通过上一篇文章中对分析拉勾上的AI产品经理招聘数据，我们已经了解到关于AI产品经理的市场需求情况，以及企业对于产品经理的岗位职责及要求。今天我们重点来共同聊聊，AI产品经理需要在思维方式上的准备工作。

六顶思考帽是英国学者爱德华·德·博诺（Edward de Bono）博士开发的一种思维训练模式，或者说是一个全面思考问题的模型。

通过上一篇文章中对分析拉勾上的AI产品经理招聘数据，我们已经了解到关于AI产品经理的市场需求情况，以及企业对于产品经理的岗位职责及要求。今天我们重点来共同聊聊，AI产品经理需要在思维方式上的准备工作。

说起AI(人工智能)我们不得不提到机器学习和深度学习，那么二者究竟是怎样的关系呢？笔者更倾向的一种认知是：机器学习（ML）是一种实现人工智能的方法，深度学习（DL）则是一种实现机器学习的技术。通过国务院于2017年7月出台的《新一代人工智能发展规划》来看，AI相关行业的开发人员、产品人员大家任重而道远。而作为AI产品的产品经理，我们一方面是要有相关的技能和知识储备，另一方面是要有着相关的思想上的准备。

作为互联网产品经理，我们需要的主要思维方式：

1. 用户思维：以用户为中心；
2. 简约思维：less is more,simple is beautiful；
3. 极致思维：超越用户逾期；
4. 迭代思维：小步快跑；
5. 流量思维：目光群集之处，金钱必将追随；
6. 社会化思维：用网络的方式完成协作，分工和合作；
7. 大数据思维：全样思维、容错思维和相关思维；
8. 平台思维：坚持开放、共享、共赢；
9. 跨界思维：大世界大眼光，用多角度，多视野的看待问题和提出解决方案。

既然同样是产品经理，我们在上述9中思维方式的基础上，AI产品经理有哪些不同，亦或需要加强的地方呢？

1. 万物皆数据

如果有一定技术基础的伙伴，应该了解面向对象编程，而面向对象编程的一个核心观点就是“万物皆对象”。而我们作为AI产品经理，需要的一个观点是万物皆数据。

不管是NLP (Natural Language Processing)自然语言识别，计算机视觉、图像识别等等方面，最终都是将实体转化为计算机能够理解的数据符号来加以理解。

我们在学习深度学习的时候有一个很经典的例子，就是手写数字的识别(基于MNIST数据集)。为了让我们的程序能够识别某个手写数字，我们在从事数据预处理时，就是先将原本28*28的数字图像，转换为一维的向量，其长度是784，并且转换为Float，然后将数字对应的图像数字标准化。其核心的代码如下：

2. 大胆假设，小心求证

我们在进行深度学习的建模过程中，有一个非常困难的问题，就是如何设定网络的层数及其类型，我们只有不断的试错，通过进行一系列的试验，尽可能的找到最好的网络结构。面对我们深度学习和机器学习的建模过程，我们很多时候并不能立刻找到最优的算法，我们只有通过不断的通过模型的准确性，F1值等等来找到最优的算法。

在AI产品的设计过程中，我们会碰到很多前沿的领域或者技术。我们以TNT为例，语音识别的加入肯定能在一定意义上提升工作效率这一点是毋庸置疑的，但是他能否作为主流的办公手段呢？假设我们可以通过人工智能的手段去处理复杂的语言逻辑，达到用户想要的目的，但我依然认为这是一种过渡手段，而我们暂且能够看到的一定阶段的目标，就是脑机接口的应用，通过意念去控制程序实现我们的目的。而我们在实现这些的过程中，首先要假设：我们能否通过自然语言识别完成这样的操作；自然语言识别能否成为主流的工作手段；是否有着更好的代替自然语言识别的手段或技术。这些都是在不断假设和求证过程中进行的。

3. 从跨界到无界

随着移动互联网时代的到来，我们处于资讯大爆炸中，并且科技的快速发展，使人们逐渐突破思维的禁锢，“跨界”正成为时下新常态，而跨界思维也成为互联网产品经理的主要思维方式之一。

李彦宏指出：“互联网产业最大的机会在于发挥自身的网络优势、技术优势、治理优势等，去提升、改造线下的传统产业，改变原有的产业发展节奏、创建起新的游戏规则。”

而作为AI产品经理，更应该从跨界思维到无界思维。给大家推荐一本书《银河系漫游指南》(笔者被唐巧安利的)：该书于1979年出版，书中主人公Arthur Dent的朋友Ford Prefect——星际旅行指南秘密研究员——警告他地球将要被毁灭。他们两人逃到外星人的飞船，并环绕宇宙开始了奇妙的冒险。他们目睹的一件东西就是可以对音频进行实时翻译的通用转换器。今天我们用到的科大讯飞的翻译工具，百度翻译，Google翻译等在当时是多么神奇的东西，但是 《银河系漫游指南》的作者就能够想象到未来会有这样的事物产生。我们在从事普通的产品经理工作时，很多时候要基于现有的产品表现形式，现有的技术实现方式去进行需求的评估、产品的实现，而作为AI产品经理我们更需要的是无界思维，不让自己束缚在现有的认知上。

4. 薛定谔的猫

量子力学作为20世纪最有突破的科学成就之一，也是最具争议的科学之一。“薛定谔的猫”很好的阐述了这一现状。人们不能接受量子力学是因为它的不确定性。

而薛定谔的猫是奥地利著名物理学家薛定谔提出的一个思想实验，试图从宏观尺度阐述微观尺度的量子叠加原理的问题，巧妙地把微观物质在观测后是粒子还是波的存在形式和宏观的猫联系起来，以此求证观测介入时量子的存在形式。既然是量子力学的实验，又跟我们的AI产品经理思维有着怎样的关系呢？我们先来看看下面的三幅图，左边是淘宝的客服小蜜，右边是京东的京东客服。第三幅图是微信的关键词回复。

我们在从事智能客服，或者一些应答工具的产品时，会首先确定一些关键词，针对某些关键词的触发，推送相应的答案给用户，产品的设计与逻辑类似与微信的关键词回复。不过我们最开始的智能客服或者应答工具都是针对封闭性环境，或者说我们需要一个十分确定的关键词去触发条件，而对于开放性应答环境就需要人工智能的相关技术，开发性的应答环境我们需要的不是一个十分确定的关键词去触发。

举一个简单的场景，我们需要在用户想我们发送“早上好”的时候，回复“早上好”。如果是封闭性的应答环境，我们通常是去进行分词匹配是否包含有早、早上、早上好，这三个关键词，如果有这三个关键词，我们回复“早上好”。而通过深度学习的方式，我们现在的做法，通常是去收集很多跟早上好相关的语句，去训练模型，告诉模型这些都是早上好的意思，如果再遇到类似语句，就需要回复早上好。

5. 人工智能并非高不可攀

我们在实际工作中，很多时候涉及人工智能、机器学习、深度学习的问题时，很部分伙伴可能会认为我们通过现有的处理方式和产品已经能够很好的解决问题，我们没有必要去采用新的技术手段。亦或者我们在从事产品的过程中，觉得某个功能是需要用到人工智能相关技术，而我们的技术团队是没办法实现这样的需求的。

我们先说说即时通讯工具。

老板—“囧人，你看淘宝和京东上买东西的人都能跟店小二，聊两句，而且很多产品都有这样的功能，我们的APP也应该有这样的功能嘛”

John—“老张(技术部leader),上级新需求，我们的APP上要加上聊天工具，你看什么时候能弄完，老板只给1周时间”。

老张—“这不扯犊子么？我们总过就2个两个开发人员，一个前端+后台，一个后台+运维，并且XMPP协议我们都不熟悉，这个功能完不成的”

难道我们就这样回复老板呢？？当然不是，现有的第三方提供聊天SDK的Bmob和融云，都是能够帮助我们快速在App中实现聊天工具的快速方法，即使是视频聊天，网易视频云等也提供完善的SDK和文档帮助我们快速实现。

举上一个例子的主要原因是要告诉大家，如果我们遇到一些技术性难题，并且团队并不具备相应的技术能力的时候，我们可以寻找是否有第三方的SDK或者API能够快速实现我们的需求。比如提供语音识别SDK和API的科大讯飞、百度翻译等；提供图片、名片扫描等OCR识别服务的百度文字识别、百度身份证识别、扫描全能王等；提供智能客服的微软Azure服务；提供区块链服务的蚂蚁金服等等。作为AI产品经理，要时刻关注产品和技术的发展，并且及时了解业内动态。

6. 人文情怀

为什么我将人文情怀放在最后一位呢？

• 机器学习：专门研究计算机如何模拟和学习人的行为，以获取新的知识或技能，重新组织已有的知识结构使之不断完善自身的性能。
• 深度学习：深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。

从机器学习和深度学习的定义来看，我们都要回归到问题的本质，也就是回归到产品的本质就是“人”。产品亦或者工具都是为人服务的，而我们现有的技术也是以人为根本来搭建的。那么我们在从事人工智能相关的工作中，也不能忘了人工智能背后所包含的人文情怀。

我们以泰坦尼克号的数据为例，来讲述人工智能背后的人文情怀。

我们在AI产品的工作中，难免会遇到分类和预测的问题。杰克和露丝虽然是虚构出来的人物，但是我们可以通过真实的泰坦尼克号数据，来预测一下杰克和露丝在真实的泰坦尼克号上能否生存下来呢？

我们处理数据的主要思路是：

1. 数据预处理；
2. 建立模型；
3. 训练模型；
4. 评估模型准确率；
5. 加入杰克和露丝的数据；
6. 进行预测；
7. 找出异常数据。

我们最后在查找异常数据的时候，发现了一些很感人的故事：某些生存概率高的旅客，最后却没有幸存；Trevor一个婴儿是如何在父亲、母亲、姐姐都遇难的情况下生存下来的等等。我们在从事数据分析和产品工作的时候，请记得我们面对的永远不是一个冷冰冰的数据，使用我们工具和产品的永远是活生生的人。

相关阅读

《产品经理AI指北（一）：企业AI产品经理采购指南》

作者：John_Ren，微信公众号：产品经理与增长黑客（ID: pmgrowth）

本文由 @John_Ren 原创发布于人人都是产品经理。未经许可，禁止转载

题图来自 Unsplash，基于 CC0 协议