2023年chatGPT的推出,引爆了人工智能相关产业的发展,千模大战,创业公司层面都或多或少带点AI的概念(噱头)。自2016年alpha GO后,沉寂几年的AI重新回到了大众视野中。根据麦肯锡的一个报告预估那些应用了AI的公司在2030时比2025年收益提升120%+。与AI相关的岗位也逐渐增多,AI产品经理作为其中1个大类也越来越热。
最近看了一本《AI产品经理操作手册》,结合实际AI产品经理工作经验,一是直白点评,二是对自己工作指导,期望也能帮助想要了解这个岗位的伙伴们。这本书的作者是Irene Bratsis,一个学经济学的,通过MOOC学习了data science帮助其转型,最终成为数据和AI产品总监;
这本书整体打分4星,主要做一些AI的产品技术和开发步骤做一些科普和一些AI案例,不足的是缺失一些具体案例和图片,可以支撑产品开发和案例的具体过程,給没有数据产品经验的人更好理解。
文章结构分了3个章节:背景科普-AI和对应工作流组成和产品领域案例,AI产品开发过程和产品策略,AI细分领域趋势分享。我同时把值得读章节标记在标题的括号中。
01
产品管理相关(1/2/4/5节)
AI的概念,借用吴恩达老师的解释,分为2种,狭义人工智能ANI和通用人工智能AGI。那么这本书主要聚焦的是目前广泛应用的ANI领域,其中应用最广泛的就是机器学习(包括深度学习,区别在于是否引入神经网络)。而我们常说的算法是黑盒子,主要指的是深度学习。(在本书的第3章,有关于具体技术的介绍,但是其实还是很难理解,可以看看吴恩达老师的AI is for everyone, 更形象的解释)。
AI产品的重要组成:
-
datahub: 大量可用的干净的喂给计算机的中心化的数据(涉及数据存储database/datalake/data warehouse等,数据清洗的任务: data pipeline)
-
continual maintenance:需要对算法的监控和运维(模型效果监控,出问题的修复)
-
AI产品的开发: 流程详细在第2部分中阐述;
介绍一些commercial场景的AI产品案例
-
bearing ai案例,海事初创公司,运用deep learning优化航运路径节省油(吴恩达老师的创业孵化公司之一)
-
B2B的案例:Hazy,运用AI合成数据
-
B2C的案例:Tiktok, 强大的推荐算法
-
Goods& service industry, e.g. intelligent X利用AI算法打造啤酒配方, Chef Watson,利用AI设计菜谱
-
药品行业,cytoreason/deepcure/bull frog/standigm/biofourmis
02
如何打造AI原生产品 (6,8,10)
所谓的AI原生产品指的是以AI为核心的产品,比如ChatGPT,人脸识别,智能音箱等,既有的产品中增加AI功能,比如电商中的算法推荐功能。那么常规一个全新AI产品需要从strategy到development过程。(我稍微调整了下原书的顺序)
产品strategy的梳理,主要来源有Marketing reasearch, Gartner魔力象限图(如下图)对于竞争对手的分析,此外作为AI的产品,有哪些数据可以来喂模型也很重要,这也是我要学习和提升的点。
第二点,我觉得对于无论是原生还是既有的产品,都是相似的步骤(我根据自己的经验对书中归纳和新输入,比较多的实战经验)。
- Ideation需求调研
-
模型探索
-
模型工程化
-
发布和上线验证
第三点收获是AI产品团队需要的角色,书中少了2个角色,最完整的配置见下面(蓝色是我觉得书中没有提到的):
-
PM(产品经理)
-
data engineer(数据清洗和数据工程师)
-
数据科学家(大数据/统计/算法/编程),ML engineer(大部分时候是同一个人)
-
data strategists(有点类似数据化咨询顾问的角色),
-
full stack engineer(前后端开发)
-
QA和AI OPS
-
BA数据分析师(洞察和仪表盘与报告)
-
UI&UX
其实在MVP阶段,最基础的配置可以是5个角色(PM自己兼任data scientists和BA角色,data engineer,full stack engineer, QA和OPS运维)。
AI ethics, 这本书有点到这个话题,主要是AI输出不能有偏见性,后面单独出1篇阐述。
03
AI trend和技术(12)
AI trend角度,关注了麦肯锡,Gartener和forrester等咨询公司的调研报告,解析了一些AI趋势;
技术角度,把一些常见的技术列在这里,虽然我觉得他有些技术之间是被包含关系,不并列的。
读者福利:如果大家对大模型感兴趣,这套大模型学习资料一定对你有用
对于0基础小白入门:
如果你是零基础小白,想快速入门大模型是可以考虑的。
一方面是学习时间相对较短,学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。
包括:大模型学习线路汇总、学习阶段,大模型实战案例,大模型学习视频,人工智能、机器学习、大模型书籍PDF。带你从零基础系统性的学好大模型!
😝有需要的小伙伴,可以保存图片到wx扫描二v码免费领取【保证100%免费
】🆓
👉AI大模型学习路线汇总👈
大模型学习路线图,整体分为7个大的阶段:(全套教程文末领取哈)
第一阶段: 从大模型系统设计入手,讲解大模型的主要方法;
第二阶段: 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用;
第三阶段: 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统;
第四阶段: 大模型知识库应用开发以LangChain框架为例,构建物流行业咨询智能问答系统;
第五阶段: 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型;
第六阶段: 以SD多模态大模型为主,搭建了文生图小程序案例;
第七阶段: 以大模型平台应用与开发为主,通过星火大模型,文心大模型等成熟大模型构建大模型行业应用。
👉大模型实战案例👈
光学理论是没用的,要学会跟着一起做,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。
👉大模型视频和PDF合集👈
观看零基础学习书籍和视频,看书籍和视频学习是最快捷也是最有效果的方式,跟着视频中老师的思路,从基础到深入,还是很容易入门的。
👉学会后的收获:👈
• 基于大模型全栈工程实现(前端、后端、产品经理、设计、数据分析等),通过这门课可获得不同能力;
• 能够利用大模型解决相关实际项目需求: 大数据时代,越来越多的企业和机构需要处理海量数据,利用大模型技术可以更好地处理这些数据,提高数据分析和决策的准确性。因此,掌握大模型应用开发技能,可以让程序员更好地应对实际项目需求;
• 基于大模型和企业数据AI应用开发,实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能, 学会Fine-tuning垂直训练大模型(数据准备、数据蒸馏、大模型部署)一站式掌握;
• 能够完成时下热门大模型垂直领域模型训练能力,提高程序员的编码能力: 大模型应用开发需要掌握机器学习算法、深度学习框架等技术,这些技术的掌握可以提高程序员的编码能力和分析能力,让程序员更加熟练地编写高质量的代码。
👉获取方式:
😝有需要的小伙伴,可以保存图片到wx扫描二v码免费领取【保证100%免费
】🆓