2016刚刚过去，人工智能受到了前所未有的关注，尤其是罗胖子在跨年演讲中还带来了浓墨重彩的一笔，可以说过去的一年是人工智能的历史元年不为过。
地上跑的无人车要上路了，天上飞的无人机要送货了，服务机器人商用开始破冰了，似乎突如一夜春风来~~
罗胖在今年的跨年演讲中，总结了为什么过去一年人工智能可以火起来，主要是三个原因：
- 算法：算法的核心深度学习理论已经逐渐成熟，包括巨头诸如百度的百度大脑开放接口使得算法门槛降低！
- 硬件：人工智能运算的核心硬件GPU的商用出现，GPU的运算能力如何强我打个比方：一个CPU要算上22天的计算量拿GPU来做，大概是18个小时。
- 大数据：这个就更加不用说了，现在是个信息数据大爆炸的时代，互联网最不缺的就是信息，而人工智能要借助大数据才能不断深度学习！
正是上述原因降低了参与玩家的门槛，大量的人都能做算法工程师，带来了这个产业发展的加速，同时也带来了竞争的加剧！这个新的战场竞争的不再只是拼算法和数据，还有一点很重要的是产品经理对数据的理解和技术产品化的能力！这是商业的本质也是机器无法取代的核心！
但产品经理真的意识到了这个趋势变化对这个岗位要求变化的迁移吗？很多产品经理在聊到人工智能的解决方案的时候常听到抛出：“这是技术问题，非产品所能解决也”的论调。所以今天我想好好聊聊人工智能领域的产品经理那些事儿！
由于我接触的主要是招聘领域为主，则就此展开因此内容也主要从这个角度开展，其他应用场景和方向大伙结合各自行业应用实际去了解。以招聘行业举例说下我的理解，也欢迎和大家交流，机器如何帮助雇主高效推荐合适的人才，帮助雇主缩短招聘周期这个核心业务场景来说，人工智能的应用如下：
- 关键词匹配：本质是搜索引擎技术，雇主通过输出自己的招聘需求，通过中间件快速挖掘出大数据中相匹配的人才！（Input → 中间件 → Output），在这个场景中，产品经理的工作成果不再是 app或网站，而是「中间件」。
- 语意匹配：包含语意分析和数据挖掘，通过机器对一份职位描述的分析，甚至是一句话的分析，利用自然语言处理等技术处理问题、提取特征，根据算法或知识图谱来为雇主产生最终的返回结果。
- 知识图谱：通过不断的数据积累，去建立自我的深度学习认知路径，慢慢形成机器自我的职业技能图谱、企业图谱、产品图谱等。
如果把行业比作战场，产品经理则是这场战役中指名方向的军师，人工智能从构想到落地，不是一句空话，主要有三方面核心能力：
1. 行业数据价值洞察能力
乔老爷子有句吊炸天的话：“消费者并不知道自己要什么，直到我做出来，消费者就知道自己要什么了”，当前行业都在消费升级中，对于产品也是一次观念的升级：过去是用户需求导向（你要什么我给你更多，典型如今日头条），现在是用户价值导向（你之前的玩意不行，我直接给你最好的，你不用管那么多，用就是了！）”，这是下一个消费升级的方向！父爱算法！
用户往往大多数情况下需求都是不那么明确的，需要产品经理洞察数据后直接告诉用户：听我的，准没错！这简单一句话的背后是要知道什么数据能对用户产生价值，这种价值提炼能力可不是每个人天生都有！例如简历人人都有，但你知道你哪个数据对雇主最有价值吗？
2.技术的场景产品化能力
人工智能产品经理需要寻找出用户需求与当今机器学习技术的能力的交集，从而让数据集能更准确地模拟出应用场景，去实现基于场景的解决方案。这其中就需要对用户需求的把握，以及机器学习技术能做到什么程度的理解了！
3.建立产品闭环的能力
这里说的产品闭环非普通产品的一个交易闭环，或一个用户体验闭环。人工智能产品的特点是通过大量的数据训练去达到可以做判断的能力。那么一旦不能达到这个预期，产品经理需要有问题的分析能力，以及提出新的数据算法优化的能力！
最近看了吴恩达博士关于如何使用深度学习开发人工智能应用的演讲，能比较明显的说明这个问题！其中他将一个算法的误差分为：人类误差、训练集误差，训练-开发集误差、开发集误差、测试集误差。对于每一类误差的处理办法如下：
从业务上明确评判能力的好坏，并根据实际情况有效率且持续提出明确的优化问题点是建立闭环重点。
产品经理需要提供出靠谱的测试和开发集，并提出靠谱的验证方法（metrics）。相应地，开发兄弟就会依照这个需求，来获取他们需要的训练集，并开发靠谱的人工智能系统。
现在国内的人工智能创业属于明显的技术红利期，各家百花齐放。但从长远看，未来随着基础计算平台和开源平台的丰富成熟，技术方面的壁垒会越来越不明显，整个人工智能的技术门槛会进一步降低，就和现在的直播技术很成熟，而几年前受限于技术与带宽一样。关键还是看产品经理对行业的理解能力，知道什么方案能解决行业痛点，人工智能的核心一定是提升效率，降低人工成本！
