起点课堂会员权益
职业体系课特权
线下行业大会特权
个人IP打造特权
30+门专项技能课
1300+专题课程
12场职场软技能直播
12场求职辅导直播
12场专业技能直播
会员专属社群
荣耀标识码隆科技CEO黄鼎隆：人工智能时代的产品经理修炼之道
由人人都是产品经理与腾讯大讲堂联合主办的2017中国产品经理大会：解码未来产品经理在深圳宝立方国际博览中心如期举行。码隆科技联合创始人&CEO，清华大学人机交互博士@黄鼎隆 主要探讨人工智能的产品经理在未来的创新方法。从自身的产品经验出发，分享了“三学”：猪跑学（没吃过猪肉还没见过猪跑？），杀鸡学（杀鸡就要用牛刀）和溜驴学（是驴是马拉出来溜溜）。
分享嘉宾：码隆科技联合创始人&CEO，清华大学人机交互博士@黄鼎隆
以下内容为嘉宾分享实录，由人人都是产品经理社区笔记组@张浩涛 依据嘉宾分享内容整理，编辑有修改，嘉宾已确认：
产品经理平时都是公司里面非常忙的一群人，每天忙着跟各种各样的人打交道；可是现在这个时候，各位产品经理真的需要暂时放下手头正在忙的东西，抬头看一看。新的一场智能革命正在发生，而这个事情跟每一位产品经理都息息相关的。
想象一下，如果你是18世纪60年代一个手工作坊某个产品的负责人，你听到有一个新出来的玩意叫蒸汽机，那么你一定要对蒸汽机保持关注，要想怎么把它跟我的东西结合起来；
或者说，到了19世纪，如果你是一名产品经理，你听到有一个叫发电机的东西出现了，你也一定要放下手里的工作，看一看发电机有什么可以帮到我的；
又或者是到20世纪的四五十年代，你作为一名产品经理，听到有个新东西叫计算机，你一定要引起警觉了。
到今天，一个跟当年的蒸汽机、发电机、计算机同样重要的东西出现了——人工智能，大家确实需要想一想人工智能（AI）跟我会有什么样的关系。
我相信未来所有的产品都需要人工智能，也就意味着所有的产品经理都要懂人工智能。
现在我们处于人工智能的时代，我们应该感到兴奋；但我觉得产品经理除了感到兴奋之外，还需要有一点危机感。
为什么？
在这个新的时代，我们过去所掌握的很多方法论，尤其是互联网时代所积累下来的方法论，也许是不适用的。在新的人工智能时代，我们可能需要新的方法论，而这个方法论现在还没有。
码隆科技作为在这个领域已经探索了三年的创业公司，我本人也是作为传统的一个互联网产品经理转型到人工智能的产品经理，也探索了有三年。所以借这个机会来跟大家分享一下，作为人工智能时代的产品经理，可能会有什么新的方法论。
过去十年，在互联网领域谁是最成功的产品经理？很多名字大家都能脱口而出，乔布斯、张小龙等等，这是一个群星璀璨的一个时代。
那么，过去10年谁是人工智能领域最成功的产品经理，不知道大家能不能给一个答案？
人工智能不是一个新东西，它已经有60年的历史了。过去10年人工智能领域最成功的产品经理，在我心目中有一位——Google人工智能首席科学家李飞飞教授，也是斯坦福大学的人工智能的教授。
李飞飞教授做的最为大家所认知的一个事情，是她创办了ImageNet。
可能很多人知道人工智能，是源自Alpha Go，Alpha Go赢了李世石。而在人工智能这个领域，很多人开始去关注人工智能，开始意识到人工智能这次真的可以落地了，是由于ImageNet——一个图像识别的比赛。
在整个深度学习还没有起来之前，李飞飞教授就想去定义清楚一个问题：如何判断一个机器的智能程度？她选择了从图像识别领域去定义。
李飞飞教授定义了一个非常清楚的问题：开发一个计算机的系统，让它去看一张图片；然后由它来判断这个图片里面有什么，里面是一只猫还是狗，还是电视机，还是汽车等等；有大概一千种的类别，能非常清楚地去判断人工智能的智能程度。
她聚合了大量的资源，也获得了很多的经费，通过钱又聚集了很多的人力，在亚马逊的Turk聚集了几万人；花了几年时间，她又解决了一个很重要的资源——数据。
她通过这些标注了几百万的海量数据，在 ImageNet 比赛里去训练他们的人工智能的模型。
ImageNet比赛在2012年的时候发生了一个非常重要的事情：
在2012年以前，每年计算机对于图像的识别的精准度都有提升，可是都提升得非常缓慢，0%点几到1%这样。2012年ImageNet比赛的冠军，一下子把整个对图像的识别精准度提升了10%。
你可以想象：如果在某一年奥运会，一个百米赛跑的赛场上有一个人破了世界纪录一秒钟，那么你会认为这一定是一个新物种，因为哪怕博尔特都不可能破世界纪录这么多——如果它能破一秒钟，这是一个新物种，它只可能是一个外星人，它不是人类。
在2012年的 ImageNet 就发生了这样的事情，而这个突破是由一门新的技术——深度学习所带来的。
随之就带来了一股深度学习的狂潮，接下来大量的人就从传统的模式识别等这个计算机视觉技术转到深度学习，使得这个识别的精准度在快速地提升。
到了2015年又发生了一件很不寻常的事情，一个里程碑似的事件：
2015年计算机对图像的识别精准度正式超过了人类。如果你在这个领域，你就知道后来Alpha Go可以战胜李世石，不是一个太让人惊讶的事情——因为在这之前，已经看到了计算机是可以比人更聪明的。
这一切都是在李飞飞教授所创办的ImageNet下面发生的。
为什么我认为李飞飞教授是最成功的产品经理呢？
她在这个过程做了三件事情：
- 定义清楚问题。人工智能到底怎么叫智能？用什么衡量指标去判断一个系统是不是够智能？她把这个问题定义清楚了，而且是一个非常量化可衡量的一个问题。
- 聚集资源。她聚集了大量的资源经费还有人才，全世界最聪明的人都来参加这个比赛来帮她解决这个问题。
- 她解决了这个问题。ImageNet使得计算机对图像的识别精准度超过了人类。
所以，她就是过去十年人工智能领域最成功的产品经理。
今天跟大家分享我自己在过去三年在做人工智能产品经理的过程中的一些心得，还有我觉得很有用的三门学问：猪跑学（没吃过猪肉还没见过猪跑？），杀鸡学（杀鸡就要用牛刀）和溜驴学（是驴是马拉出来溜溜）。
1、“猪跑学”：没吃过猪肉还没见过猪跑？
其实，这个名字不是我发明的。大学的时候我们有门课，叫工业工程概论。那个老师说今天这门课不叫工业工程概论，这是一门叫“猪跑学”的课程。
什么叫“猪跑学”？就是“没吃过猪肉还没见过猪跑吗”。
人工智能是一个基础的能力，就像电一样，它会跟不同的行业结合；你要把一个人工智能成功地做出产品来，你需要的不仅仅是对人工智能的了解，更重要的是对行业的了解。
可是它能涉及到的行业太多了，所有的行业都可以被人工智能所改变，但每个行业你不可能都非常精通——你不可能都吃过这个猪肉，可是至少你要见过猪跑。
通俗来讲，这可能叫做一种“通才”——你的眼光需要非常宽，各行各业你都有所涉猎；而且你能从产品经理的角度去理解这个行业的痛点在哪里，在这个行业建立一个很好的一个沟通的机制，让这个行业吃过猪肉的人来告诉你说他们需要是什么。
举个例子：
我们的产品 Product AI，是AI for your product，给不同行业的产品植入人工智能。比方说，Product AI 跟纺织服装行业相结合。
纺织服装其实我们都不懂，我们公司只有一位同事是服装出身的。我们发现服装有个问题，就是找面料很难（你想找个面料，但你很难用语言去描述）。你很难用语言去描述这个面料。我们就想，我们通过图像，你拍一张图。如果你是一个服装的设计师，你拍一个照片，马上就可以找到并可以快速买到这个面料。
我们推出这个产品之后，大概70%的服装面料在线平台就都已经在使用我们的技术。
我们没吃过这猪肉，可是我们见过猪跑。我们做出来一个产品也能为这个行业所使用；更关键的是——这个需求不是我们自己去臆想出来的，是这个行业的人他们来跟我们来对接，帮我们把这个需求给挖掘出来了。
2、“杀鸡学”：杀鸡就要用牛刀
大家知道：牛刀杀鸡是一个贬义词，大概是指大材小用的意思。
在互联网的方法论里，我记得有一个方法叫做PGE（Principle of good enough），够用就好。互联网要强调速度，技术不一定要特别好，不一定要特别的领先、高超， 够用就好。但我通过这几年的实践，我发现这在人工智能领域可能不那么适用。
在人工智能领域，你要杀一只鸡，如果你就是用杀鸡刀的话，可能脖子割了一半，还喷着血，它就到处跑，弄得整个房间非常地狼藉，最后还没成功。杀鸡就要用牛刀，用最领先的技术去解决一个小问题。
你找一个太大的问题也是不行的，你要打造一个很锋利的一把牛刀，找到一个小问题，找到一只鸡。我觉得是至少在近期，在技术边界推进到现在这个程度，在人工智能才是一个更有效的一个方式。
举个例子：
Product AI 专注于做商品识别。在做商品识别的过程中，我们遇到一个问题。
大家知道现在的人工智能基于深度学习，深度学习是一种有监督的学习，也就意味着你是需要用人去事先标注好大量的数据，用数据去训练你的系统。
可是在我们做商品识别的这个过程中，我们遇到一个问题：我们可以找到大量有标注的数据。比如从互联网去抓取，或者从合作伙伴去获取，可是这些数据都含有大量的噪音。
在现实的商业世界里面，数据就是不干净的，含有大量的噪音，而且还不平衡。比如在某一个类别的数据特别多，在另外一个类别数据特别少，而这两个都是有监督的深度学习所没有办法去解决的。
我们为了解决这个问题，我们打造了一把非常锋利的牛刀：
我们开发了一个叫“半监督式学习”的方法（当然更美好的未来是“无监督式学习”，那时候可能计算机坐在这看电视就可以学会了，可是至少现在还没有一个非常成熟的方案）。通过这个方法，我们可以用有噪声而且非平衡的数据，训练出可以跟人类的智能相媲美的人工智能模型。
我们打造出来的这个牛刀有多锋利呢？
今年我们拿这把牛刀去参加了Web Vision今年在夏威夷的CVPR的比赛，一下子就拿到了世界第一，比第二名高出了2.5%的百分点，这是一个非常大的优势。
人眼的识别精准度是94%到94.9%之间，我们最后实现的精准度是94.7%，也就是全球一百多个参赛队伍里唯一一个可以达到人眼的识别精准度的一个AI。
刚才在第一个环节的各种的案例，都是一个个小问题，可是这个小问题后面，因为我们有这样的一把牛刀，才可以去杀这些小鸡。
3、“溜驴学”
很简单的一句话“是驴是马拉出来溜溜”。
在人工智能这个领域，你很容易可以提出一些很酷炫的概念、想法。我们有一个试用的平台，外面的人可以给我们提各种各样的需求。这平台我们每一天都会收到十几个，几十个各种各样的需求，这些需求都是来自各个行业的天马行空的各种想法。
可能大家也是科幻电影看得比较多，觉得现在AI已经来了，可以做很多很科幻的事情；这本来是一个很好的事情，因为中间有很多创新的机会；可同时这也是一件很危险的事情，因为太不现实。
其实这里面大部分的都是不现实的——要么是技术达不到，要么是需求不够硬。这个时候怎么办？快速的把它拉出来遛一遛，看它是驴还是马。
“遛一遛”就是要把真的把产品做出来，哪怕是一个简单的原形，要把它做出来，要实际的用户去使用，你才知道这个“是马还是驴”。
刚才的那些都是已经上线的，现在正在被我们的客户接受大量在使用的一些应用。
下面这些是没有被接受的应用。
在这个阶段，比方说我们现在是专注于做to B。在做to B之前，我们是做了一个to C的APP。这个APP可以实现这样的功能：
比如你拍一朵花，我们找到印有这些花纹的衣服这种跨品类的搜索。或者说你看杂志，看到这个杂志上面你有想买的东西，拍张照片就可以马上买到了。
我们在两年前的时候在APP Store上面就推出了这个APP，可现实的情况是：当我们还没有把东西做出来之前，很多企业不相信真的能做成，我们只好自己做一个APP拿出来看一看，我们所设想的到底能不能实现。
现在有不少的APP有这个拍照购物的这个功能，但在两年前是非常少的，而且在两年前能实现我们这样的一个精准度，可以说在全球都是非常少的。
人工智能产品经理需要对技术的边界非常的清楚，我是非常认可这个事情的。
对于人工智能这个领域，又有一个可能跟以前不同的地方，就是人工智能的技术的边界的推进速度非常的快。你认为这个技术现在是这样，应该在半年一年也大概是这样；但人工智能不是这样。
最明显的例子：Alpha Go，它从一个二段变成九段，只花了几个月的时间；它又花了几个月的时间从九段变成了可以吊打九段。今年跟柯洁的比赛，已经是它让柯洁几个子都可以毫无悬念地胜出了。
我觉得我还没见过哪个技术的技术边界可以推进的这么快，包括我们自己。
我们现在今天展示的很多的这个案例，如果放在一年前我也是难以想象的；可是就短短一年的时间，技术边界推进得非常快。
这也是对产品经理的一个挑战：你需要了解这个边界，可是这个边界不是静态的，而是一个快速在推进的状态，所以你需要去预计它3个月之后、6个月之后、12个月之后会推进到什么样的状况，做一个提前的预判，这非常重要。
以上就是演讲的内容。
2017 中国产品经理大会·深圳｜系列文章
SpeakIn COO、前迅雷智能产品中心总经理易鹏宇：AI生态未来10年的产品人定位
本文为2017中国产品经理大会：解码未来产品经理嘉宾分享整理总结，未经本站许可，禁止转载。谢谢合作
- 目前还没评论，等你发挥！
