现在每个人都想进入AI领域,成为产品经理或工程师。然而,目前市场上针对如何有效进入AI产品管理领域的培训资源非常有限。今天,我们将通过Save the Children International的AI负责人Nicholas来揭开AI产品管理的神秘面纱。
他将分享AI 产品的三个层次,告诉你最重要的AI工具是什么,如何成为AI产品经理,以及人们可以开始免费加入的重要AI课程。请阅读到最后,我们将分享一些必须掌握的生成性AI用例。
Nicholas是Save the Children International的生成性AI负责人,该组织在全球100多个不同国家运营。Nicholas本人也是巴西人,通过新公司的签证赞助移居英国,拥有令人兴奋的全球职业生涯。
AI 产品经理定义
简单来说,人工智能产品经理是指精通产品管理工具,并且能够应对人工智能工作带来的新挑战的人。
我们不希望在任何地方都使用人工智能,而是尽量避免在复杂的情况下使用人工智能,从而推动产生真正的影响并取得实际进展。
AI 产品管理的三个层次
鉴于所有公司都在他们的名字旁边加上AI,比如Notion AI,任何类型的AI,然后他们就成为了AI公司,并提高了10倍的市场价值,因为他们在公司中加入了AI。关于AI在当今产品管理中的实际应用。
AI在产品中的实施有三个层次。
1.第一个层次:使用人工智能改进现有功能
例如,像 Gmail 一样检测垃圾邮件并将其过滤掉。
2.第二个层次:创建全新的功能,如果没有人工智能,这些功能就不可能实现。
例如,人工智能生成的营销内容。
3.第三个层次:构建全新的产品,如果没有人工智能,这些产品是无法想象的。
例如,自动驾驶汽车。
AI产品经理在第三个层次上真正发光。对于第一个层次或第二个层次,你可能只需要一个新的开发者和现成的工具。
比如说,第一个层次是你在现有产品中添加AI来改进现有功能。你能给我们举一个现在你脑海中的产品例子吗?你可以改进的功能,比如Gmail检测垃圾邮件并为你过滤出来。这是一种改进已经存在功能的方式。你可以有一套规则来检测是否是垃圾邮件,但你可以使用AI来做得更好。这很容易实施,风险非常低,但竞争对手也很容易赶上。
在第二个层次上,你可以想到的是,例如,AI生成的内容用于营销,这是目前正在发生的事情。商业工具已经推出了一些功能,帮助你根据你提供的描述创建新内容。比如电子邮件营销工具、社交媒体帖子,一些社交媒体帖子是由AI创建的。我的一些社交媒体帖子是由AI创建的,比如LinkedIn帖子。你可以说,嘿,如果你们能猜出哪个是由AI创建的,请在社交媒体帖子的描述中评论。我喜欢看看你们是否能分辨出来。是的,这些是电子邮件营销工具的新功能。
在第三个层次上,你可以想到的是,比如完全新的产品,例如无人驾驶汽车,没有驾驶员座位。你只需要坐进去,去你想去的任何地方。这不是一辆通过AI适应的汽车,而是一个全新的产品,它提供了一个新的价值。在这个例子中,新的价值是什么?你能够在旅行时睡觉。这是完美的。
在第三种类型中,风险更高,努力更大,所以AI产品经理必须能够理解数据策略、AI策略和产品策略如何对齐,以为公司创造持续的优势。我认为这是AI产品经理真正发光的地方。所以你需要确保你正在构建的东西,随着你获得更多的数据,你的产品会变得更好,随着你的产品变得更好,你会获得更多的客户,你会获得更多更好的数据来训练模型,然后你会获得更多的用户。就像我们称之为飞轮效应,你得到更多的用户,更多的数据,更好的数据来训练模型,更多的用户。这就像一个循环,轮子越来越大。
AI 产品管理的前三项技能
AI产品经理需要掌握的前三项技能是什么?
1.人工智能用户体验 (AI UX):非常有必要理解您的最终用户将如何使用人工智能,以及需要什么样的可解释性才能让他们做出正确的决策,以便您的用户能够从您的产品或功能中获得更多价值。
2.何时使用现成的人工智能解决方案:了解何时最好使用现成的人工智能解决方案,何时在内部构建定制的解决方案,或者何时聘请一家公司或等待大型科技公司推出解决方案。
3.人工智能的商业洞察:不应该花太多时间学习算法。更重要的是了解您可用的工具是什么,以及这些工具的定价机制是什么,以及随着时间的推移,成本和定价是如何变化的。
首先,我们几乎从未听说过这一点,这是非常重要的,那就是了解你的最终用户将如何使用AI。
第一,项技能是更多地了解AI的可解释性。他们需要多少可解释性才能触发正确的决策,以便你的用户能够从你的产品或功能中获得更多的价值。所以,理解用户(UX)非常重要。我曾与国际伙伴合作,研究没有AI素养的人如何处理AI模型。这对他们来说是否安全,以便他们直接接收预测,这取决于他们的角色是什么,他们在使用你的产品时有哪些工具,以及法律因素。例如,如果你向技术人员发送疾病检测结果,他们可能无法做出太多详细的操作,所以也许他们不需要这个产品或解决方案。
第二,知道何时最好使用现成的AI解决方案,何时在内部构建解决方案,或者雇佣公司,甚至等待大型科技公司推出它。我经历了第一波AI机器学习浪潮,那是关于图像的AI。我陷入了自己开发东西的陷阱,然后六个月后,大型科技公司推出了相同的功能,再过两个月,他们的解决方案比我们的好,我们不得不迁移到他们的解决方案。所以,这里有一个好规则,如果这个功能是通用的,可以适用于很多公司,不管他们的领域是什么,大型科技公司可能会推出解决方案,或者如果你构建了解决方案,他们会购买你的公司,这是一个很好的策略。但如果你有一些东西非常特定,例如在Save the Children International的案例中,我们专门与儿童合作,以及特定地区的解决方案,这些可能是大型科技公司永远不会推出的解决方案,那么在内部构建或尝试雇佣解决方案是值得的。
第三,AI产品经理不应该花太多时间学习算法。我认为更重要的是了解你有哪些工具,定价如何,以及随着时间的推移如何增加。理解何时使事情变得更复杂或更简单,这取决于你手头的工具以及定价将如何变化。例如,我们有一个产品,使用AI模型的成本每月是200美元。然后,在更好地理解产品的高峰时段后,我们发现高峰时段非常窄,我们迁移到了一个能够缩小模型规模的解决方案,然后我们通过一个简单的决定将成本降低了80%。我认为这是AI产品经理的一个关键技能。基本上,根据你将使用的AI产品和AI工具做出商业决策,同时利用用户数据和使用情况,以便你可以做出最好的技术决策,这是由商业洞察驱动的。
AI 产品的五级框架
关于生成性AI,有很多实施层次。有一个五级框架可以帮助你理解生成性AI的复杂性。我在这里概述了这五个层次,并发现大部分炒作都在第五层,也就是AI系统能够检测、创建、提出复杂计划,并优先考虑这个计划,然后遵循它来实现更大的目标。这将是生成性AI实施的最先进状态。
最简单的一个是,你只需要简单地提问,然后得到回答。
但在第二层,通过元提示,你可以得到很多好的结果。例如,我不再自己写提示了。我问AI生成性AI在互联网上阅读一些文章,了解如何写出好的提示,然后为我写一个关于总结XYZ的提示。然后它给出了一大段文本,我将其适应。所以你可以只通过元提示就做很多事情。我认为我们现在面临的90%的问题都可以通过生成式 AI 解决。对于第一和第二层,你现在需要学习的是如何制作提示,因为无论哪个层次,都涉及到提示。
例如,在最复杂的层次上,你需要为设计你的代理制作提示,以便他们可以思考问题,提出问题。但归根到底,一切都是关于提示词的。你需要学习的第一件事就是如何制作提示。好的课程,我发现的是deeplearning.ai。Andrew和Geoffrey的团队有一个课程,只有一个小时,这是我做过的最好的课程。我做过很多深入研究强化学习、人类反馈、微调等方面的课程,但我认为你不需要过度复杂化。从提示和元提示开始,然后如果你需要更多帮助,可以问我或Nancy。或者在Medium上关注我,我们可以一起进步。现在大多数公司只是在第一和第二层次上销售过度定价的提示。学习如何制作提示,你就可以开始了。
AI 产品用例
谈谈不同种类的生成性AI用例。
我们应该追求哪些用例。
首先,重要的是人们需要理解,大型语言模型只是你输入文本并输出文本的机器。你知道这一点,但你需要真正理解这意味着什么。这意味着大型语言模型生成的一切都是幻觉。它没有批判性思维,它不是智能的,它的答案40%的时间是正确的,60%的时间是错误的。但这并不意味着它没用。
那么,你如何克服这个问题呢?你需要确保你提供正确的上下文,以便它给出更值得信赖的答案。你可以将生成性AI视为一种工具,它可以帮助你找到风险,如果存在风险的话。它们不能保证答案是正确的,或者没有风险,但如果有风险,它们可以帮助你发现这些风险。
例如,我有一个产品可以检测医学影像中的癌症结节。我可以问AI,如果我将这个产品发送给医生,是否有任何风险。它可能会提出一些可能发生的风险想法,这可能非常有用。如果你将这个发送给医生,医生可能会因为大脑偏见而犯错误。你不能问它们,这个解决方案是否100%安全,它可能会回答是或否,但这并不重要,因为可能存在风险,你看不到。所以,你问它们,这个解决方案是否100%安全,它可能会回答是或否,但这并不重要,因为可能存在风险,你看不到。所以,它就像在白纸上找到黑点,但它可能不适合保证整个页面都是白的。你知道,这有点疯狂,但随着你使用AI,改进你的提示技巧,你开始感受到这一点。
原始问题是,我们应该追求或不追求哪些用例。是的,你应该追求那些如果你使用现成解决方案会得到非常糟糕结果的案例。
例如,如果你去 ChatGPT 并问,我接下来最好的职业步骤是什么,答案会非常通用且无用。但如果你得到糟糕的结果并将其反馈到你的目标中,然后稍微详细一点你的提示,你就会开始得到更好的结果。
例如,我将我的简历、我的目标、我喜欢做什么、我不喜欢做什么输入进去,使用ChatGPT 来允许它进行互联网研究。所以,当你开始意识到这一点时,你输入更多信息,使你的提示更详细,你的结果会变得更好,因为它更符合特定情况。这是AI产品解决方案的一个伟大数据点。我们在我们的Inner Circle中也做了类似的事情。
如何使用 ChatGPT 写出完美的个性化求职信,这基于输入我的简历和求职信的现有模板,以及不同的公司,你实际上会根据公司的背景和我的写作风格进行调整,然后你就有了一个完美的例子。就像你描述的那样,使它非常具体,教AI。
不应该追求的用例。
我们不应该追求那些看起来非常明显、通用且在许多不同领域都有用的东西。例如,一个帮助你安排事情的助手,这对于律师或销售人员来说都是有用的。所以,可能已经有Salesforce或其他公司在空间上工作,他们已经有了现有的解决方案,然后添加更多的AI,然后提出一个更好的解决方案。所以,你不应该追求那些看起来像是大公司下一步会做的事情。
重要的是,如果你正在追求一个真正的商业案例,或者你只是在追逐AI的浪潮。作为Save the Children International的经理,如果这个组织需要雇佣一个解决方案,这个解决方案必须是值得信赖的,公司不会在六个月后失败。所以,我们会看很多,如果公司在这个领域已经有历史,比如健康科技,或者他们已经在做一些事情,他们只是用AI来达到下一个水平,这与两个月前出现的公司完全不同,他们只是冲浪到生成性AI,试图通过这个来做一些事情。所以,人们在选择加入的公司类型以及他们想要成为的公司类型时需要谨慎。
为什么要学AI大模型?
2024人工智能大模型的技术岗位与能力培养随着人工智能技术的迅速发展和应用 , 大模型作为其中的重要组成部分 , 正逐渐成为推动人工智能发展的重要引擎 。大模型以其强大的数据处理和模式识别能力, 广泛应用于自然语言处理 、计算机视觉 、 智能推荐等领域 ,为各行各业带来了革命性的改变和机遇 。
大模型岗位需求
大模型时代,企业对人才的需求变了,AIGC相关岗位人才难求,薪资持续走高,AI运营薪资平均值约18457元,AI工程师薪资平均值约37336元,大模型算法薪资平均值约39607元。
掌握大模型技术你还能拥有更多可能性:
• 成为一名全栈大模型工程师,包括Prompt,LangChain,LoRA等技术开发、运营、产品等方向全栈工程;
• 能够拥有模型二次训练和微调能力,带领大家完成智能对话、文生图等热门应用;
• 薪资上浮10%-20%,覆盖更多高薪岗位,这是一个高需求、高待遇的热门方向和领域;
• 更优质的项目可以为未来创新创业提供基石。
如何学习大模型 AI ?
由于新岗位的生产效率,要优于被取代岗位的生产效率,所以实际上整个社会的生产效率是提升的。
但是具体到个人,只能说是:
“最先掌握AI的人,将会比较晚掌握AI的人有竞争优势”。
这句话,放在计算机、互联网、移动互联网的开局时期,都是一样的道理。
我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
第一阶段(10天):初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识,对大模型 AI 的理解超过 95% 的人,可以在相关讨论时发表高级、不跟风、又接地气的见解,别人只会和 AI 聊天,而你能调教 AI,并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么?
- 大模型是怎样获得「智能」的?
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例:向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段(30天):高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习,学会构造私有知识库,扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架,抓住最新的技术进展,适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示(Embeddings)
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段(30天):模型训练
恭喜你,如果学到这里,你基本可以找到一份大模型 AI相关的工作,自己也能训练 GPT 了!通过微调,训练自己的垂直大模型,能独立训练开源多模态大模型,掌握更多技术方案。
到此为止,大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗?
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2:手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段(20天):商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知,可以在云端和本地等多种环境下部署大模型,找到适合自己的项目/创业方向,做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身:基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例:如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程,只要学习就会有挑战。天道酬勤,你越努力,就会成为越优秀的自己。
如果你能在15天内完成所有的任务,那你堪称天才。然而,如果你能完成 60-70% 的内容,你就已经开始具备成为一名大模型 AI 的正确特征了。