您需要了解的有關(guān)AI產(chǎn)品管理的知識

如果您已經(jīng)是軟件產(chǎn)品經(jīng)理(PM)，那么您將成為人工智能(AI)或機器學習(ML)的PM的先行者。您已經(jīng)了解了游戲及其玩法：您是協(xié)調(diào)員，將開發(fā)人員，設(shè)計師和執(zhí)行人員之間的一切聯(lián)系在一起。您負責設(shè)計，產(chǎn)品與市場的契合度，并最終負責將產(chǎn)品推向市場。但是，在管理AI項目方面存在許多新挑戰(zhàn)：更多未知數(shù)，不確定性結(jié)果，新基礎(chǔ)架構(gòu)，新流程和新工具。有很多東西要學習，但是值得在產(chǎn)品空間中創(chuàng)造AI的獨特價值。

無論您管理面向客戶的AI產(chǎn)品還是內(nèi)部AI工具，都需要確保您的項目與業(yè)務(wù)保持同步。這意味著您構(gòu)建的AI產(chǎn)品與您現(xiàn)有的業(yè)務(wù)計劃和戰(zhàn)略保持一致(或者您的產(chǎn)品正在推動這些計劃和戰(zhàn)略的改變)，它們正在為企業(yè)帶來價值，并且能夠按時交付。用于AI的PM必須完成傳統(tǒng)PM要做的所有事情，但他們還需要對機器學習軟件開發(fā)有操作上的了解，并要對其功能和局限性有一個現(xiàn)實的認識。

AI產(chǎn)品是自動化系統(tǒng)，可以收集數(shù)據(jù)并從中學習以做出面向用戶的決策。實用地說，機器學習是AI“起作用”的一部分：您現(xiàn)在可以在實際產(chǎn)品中實現(xiàn)的算法和技術(shù)。在這里，我們將不涉及現(xiàn)代機器學習的數(shù)學或工程學。您現(xiàn)在需要知道的是，機器學習使用統(tǒng)計技術(shù)來使計算機系統(tǒng)能夠通過接受現(xiàn)有數(shù)據(jù)的訓練來“學習”。訓練后，系統(tǒng)可以根據(jù)以前從未見過的數(shù)據(jù)做出預(yù)測(或提供其他結(jié)果)。

AI系統(tǒng)在很多方面與傳統(tǒng)軟件有所不同，但是最大的不同是機器學習將工程學從確定性過程轉(zhuǎn)變?yōu)楦怕市赃^程。機器學習工程師沒有使用總是以可預(yù)測的方式運行的硬編碼算法和規(guī)則來編寫代碼，而是收集了大量輸入和輸出對的示例，并將它們用作模型的訓練數(shù)據(jù)。

例如，如果工程師正在訓練神經(jīng)網(wǎng)絡(luò)，則此數(shù)據(jù)會教網(wǎng)絡(luò)近似一個功能，該功能的行為與其通過的對相似。在最佳情況下，經(jīng)過訓練的神經(jīng)網(wǎng)絡(luò)可以準確地表示潛在的潛在現(xiàn)象，并且即使提供了模型在訓練過程中未看到的新輸入數(shù)據(jù)，也可以產(chǎn)生正確的輸出。對于消費互聯(lián)網(wǎng)公司中使用的機器學習系統(tǒng)，通常每天使用數(shù)十億個全新的輸入-輸出對對模型進行連續(xù)多次重新訓練。