關於火熱的「人工智慧」，這裡有你關心的N個問題的解答 | 深度
人工智慧火了相當長一陣子，許多資本、創業者、大小公司似乎都在追逐這難得的風口，特別是李開複老師在多個公開場合鼓吹人工智慧概念之後，隨處可見的都是關於人工智慧的報導和分析的文章。
人工智慧作為電腦科學皇冠上最耀眼的明珠，過去幾十年一直吸引著無數的電腦科學家、從業者去攀登，無數人在不斷摸索人工智慧的未來技術。
作為一名在人工智慧領域從業過，又保持持續關注的產品經理，我在閱讀了大量的文章之後，所看到的要麼是將人工智慧作為噱頭去討論一個空泛的行業話題，要麼是在深刻分析人工智慧背後的技術。我深刻感受到這些文章對於產品經理而言並沒有實質性的幫助，反倒是容易讓人迷惑。
所以，我決定結合自己的經驗、觀察和分析，希望從產品的視角來對人工智慧進行一場相對全面的概述和討論，也希望在這個過程中能夠提升自己對人工智慧的理解，並且希望吸引更多的小夥伴參與到討論中來。
這篇文章會稍微有些長，我希望通過產品經理的視角來比較全面地對人工智慧做概述和簡單的分析。在這篇文章中，我們不會嘗試討論技術問題，NLP、DNN、深度學習等都不會涉及到，而是單純討論產品視角，其中的核心內容大多來自我的經驗、觀察和分析。
一、人工智慧產品到底是什麼？
1、所謂的人工智慧產品到底是什麼？
在電腦世界中，基於海量資料積累，構建的一套基於海量資料的資料統計分析，它能夠為一些應用場景下的關鍵決策帶來指導和支撐，這種產品模型有一個通用的名詞，叫做大資料運算。而那些基於大資料運算所做的幾乎所有的場景化產品，都可以被稱作人工智慧產品。
人工智慧產品是有別於人工智慧技術的，技術是核心的競爭力，而產品的終極是要能夠使用。
我們舉個例子，基於深度學習技術所進行的圖像識別，是一種人工智慧的技術，而利用這種技術所設計的可以被使用者使用的產品，就是人工智慧產品，比如微軟小冰的“小冰識狗”功能。
2、在人工智慧產品中，產品經理應該重點關注什麼？
在人工智慧產品中，我們重點討論的應該是場景化問題，而非技術問題或者資料問題。作為產品經理，我們所關注的核心應該是如何將成型的人工智慧技術運用到合適的場景中。
眾所周知，人工智慧的技術到今天為止依然處於發展階段，沒有哪一項技術已經臻于完美。在技術發展過程中做產品，往往需要考慮的就是取長補短，有的放矢。
比如AlphaGo，作為其主要開發者的DeepMind團隊，在過去幾年一直在一個場景下進行深入的研究，從而取得了突破性的進展。再比如亞馬遜Echo音響中的人工智慧語音助手Alexa，人機對話是一個非常複雜的學術難題，但是Alexa聰明地限制了場景（語音交互+智慧家居），從而使得用戶的體驗變得非常好。
所以，當我們在討論人工智慧產品的時候，它必須是聚焦於一個具體的場景，或者是一個可控的場景，從而面向特定的用戶群體所，去提供一套有價值的產品或者服務。如果說把人工智慧拆解為幾個關鍵名詞，比如“資料”、“演算法”、“場景”、“硬體”等等，我認為其中最關鍵的應當是“場景”，而此時我們會發現，“場景化”正是我們作為產品經理一直所從事的工作。
二、人工智慧是如何火爆起來的？
現在我們簡單回答第二個問題，人工智慧火爆起來的原因。
事實上，在過去幾十年中，人工智慧一直是電腦科學中相當熱門的領域，無論是機器學習、神經網路，都一直有各種科研組織為之奮鬥，只是我們大多數人作為電腦基礎科學之外的路人甲無從得知而已。然而，這幾年人工智慧突然火爆起來，在我看來至少有如下兩個方面的原因。
1、客觀原因
隨著雲計算的發展，資料的採集、處理和分析都變得容易，大資料得以存在於各行各業各種資料體系中，大資料的普及帶來的就是人工智慧的火爆。
而且，深度學習技術的發展帶來了許多新鮮的思路和解決方案，無論是影像處理、自然語言處理、大資料分析、推薦引擎技術等等，一下子使得許多幕後技術可以走到台前，使得許多產品功能可以直接應用上深度學習帶來的技術變革。這種技術帶來的福音，使得人工智慧變得更加接近用戶，所以關注度的提升帶來了火爆的效果。
2、主觀原因
如果說互聯網Web1.0起源於1990年的話，互聯網Web2.0則是在大約2007-2010年開始普及。Web1.0時代下，人機交互的方式是通過PC個人電腦完成，人們每天有固定的時間使用電腦，電腦幫助人們更快的連接資訊、連接他人、連接交易。隨著智慧手機的普及，Web2.0時代到來，我們不再受限於電腦的不便攜性，人們可以隨時隨地通過手機訪問網路，碎片化的人機交互特性帶來的衝擊非常巨大。資訊獲取的方式不再只通過媒體，自媒體也可以承載更多資訊，甚至付費時代也隨之而來；我們去聊天時，不再有線上離線之別，隨時隨地與人溝通。這些變革一致持續至今。
當我們回過頭去看的時候，發現Web1.0到Web2.0大約持續了15年，而Web2.0至今也已有10年。時代的發展總是有一些有趣的規律，今天，我們已經開始考慮Web3.0時代，那個時候的人機對話模式又會有怎樣的特質呢？在最近幾年冒出來的各種聊天機器人產品、智慧硬體產品其實已經在嘗試回答這一問題，而資本又需要推進這一新鮮事物的萌芽和發展。所以，我們看到了大量的主觀報導開始追蹤任何新鮮的人工智慧產品，不斷吸引著人們的目光投向這個未知的創新領域，李開複老師的演講其實從一定程度上也是在不斷主觀傳播人工智慧產品。這些主觀的傳播，所帶來的便是人工智慧的火爆。
更重要的是，主觀傳播對於投資界、從業者而言價值和意義都巨大，因為關注度的提升，這個領域所聚集的能量、人才、資源就會增加，這對於剛剛開始產品化的人工智慧而言大有裨益。
三、站在產品的視角，人工智慧的本質是什麼？
接下來，我們要開始逐步探討本文的核心部分。首先看看，站在產品視角的人工智慧本質。
如果我們回過頭來看我們自己做過的產品、或者用過的產品時，我們作為產品經理所需要思考的應該是如下的三個方面。
產品的架構和路徑是什麼樣的
：使用者畫像是什麼，使用者會按照怎樣的路徑逐個使用功能，哪個功能是主功能，哪個是協助工具，哪個是運營功能，功能的頻率分佈是什麼，等等。
產品的流量是如何運作的
：用戶拉新如何而來，用戶留存和活躍如何保持，我們所追求的DAU、MAU如何完成，killer feature是什麼，等等。
產品的商業化是如何完成的
：流量漏斗是如何形成的，最後變現的模式是什麼，商業模式穩固嗎，和競爭對手的差異是什麼，等等。
那麼，當我們去看待人工智慧在產品上的本質時，其實也應該是站在以上三個問題的視角的。
1、人工智慧解決了什麼產品問題
人工智慧一定是解決了產品上的某個問題才能凸顯期價值的，哪怕是遊戲價值。互聯網作為一種效率工具，其在連接人與一切中起到了至關重要的作用，也創造了巨大的價值，那麼人工智慧有可能在這種連接提升價值嗎？
舉個例子。當我們去使用一些金融類軟體或者服務時，最需要提升的安全問題。過往這麼多年，許多金融軟體或服務不願意在用戶端提供過多的功能，主要是擔心網路安全或者使用者丟失手機等問題。但是隨著人臉識別技術的突飛猛進，許多軟體都引入了人臉識別的功能，在你進行一些大額交易或者安全風險比較高的操作時，會要求你打開前置攝像頭進行一些列的眨眼睛、左右搖頭、上下搖頭的動作，從而確保你是真實的本人（雖然有些軟體並沒有使用到人工智慧技術，只是把你的這些步驟給錄製下來，作為證據而已）。這種技術+產品（場景）的應用，就極大地提升了效率的價值，解決的是產品的問題。
人工智慧解決的當然不只是產品某一方面的問題，甚至有時解決的是整個企業解決方案的問題。
舉個例子來說，當一家企業積累了超過10年的行業資料，這些資料涉及交易、記錄、財務、倉儲、物流等等方方面面，普通的演算法已經處理不了這種複雜的資料體系。此時，大資料可以有效地通過資料統計分析在其中找尋到一些特殊的規律，譬如當運送貨物的時間改變時，可能交易數量會產生翻倍的增長。這種通過大資料找到規律，然後加以輔助決策的輸出，所構成的產品模型就是人工智慧。因為人是不可能找到這種規律，也就不可能做出這種決策。
所以，我們能夠看到，人工智慧對於產品而言，其價值是在過去多年的互聯網價值體現上的一種延續，都是期望能夠將效率優勢更大化。
2、人工智慧之於流量
我不認為人工智慧是一個行業，而應該是一種手段或者方式，其目的是提升流量的價值。
在我之前的一篇文章《
人工智慧「風口」，先行者為什麼是搜尋引擎？
》中，我聊到了百度的明星人工智慧產品DuerOS作業系統，其便是為百度提升流量的價值。DuerOS作業系統是可以在各種不同場景下進行接入的，從而完成一些功能。比如可以給你播音樂，為你點外賣，幫你控制家裡的智慧家居等等。這種多場景的接入其實就是一種資料層面上的深入沉澱，一個在百度上搜索過的用戶，又用過百度知道、貼吧這些產品，百度大致能夠分析出來他是多大年齡、哪裡人、什麼工作、什麼學歷等等，這些資料曾經是線上上賣給廣告商用來做廣告投放的。
在DuerOS接入之後，百度又可以拿到這個人家裡都是什麼電器、每天幾點在家、比較在意哪些生活品質、對哪方面的消費比較衝動等等，此時百度不僅可以把這個用戶賣得更貴，甚至可以直接介入廣告後的消費商品推薦。這些種種的場景，其實就是DuerOS幫助百度將其已有的流量優勢加深，使得百度所擁有的使用者資料價值優勢得到提升。
我始終相信，人工智慧真正有價值的是流量的價值。Web1.0時代，一個流量只是一次點擊或者訪問，而到了Web2.0時代，一個流量變成了一個可以資料化具象的人，那麼到了Web3.0時代，一個流量是不是就應該是一個真是的個體的所有場景延展呢？
在人工智慧產品中，流量也許更加專注的是深度，而非單純的廣度。人的本質是懶惰的，人工智慧無論在交互上、處理問題的方式上都更加接近于自然，亞馬遜的Alexa可以通過ifttt+workflow（不瞭解的同學可以自行百度一下）的方式，讓一條指令完成一系列特定的任務，這種在效率上的提升可以極大地提升流量運營的深度，讓用戶的Engagement大大提升，其想像空間就會變得巨大。如果一個助手產品就可以幫我完成一系列工作，我還何必要下載一堆亂七八糟的應用呢？
3、討論商業模式話題
我不認為人工智慧的創業公司都是奔著科研去的，凡是從商的公司，從投入第一筆資金開始就已經想好了第一種盈利的模式。在我們國家，由於技術型驅動的公司並非主流，大部分的人工智慧公司都是在場景化下去解決一個具體的商業問題，從而試圖盈利。
舉個例子。之前錘子手機發佈會上，有一家人工智慧公司“三角獸”可謂出彩，其提供的功能“Big Bang”功能也深受錘子粉絲的喜愛。三角獸事實上做的是一個聊天機器人產品，他們擁有一支幾十人的頂級演算法工程師團隊（許多人和我曾經是同事~~），但是他們並沒有只做一個“小黃雞”聊天機器人就了事，而是通過聊天技術的積累，開始為各種B端企業提供聊天引擎，而且每一次服務的合作都是付費的，其盈利模式也就可以窺斑見豹了。
當大公司組建團隊去做人工智慧時，更是會提前考慮商業上的價值。沒有哪一家公司是隨便就跳進來做人工智慧產品的，哪怕是BAT，也是在結合自身業務的基礎上來搭建人工智慧的團隊。百度會因為使用者資料的拓展而開發DuerOS，阿裡也會因為需要提升交易額而去做它需要做的人工智慧。
除了商業盈利目的之外，商業意義的另一層含義是對未來的投資。企業介入未來技術的研發工作，其實一定程度上是確保其核心競爭力的持續性。作為科技性質的互聯網公司，技術一定是最後的競爭壁壘，人工智慧技術的積累對於任何一家有研發實力的互聯網公司都是值得投資的，無論早晚。
四、如何看待人工智慧產品分類？
現在，我們來看看人工智慧產品的分類。
我對人工智慧產品進行了一個二維坐標系的劃分，具體如下：
人工智慧產品坐標系（圖）
在今天，幾乎所有的人工智慧產品都可以落入到這個坐標系中，下面我對這個坐標系進行一個簡單的解釋。
1、To企業服務 VS To個人產品
企業服務也就是我們常說的ToB業務，而個人產品更多是我們常說的ToC業務。ToB解決的其實是一家機構正在面臨的經營中的問題，而ToC則是在為一群特定的用戶提供一組具體的功能。
我們舉幾個例子。
國內有一家公司叫做“第四範式”，國外也有一家類似的公司叫做“Palantir”，他們都是典型的ToB型人工智慧公司，他們的產品具有非常顯著的特徵，就是結合企業自身的資料和特徵進行產品的落地和實行，我們不能簡單說他們是外包公司，更應該說他們是PaaS+SaaS的結合體，通過其自身雲端的技術模型，結合企業的情景來解決問題。
亞馬遜的Alexa、微軟小冰、Siri、度秘，這些產品都是ToC的典範，他們是面向個人使用者的產品，是通過其自身的產品反覆運算來滿足特定人群的需求。
2、存量業務 VS 增量業務
存量業務所對應的是已經成熟的產品模式，而增量業務是創新的產品模式。這麼說可能會比較抽象，我舉幾個例子來說明一下。
（1）存量業務
比如說搜尋引擎，我們過去十幾年使用搜尋引擎時，最習慣的對話模式是，輸入關鍵字，然後迅速出來一大堆的搜索結果，我們從被高亮的結果中選中我們最想要的那個，從而完成搜索。有時候一次搜索沒找到結果，還得再來搜一次。今天，必應搜索在美國正在嘗試一種新的產品，通過聊天對話的方式來完成搜索。
簡單說，就是問機器人一個問題，機器人迅速從所有問題中找到最可能的一個結果給你，如果錯了，就繼續在聊天對話方塊中提問。這個技術的難度在於對每次回答結果的精確性要求非常高，而且多輪對話之後能夠通過上下文動態提升準確率。這就是一個典型的存量業務，因為搜索業務本身並沒有改變，只是加入了人工智慧產品，從而使得搜索業務變得高效。
再比如亞馬遜在美國推出的Amazon Go，也是通過人工智慧技術提升了快速購物的效率，所以也是一個存量業務。
（2）增量業務
增量業務通常可以直接對標為創新型應用，是過去很少有人嘗試過的一種新的產品模式，或者從來就不存在過的新的場景。
比如Siri，Google Now，Cortana，他們都屬於增量業務，因為過去從來沒有人用手機做語音助手，他們都屬於這個領域的創新者。這個領域中還包括國內的圖靈機器人、出門問問、助理來也等等。
再比如自動駕駛產品，它可以算作是存量業務+增量業務。因為自動駕駛不能算是在駕駛艙放了一個會開車的機器人，而是完全改變了汽車的形態，自動駕駛的未來就是不再有駕駛員，甚至連交通事故都可以避免，這種創新有可能改變整個汽車行業的未來。
其實，當我們認真去梳理人工智慧產品分類時，我們會發現，大多數的產品都會落到“增量業務”這個象限中，因為增量代表創新，創新就容易突破現有的業務束縛，其改變的價值有時甚至很難估量，但是這並不妨礙如此多的公司投入其中。
到此為止，我們大致就可以站在產品的角度對任何一款人工智慧產品進行如上的歸類了。
3、人工智慧的產品形態
但是到此為止並沒有結束，我還想多談一個話題：人工智慧的產品形態。
當我們回首來看已有的人工智慧產品時，我們會有一個很強烈的認知：人工智慧產品似乎沒有什麼端的概念，更多是一種服務的概念。我們很難定焦Siri的端到底是什麼，可能就是一個麥克風，也可能是一個App，而自動駕駛產品就更難以定義其端是什麼了。
其實端是什麼並不重要。我認為在未來也許就沒有端的概念了，智慧硬體的普及會使得任何可以與人接觸的地方都可以成為人工智慧產品的承載，也許是語言交互，也許是體感交互，甚至也許是腦電波交互。端不再是關鍵，而自然的對話模式才是關鍵。
五、回答幾個看待人工智慧產品化的問題
聊完上面的幾個話題之後，我們開始回歸產品經理的工作中來。
1、人工智慧產品經理需要擁有什麼能力？
首先我們回答：人工智慧產品經理需要懂技術嗎？
其實可能需要，也可能不需要。
我之前寫過一篇文章，叫做《產品經理到底要不要懂技術？》。在那篇文章中，我著重表達了一個觀點——產品經理不需要瞭解技術的實現細節，但是需要有產品架構的能力和產品邏輯的能力。相應的，在人工智慧的產品中，我們也不必清楚地知道DNN的細節是什麼，深度學習到底是怎麼學習的，而是需要知道，技術的模組是什麼，使用者的場景是什麼，如何通過產品經二者結合起來。如果你在產品設計的過程中，需要瞭解到技術模組的細節，那麼你可能才需要稍微學習一下技術的大概模組邏輯而已。你並不需要懂得技術是怎麼實現的，那不是你工作的核心。
其實在我看來，人工智慧的產品經理與其他互聯網的產品經理沒有本質的區別，我在前一篇文章《運營驅動：一個懂得“運營”真諦的人，才算是真正的互聯網人》的文末講述了我此前在微軟小冰的一段工作經歷。微軟小冰在產品上分為兩大部分，一部分是核心聊天CoreChat，另一部分是場景化的運營功能。在這個過程中，需要產品經理擁有強大的產品架構能力、邏輯能力、場景化能力、功能交互設計能力、運營能力、甚至是BD的能力，這一切看起來和其他領域的產品經理並沒有太多不同。
所以，對於人工智慧產品經理而言，需要擁有的仍然是最基本的產品能力。
2、人工智慧的風口值得追嗎？
答：值得。我如上的描述，不言而喻。
3、人工智慧產品化的過程是什麼樣的？
我有一個不成熟的小理論，叫做“100，10，1”，可以來試著回答這個問題。
“100，10，1”的角度來看人工智慧：
100：幻想100年以後的世界回因為人工智慧變成什麼樣的？
10：設想10年後人工智慧會在哪些領域完全取代人類？
1：思考1年中，哪些行業會在人工智慧下受到直接的衝擊？
結合對未來的暢想，如果我們要去做人工智慧產品經理，我們更需要關注的是接下來會發生些什麼。其實，在一些行業已經開始涉及人工智慧的部分功能，比如醫療行業的智慧輔助診斷決策系統，比如汽車行業的自動駕駛協助工具，比如金融行業的人臉識別技術。
六、總結
當下的人工智慧仍然處於發展的初期，只有極少數的功能會被極少數的用戶使用到，這更像是一個試錯嘗鮮的過程，任何新的技術都是一次產業變革的驅動，無非是大變革還是小變革之別。而人工智慧所帶來的變革無疑是巨大的，無論從人機交互上，還是互聯網效率提升上，或是單純從創新上來看，人工智慧都會對未來人們生活、商業活動帶來巨大的衝擊，作為產品經理，我們早晚都會不得不關注到人工智慧領域中來，正如10年前的產品經理不得不開始從PC向智慧手機領域轉變。
也許未來，會正如電影《HER》中所描述的那樣，人類與機器人終將和諧共存，許多需求的滿足會通過人工智慧來達到，甚至是生理上的需求。
雷鋒網按：本文由
人人都是產品經理社區
專欄作家@帥帥的帥 原創發佈。未經許可，不得轉載。
*圖片來自網路