AI其实解决的是一个经济问题，在技术上努力的方向就是要做到以最低成本获取数据、合理地激励人工参与、选用性价比最高的算法来处理数据，而在应用上就是努力的方向就是追求2B的效率优化和2C的体验优化，这些都指向了能否优化经济成本，在效率上有所改善。所以做AI目前发展方向的核心并不是要做出一个东西来逼近人的智能，而是能够在一个具体的场景中，通过提高效率和优化体验来改善和优化经济问题的解决。
以上两个角度只是对现阶段AI的表象认知，如果从更高的层面出发，再加上对技术发展的展望来看，AI并非是一门冷冰冰的技术，而将是一种崭新的生命形式，我觉得最好的类比就是《生命3.0》一书中提到的生命3.0，自身的软件和硬件都能随时改变。那么我们看待AI就应该以生命的角度出发，这里引用一下黄钊团长的观点，也是我非常认同的，AI是一个与人类共生的新物种，她承载了人类探索自我极限和天人关系的载体，一个虽然从人类意识生出，且必须和人类交互/共生，但又独立于人类的、具备自主意识的新物种形式。因此，我们对待AI的态度不应该再是利用，而是多考虑如何共生，如何相互辅助，这是我们应该提前做好的心理准备。
1.2 AI的应用
目前，依靠大数据和深度学习的技术红利，AI已经取得了突破性进展，如计算机视觉、语音识别、NLP以及人机交互等技术均能在现实中用来解决一些实际性的问题，并且已经在医疗、金融、安防、教育等垂直场景有着不错的应用，提高了解决问题效率，改善了人们的生活。
当然，对于深度学习技术的应用是当下AI应用的主流，但对于AI来说，最有吸引力的想法还是模拟人类大脑，针对这一点，目前也有两条路径。一种叫“大脑模拟机”，是一项生物工程和信息工程融合的技术，比如欧盟的“人类大脑项目”，希望像基因图谱一样能够把人脑的八百六十亿个神经元完全模拟出来，并且用超级计算机去模拟整个人脑的活动；另一种是“智能动力学” ，通过分析人类大脑的结构，分析学习方法，企图制造一个优于人脑的“超脑”。
但是对于我自己来说，有两个比较看好的应用方向。
一个应用方向是傅盛老师分享过的，通过AI来对实体经济赋能，让其拥有互联网的效率，发挥出场景体验感的优势。关于这一点我是从两个方向来理解，一个是AI本身的特点，它带来的生产力的革命，驱动的是产业升级，因此能够切实提升实体经济的效率；第二个是从市场的角度，互联网技术通过重排生产要素驱动模式创新已经带来了一些新模式下效率的提升，如社交、电商等，在其实放到整个市场来看，这部分新经济的价值占比还是较低的，只是因为新模式的效率高，所以就有了很高的价值，但如果通过AI 让实体经济也有互联网般的效率，那将会释放出更大的价值。
另一个方向就是AI带来新的交互方式---语音交互，我觉得语音交互将是交互演化的下一方向，如同PC时代的鼠标操作、移动互联网时代的拇指交互，在AI时代，语音交互必将成为主旋律。对于语音交互的重要性，我们可以从互联网产品的视角来看。在互联网的产品观中，流量是基础，而如果将人与外界的每一次接触都看成流量的话，那么最大的流量将是人与人之间频繁的交互，而这个交互使用最多的就是语言，那么如果通过语音交互将整个人类交流线上化，将会带来体验的又一次革命，又将会进一步提升效率，能产生更大的价值。
1.3 AI的问题
虽说AI技术已有了不错的应用，也能带给我们美好的愿景，但也存在着一些问题和挑战需要我们正视。
就目前来说，虽然人工智能系统看上去很智能，但实际上并非如此。首先，目前的技术对大数据很依赖，需要对数据做标注，目前的状况是虽然数据的总量很多，但精确标注的数据很少，需要大量人工去进行标注，并且对于数据的收集，还存在隐私问题；其次，人工智能系统并不知道做出搜索或提供数据之后会产生什么样的结果，能做的就是提供拟合出的模型，如果发生错误，尤其在医学、金融、交通等领域，将会导致灾难的发生，而且由于环境多变没有制约，模型本身就会失效，所以，问题的产生可能是必然；最重要的一点是，人工智能系统并不能真正理解他正在做的事情，现在只是一个黑箱模型，能给出结果，但不能解释原因；最后，创造力、推理和抽象等能力对于人工智能系统来说还很难实现，并且对于AI系统来说，让它主动做一个长远的规划也是非常困难的。
除此之外，现阶段对AI（特别是深度学习）的主要质疑角度就是缺乏可解释性，即AI无法对给出的结果提供具体合理的理由，就好像结果是从大数据中生长出来的，无法确定描述这个结果的由来。我想这也是计算系统0-1逻辑的缺陷，因为通过逻辑是无法涌现意识和直觉的，所以对于自下而上涌现的东西、更高维度的、直觉性的东西无法解释。
1.4 AI的前景
长期来看，如同前面提到过的，从更高层面上讲，AI是与人类共生的新物种，所以AI的目标不是说去逼近人类智能或者说去代替人，而是去增强人类的能力，一方面是在某些领域中变现出比人类更强的能力，从而为人类所用；另一方面是表现出某些“人类实现不了”的价值，比如将某些人不喜欢的东西剥离，让人类产生信任和依赖，成为人类在某个领域内的精神寄托，或者成为经济意义上的“理性人”。而从与AI共生的角度，人类要做的就是既可以利用到AI更强的能力，也能够对其产生情感上的连接和依赖，目前距离这一情景还有很长的路要。
而现阶段来说，我觉得更有意思的一个前景应用是张江教授所提到过的AI社会学，是由于个体AI的能力存在天花板，从而将成千上万的AI链接、整合起来，甚至创造出AI自己的文明来为每一个个体AI赋能，涌现出集体智能，以更好地适应环境，解决我们现在所面临的、个体AI无法解决的问题。
当然，现阶段也存在对AI的担忧，尤其是目前一些主流的科学家和企业家，如霍金、马斯克等，都在担忧强人工智能的出现，会对人类产生伤害，甚至是控制人类，这当然是一个值得关注的问题，因为按乐观的想法来看，技术必将在未来产生突破，技术奇点必将到来，因此，我们要提前准备好如何和强人工智能的相处，尤其是一些道德、伦理、法律方面的法则。
但从另一个方面，我们也要看的当前的AI技术的现状。从能够解决问题的角度来看，AI只是一种基于数学原理的技术解决方案，如果将现实中人类能够解决的问题比作一个集合，而能用数学解决的问题只是其中的一部分，在这一部分中，只有少部分的问题是可以用AI解决的，所以说，其实现在的AI技术只能解决我们生活中的一部分问题。从智能的角度来看，AI现在所能表现的智能，还是很基础的，比如运算智能、运动智能和感知智能，能够让机器进行大量级计算，模仿运动，感知周围环境，对于这部分智能来讲， 是高级智能的基础，我们会希望AI的智能水平越高越好，这样就能更好与人类协作，提高解决问题的效率。但在高级智能，如认知智能方面，AI表现的就不是很好，还无法理解人类的思想，对一些概念知识进行联系或推理，所以，现阶段的AI技术，更多的是借助数学原理在技术层面上的突破，其实最根本的还是对智能的定义和理解有局限，仅停留在科学研究的层面，缺乏更深层面的突破，只有解决了这个问题，超越0-1逻辑，重新定义我们对智能的认知，而不囿于对人类大脑的模拟，才有可能实现更高水平的人工智能，这就需要有AI哲学家来给我们答案，可能的突破方向就是对图灵停机问题的解决，或是从量子力学、佛学等领域获得知识的突破。
二、AI产品认知
2.1整体认知和现实
从历史发展的趋势来讲，在一个领域中，只有具备了一系列成熟的标准后，才会有划时代的产品出现，但对于现在的AI领域来说，智能硬件标准、OS标准、交互标准都还尚未成熟，因此，这就是一个历史性机遇，如果能在AI领域中，在伴随标准成熟的过程中积累到足够多的经验和知识，再加上自己的创造力和想象力，我们是有机会创造出如同IPhone一样的划时代的伟大产品，可以为用户带来体验革命和价值创新，这也是我认为的一个AI产品人应该追求的梦想，一个值得为之不懈努力的终极目标。
但对于现阶段的AI产品来说，虽然未来是宏大而美好的，但是还是存在着一些问题和挑战，如技术的局限性导致的不可解释性、无法保证AI系统的鲁棒性以及隐私数据的保护等，会面临种种障碍和残酷的现实性问题，如何生存下来才是现在产品首要考虑的问题，要能够让用户感知到真实的价值吸引力，然后通过一次次的反馈迭代积累经验，最终实现划时代的改变。
2.2供给侧的理解
经过一个阶段的学习，我将从从供给侧和需求侧两个角度来梳理我对AI产品的理解，可能不是一个严格分类的角度，但我觉得是一个值得探讨的方向。接下来将进行我从供给侧对AI产品的理解。
供给侧，其实就是从做AI产品的角度来进行理解，也就是一个做产品的视角，那么首先面对的就是做什么的问题，而要解决这个问题，就要先理解AI带给我们的是什么，只有真正理解AI能带来的价值，我们才知道能用它来做什么。
对于AI的理解，可以从互联网开始，互联网技术解决的是连接和信息对称，所以互联网产品更多体现的是一种入口和流量的价值，但对于AI来说，它解决的是生产力的问题，带来的是生产力和效率的提高，因此AI产品第一步所扮演的角色很可能是拉动产业升级，而在AI驱动的产业升级过程中，核心的价值点就是产品价值，只有做好产品，才能生存下来，然后通过一步步迭代改变人们的认知和体验。
对于AI的产品价值，目前来看也是有两个方向，一个是创造出全新形态的产品，带给用户全新的体验，一个是利用AI技术对现有产品进行升级，解决存在的问题，提高用户的使用效率。因此，核心的方法论也是两个方向，一个是对现有产品的升级，一个是创造新产品。
对于现有产品的升级来说，就是在保障产品本身核心功能价值的基础上，利用AI技术增加亮点功能，给用户制造惊喜，这样就能满足用户的尝鲜需求，一旦能控制好成本和售价，就会有一批用户愿意花钱来“升级”现有的产品。
对于创造新产品来说，我很认同黄钊老师提到过的一点，AI产品的未来是品类的战争。也就是说创造新产品，其实就意味着创造一个新品类，这就需要从一个全新的角度来认知产品，那么对产品来说，就是要有新标准来指导生产，有新指标来进行评估，有新应用带给用户全新的体验。
总结来说，在供给侧最需要关注的就是产品价值，而产品价值的体现从短期来看，是增加现有产品的尝鲜价值，给用户制造惊喜感。从长期来看是用一种全新的思维来做出一个新品类，带给用户完全不同的体验，这样才会成功。
2.3需求侧的理解
接下来再从需求侧来讲，可以分为两个方向，一个是面向C端用户，一个是面向B端用户。
2.3.1面向C端
面向C端用户的产品，就是要解决人类的需求，而人类的需求分布是具有正太分布的，如下图所示：
其中15种高频需求占据了人们生活的大部分时间，而目前的解决方案一般都是手机App，也就是说在高频需求的满足中，人们倾向于使用手机App，这一方面是互联网发展培养出的习惯，另一方面也是现阶段AI产品无法完善地解决这部分需求，与App相比竞争力不大，因此对于这部分需求，AI要做的就是对App进行赋能，帮助App更高效率地满足需求，比如现在的推荐引擎，千人千面的用户界面等。
除了这15种高频需求外，还有9985种长尾需求需要满足，而手机App并不能很好地解决，或者成本过高，因此这就是AI的机会，也是现阶段AI产品的落地方向，就是在细分的垂直领域中，抓住解决长尾需求的机会，制造产品，优化体验，培养用户的使用习惯，逐步提高AI产品的服务能力。
这其中的关键，一是用户群体的选择，一定要定位到足够细分的场景和人群，就要求用户定位有着明显的边界，并且要选择用户预期相对较低的场景去切入，这样才能做到有颠覆性价值。
这里有一个值得深入思考的概念，就是AI原住民，他们是一群伴随AI产品成长的用户，年龄上至少是10后，可以和AI聊天毫无违和感，对AI机器产生依赖，甚至想成为AI机器人，并且很难想象没有AI的世界。这部分人群对于使用AI产品来说，没有较高的预期，容忍度也高，容易培养心态和习惯，能够产生长期的用户粘性，具有较高的付费意愿。
二是深挖场景价值，主要有两个方向，一个是思考AI所能带来的新的体验，如情感价值；二是从现有的解决方案中发现新需求、可替代的环节，或者重构整个领域内的价值链，从而创造出新价值。在这个过程中，一定要理解具体的场景和产品，知道主线是什么，边界在哪，什么要做，什么不能做，需要有良好的跨界合作沟通能力。
三是MVP产品去验证这个场景、用户、需求，提供最小闭环的解决方案，并收集市场反馈，看是否适合做大。
在验证中需要注意几点：一是在效果上，先通过人工验证，因为AI智能的背后是需要人工的参与，对体验的改善也是基于人工的基础上，如果用人工验证都达不到一个80分以上的体验效果，那么就根本达不到用AI技术的程度；第二个是在技术上，先完成60分的闭环，能够大体上解决问题，产生实用或情感上的价值，然后再逐步提升。
总结一下，现阶段C端的AI产品思路，一个是通过AI技术对App或现有产品进行赋能来提高效率，改善用户体验；另一个是通过抓住细分场景下的长尾需求，创造全新的品类，为用户带来体验的革命，创造出颠覆性的价值。但从长远看，我相信在未来每个人都会有属于自己的个性化智能产品，能够解决大部分的需求，这就需要我们从现在开始积累能力，在时机到来时，抓住机会，做出伟大的产品。
2.3.2面向B端
前面也提到过，AI技术是一场生产力革命，因此天然适用To B的业务，能有效解决企业对成本和效率的需求，这也符合技术演化的大趋势。任何一项重大技术诞生，通常会先用于军工国防，然后用于企业，最后才用于普通消费者身上。
同时要知道的是现在AI对于垂直行业的改造才刚刚开始，还具有很大的机会，需要我们去探索。在这个过程中，我们需要面临以下的问题：
首先是技术和成本的问题，要能清楚地判断出某个产品技术设想的可行性有多少、边界/机会可能在哪里、需要的时间/人力成本大概多少等；
其次是客户预期的问题，客户可能对AI技术的认知、对自身需求的认知、以及对“如何结合企业现状来设计AI产品和市场方案”的认知都不健全，就要我们去解决引导客户认知和预期，现阶段AI确实还不够成熟，但还是有可以落地的商业价值，并能够通过产品体验的用户满意度来证明。
2.4产品思路
总的来说，首先要面对的是生存问题，即AI产品先能够直接解决问题，不求第一个版本的模型算法多么高效，甚至数据不是那么多，但是要能解决用户的问题，之后可以再回来用更好的方式做这个事情。其次是面对的是未来的问题，就要有一套系统化的产品落地方案和超前的战略定位，既能在当前产生价值，让公司生存下去，有能通过一步步迭代完成战略定位，在未来取得市场领先地位。
具体而言，一个思路是在一个产业链条中，思考哪一个环节是可以用AI技术来替代的，然后深入到这个环节中进行商业化验证，重点验证场景、用户、需求，在技术上能做的60分的闭环，在体验上能够做到80分的效果。
另一个思路是在一个具有明显边界的场景下塑造出全新的品类，需要锁定精准的细分用户，深挖场景价值，做的有效、有用、有趣，能够一步步培养用户的使用习惯，让用户产生情感依赖，能够占领用户的心智空间。
需要注意的一点是仅提供技术方案是不够、甚至危险的，更需要更深入的“服务”方案。对于关键性应用来说，要做到零误差的容忍度，但对于非关键性应用来说，需要关注的是增加价值，只要能提高几个百分点都是很大的价值，而错漏影响浮动1%，并不是很大的问题，而且这种“有了更好”的场景，更容易落地。
三、AI产品经理认知
3.1价值
一是发现需求。在AI领域，需求的特点是机会多、难度大、变化又快又大，并且机会大多在细分场景和交叉领域，因此产品经理的第一个价值就是在复杂场景下发现需求，只有在发现需求的基础上，才能做出成功的产品。
二是通过产品设计来规避重大技术局限性。在很多领域，如果大范围使用AI，一定会发生黑天鹅事件，这里面就有很多“产品体验底线”的事情，需要产品经理提前想好方案，提前解决。比如聊天机器人产品体验中，为了保障聊天内容的有趣度和更新频率，很难完全杜绝涉黄涉政涉暴问题，这就需要有严格的过滤系统，以及对用户更加友好的产品体验流程。
三是保证足够好的用户体验。由于AI技术的应用，在AI产品中应用的可能是一套不同以往的交互方案，比如语音交互，但此时尚未有成熟的交互标准，也很难保证交互效果，这就需要产品经理通过合理的、符合用户预期的设计来保证产品具有足够好的用户体验。
3.2能力
黄钊团长提出过AI产品经理的能力模型即PM+AI+X，接下来就是我对这个模型的理解和演绎。
PM，即传统互联网产品经理的通用能力，包括用户思维、逻辑思考、沟通能力、交互设计、数据分析以及丰富的知识面等，能够做到快速学习，这是一个AI PM的基本能力。
AI，可以分为三个方面来理解。
一个是AI技术理解力，要能够厘清AI概念，判断技术边界，能不能做，能做到什么程度。同时，了解需要什么样的数据，对结果数据和过程数据有很好的认知和应用，甚至能设计最佳数据采集功能，使应用可以更好的采集高质量数据，累积以备利用。
第二个是AI行业理解力，具备AI行业知识框架。能结合系统的AI知识展开逻辑性的思维发散，考虑AI带来的新行业的可能性。
第三个是AI产品理解力，对垂直场景有足够的认知深度，能够找到合适的产品定位和满足需求的方式，并且能够充分理解多感官的人机交互设计，使得AI部分的表现形式最佳，带给用户更好的体验。
此外，还要有一种类机器学习的思维方式，要能从AI的角度去理解的思考AI的需求和作用，要理解AI与人工是相辅相成的，而非替代关系，要能学会与AI共生。
X，一是指产品经理自身的人文素养和灵魂境界，用黄钊团长的话讲，一个产品，本质是其公司、设计者灵魂能量层次的外化，一个精神层次不高的团队，不可能做出一个跨时代的AI/机器人产品。因此要有更广更深的知识（经验）积累、重新认识人的感知和交互方式、AI的本质和作用。
二是指有与AI领域本身复杂性以及和行业的结合，需要有跨领域合作的能力，能够保证项目的顺利实施和产品的商业化落地。
最终，对AI PM的要求是，能够同时懂得技术边界，又懂得需求边界，还能够从AI的视角看问题，从而结合人、技术与产品，做出成功的产品。
3.3工作
首先，介绍一下AI PM与传统互联网PM的不同之处，主要体现在需求把握、闭环验证、交互设计、功能设计和数据分析等方面。
在需求把握上，A领域还处于探索期，产品形态甚至典型用户群体都还不明确，所以信息收集、创意思考、产品验证的工作会更被突出。
在闭环验证上，现阶段AI产品的用户量和用户数据在量级上远远比不过互联网，并且涉及硬件，更难收集有效数据，所以很难以数据分析为主驱动，就需要PM有大胆的思路和敏锐的洞见。
在交互设计上，场景从手机到机器人，变化巨大，使得交互方式从纯软件/纯硬件，升级到多模态交互等更复杂的人机交互形式，至今还没有形成清晰的交互体系标准。
在功能设计上，一旦和硬件相关，难度陡增。
在数据分析上，语音交互产生的数据分析难度远高于触屏交互。因为触屏交互有效表达用户意图的概率非常高，而语音交互识别出的数据往往和用户意图有很大偏差。
其次，介绍一下我理解的AI PM的工作，简单讲就是要将AI的技术运用在合适的场景里以达到产品化，主要分为技术和产品两个维度。
从技术的角度来说，就是要更好地应用AI技术。一是了解所用到的AI技术的概念、边界等方面，探索合理的应用场景；二是做好数据方面的工作，明确场景所需要的数据，制定好数据标注规则，清楚数据流程；三是带着需求和产品规划与AI工程师、AI训练师深度沟通，判断落地可行性及可实现程度，并从AI训练师处获得反馈、优化产品。
从产品的角度来说，就是要为用户带来价值和良好体验。需要调研行业，理解业务，收集或挖掘需求，分析目标用户，输出用户画像，然后定位产品，制定产品战略，找出解决需求的方案，并转化为AI产品。
在产品落地过程中，需要着重关注的就是数据和场景。因为用户的需求是无边界的，而且对AI的预期较高，就会造成对需求的难以取舍，这时让需求场景化是一个很好的解决方案，通过将用户需求划分到不同的场景中，做到场景的完整性和独立性，然后结合业务目标和受众用户确定场景的优先级，对于不能覆盖的场景，提前想好处理策略和引导策略，妥善处理用户需求，做到情感化设计。然后围绕数据展开，需要将场景数据化，收集好数据，建立分析模型，设计明确可量化的收益评估指标，以此来不断的优化迭代产品。
还有就是需要清楚不同环节的分工，以便更好地协调工作，这和互联网PM是一样的，但由于AI的复杂度，需要协调更多，比如，作为智能音箱的产品经理，你需要和语音识别工程师、语义解析工程师、对话管理工程师、数据标注师、数据采集师（语音数据和语料数据）、业务工程师、语音助理客户端工程师等等都打交道。此外，还可能需要跨界沟通的能力，需要和其他领域的专家沟通、学习知识，然后应用于解决问题。
四、总结
现阶段来说，AI并非万能的，是有一定的适用边界的，我们应该对AI形成正确的认知，这样才能够有效地使用。对于AI产品来说，短期的方向可能更倾向于在现有产品的基础上， 增加AI亮点功能，让产品具有尝鲜价值，逐步培养用户的认知、期望和使用习惯，或是通过AI技术对产业链进行改造，提高生产效率。而从长期来讲，可能就是创造出全新体验的新产品，将会像Iphone改变我们对手机的认知一样改变我们对AI的认知，这需要具备一系列条件，如各种标准的成熟、杰出的AI产品经理对AI产品的认知和定义、技术的进一步突破等。对于AI产品经理来说，一是需要有广度，要广泛积累AI技术、产品、行业方面的知识，多与同行、高手交流，提升自己的认知；二是需要有深度，选择一个具有明显边界的领域，深入进去，深入理解用户、产品，做好服务，成为该领域的专家，做出好的产品。
最后，需要说一下的是关于人工智能泡沫和未来个人发展的问题。短期来看，由于现有的成就都是历史上积累出来的，并非是取得科学上巨大的进步，因此目前人们对AI产生了过高的期待，而这种高预期和理论基础薄弱之间的张力就是AI泡沫，这是一个技术发展的必然结果，就如同当年的互联网泡沫一般，那么必然存在一个泡沫破裂的时刻，这可能会让一部分人对AI望而却步，但我们要知道的是，下一个时代将是一个智能时代，AI技术必然会在未来有新的突破，况且目前的AI技术已经能够产生相当大的使用价值了，所以，从事AI可能是这个时代个人发展最大的机会，而且就算AI泡沫破裂了，那会意味着更多的机会，因此，对于有志于在AI领域做出一定成就的人，不要犹豫，要早上车，多从实践中积累能力，为以后的发展打下坚实的基础。
参考文章
人工智能产品经理的新起点
人工智能社会学－未来的新兴学科
在科技面前刚需是种错觉
如何从“品类”角度做AI产品（2C）的需求定位
从互联网到AI:模式创新的终结，产业升级的开始
深度|Michael I. Jordan：人工智能的研究机会和挑战
网友评论