產品經理，如何轉行到人工智慧/機器人領域？

12-28

希望聽到來自行業一線的聲音；
希望不僅有深入的乾貨，也有可實操的路徑，以及基礎的入門讀物清單。

對於AI行業的產品經理，到底是AI相關領域從業者轉行合適，還是傳統產品經理跨界發展更好？這個問題一直頗受關注。事實上不可否認的是，隨著AI技術的突破性發展，AI領域正急需大量高質量的產品經理，但對AI技術與使用場景的陌生，無疑會成為該行業一個較高的「門檻」。因此很多對人工智慧充滿憧憬的年輕產品經理或其他行業從業者，會在這個門檻前猶豫不決。

所以應該如何定義一個優秀的AI產品經理？AI企業對產品經理又有哪些具體需求呢？

此次，我們邀請 竹間智能產品經理李明駿 結合自身經歷，以及在竹間工作期間的一些產品經理實踐經驗，來談談人工智慧行業對AI產品經理的行業需求，以及AI產品經理未來能力提升的方向。希望對眾多有志加入AI行業產品經理的人有所啟發與幫助。

（提示：竹間智能 PM與工程師崗位正在熱招中，文末有詳細崗位需求～）

---------------------------------正式回答分割線----------------------------------

AI行業的市場現實

1. 由於人才市場上嚴重供不應求的現狀，目前非頂尖演算法工程師也非常緊俏，其結果就是每一個演算法背後都是巨大的成本。

2. 目前AI行業多以2B為主，準確說是2B for 2C，因為本質上大部分演算法背後的終端最後還是直接服務於C端用戶的。

3. 2C的AI發展相對滯後，因為難以達到用戶需求的邊界門檻，或者說非常困難。比如智能音箱這類產品，需要的技術點較多，如麥克風陣列、ASR、NLU以及背後的雲端服務等，有很多演算法坑需要填補，不是Amazon這種超級巨頭還真難以真正做到。Jibo（一款由 MIT 科學家
Cynthia Breazeal 製造的家用社交機器人）融資8500萬美金，並且做了近4年，但依舊尚未真正推出自己的產品。其實不是不能推出，而是想要達到用戶的預期——真正在多場景實現智能交互真的太難。

4. 大部分AI公司已逐漸形成銷售驅動，演算法上幾個百分點的提升並不能成為客戶購買的關鍵點，而去深入理解客戶的業務需求，並有針對性地開發出與客戶需求相匹配的演算法才能獲得收益。比如有些場景對人機交互有較高的實時性需求，這時就需要做到兼顧性能與速度，除了深度學習模型外，還需在各種工程方面下功夫，這樣才可能達到加速的效果。

5. 在與計算機感知相關的演算法層上，可能演算法上幾個百分點的差距在實際效果上並沒有顯著的體現。真正比拼的是端到端產品的打通程度，而工程上的支持，硬體上的支持，客戶提供的許可權等，都是技術和產品落地的邊界。

AI技術的邊界現實

1. 拿Computer Vision（計算機視覺）中的人臉識別來說，準確率是難以放到實際環境中去測試的，因為會有各種雜訊，光照，清晰度，姿勢等較多的變數在對其產生影響。這也就是實驗室準確率和實際準確率的區別。

2. AI的這一次技術浪潮不比上一波移動互聯網。智能可以體現在各種地方，從圖像到語音語義、知識圖譜等，因此AI需要的是想像力，一個端到端的產品往往是大量智能演算法的組合。每一個研究方向、每一個演算法都有其優勢和邊界，有些組合起來是2+2+2+2=4，有人組合起來是（2+2）* 2* 2=16，這就需要產品需求的提出者對技術和用戶的需求有一定的理解力和洞察力。

3. 大量開源的演算法和API都能供任何人調用，這些低成本但並不一定低質量的產物，善用的結果當然是節省成本和時間，應盡量避免重複造輪子這種事情。

4. 巧婦難為無米之炊，而數據就是這裡的「米」，只要嘗試去打一次類似於Kaggle這類的比賽，做些特徵工程，就會很容易了解到8分數據2分模型的事實。而真實的行業應用中更是如此，優質且多的數據會是一個強有力的競爭壁壘。

5. 人工智慧，智能來自於人的賦能——也就是好的標註，演算法和模型其實是對人類智能抽取的一種手段。這時有幾個問題，第一是如何獲取低成本的標註，比如通過眾包的方式（如imagenet和pinterest就用了集體智慧）；第二是標註標準的合理性問題，比如在做視頻情緒的標註時，從一段視頻中標出某個人的情感狀態，這個標註的規則如何定義非常重要。

6. 絕大部分AI技術都只能作為一個環節，而無法作為一個產品，其間有一條較大的鴻溝。

商業與技術趨勢

1. 受益於AI技術的發展和輿論的風向，大多數企業都開始有智能化轉型或升級的需求了。未來幾年，B端需求無疑會持續增長。

2. 可以預見的是，幾個科學家帶著論文去創業的故事不太可能發生了。

3. AI領域中計算機感知層已基本實現，同時快要耗盡深度學習帶來的紅利了，比如計算機視覺，其發展速度已開始明顯放緩。目前更多感知層的提升開始需要結合語義去實現。

4. 多模態是認知層的必然趨勢，單靠文字或者圖像等單一維度的數據進行分析，難以達到預期的效果。如竹間目前的多模態情緒識別技術就採用人臉表情情緒識別與聲音情緒、文本情緒識別結合的方式。

5. NLP和計算機視覺的融合成為趨勢，李飛飛繼imagenet之後開發的一個全新的數據集VisualGenomo，從中不難發現語義在CV領域越來越大的必要性。

6. 融合符號主義，知識圖譜是一個較為重要的部分。

綜上一些AI行業、技術的現實和趨勢，下面對人工智慧領域的PM（產品經理）可以發揮價值的方向提供一些思路（僅作參考，希望對大家有所幫助）：

1. 扮演的角色

項目管理，如果是廣義上的互聯網PM轉行到AI領域，需要多出演算法工程師以及B端對接人這兩類主要的溝通對象。

作為一個售前的諮詢角色，把AI技術描述成能夠被行業外的人聽得懂的語言，並和客戶進行有效溝通，一起找到更高價值的需求點。比如對於公司現有技術chatbot，當面對電商或零售行業的客戶時，如何結合現有技術幫其達到營銷或客戶服務升級的需求，是產品經理需要思考的問題。

規劃長遠的技術方向：AI領域的方向非常多，對於其中絕大部分，目前尚不能找出好的商業案例和模式，或者短時間內無法突破瓶頸。企業不比學校和科研機構，需要決定不做什麼。（關於不做什麼，文章後面會具體講如何用好「兩把刀」：經濟學思維和奧卡姆剃刀）。

另外，需要對學術界的最新動態保持密切關注，如有好的模型，可儘早投入使用，或好的數據集如VisualGenomo，可儘早去嘗試，能夠做到二次創新當然更好。

2. 其他需要具備的特質

至關重要的一點：深刻理解演算法

目前的技術邊界較多，如果每次都需要詢問別人，會極大地影響團隊的工作效率，很多隱藏的陷阱也難以發現。所以產品經理需要對演算法有深刻理解和敏銳洞察；另外，如何幫公司的技術建立壁壘同樣需要對技術有深刻的理解。數據上的壁壘，演算法複雜度上的壁壘等，產品經理都可以去思考。

同樣重要的特質：富有想像力

與移動互聯網浪潮不同，這一次的智能革命，在交互形式上的多樣性，導致場景上的交互思考難度呈指數級上升。因為GUI都是確定性的，點什麼就是什麼，而CUI或者其他的交互形式都是不確定性的。技術的豐富性帶來無限多的演算法組合，舉個例子：從人臉的detection再到追蹤，追蹤後再結合後面的語義或情緒識別做畫像，最後可以將畫像內容作為DL的先驗特徵用於推薦等，這種就是很有價值的創造，1+1&>10都是可以實現的。所以關鍵在於怎麼去組合各種智能演算法，從而使其成為一個完整的產品。

對於生活的觀察，比如GAN做出來的圖像風格遷移模型，你能不能想到一個方法讓用戶為此付費？很難吧。確實，光做個API調用收費無法實現最大的盈利。另外收多久費呢？但我的產品經理同事就基於她在藝術領域的經歷給出了自己的方案和計劃，聽著就靠譜多了。所以想像力和對生活的洞察變得非常重要。

其實作為一盞指路燈，產品經理需帶領演算法工程師們做創新的、有挑戰的事情。事實上可選的方向很多，但哪一種更有價值，需要產品經理指出來，因為100條中可能只有1條能看到希望。

「兩把刀」，讓你決定不做什麼，這裡需要「少就是多」的產品哲學

第一把刀：經濟學的成本思維

不同技術的邊際收益是不一樣的，比如計算機視覺領域，大部分技術目前的邊際收益都很低。如何構建壁壘，實現壟斷，來獲取利潤？靠數據還是演算法上的積累？這些都需要用經濟學的視角去判斷分析。

第二把刀：奧卡姆剃刀

如果一個方案，背後的假設太多（不論是計算能力，還是許可權支持等），那麼這無疑是一個風險巨大的方案，很有可能的結果是，目標是大象，但做出來的確是一條小狗。最可怕的是初始的用戶假設偏差大，你以為有意義的事情也許並不是客戶需要的。比如偽需求「用語音幫我開關家裡的燈」。這個做好完整的功能是需要較多時間投入的，但假設也許是錯的，事實上這樣還比不上我走一兩步去碰下開關來得方便。

那麼具體該怎麼做呢？建議首先去充充電，公開的資源很多就不一一列舉了，之後去試著實踐。如果不去打比賽，至少自己實踐幾次深度學習的演算法是必要的。

究竟AI產品經理這架望遠鏡能看多遠，個人認為主要取決於以下三個方面：

1. 對於演算法理解的廣度和深度

2. 對於AI行業格局的理解

3. 對於其他各個行業的洞察

最後，因為無盡的未知，所以有無盡的想像，希望大家都能在AI的大海上成為像傑克船長一樣的存在，不會迷失在無邊的大海中。——為了「寶藏」前進

-------------------------------竹間 PM及工程師 崗位需求------------------------------

以下竹間PM及工程師坑任君挑選，歡迎砸簡歷至job@emotibot.com，或私信了解具體信息～

1. 高級演算法產品經理

負責推進公司演算法技術優化，包含整理分析測試數據、設定目標推動迭代、收集修復用戶反饋，演算法技術包含自然語言對話（上下文語義理解及語言生成）的分析，推動公司全方位情感計算+人工智慧的能力落地；

需要通過會議、通話及項目管理等工具，與不同辦公室的產品、演算法、工程、數據人員有效協作；

能代表項目團隊向公司領導報告項目進度，並對公司內部或外部客戶解釋演算法技術

2. 演算法工程師

參與以AI為主的個人智能助理的研發；

設計和研發高效率的機器學習平台

3. full stack engineer （全棧工程師）

負責人工智慧產品技術及雲平台產品開發；

通過機器學習，持續優化產品和技術；

設計及運用先進技術於產品開發

作為人工智慧行業耕耘許久的PM，分享一下個人的體悟，搏各位前輩一笑。

開宗明義，脫開產業發展談人工智慧領域PM是不客觀的。

這些年產品經理大火其根本原因是行業出現了兩波大的行業機遇。

1. 05年開始到11年的PC互聯網和軟體的平台機遇，造就平台機遇的技術基礎：

a). 工業化的軟體開發標準建立，OOP、SOA等思想被行業廣泛認同，形成工業化軟體研發體系。

b). 出現穩定的平台，無論是Windows XP、Windows 7，形成穩定的系統平台，同時伴隨著互聯網普及，上網人口的急速提升。

2. 07~08年開始的移動互聯網行業興起，更準確的說是iPhone的誕生定義了移動互聯網的基調以及之後安卓的興起，都是形成了定義行業標準的平台。

國內這兩波行業熱潮的本質是「在互聯網/移動互聯網上重構社會」，而PM這個角色的本質是在這個過程中代言定義社會某一群角色的訴求/需求，並在互聯網上以合適的形式體現出來，滿足這一群體的需求的過程。

而人工智慧和過去兩輪產業機遇有本質的差別在於，之前兩波產業發展的本質是渠道拓展，從PC到移動互聯網，大幅提升了信息傳播的效率。而人工智慧的發展是賦予程序思考判斷的能力，不在同一緯度的產業機遇。人工智慧賦予了程序判斷思考的能力，這一能力的拓展會改變整個產業的角色分工，也意味著組織本身會發生變化，產品關注的不再是原有的產品，運營關注的也不再是原有的運營。

回到問題本身，那麼互聯網方向的PM如何投入人工智慧，從我的角度來看PM能在人工智慧領域為企業帶來的價值主要是兩個方面。

應用領域結合深刻的行業經驗和對人工智慧技術本質的理解，形成應用產品方案。由於人工智慧目前仍然處於初級階段，技術的掣肘很大。在這個前提下深刻的理解目前行業現狀，洞悉應用場景痛點，以目前合理的方式快速形成可用的產品方案是應用領域PM所要關注的最重要的因素。
後端形成深度結合人工智慧技術的產品和運營體系以及組織改造的方案。人工智慧的行業機遇本質是計算機在一定範圍內用戶識別和判斷的能力。後端PM關注的本質是：

使得計算機識別和判斷能力更加精準。
重新定位組織角色，明確新的分工和業務模式。
形成新的體系評估方案，由於判斷的難以衡量性，特別是非結構化數據難以按過去的分析思路進行全量數據分析，所以導致目前行業內很多的運營或產品陷入了一個抽樣分析、打標判斷難以一窺全貌，導致被各路人馬無限挑戰的怪圈，這也是目前人工智慧行業PM陷入的一個怪圈。

最後人工智慧行業需要什麼樣的PM，從我面試的評判角度來講一般關注3 + 1的能力模型：

產品能力，人工智慧行業產品的問題一般很難直接評估，並且一般都是綜合類問題，這使得人工智慧的PM需要有極強的綜合產品能力，需要有能從紛繁複雜的場景下快速定位核心問題的洞察力，有豐富的解決問題手段。除了這個問題之外，挖掘用戶需求，滿足需求這類只能算是基礎能力罷了。
技術能力，這裡有兩個方向：

深入介入技術演算法方向，能直接在這個層面理解並帶來價值。
了解技術本質，理解技術邊界，能觀察行業發展方向，並在這個層面形成產品決策方案。

業務能力，深刻理解目前所處的行業應用本質、痛點和未來的發展方向，最好能有產業思維，有自己獨到的行業理解。

+1. 指的是管理能力，人工智慧PM除了要在應用層面有所建樹之外，對後端的運營/產品體系、組織的改造是非常重要的，而這需要對管理有深刻的理解的PM才能滿足這方面的需求。

最後的最後，從現在開始如何向這個領域的PM轉型？

洞察理解人工智慧的行業本質。
找一個自己最切合的人工智慧應用領域，找相關企業嘗試自薦。
找些資料理解人工智慧/機器學習的技術原理。
深刻的產品功底。

相信各位聰明的PM都能找到相關的資料，書單這類的就不開了。

如果有什麼問題或者見解歡迎大家和我交流溝通。

以上：）

先學《機器學習》的公開課吧。

知乎上有不少相關問題，最近突發奇想，匯總公司多位PM的智慧，整理出我們對這個職位的理解，希望能幫助到想進入AI/機器人領域的PM們~

具體拆解為以下4個問題——

1、AI/機器人PM在做的事情，和常規互聯網PM有何不同？面臨的問題和困難，有哪些不同？

答：做事流程，基本上是一致的，但不同之處在於——

1）需求把握。AI/機器人領域還處於探索期（找剛需），產品形態甚至典型用戶群體（畫像）都還不明確，所以信息收集（行業/競品/用戶等）、創意思考、產品驗證的工作會更被突出。

2）閉環驗證。產品核心價值的設計和驗證工作，很難以數據分析為主驅動，而需要PM有大膽的思路和敏銳的洞見。因為A）從手機場景，升級到機器人場景，天翻地覆的變化。B）用戶門檻遠高於互聯網，用戶量和用戶數據遠比不上移動互聯網產品的量級；C）產品很可能和硬體相關，導致迭代周期更長，收集有效數據更難。

3）交互設計。場景巨變，使得交互方式從純軟體（界面、觸屏）/純硬體，升級到多模態交互等更複雜的人機交互形式，還沒有形成清晰的交互體系標準。很多人沒意識到的是，新時代，不僅是新技術驅動，更關鍵的標誌是新交互（還可能有新硬體）。

4）功能設計。比如做搜索，和做AI問答或對話，還是很不同的東西。並且，一旦和硬體相關，難度就會陡增。

5）數據分析。語音交互產生的數據分析難度遠高於觸屏交互。因為觸屏交互有效表達用戶意圖的概率非常高，而語音交互識別出的數據往往和用戶意圖有很大偏差。

2、AI/機器人PM需要具備的能力和素質，和常規互聯網PM有何不同？

答：各方面的能力和素質都需要跨越式升級。由淺入深的說——

1）更廣更深的知識（經驗）積累：不僅是常規的app、網站等，還可能包括硬體、OS、量產、甚至新的用戶群體認知（小孩、老人、外國人……）

2）更強的技術理解能力。對這點，見仁見智，有2種觀點：A，必須有技術背景，真的懂軟硬體開發到底是怎麼回事；B，本質上需要能清楚「什麼能做什麼不能做」，所以有相關經驗也行。或者，如果整個產品團隊有其他人能做到這點也行，互補配合。不論如何，至少是比常規PM的要求要高的。如果本碩博就在接觸神經網路、深度學習、自動化等方面，會有點優勢。

3）更高效的學習能力/悟性。不僅需要學習以上內容，更可能隨時需要去學習新的領域（甚至是技術領域）。

4）重新認識人的感知和交互方式。參見第一個回答的第3小點。

5）更強的洞察力和創造力。參見第一個回答的第2小點。另外，還包括產品設計時的想像力——大腦模擬體驗過程（手機app可以弄原型，但機器人體驗怎麼辦。。。）

6）行業認知/趨勢判斷。行業周期性如何？AI/機器人領域的發展方向如何？前沿的這些新技術/新產品形態，哪個能最終勝出？如何組織這些新技術/新產品形態？時間窗（時機）如何？政府/大學對行業的影響，如何理解、應對和借勢？還有國際化思考……

7）更深入的人文素養和靈魂境界。個人理解，真正的AI/機器人產品，需要超越純邏輯性的思維和內涵。比如，有人認為，對於機器人產品，把功能價值做好（有用）就可以了，但我個人認為，機器人和人交互時，一定會伴隨著情感等非理性影響，這不是設計者想規避就能去除的。當我第一次近距離看到超大的工業機器人時，被震驚了，因為那種協調的動作和節奏，本能的會讓觀察者覺得「像人一樣」（不是個機器。）；另外一個例子，在表演/戲劇領域，表演者是可以完全通過動作的方向、幅度、節奏等來表達情感的！可參看Pixar 1986年的動畫短片《小檯燈》（Luxo Jr），視頻在：?¤???1pixaràú?ê?ˉ

更深入的說，一個產品，本質是其公司、設計者靈魂能量層次的外化，一個精神層次不高的團隊，不可能做出一個跨時代的AI/機器人產品。

3、如何判斷我是否真的對AI/機器人領域感興趣？如何判斷我是否適合AI/機器人領域？

答：「感興趣」不是一個形容詞，而是一個動詞——關鍵不是你多麼興奮，而是興奮過後，你具體做了什麼。

如果做到了後面第四點的過程（至少一部分），才是真正的證明了「感興趣」。也只有基於此，並且真的去做了1、2個產品feature設計（可以給自己出需求或研究課題），才可以判斷你是否合適。

另外，如果理解/討論停留在下列問題層面（無營養、無邏輯、無邊界、無方案），就還不適合：

對於「強人工智慧」的好奇心與普通群眾或科幻小說家別無二致
人工智慧再牛逼也擺脫不了「吹燈拔蠟（斷電）」的尷尬，根本不智能
我想和人工智慧談戀愛
大自然到處存在著人類無法理解的演算法，人工智慧再牛，也是大自然的一部分
智能家居隨時監控你的生活狀態，這種可能產生危險的東西，除非能夠證明可靠性，否則不會使用。

補充一個同事的觀點：是不是想重新認識自我、認識人類。

4、如何（轉行）成為一個合格的AI/機器人PM，需要做什麼準備？

答：個人建議

1）看知乎上「所有」和人工智慧/機器人相關的問題、看相關書籍或課程（後面有附錄詳細列出）。

2）體驗各種AI/機器人產品、了解必要的產品/技術現狀（比如語音交互相關、各種感測器及其作用），收集行業公司/團隊/機構信息。

3）整理出自己的獨到見解。認真思考人類行為、研究自我。

4）篩選幾個你真正認可的創業團隊，想盡辦法結識其中的牛人（帶上你的獨到見解），去交流（先想想，為什麼你值得ta花時間），甚至申請一份實習或兼職工作。

如果你已經做好了準備，打開我們圖靈機器人的產品經理招聘頁面吧：高級產品經理招聘-圖靈機器人招聘-拉勾網

——附1：書籍或課程推薦——

1、《科學的極致：漫談人工智慧》(集智俱樂部...)【簡介

2、《哥德爾、艾舍爾、巴赫：集異璧之大成》(（美）侯世達...)【簡介

3、《人工智慧：一種現代的方法（第3版）（世界著名計算機教材精選）》(（美）羅素...)【簡介

4、《人工智慧智能系統指南（原書第3版）（結合實際代碼、圖示、案例講解人工智慧基本知識。入門書籍內容豐富、淺顯易懂）》(（澳）尼格尼維斯基...)【簡介

5、《圖解機器學習》([日]杉山將...)【簡介

6、《與機器人共舞(人工智慧時代的大未來)+情感機器(人類思維與人工智慧的未來)(精)（共2冊）》(美)約翰?馬爾科夫

7、斯坦福大學公開課：機器學習課程 by 吳恩達

——附2：侯世達(Douglas Hofstader)的觀點——

（來自：侯世達的個人主頁，以及《科學的極致——漫談人工智慧》）

【現在主流的研究雖然很厲害，但卻與真正的人工智慧沒有半點關係。

微領域下的類比就是我過去30年一直在研究的東西……我自己也不確定我最喜歡的，但我可以肯定我最終的選擇——無論是哪一個——一定會是在我腦中舉行的「審美比賽」的贏家。這個問題無關邏輯抑或真理，而是關乎美，也因此歸結為品味。這種方式看待思考與大多數人工智慧研究者在過去五六十年里所想的相去甚遠。他們之所以不待見這個觀點，是因為從計算上去給審美品味建模實在太過模糊，而試圖用邏輯或數學去模仿思考看起來又是那麼的直截。然而，這些形式化的研究方法帶來的是極其生硬的「智能」，毫無洞見可言。在我看來，他們「沖著錯誤的樹在吠」（譯註：英諺，本意是獵狗以為把獵物追上了樹、沖著樹吠叫，但其實獵物已經逃到了另一棵樹上。比喻弄錯了對象）……而要是我們的任何系統真的在其微領域中獲得了與人類相頡頏的智力，我們將痛心至極，因為那將是很可怕的：這意味著人的智力並非如我們所想的那樣複雜或深奧。這意味著短短几十年的研究就足夠人類解開人類思維的奧秘，那，在我看來，將是一個悲劇。……在FARG我們沒有致力於開發實際的應用，諸如翻譯引擎、答問機器、網路搜索軟體此類的東西。我們只是在努力地理解人類概念的本質和人類思考的根本機制。我們更像是哲學家或試圖探究人類心智奧秘的心理學家，而非旨在製造聰明的計算機或機靈程序的工程師。我們是一群老派的純粹主義者，我們的動力源於內心深處的哲學好奇心，而不是製造實用設備的慾望）。】

註：未經hanniman授權，嚴禁轉載！

更新怎麼做人工智慧產品經理

先聊聊什麼是人工智慧產品經理

AI是大家都很關注的領域，然而對於大部分想要入行的同學來講，AI的演算法技術門檻相對較高，讓很多空有熱血但是缺少數學背景的同學望而卻步。不知道什麼時候，可能是「人人都是產品經理」這個論調的影響，產品經理這個崗位逐漸變成IT領域除了純開發崗位之外的第二選擇。對於AI這個領域也不例外，產品經理這樣的崗位也漸漸成為競相爭取的「肥差」，剛好我也在大廠做了一段時間的人工智能品類產品的工作，結合我的經歷談一談這方面的感受。

首先我想說「人人都是產品經理」在AI這個領域並不適用。先談下AI類的產品經理跟其它的APP或者IT服務類產品的區別。第一點，面向的受眾不同，產品經理的本職工作是要設計出最貼合用戶使用習慣的產品，然而因為目前AI的技術發展仍不像APP這樣普及，大部分的AI產品的服務對象是to B端的企業用戶， B端用戶和C端用戶的使用行為習慣是截然不同的，所以就有很多C端的產品轉向B端出現的水土不服。第二點，AI類別的產品經理同樣需要面對相對這個崗位較高的門檻，當實現一款功能的設計的時候，最基礎的認知就是要首先確定什麼能做什麼不能做，對於可見的一些服務，比方說手機APP中的用戶使用用鏈路來講，一個功能能否實現是比較容易確定的。但是如果是AI類產品的設計，需要涉及到對演算法以及數據的理解，只有當產品經理真正了解每種演算法的玩法以及數據的使用鏈路，才可以將功能做活，保留高魯棒性。第三點，因為AI技術還在快速發展，但是遠沒有達到人盡用、人盡知的地步，所以每一個AI產品經理當完成一款功能或產品的上線之後，都需要在教育用戶和市場方面做足功夫。這一點也適用於所有新領域的產品。

那要如何成長為一個AI類的產品經理呢？博主還在學習階段，但是可以把我的心得簡單講下。第一，快速的學習理解AI這個行業。AI是整個互聯網行業談論最多的技術方向，有大的量的關於這個領域的垂直媒體會每天更新國內外最新的諮詢，我每天上班和下班途中共兩個小時，都會用來瀏覽媒體對AI的報道，從大牛離職這樣的八卦新聞到新論文的發表都會看一看（付出了手機流量超標的嚴重代價），遇到需要仔細閱讀的便收藏等到時間充裕的時候慢慢去學。不過確實因為現在這方面的諮詢實在太紛雜了，為了甄選有營養的諮詢以及方便跟更多的同學討論，我創建了微信公眾號「凡人機器學習」，把我覺得好的諮詢跟大家分享。第二，學習AI的基礎知識，不要只做產品「傻白甜」。聽過很多開發吐槽產品經理什麼都不懂，我也時常被吐槽。為了更深刻理解AI行業用戶的使用習慣，要多多學習一些演算法以及數據的分析方式，當然不必要像開發一樣深入了解，只要從使用方式的角度了解即可。我每天會在下班後，多呆一小時去看看各種大牛的博客或者學一些視頻在線課程，這樣可以更好的理解AI行業用戶的使用方式，跟用戶近一點。同時當你理解了演算法的一些原理之後，也會跟開發近一點。在學習的過程中也可以邊學邊記錄，留到以後去查看，之前把自己的筆記整理了下居然也可以形成一本書《機器學習實踐應用》。剩下的一些關於產品經理必備的能力，比如競品分析、市場策略、運營策略、項目推動、團隊合作、產品設計這裡就不詳細說了，以後慢慢聊。

最後謝謝大家的時間。

跟作者討論，可以訪問我的微信公眾號：凡人機器學習

-------

毫無疑問，人工智慧是目前整個互聯網領域最火的行業，隨著AlphaGo戰勝世界圍棋冠軍，以及各種無人駕駛、智能家居項目的佈道，人們已經意識到了AI就是下一個風口。當然，程序員是我見過對於新技術最敏感的一個人群，舉一個例子：當TensorFlow剛剛面世的時候，幾乎所有搞大數據的同學一見面就開始交流這方面的內容，彷彿所有人一夜之間成了「TFboys」（tensorflow_boys）。我覺得之所以程序員對於新技術很敏感有兩個原因，其一是技術這碗飯會逼著你不停地去學習，不然很快會被淘汰；其二是程序員大多是理工男，對於新事物是充滿好奇的。借著出版《機器學習實踐應用》的機會，又是到了這樣一個檔口，就是很多程序員面臨轉型，需要去學習AI技術，在這一文我就簡單談談我對學習AI的一些看法，我自己的膚淺想法，輕噴哈。

（先聲明下我不是演算法大神，我是BAT機器學習產品經理，不過我身邊都是各種各樣的演算法大牛）首先講下我個人的學習經歷，我最先接觸編程是在剛上大學的時候，2010年左右。最早的時候大家都信奉PHP是最牛的語言，當時覺得能做網站的人都是大仙。過了不到3年，移動互聯網的浪潮來了，幾乎所有人全部轉去學Android開發、iOS開發，而且最初的時候做移動端開發是非常吃香的（這股浪潮很像現在的AI浪潮，我確信不到三年時間市面上的演算法工程師會成指數性增長）。我自己當時是在做android開發，也是在一家大的手機公司實習，我當時覺得開發手機軟體挺酷的，直到有一個契機讓我見識到了AI。當時是有一次機會調用了某個以色列公司開發的眼球識別SDK，13年那時候看到眼球識別這總高端技術是覺得非常神奇的，後來我偷偷Google了下後端的技術，這才第一次認識到了世界上居然有機器學習演算法這種東西。於是理工男的那種對新技術的好奇心就促使我去學習機器學習演算法，剛一開始先認識了一些基礎的演算法，比如LR、KNN、RF這些，當時在國內沒有這麼多的視頻課程可以學習，買了一本《機器學習實戰》的書，是外國翻譯過來的，把裡面的很多代碼都自己推敲了一遍，成長很大。但是學習機器學習，光知道演算法是遠遠不夠的，還需要數據和場景去操練。正好當時阿里舉辦第一屆天池大賽，獎金記得有100萬，於是就和幾個小夥伴結隊參賽，比賽比了兩個月，當時真正的在TB級別的數據下實踐了特徵工程、調參、交叉驗證、計算F1分等等。而且第一次體會了分散式集群的威力。當時比賽用的是阿里雲的xlab，也就是機器學習PAI的前身。比賽的時候我就深深的愛上了這款雲端的機器學習工具，導致後來我義無反顧的投身阿里雲，做了PAI的產品經理，開啟了我的機器學習業務實踐之路。

講了這麼多我自己的經歷，希望對大家有一些啟發。總結歸納一下程序員如何轉型成為AI工程師。首先，需要確立自己的職責，是演算法開發還是演算法應用，這兩個差別很大。如果工作的性質是通過演算法去解決一些實際的業務問題，偏演算法應用，那我覺得需要更專註於了解業務以及演算法的使用場景。如果工作性質是去開發演算法，提升效率，那麼需要更多的關注數學推導能力以及編程技巧。機器學習演算法對數學的能力要求是非常高的，這就是為什麼BAT很多演算法開發工程師都是數學專業畢業的原因。

當明確了自己的定位，還需要一個環境去實踐，需要有大量的數據在特定的場景下去不斷磨練自己對數據的認知，對數據認知的過程就是將業務抽象成數學公式，將數據轉化為特徵的過程，我覺得這個能力會比推導演算法更重要。在這裡給大家一些推薦：

1.首先學習演算法可以去看一些書《機器學習實戰》（強烈推薦）、《統計學習方法》（偏底層數學推導）、《機器學習實踐應用》（偏業務）。也可以去看看吳恩達老師的關於機器學習的斯坦福公開課。

2.關於實踐場景，可以去參加Kaggle的比賽或者天池大賽，在這裡強烈推薦天池大賽，因為天池不光會提供真實的數據和比賽環境，最關鍵的是你可以獲得許多與高手切磋交流的機會，這些交流會讓人快速成長。

3.多多實踐，其實市面上有很多現成的開源工具可以使用，有R、Spark-MLib、Sklearn等等，也有很多地方可以下載到開源數據集，推薦UCI數據集。下載好數據，選定一個場景，自己用代碼去跑跑效果，比看100篇雞湯都管用。

最後希望大家都能掌握演算法技巧，即使不能從事AI工作，對於數據的認知能力也一定是未來最核心的競爭力。

先成為一個優秀的交互設計師吧，相信我，能夠處理各種場景下的人機交互，然後倒推去了解功能怎麼做，然後去了解功能背後的開發，然後就積累經驗吧。

作為一個跨多個領域同事都可以做到幾個的人來說比較適合回答你這個問題

首先你要懂什麼是人工智慧

然後你要知道你要做的事情人工智慧能做到什麼你不要去干涉怎麼做除非你更加專業

深入了解業務挖掘人工智慧可能更適合的點

希望人工智慧領域裡溝通能力和商業能力更好的人來做產品經理而不推薦反過來

互聯網產品經理和AI產品經理需要的思考邏輯不一樣：

1、

互聯網以信息的流通為核心，建立完整的產品閉環；

人工智慧以信息的處理為核心，建立的是數據的閉環；

2、

互聯網有產品閉環，所以傾向重構產業；

人工智慧強調數據閉環，傾向優化產業；

3、

互聯網重構產業，本質是將需求線上化，並利用互聯網的特性自動完成優化；

人工智慧優化產業，本質是抽象重定義原產業元素，並利用深度學習等技術完成優化；

4、

這裡應該有什麼東西，還沒想好；

另外聊一下產品經理的本質-發現需求是怎麼回事：

互聯網產品經理，解決需求的模式是元素的重組與連接，包括人與人、人與物、人與信息等；

人工智慧產品經理，解決需求的模式應該是，在理解與定義原有產業元素的基礎上，交付優化方案；

只有對消費者的洞察，心理需求的把握入手，並熟悉機器人相關技術，才有可能跨越過去。

謝邀，
可是我沒接觸過這方面。
我覺得可以先研究AI，再考慮智能機器人

先看AI產品經理需要的能力，我認為相對互聯網或軟體產品經理，主要有三點新要求

1、演算法邊界判斷力：了解本公司的演算法效果

這點很重要，和軟體或互聯網產品不一樣（基本技術上的需求都可以滿足），任何公司的演算法能力，相對產品需求來說都是有限的

AI產品必須基於現有演算法能力去做，而不只是從用戶需求角度去提

但了解演算法能力，並非那麼容易，需要有策略的溝通和評估

因為演算法能力，不是一個非常直觀的東西，往往產品人員預期的能力，會比實際效果要高

（對演算法效果的衡量，本身就是一個複雜的事情，尤其考慮到上線後的真實數據可能比測試集要更複雜，也會有很多沒意料到的case存在）

2、分階段落地能力：能從現有能力出發，設計滿足業務需求的功能

從演算法價值角度，不嚴格的將產品分三類：一次性運營型，娛樂型，實用性。三個類別對演算法的要求從低到高

（這個分法不嚴謹，但有實用性，可以根據這個來設計產品，讓演算法能在不同階段都找到落地方式）

因為演算法總在優化中，並且演算法能力一般落後於業務需求，所以根據演算法能力量身定製產品功能，會很有價值

對業務的深刻理解是必不可少的，在此基礎上結合演算法能力，發揮創造性思維吧

3、流程把控力：對演算法迭代有一定了解

演算法總是在改進，但效果很難按時間精準估計，可能相當長一段時間都沒有改進，也可能短時間取得突破

產品經理要深刻理解這一點（這和工程開發是非常不同的），需要更加靈活應對

從這幾點新能力要求來看，AI產品經理和傳統產品經理，我認為沒有太大的跨度

因為我認為AI產品經理，不需要去學習任何具體的演算法，所以相對非智能產品，對能力的要求不會有特別難的鴻溝

在上述三點之外，還有一些或大或小的方面，比如了解AI發展趨勢和前沿，基於AI帶來的新交互方式的設計等，我想算是產品經理的一些通用能力範疇吧

綜上，業務線和AI演算法團隊，對產品經理的最大需求就是：

為不完美的演算法設計落地方式

其實，對很多大公司，傳統業務線的產品部門也會和AI團隊合作探索，如果碰撞出了火花，自然就做起了AI產品

傳統產品經理和AI產品經理，沒有那麼嚴格的界限

如果認準了，直接投簡歷吧

把心態調整為如何做好產品。而不是把自己定位成一個打工仔、螺絲釘、技能俠

人機交互是一門科學，要有很好的理論基礎，和超強的學習能力！跟產品經理扯不上什麼關係！轉不轉看能力！

沒有產品經理會一直停留在一個領域，當你有了目標後，就會很樂意去研究它。
比如我之前做手機軟體相關的東西，這一年VR市場炒的很熱，於是也想著看看有沒有什麼機會。但之前我對VR只是在一些遊戲展會看到過，略有興趣，實際對這個產業毫無了解。後來我就尋找各種VR業的資訊網站，混跡技術圈論壇以及用戶圈的貼吧之類，從各種行業分析報告，技術門檻，現階段發展，各硬體廠的難題，以及做內容的軟體開發方的難題，用戶方面體驗問題等等方面進行了解。
因為產品經理不是技術，有時看到技術難題需要跟技術一起討論下。只要你願意去研究，就不會有轉型的擔憂，當你通過網路對新行業有了一定了解，並確定要做的時候，也不要停止學習，這個行業變化就是這麼快，所以產品經理要做的事情也是不斷在變的。
作為產品經理，主要關注行業動態以及問題，確定路線，至於路線上的問題如何解決，還是跟技術大牛們探討吧，不需要太深入的了解，只要知道解決原理，記住各種你曾經了解過的解決方案，並幫助提出設想即可，不要怕被大牛們嘲笑你的設想。
人工智慧/AI這個領域沒了解過，也沒有乾貨可以給你啦，不過題主的思路是對的，這些東西是第一步要了解的，我覺得可能把問題改成有哪些人工智慧/AI方面的經驗、乾貨推薦會更好。。。

先加進來看看吧。人工智慧產品經理的第一社區，好不好看了才知道。

發幾個裡面內容的截圖，給大家先看看

看到社區里來了好多新朋友，歡迎大家啊

從職責上來輻射需要用到的技能點：

1、自己洞察需求 但反能通過AI來提升效率提升體驗可能都是一個機會

2、洞察到需求當然是判斷其同AI的解決方案可行性是否是否夠高

3、如果可行那麼就是協調各方配合推進大家一起完成方案其中可能有演算法工程師硬體工程師 etc

4、完成初稿當然是不行的你還得不斷的收集新的體驗問題點優化迭代推向市場

然後根據每一點擴展下技能需要

1對應痛點需求挖掘其實是產品經理必備的技能只是現在過渡到了AI 可能你得帶著以前沒有AI不能解決但是現在有了AI是可以解決的思路去洞察這個就不多說了吧

2 這個可能要求就比較高了因為你得了解軟硬體才能判斷可行性你可能需要去了解機器學習深度學習強化學習且知道很多常用演算法譬如一些如決策樹、樸素貝葉斯分類、邏輯回歸當然不僅知道這些演算法概念還要能夠知道其應用如樸素貝葉斯分類其實可以解決垃圾郵件判斷、人臉識別等等當然還有就是硬體方面因為你要發散思維人機交互不要限於滑鼠鍵盤還有觸屏那麼你得去看各種感測器啊比如自動駕駛它就用到很多感測器和智能家居結合的home echo 國內的若琪還用到了通過控制器接受wifi信號並發送紅外射頻來控制電視空調的開關還有科幻片裡面的手勢交互其實我覺得現在也是可以實現的（例子只提供思路具體實現未做證實）

3 後面就是需要協調各方配合了你說你不用他們能懂的語言和一幫可愛的猿類溝通能行嗎當然這裡面還要有一定的項目管理能力以前的產品經理已然要求細節不表了

4 作為一個產品經理怎麼能把自己的孩子生下來不塑造好就出去走社會呢所以還要拿出以前產品經理那種將自己孩子塑造到人見人愛的完美主義精神啦

最後就舉個例子吧（當然例子只是個人臆測的所以如有錯誤希望不吝賜教謝謝）

就舉前端時間知乎廣告打的很火的若琪吧和國外的home echo類似的產品其實我是感覺還算不上人工智慧真正的魅力所在的（當然他們做的還是蠻好的）

人機交互形式：語音中文（語音識別如果說小公司沒實力壓根沒必要自行研發完全可以對接現成方案國內科大訊飛呀本來巨頭和大公司就是幫我們做基石的而且他們做的也很好）

功能點：

語音操作，生活助手，海量內容，百科百問，智能家控，實時新聞

其實如出一轍都是通過語音識別他們定義的功能指令如果匹配成功就呼起相應的功能當然也有很多難點有一些自然語言處理和上下文語境等然後可能他們獲取到指令便可以完全對接一些數據平台來播放結果即可智能家控上面說過

但是我們得承認它的確在我們接受的價格能夠讓我們的生活體驗更好了一些這就是價值希望它能做的更好。而他的商業價值簡直是無限想像單說他對接的這些數據就是價值不菲的，而且他融入我們生活那麼緊密其他價值會沒有嘛多的就不說了

作為一名非產品經理從業者也不是人工智慧從業者以上的觀點可能有錯歡迎指出

首先寫一份好的簡歷，利用你產品經理的知識儲備，要能打動HR和獵頭
其次決定你在這個新領域打算從事的職位：銷售；研發；市場；還是技術支持
最後取捨一下你目前的收入和期待的收入，坦率的說機器人和工業機器人之間有認知上的鴻溝
我只熟悉工業機器人，如果是工業機器人的話，建議讀物如下：
1. 《自動控制原理》
2. 《數字電路》、《模擬電路》
3. 《電機拖動》
4. 以上都是純理工教材，紙上得來終覺淺，剩下的就得靠實戰了
5. 這個圈子收入比不上碼農

首先，先做一個優秀的產品經理吧。

大家的回答，似乎除了對商業的理解這一條最核心的能力要求，其他有的沒的、亂七八糟的說了好多。

跟熱門行業還不如跟大小、跟單雙、跟波色。。。。