每日干货分享

轉型AI產品經理需要掌握的硬知識(三):2B和2C類AI產品&公司&腦洞


轉型AI產品經理需要掌握的硬知識(三):2B和2C類AI產品&公司&腦洞

前面兩篇文章筆者腦補了AI產品經理能力模型,系統梳理了一些AI常見概念和演算法,感興趣的朋友可以關注查看往期文章或點擊下面鏈接查看詳情:

轉型AI產品經理需要掌握的硬知識(一):AI產品經理能力模型和常見AI概念梳理

轉型AI產品經理需要掌握的硬知識(二):AI常見概念和演算法梳理

AI產品崗位求內推,AI產品崗位求內推,AI產品崗位求內推!重要的事情說三遍~^_^

一、前文思維導圖總結

第一篇文章中,系統介紹了AI發展史,在學習的過程中也看到過關於這一輪AI崛起持續不了多長時間的論點,但筆者樂觀的認為這一輪AI崛起不會如前兩次般遭遇冬天,也不會像前兩年大紅大紫的3D列印和AR/VR一樣火不過一年(產品化不成功,剛需使用場景缺失)。從前兩輪AI崛起沒落可以看出,人工智慧的發展受到以下四個因素的限制:計算能力、大數據、演算法、產品化和資本因素的限制。

計算能力:人工智慧的概念於1956年提出,當時IBM的電腦僅能存儲5M數據,其運算速度與今天的一部普通手機的運算速度差距都如同雲泥。計算機的運算能力複合摩爾定律,經過50多年的發展,其運算速度得到極大提升,天河二號超級計算機的運算速度可達到每秒 33.86千萬億次的浮點運算,未來的生物計算機的運算速度更是值得期待;

大數據:早期計算機學習沒有大量可供學習的數據,而經過10年個人電腦普及,10年全球互聯網的蓬勃發展,智能手機的4G網路的普及覆蓋,萬物聯網帶來上百EB的數據量,這些數據都是AI的養料,可以說本輪的機器學習是大數據餵養出來的;

演算法和產品化:每一輪AI的崛起都源於演算法層面的突破,深度神經網路學習讓機器學習在自然語言識別和視覺識別領域的識別準確度分別達到99%和95%,為AI的產品化創造了可能性,互聯網的連接屬性極大提升了人與人,人與服務的連接效率問題,而未來的AI產品將從人類社會分工的底層提升生產效率,進而影響我們的工作和生活,尤其在2B領域,下面會系統介紹;

資本:前兩次AI寒冬均因為項目未能按時按預期交付完成,美國政府或軍方撤資,導致研究無法繼續,而本輪AI的崛起並非政府主導,而是商業資本+國家扶植,我國的四大AI平台是以民營企業為主導,所有的AI科學家也都進入到企業,商業資本瘋狂追逐著人工智慧公司,為其產品化保駕護航。

第二篇文章中,系統介紹了一些人工智慧概念和演算法,已將相關內容做成了思維導圖,感興趣的朋友可以留言區留下郵箱,筆者郵件分享xmind下載鏈接。

轉型AI產品經理需要掌握的硬知識(三):2B和2C類AI產品&公司&腦洞

本文結構如下圖所示:

轉型AI產品經理需要掌握的硬知識(三):2B和2C類AI產品&公司&腦洞

二、AI產品總攬

本文嘗試基於使用場景或產品,梳理相關技術實現原理,分享參考閱讀文章,推薦試用產品,相關公司簡介等,因為人工智慧幾乎可以覆蓋所有已知的領域,可以根據具體需要查看相應部分內容,也希望大家留言區分享優秀AI文章鏈接和學習資料。

1、輸入法、AI助理、機器翻譯(自然語言處理NLP)

自然語言處理(NLP)是計算機科學領域與人工智慧領域中的一個重要方向。它研究能實現人與計算機之間用自然語言進行有效通信的各種理論和方法。自然語言處理是一門融語言學、計算機科學、數學於一體的科學。

轉型AI產品經理需要掌握的硬知識(三):2B和2C類AI產品&公司&腦洞

1.1 概要介紹

自然語言處理(簡稱NLP)包括:句法語義分析、信息抽取、文本挖掘、機器翻譯、信息檢索、問答系統、對話系統,網上搜索自然語言識別相關技術,我們可以看到基於聚類分析可以實現自然語言識別,基於模式識別可以實現自然語言識別,基於深度神經網路也可以實現自然語言識別。

1.2 推薦閱讀材料

初學者如何查閱自然語言處理(NLP)領域學術資料

語音識別技術原理

科大訊飛新一代語音識別系統大揭秘

自然語言處理(NLP)的基本原理及應用

siri工作原理詳解siri技術解析

CSDn自然語言處理博客文章

1.3 推薦試用產品

自然語言識別:訊飛輸入法(PC軟體和手機APP),訊飛語記(手機APP),百度輸入法PC軟體和手機APP)

遠場語音識別(智能音箱):亞馬遜Echo,谷歌Home,蘋果HomePod

機器翻譯:google翻譯

多輪對話機器人:蘋果siri,微軟小冰,百度度秘,小i,小黃雞,圖靈機器人

1.4 相關公司

百度AI開放平台科大訊飛開放平台騰訊AIP開放平台、阿里智能A+、今日頭條、搜狗

2、物流分揀機器人

2.1 概要介紹

分揀機器人(Sorting robot),是一種具備了感測器、物鏡和電子光學系統的機器人,可以快速進行貨物分揀。電商平台的蓬勃發展,自動分揀機器人已得了廣泛的應用。亞馬遜,阿里巴巴和京東均已將智能分揀機器人應用在貨物分揀工作中,極大節省人工成本,號稱一小時可以完成18000單的分揀工作。

牛!快遞分揀機器人, 一小時可分揀18000件                                   

2.2 推薦閱讀材料

工業機器人分揀技術的實現

快遞分揀無人化有哪些關鍵技術?

物流機器人市場發展迅速,分揀機器人的工作原理介紹

2.3 相關公司

亞馬遜、阿里巴巴、京東商城、順豐、申通等

3、自動駕駛

3.1 概要介紹

自動駕駛汽車(Autonomous vehicles;Self-piloting automobile )又稱無人駕駛汽車、電腦駕駛汽車、或輪式移動機器人,是一種通過電腦系統實現無人駕駛的智能汽車。自動駕駛汽車依靠人工智慧、視覺計算、雷達、監控裝置和全球定位系統協同合作,讓電腦可以在沒有任何人類主動的操作下,自動安全地操作機動車輛。

2017年7月6日,百度AI開發者大會現場連線視頻中「李彥宏乘坐無人駕駛汽車上北京五環」的消息刷爆了朋友圈,近期一條自動駕駛大巴深圳上路的新聞刷爆朋友圈,由海梁科技攜手深圳巴士集團、深圳福田區政府、安凱客車、東風襄旅、速騰聚創、中興通訊、南方科技大學、北京理工大學、北京聯合大學聯合打造的自動駕駛客運巴士——阿爾法巴(Alphabus)正式在深圳福田保稅區的開放道路進行線路的信息採集和試運行。讓這個焦慮的世界又多了一批焦慮的人–公交車司機。

沃爾沃根據自動化水平的高低區分了四個無人駕駛的階段:駕駛輔助、部分自動化、高度自動化、完全自動化:

1、駕駛輔助系統(DAS):目的是為駕駛者提供協助,包括提供重要或有益的駕駛相關信息,以及在形勢開始變得危急的時候發出明確而簡潔的警告。如「車道偏離警告」(LDW)系統等。

2、部分自動化系統:在駕駛者收到警告卻未能及時採取相應行動時能夠自動進行干預的系統,如「自動緊急制動」(AEB)系統和「應急車道輔助」(ELA)系統等。

3、高度自動化系統:能夠在或長或短的時間段內代替駕駛者承擔操控車輛的職責,但是仍需駕駛者對駕駛活動進行監控的系統。

4、完全自動化系統:可無人駕駛車輛、允許車內所有乘員從事其他活動且無需進行監控的系統。這種自動化水平允許乘客從事計算機工作、休息和睡眠以及其他娛樂等活動。

3.2 推薦閱讀材料

自動駕駛汽車涉及哪些技術?

什麼是汽車自動駕駛,如何通俗易懂地理解其功能及原理?

乾貨!激光雷達技術和自動駕駛技術原理分析

自動駕駛技術原理介紹和未來的趨勢如何

Google 無人駕駛介紹Ted視頻,有中文字幕

黃仁勛訪談 Elon Musk 提到Tesla 輔助駕駛原理

人工智慧在自動駕駛技術中的的應用

3.3 推薦試用產品

特斯拉 Model S

3.4 相關公司

百度無人駕駛車項目於2013年起步,由百度研究院主導研發,其技術核心是「百度汽車大腦」,包括高精度地圖、定位、感知、智能決策與控制四大模塊。其中,百度自主採集和製作的高精度地圖記錄完整的三維道路信息,能在厘米級精度實現車輛定位。同時,百度無人駕駛車依託國際領先的交通場景物體識別技術和環境感知技術,實現高精度車輛探測識別、跟蹤、距離和速度估計、路面分割、車道線檢測,為自動駕駛的智能決策提供依據。

特斯拉(Tesla),是一家美國電動車及能源公司,產銷電動車、太陽能板、及儲能設備。Tesla 的計劃是通過不斷迭代輔助駕駛技術,使之最後升級成為無人駕駛。停留在輔助駕駛階段時,需要駕駛員。駕駛員有完全控制權,可以反制或取消輔助駕駛的行為,完全對安全負責。

Google 無人駕駛是一步到位的,基本原則就是不需要人類干預,沒有駕照的人也可以單獨上車,上車就睡,乘客不承擔責任。

樂視網汽車頻道於2010年8月20日正式上線,依託樂視網視頻方面的優勢,將豐富、精彩、實用的汽車內容以視頻的形式呈現給廣大的網友,內容涵蓋新車報道、行業新聞、試乘試駕、維修保養、原創汽車視頻、車模風采、消費維權、汽車賽事等欄目·精彩的視頻讓網友輕鬆享受汽車行業的視聽盛宴。不幸的是無人駕駛和智慧出行是趨勢,但是2017年並不是其爆發點,龐大的樂視帝國因為供血無人汽車崩盤了。

4、人臉識別

4.1 概要介紹

人臉識別,是基於人的臉部特徵信息進行身份識別的一種生物識別技術。用攝像機或攝像頭採集含有人臉的圖像或視頻流,並自動在圖像中檢測和跟蹤人臉,進而對檢測到的人臉進行臉部的一系列相關技術,通常也叫做人像識別、面部識別。2017年被全面應用在手機解鎖中。人臉識別系統主要包括四個組成部分,分別為:人臉圖像採集及檢測、人臉圖像預處理、人臉圖像特徵提取以及匹配與識別。

人臉識別技術產品已廣泛應用於金融、司法、軍隊、公安、邊檢、政府、航天、電力、工廠、教育、醫療及眾多企事業單位等領域。隨著技術的進一步成熟和社會認同度的提高,人臉識別技術將應用在更多的領域。而這個行業湧現出了像湖南視覺偉業、北京曠視科技、北京商湯科技等一批優秀的企業。

4.2 推薦閱讀材料

人臉識別系統原理

人臉識別系統的原理與發展

人臉識別主要演算法原理

簡話人工智慧 | 2分鐘看懂人臉識別的原理

4.3 推薦試用產品

iPhone X,VIVO X20,mate 10 等前置攝像頭解鎖;公司門禁;移動支付

4.4 相關公司

北京曠視科技有限公司;視覺偉業;商湯科技;海康威視

這些公司的優勢分析,詳見下文:人臉識別技術公司十大排名

5、視覺設計

5.1 概要介紹

自拍類APP越來越多,結合人臉識別技術,可以在人的面部或頭部添加耳朵,鼻子,王冠等道具,識別鎖定人的面部或肢體,保證道具可以自動隨著人的移動而移動。

ostagram可以實現自動世界一張圖中設計元素,賦予另外一張圖作為濾鏡,可以設計出效果超贊的設計效果,把一張普普通的風景照變成梵高風格的油畫。

5.2 推薦閱讀材料

A Neural Algorithm of Artistic Style

自己搭建一個ostagram

5.3 推薦試用產品

美拍、SNOW相機、Faceu激萌,B612、羞兔、IN、美咖相機、LINE camera等手機APP支持人臉自動識別,貓耳朵、兔耳朵、狐狸耳朵、豬耳朵隨你挑。

ostagram和prsima,實現自己設計濾鏡效果

轉型AI產品經理需要掌握的硬知識(三):2B和2C類AI產品&公司&腦洞

STYLE2PAINTS 線稿自動上色。點擊試用

轉型AI產品經理需要掌握的硬知識(三):2B和2C類AI產品&公司&腦洞

6、文章編輯

6.1 概要介紹

機器人寫稿已經不是什麼新鮮事了,早兩年國外還出過專門的資訊APP,內容全部由機器抓取並生成短消息,主要集中在體育、財經等領域。很多海外的傳統媒體都已經運用上了機器人寫作,因為人工智慧可以監測網路熱詞,所以比起對熱點時間的敏感度,機器人的反應更靈敏,響應速度更快。機器人知道什麼會成為熱點,也能第一時間把熱點傳遞給受眾。在媒體行業,AI寫稿是未來的一個趨勢,特別是類似財報、體育快訊、股市消息等結構化、標準化的以數據為主信息,人工處理反而不如AI精準、高效。

轉型AI產品經理需要掌握的硬知識(三):2B和2C類AI產品&公司&腦洞

6.2 推薦閱讀材料

紐約時報的「新媒體運營總監」,是一個叫Blossom的機器人

EditorAI:用人工智慧技術輔助記者編輯寫稿

人工智慧幫你寫論文,總有一款適合你!

6.3 推薦試用產品

騰訊的Dreamwriter、百度的寫作大腦、新華社的「快筆小新」、今日頭條的「xiaomingbot」

三、不同領域AI腦洞

1、人工智慧+用戶畫像

人工智慧可以根據用戶行為進行打標籤,通過個性化標籤繪製出用戶畫像,識別用戶需求,預測用戶行為,傳統企業的廣告投放為的是吸引目標用戶,傳統媒體的廣告投放沒有辦法精準投放到目標用戶,只能廣撒網,隨著互聯網的普及,百度可以基於關鍵字顯示廣告,今日頭條可以基於用戶的瀏覽行為推薦廣告,淘寶可以基於用戶的瀏覽記錄為用戶推薦可能喜歡的商品,微信可以根據用戶的各類信息精準推薦朋友圈廣告。這些都是通過人工智慧為用戶行為打標籤,繪製用戶畫像,號稱今日頭條會給用戶打上萬個標籤。我們可以看到,這些畫像實際上掌握在類似於BAT這種平台型互聯網公司手中,尤其是騰訊的社交數據和阿里的購物和地圖數據,通過人工智慧聚類分析,根據用戶的行為數據便可以清晰的描述一個人的真實形象和訴求,未來這種用戶畫像可能被更多的應用到傳統企業中,傳統企業也包含了大量的數據,傳統企業通過提供自身數據,打通於大型平台的數據,共同完善用戶畫像,可以清晰的描繪出用戶的畫像,所有的銷售和推廣行為將變得更加高效。

轉型AI產品經理需要掌握的硬知識(三):2B和2C類AI產品&公司&腦洞

2、人工智慧+新零售

前些年都說電商會滅掉線下零售,但從今天來看,線下的vivo和oppo逼著線上銷售的小米大量開店,線上銷售僅佔全國零售總量的10%左右,馬雲爸爸講起了新零售,開了盒馬生鮮和無人超市,騰訊入股永輝超市,布局新零售。未來商場中的門店可能安裝大量具有人工智慧功能的攝像頭,當用戶走入店面,根據季節和用戶穿著,歷史數據等信息,預判用戶需求和喜歡風格,店員第一時間獲得相關信息,為客戶提供專業的貼心服務。這種攝像頭同樣可以管控店內員工的服務動作是否標準,幫助老闆實時了解一線銷售人員的銷售能力,可以進行針對性的培訓。同時通過分析用戶行走軌跡,店外用戶的視線關注點優化店面陳列,吸引客流。有些商場已經利用一塊大屏幕實現了ar試衣功能,雖然現在的產品很傻瓜,效果也不是很好,但是未來值得期待。我們來假設未來一個用戶進店時候自動識別用戶的身高,身材,性別,當下穿衣風格等信息,基於人臉創建ID,當用戶站在試衣屏幕前,直接推薦品牌的混搭風格的服裝,用戶可以轉身和切換生活中常見場景,服裝可以完美貼合用戶身材,省去用戶試衣的繁瑣操作,同時可以獲取用戶喜好數據。

轉型AI產品經理需要掌握的硬知識(三):2B和2C類AI產品&公司&腦洞

3、人工智慧+國企/政府

從本質上看,國家和企業很像,都是人們共同想象的產物,而中國政府的社會資源的調動能力極強,很多人說ai將是中國彎道超越美國的機會,中國有大量的人口,高速的連接網路,政府有形的大手有動力為了社會穩定引導企業的AI化改革,地方政府通過智慧城市的建設拉動投資和生產,北京一個區的智慧城市項目動輒數億,雄安新城將會成為智慧城市的試驗場。

前文中分析過國企和央企對於AI的需要程度,但是因為人才團隊的不匹配,會遇到比互聯網+還尷尬的局面,可能需要服務提供方為其深度定製服務,當下的智能邊界如何與企業的真實場景結合,切實做到提升企業效率,達到縮減成本,提高應收的目標。剛剛聽了羅胖的2017年跨年演講,其中提到了傳統企業互聯網轉型的一種新方式,我們都清楚,企業的轉型一定是自上而下的,但是傳統企業的高層管理團隊並不一定了解如何轉型,而且傳統企業的人才結構和互聯網公司差異極大,但是互聯網公司為了擴大服務版圖,他們有動力通過收購和注資的方式,與企業進行合作,如騰訊注資永輝,阿里注資大量零售商場,而聯通的混改也值得期待,一旦成功,這種合作AI+模式將有可能真的實現落地,也就是有專業技術的公司+國企/政府,一方提供認知和技術使用場景,一方應用並提升整體效率。

轉型AI產品經理需要掌握的硬知識(三):2B和2C類AI產品&公司&腦洞

4、人工智慧+教育

現有教育都是大班教學,即使小班也有20多人,學習的節奏都是根據平均人的概念設計,有的學生接受能力差一些或者一部分內容沒有學會的時候,就被迫開始學習全新的知識,導致一部分所謂的不聰明的差生早早放棄了學習,就以加減乘除為例,在小學做了大量的無意義的重複計算,當人工智慧進去教育領域,那麼每個學生可以有一個自己的學習助理,所有課程以遊戲化形式展現,每個人的學習進度都可以不同,保證學生學會每一個知識點才進入到下一個環節,未來的教育一定是私人定製化的,基於學生的每一次答題,了解學生的學習進展,並做到精熟教育輔導。

每年高考,考研等考試都會有一種現象-壓題,老師憑藉多年的教學經驗,預測本次考試的範圍,而我們都清楚人工智慧勝在預測,ai押題將壓的更准,幫助學生拿到更好的成績。筆者樂觀的認為,人工智慧可以帶來全新的學習形式,顛覆現有的源於120年前所定義的教育和考核模式,通過從小學生的學習數據,分鐘學生的天賦特長,讓教育變得私人定製。

5、人工智慧+醫療

醫療領域與人工智慧的相關性很高,李彥宏指出,人工智慧和大數據在醫療上的發展分為四個層次:醫療O2O智能分診,人工智慧參與的智能問診,基因分析和精準醫療,基於大數據的新葯研發。

推薦閱讀:人工智慧在醫療產業的五大應用場景及典型案例

四、幾個不同視角看人工智慧

1、鳥飛派和空氣動力學派

吳軍博士在混沌研習社提到了鳥飛派的概念非常有意思。

人類的學習行為一般是通過模仿,從飛機的發展史來看,人類最初希望飛到空中,現實世界中我們可以找到的學習目標只有鳥類,最初人類一直在模仿鳥的飛翔方式,通過震動翅膀獲取上升動力,但飛機的發明卻不是因為模仿小鳥的翅膀震動,而是發現了空氣動力學原理,於是我們能讓100噸的「鐵箱子」飛上天空,可以讓飛行速度,完勝鳥類。

我們可以發現,最初的發明往往將現實世界中的事物作為模仿原型,當掌握了其運行原理后,衍生出的產品性能將極大超越最初的模仿原型,而且外形與最初的模仿原型差異極大。我們再來看看人工智慧機器人,現在很多人工智慧都在模仿人,似乎是有兩隻腿,兩隻手臂,一雙眼睛,一張嘴才是機器人,其實機器人完全沒必要這樣,移動可以用履帶或輪子,有10幾隻眼睛,一個屏幕,一個托盤,一個機械手臂,下圖是無人車眼中的世界。

轉型AI產品經理需要掌握的硬知識(三):2B和2C類AI產品&公司&腦洞

2、加速發展的人工智慧

人工智慧並不是模仿人類大腦的信息存儲和信息傳遞模式,人工智慧的進化速度與運算速度和演算法優化直接相關,其發展速度類似與指數級發展或加速發展。將我們人類的智力水平比作一個站台,我們人類站在站台上,看著人工智慧的火車緩慢駛來,最初可能特別特別慢,用了200年時間讓人工智慧有了爬行類動物的智能水平,用了100年讓人工智慧有了哺乳類動物的智能水平,用了50年的時間讓人工智慧有了黑猩猩的智能水平,用了20年的時間有了3歲小孩的水平。

轉型AI產品經理需要掌握的硬知識(三):2B和2C類AI產品&公司&腦洞

轉型AI產品經理需要掌握的硬知識(三):2B和2C類AI產品&公司&腦洞

像這樣,這列人工智慧的火車持續加速向站台逼近,其智能水平與人類智能差不多的時間可能只有一瞬間,而當人們還沒有所察覺時,它已經進化為我們完全無法理解的全新物種。我們人類智商分佈滿足正態分佈,多數人在80到120之間,即使偶爾出現的IQ180的天才我們雖然無法超越但是還可以理解,如果人工智慧的智商水平相當於10000呢?它想告訴我們為什麼,我們卻可能完全聽不懂,因為我們的智能水平可能已經天差地別。

3、看不懂的答案

AphaGo對戰李世石時發生了一些有趣的場景,AphaGo落子后,人類的專家們這時就會發表評價,機器人就是不行,下了一手臭棋,但是隨著棋局的演化,幾十步之前的「臭棋」又成了神來之筆的好棋。在AphaGo對戰李世石時,專家判斷AphaGo處於劣勢,但是AphaGo只是在做數學遊戲,從後台可以看出,AphaGo的演算法顯示其一直處於獲勝可能更大的一方。大家理解這其中的差距了嗎?人類百年的圍棋文化被全面超越了,因為只有整體性超越,才會出現這種情況,對方下了一手好棋我們竟然看不出來,看不懂其中深意。

著名影星安吉麗娜朱莉因為基因檢測其得乳腺癌的概率超過90%,於是她便切除了自己的乳腺;舉一個我們身邊的例子,高德地圖導航,當你希望從A點開車到B點時,高德推薦了你幾最優路線,結果你不信,走了自己熟悉的路線,結果特別堵,下一次你會不會相信高德導航呢,一旦相信了之後,你發現真的沒那麼堵了,以後你是否就放棄了自己的自由意志,而選擇相信高德地圖了呢。

未來會有大量場景,AI產品給用戶一個行為建議,你可能不知道她是如何得出這個建議的,因為包含了大量的複雜運算,即使告訴你普通人也無法理解,也就是一個最優的但是不懂的答案。

4、有一種超越是碾壓式的

AphaGo戰勝李世石引起了全球關注,大家都在熱議4:1的比分,而短短几周后,AphaMaster以60:0在圍棋領域橫掃了圍棋界,其意義是在圍棋這個細分領域內,機器已經完成了對人類的碾壓式優生,超越了人類在該領域數百年的智慧積累,如果你以為這就是結束那就錯了,google有開發除了AphaZero,AphaGo和AphaMaster是根據人類的歷史棋譜來學習圍棋,而AphaZero是根據遊戲規則自我博弈學習,你知道結果如何嗎?AphaZero對戰AphaMaster,比分是100:0,絕對的碾壓式超越。

5、時刻進化,無法掌握

AphaGo這類人工智慧的恐怖之處在於其無時無刻不在進化,人類需要休息,需要社交,需要思考,需要沉澱,而且碳基生物的進化需要數萬年,而且是通過兩性繁殖,促進基因突變,優勝劣汰,這種進化速度與硅基的人工智慧的進化速度相比如同雲泥,而人工智慧的提升在其運算層面通過計算完成,今天的AphaGo和昨天的AphaGo完全不同,今天的AphaGo可能輸了,但是人類回去休息后,它默默的一晚上和自己下了300萬盤棋,第二天人類棋手面對的已經是一個全新的AphaGo。

轉型AI產品經理需要掌握的硬知識(三):2B和2C類AI產品&公司&腦洞

6、傲慢的人類

凱文凱利在必然中曾經有過一段關於普通人理解人工智慧的7個過程,非常有趣,分享給大家。

1、機器人幹不了我的工作->

2、好吧,它會許多事情,但我做的事情它不一定都會->

3、好吧,我做的事情它都會,但它常常出故障,這時需要我來處理->

4、好吧,它干常規工作時不出錯,但是我需要訓練它學習新任務->

5、好吧,就讓它做我原來的工作吧,那工作本來就不是人該乾的->

6、哇,機器人正在干我以前做的工作,我的新工作不僅好玩多了,工資還高->

7、真高興,機器人絕對幹不了我現在做的事情。

人往往短期高估自己的能力,長期低估科技的發展速度。

P.S.人工智慧在2B類服務中的核心價值是什麼?

從本質上來說,企業如同生物一般,企業生存的經濟環境和自然環境也很類似,企業的生存規則適用與生物進化論-物競天擇,適者生存,企業為了生存要不斷的去適應技術變革和政策調整,而競爭力體現在一個企業的資源佔有情況和內部協作效率。政府和國企普遍佔有資源優勢,而民營企業則只能通過持續的追求效率來提升其生存能力,互聯網作為一種連接技術,整體提升了產生/服務與人的連接效率,而人工智慧的到來將進一步提升底層效率,AI可以讓企業縮減人工成本,提升推廣效率和服務效率;AI可以讓企業熟知用戶的所思所想所求,提升產品和服務投放準確率;AI可以讓企業運轉更高效,縮短內部流程,讓企業的服務更順暢高效等。對於傳統企業的AI轉型,我們可以參考大眾點評與傳統零售業的合作模式,將新技術視作一種工具,以服務採購的方式購買。筆者感覺,未來可能需要一類服務諮詢類產品專家,他清楚當下人工智慧的邊界,已有的產品形態,同時,他還可以快速梳理企業內部流程,並將AI產品或服務以有效的方式植入到企業中,有些類似於技術諮詢+落地+持續跟進,當然,類似於BAT這類公司也可以做知識服務輸出,如同金融公司努力做用戶理財教育一樣,AI公司也需要做垂直服務的AI化教育,設計的產品需要真實的提升企業效率。

關於人工智慧的學習和理解暫且告一段落,後面打算再系統學習一下數據分析領域的內容,感興趣的朋友可以點擊關注,或留言區多多交流。