AI是实现推断的概率可以无限逼近100%,最终替代人类做判断、完成任务,甚至超越人类思维和判断能力的科学技术。
互联网时代的产品经理构建的是基础设施,在人与人、人与物、人与数据的关系上搭建桥梁,实质上是优化了信息存储和互通的方式,因此产品经理主要关注的是入口及流量的走向。
AI实际上给人类带来的是技术创新驱动下的产业升级,本质上是关注产品本身的价值。
AI产品,本质上是全面优化和提升上述所有场景中现有的技术手段,从而实现用户的体验升级和解决方案的效率升级。
算法、数据、算力3要素是构成AI的根本,3要素的突破是当下AI得以迅速发展的原因,AI 产品经理需要对3要素有深刻的认知以便更好的去进行设计。
概念:
得到输入后能够输出预测、分类结果的AI模型,相当于土壤。
意义:
算法大类:
概念:
作为输入内容提供给AI模型,相当于养料。
意义:
数据采集方法:
概念:
意义:
AI芯片:
云计算技术:
计算机视觉 CV:
将图像、视频信号转化为机器可理解的信息的过程,相当于人的眼睛。
机器视觉 MV:
用机器代替人眼来做测量和判断。
生物特征识别:
利用人体所固有的生理特征(指纹、虹膜、面相等)或行为特征(步态、击键习惯等)来进行个人身份鉴定的技术。
虚拟现实 VR:
利用计算机生成一种模拟环境,使用户沉浸到该环境中。
增强现实 AR:
是一种实时地计算摄影机影像的位置及角度并加上相应图像、视频、3D模型的技术。
混合现实 MR:
是VR的进一步发展,该技术通过在现实场景呈现虚拟场景信息,在现实世界、虚拟世界和用户之间搭起一个交互反馈的信息回路,以增强用户体验的真实感。
即时定位与地图构建 SLAM:
将一个机器人放入未知环境中的未知位置,让机器人在移动中逐步描绘出此环境完全的地图。
自然语言处理 NLP/语义理解:
NLP及NLU是理解和处理文字的过程,相当于人的大脑。
语言识别 ASR:
将声音转化为文字的过程,相当于人的耳朵。
语音合成 TTS:
将文字转化为语音的过程,相当于人的嘴巴。
人机交互 HCI:
产品形态的语音助手。
机器学习 ML :
根据过往经验生成具有泛化能力的模型,在遇到新的问题时能做出精准判断。
概述:
这一层的企业,从AI领域底层的需求为导向,为下游提供基础设施建设。所以这一层的产品经理对于底层技术框架、技术原理、实现理解的权重更高。
数据层:
各行业/场景的一手数据获取。
计算能力层:
概述:
这一层的企业,是以技术算法迭代为主导,提供AI基础功能软件供客户(2B)调用的,所以这一层的产品经理对于商业技巧、技术原理理解的权重更高。
通用技术层:
算法层:
框架层:
概述:
这一层的企业是最多的,它们利用AI在行业场景中寻找落地点,用AI赋能产品,所以这一层的产品经理对于行业、业务理解的权重将更高。
我认为,相较于以上两层,这一层是对于非全栈互联网产品经理转型的较优切入点。
解决方案层:
如自动驾驶、智能家居等场景应用开发。
应用平台层:
我国AI市场规模在2017年就已经达到237亿,较上年增涨67%,其中计算机视觉市场规模最大,占34.9%。随着2018年AI开始进入商用元年,预计在2019,市场规模超越700亿。
以此可预期,AI这个我将要依附的经济体正在以一个飞快的速度崛起。
第一次谈到发展这个话题,则要分享我近期对“发展”的理解,我们都在谈论发展的历史、瓶颈、技术边界…但是把它们列出来了之后,我发现很少有人去把这些点其中的关系描述出来。
也许是大家都已经在认知中非常熟悉其中关系所以一笔带过,但是我第一次理解这个概念——“限制条件”之后,利用它将“行业发展历史、发展趋势、瓶颈、技术边界”之类的零碎点串联到了一起。
一切事情是否会“发展”在于“限制”它们的“条件”,是否成熟了而已。
基于这个认知,我可以去分析很多已经发生的事情的因果关系、去预期很多没有发生的事情的可能概率…比如老生常谈的AI因为3要素限制的突破得到发展,再比如医美技术的成熟让很多人突破了其外在条件对其目标追求的阻碍…
对于我来说,将它们串联的目的只有一个—— 让我面对问题时,更好地去选择以及取舍。
所以关于串联,我特别想引用张竞宇老师在其书中提到的,乔布斯的一次关于“电视行业的瓶颈”采访,看乔布斯是如何串联的:
“电视行业的创新困境是由于市场推广策略导致的。”—— 限制条件是什么
“电视行业中“补贴”的商业模式,给每个用户一个机顶盒。(很低廉的月消费甚至免费)”—— 进一步定义限制条件
“结果导致了用户面临的尴尬局面:自己的HDMI高清接口被不同的机顶盒占满了,而且每种机顶盒配套的UI都不一样,遥控器有一大堆。” —— 限制条件对“用户价值”的影响
“因为这样的商业模式,导致没有人愿意单独购买机顶盒了。(顺便列举具体的公司佐证)”—— “用户价值”对“商业价值”的影响
“唯一能改变这种局面的方式就是‘回到原点’,将所有的机顶盒都拆掉,换成一个具有唯一UI的机顶盒。但是目前无法实现这样的局面,因为我们改变不了目前主流的推广策略,而这与技术、远见无关。” —— 解决方案,试图突破根本的限制
“手机之所以和运营商合作推广,是因为手机的GSM即移动电话标准是全球统一的。但是电视不一样,每个国家都有自己的标准和政府监管方案。” —— 最根本的限制无法突破的原因,形成边界
再回顾一遍:发展历史 → 发展趋势 → 出现瓶颈 → 找寻限制条件 → 定义限制条件 → 剖析限制条件带来的影响 → 分析限制条件如何突破 → 分析无法突破的原因 → 形成边界
纵观访谈中乔布斯的应答逻辑,乔布斯串联了每一个关键节点:
你不可能从现在预测到未来,只有回头看时,才会发现事物之间的联系。所以你必须相信那些生命中的点点滴滴,将会在你未来的生命里,以某种方式串联。你必须始终相信一些东西——你的勇气、宿命、生活、因缘,随便什么,它们将给你追寻内心真正所想的自信,带你走离平凡,变得与众不同。”
关于“发展趋势”与“当下的发展”其实是有一些歧义的,我的观点是“发展趋势”是事情演变最本质的走向——弱人工智能走向强人工智能。
“发展趋势”因为各种“限制条件”出现而达到暂时的瓶颈,而“当下的发展”更像是对瓶颈的突破——去突破一个个限制条件。
基于“弱人工智能走向强人工智能”这个发展趋势,可以进行分解:
人性化:
例子:
智能化:
商业化:
云端化:
2018年的技术成熟度曲线,可以看出深度学习开始从“期望膨胀的顶峰期”下滑。
并且,不久或将进入“泡沫化的谷底期”,AI这股风的力度也将逐渐减弱,不禁会产生一个疑问—— 如果风停了,怎么办?
当下的趋势:
还是回到刚才“限制条件”的思路,“风”即是“当下的趋势”,“当下的趋势”是试图对“限制条件”的突破;
“当下的趋势”是附着在经济上,受到经济周期的制约的;
产生“当下的趋势”,更本质的原因是因为概念的潜在价值可能会为资本方带来非常高的回报。
企业:
个人:
我的观点是:“遵循初心即可,风口是人为的、易变的,但是世界运行的价值规律是不易变的”:
“历史上所有沉淀下来的伟大公司,都是那些能够跨越多个商业周期的公司,一定是着眼长期,建立核心竞争力,聚焦产品本质。”、“商业的逻辑亘古不变,大道至简,不会被人为的风口改变,只是你愿不愿意承认而已。”
这一章开始对AI是什么、对促成AI发展有哪些关键的因素等有了初步的认知,这是学习一件新事物的开端必不可少的环节,它也搭建“内视”框架的起点。
随着对AI的不断了解,也对AI即将构造的未来世界越来越心生向往,能够参与其中去为其添砖加瓦也将是一次长线以及浩大的工程,所以,坚持终身学习并不断进化吧!