1、AI PM和互聯(lián)網(wǎng)PM差別在哪？

AIPM還是互聯(lián)網(wǎng)PM，因為所做產(chǎn)品本身的形態(tài)和關(guān)鍵目標(biāo)不同，所以看似做的工作內(nèi)容和所需技能有差異，但實際上不變的是產(chǎn)品思維。AIPM更多是偏后臺的工作，關(guān)注數(shù)據(jù)和效果，主要尋找相關(guān)性。而互聯(lián)網(wǎng)PM分工更細(xì)化，所需技能差異較大，更關(guān)心因果關(guān)系。

隨著AI技術(shù)的發(fā)展、語音交互的成熟，前端的交互和邏輯會越來越簡化，所以建議產(chǎn)品經(jīng)理更多關(guān)注后臺的業(yè)務(wù)邏輯、技術(shù)基本原理和數(shù)據(jù)、策略等。

2、AIPM的核心競爭力是什么？

我認(rèn)為最重要的是技術(shù)理解能力。當(dāng)然有很多人認(rèn)為技術(shù)只要為產(chǎn)品所用就好，剛開始我也一度認(rèn)為技術(shù)不需要了解太多。但當(dāng)我做了4個月的AI產(chǎn)品之后，我意識到理解技術(shù)是多么的重要。了解常用算法的基本原理、算法的優(yōu)劣和能力邊界，了解這些某種程度上就是在了解業(yè)務(wù)，這樣在規(guī)劃產(chǎn)品項目的時候會更加得心應(yīng)手。

其次是數(shù)據(jù)敏感度和數(shù)據(jù)思維。也許在移動互聯(lián)網(wǎng)時代，可以靠數(shù)據(jù)分析出業(yè)務(wù)問題和產(chǎn)品上線效果、研究用戶行為就足夠了，數(shù)據(jù)更多是輔助決策和進(jìn)行問題定位的工具。但到了AI時代，數(shù)據(jù)的作用提升到非常重要的位置。我們都知道，AI產(chǎn)品需要三大核心資源：數(shù)據(jù)、算法、算力。對于企業(yè)來說，往往數(shù)據(jù)是最大的瓶頸和稀缺資源。如何高效的搜集數(shù)據(jù)、如何擬定數(shù)據(jù)標(biāo)注標(biāo)注、根據(jù)現(xiàn)有數(shù)據(jù)情況能否將模型訓(xùn)練到預(yù)期的效果，這些都需要AIPM去思考和定義。

3、AI產(chǎn)品的出路在哪里？

相較于2017年的AI火熱，2018年AI領(lǐng)域則顯得冷清得多。AI行業(yè)確實迎來了大降溫。行業(yè)對AI的前景確實過于樂觀，投機蹭風(fēng)口的企業(yè)也確實不少。

但很慶幸潮水退去，可以看出誰在裸泳。AI不是靠微創(chuàng)新可以改變戰(zhàn)局的領(lǐng)域。沒有長期的研究和投入，安能有一片立身之地。

應(yīng)該先講一下現(xiàn)在AI技術(shù)處于一個怎樣的階段。AI的出現(xiàn)已經(jīng)有大幾十年了。中間也火熱了3次，每次都是因為技術(shù)上有了大的突破。最近這波熱潮是因為深度學(xué)習(xí)的出現(xiàn)、因為阿爾法狗打敗人類最強圍棋棋手開始興起的。

但實際上很悲傷的是，目前的一切AI技術(shù)都沒有具備真正意義上的智能。底層原理都是基于概率論的技術(shù)。舉個例子，某道選擇題80%的人選A，所以當(dāng)AI掌握了這個事實，當(dāng)它看到這個選擇題，就會選A。而不是去分析這道題的背景、要考察的知識點、基于知識點如何推理出答案是A。

我個人認(rèn)為這種基于概率論的AI技術(shù)很可能是錯誤的方向。至少很難具備智能。其實人類做出一些判斷的背后也是基于對大量同類情況進(jìn)行規(guī)律提煉。但單靠提煉規(guī)律也是難以具備智能的。

神經(jīng)網(wǎng)絡(luò)應(yīng)該是有了一些具備智能的跡象。但還遠(yuǎn)遠(yuǎn)不夠。目前的AI技術(shù)都主要應(yīng)用在感知層面，代替人去看、聽、說。如果AI產(chǎn)品能有更好和更深層次的應(yīng)用，就必須等待AI技術(shù)可以在探索機器具備真正智能上有大幅突破。也許等到那時，通用領(lǐng)域的智能對話系統(tǒng)才具備了技術(shù)基礎(chǔ)。

我個人認(rèn)為短期內(nèi)，AI產(chǎn)品最好的應(yīng)用就是通過輔助人工來部分代替人工勞動、提升人工效率和體驗。長期看（100年后），AI產(chǎn)品可以通過代替人來承擔(dān)私人助理類的作用。相信那一天終將到來。