1樓：董秋思
軟核語音技術背景，在流利說擔任人工智慧產品經理（AI PM）一年。咱們不說虛的，說點切實的內容，也算是簡單的工作總結。
首先明確 AI PM 的終極目的，就是，輸出演算法（人工智慧）價值。AI PM 可以模擬成是 「演算法的經紀人」。這樣一說，AI PM 的職責就相對清晰起來。
在假設演算法服務已經成熟、可是上生產環境的情況下，輸出演算法價值有 2 種途徑：
為演算法想出切實的使用者應用場景，打造 Minimal Viable Product（MVP），得到驗證後，推廣到業務線上，產生價值。
接受業務線提出的演算法需求，產生價值。
輸出演算法價值的兩種途徑
如果要跑通這兩條途徑，業務線和演算法部是需要有溝通的橋梁——公司內部的演算法展示平台或者文件，讓業務線清楚知道演算法部有哪些可用的演算法。
圖中這三條線我都跑通過，接下來說說作為 AI PM 的基本素養。
一、了解演算法
作為演算法的經紀人，1) 是需要知道你的 「寶藏男孩」 / 「寶藏女孩」 的正確開啟方式的。演算法的輸入輸出（I/O）以及呼叫方式等溝通一般用技術文件即可。2) 需要知道演算法的優缺點。
演算法本身的效能一般可以在 「測試集」 上有一定體現。一方面是看客觀演算法指標，例如 precision / recall，搭配測試集上的演算法資料分析；另一方面是主觀體驗，通過體驗演算法 demo，總結出演算法表現得 「令人滿意」 和 「差強人意」 的地方。
二、了解業務線
大一點的公司一般業務線龐雜，若想輸出演算法價值，就需要至少了解每條業務線在做什麼、短期目標、長期目標、迭代的優化方向，才可以從業務線的角度思考，put yourself in their shoes，幫助業務線 PM 一起想怎樣用演算法玩出花，幫助業務線實現階段性目標。
了解演算法、業務線之後，輸出演算法價值的兩條途徑也就可以順理成章跑通了。沒有誰比你更了解演算法，因此很可能靈機一動想得出創意性的想法，變成出新的產品 feature。也很可能知道如何幫助業務線在產品設計上巧妙躲開演算法 「笨笨」 的部分，而放大演算法 「聰明」 的部分。
三、對行業有基本的了解
這一點是我做得並不夠的地方，看問題視角不夠 high-level。若演算法是一棵樹，有些演算法當然已經進入成熟期，開花結果。還有一些演算法在演算法工程師的精心哺育下茁壯成長。
作為辛勤的園丁，AI PM 可能也需要稍微看得遠一些，思考應該在下乙個階段我們要 「種哪一些樹」。這時視角需要高一點，需要釐清行業的上下游，暗中觀察競爭對手在幹什麼，思考投資什麼演算法是值得的，為長久做準備。
2樓：科技大老闆
產品經理，可以說是對於產品開發的乙個核心人物，所以在對於產品的定位和認知上是有自己的獨特的見解的，我們在對於產品的開發過程中我們會發現各種各樣的問題，這些問題都是那些程式設計師考慮不到的，所以在進行人工智慧開發的需要一定的對於人工智慧有所了解的產品經理進行產品定位。
3樓：larox
先看AI產品經理需要的能力，我認為相對網際網路或軟體產品經理，主要有三點新要求
1、演算法邊界判斷力：了解本公司的演算法效果
這點很重要，和軟體或網際網路產品不一樣（基本技術上的需求都可以滿足），任何公司的演算法能力，相對產品需求來說都是有限的
AI產品必須基於現有演算法能力去做，而不只是從使用者需求角度去提
但了解演算法能力，並非那麼容易，需要有策略的溝通和評估
因為演算法能力，不是乙個非常直觀的東西，往往產品人員預期的能力，會比實際效果要高
（對演算法效果的衡量，本身就是乙個複雜的事情，尤其考慮到上線後的真實資料可能比測試集要更複雜，也會有很多沒意料到的case存在）
2、分階段落地能力：能從現有能力出發，設計滿足業務需求的功能
從演算法價值角度，不嚴格的將產品分三類：一次性運營型，娛樂型，實用性。三個類別對演算法的要求從低到高
（這個分法不嚴謹，但有實用性，可以根據這個來設計產品，讓演算法能在不同階段都找到落地方式）
因為演算法總在優化中，並且演算法能力一般落後於業務需求，所以根據演算法能力量身定製產品功能，會很有價值
對業務的深刻理解是必不可少的，在此基礎上結合演算法能力，發揮創造性思維吧
3、流程把控力：對演算法迭代有一定了解
演算法總是在改進，但效果很難按時間精準估計，可能相當長一段時間都沒有改進，也可能短時間取得突破
產品經理要深刻理解這一點（這和工程開發是非常不同的），需要更加靈活應對
從這幾點新能力要求來看，AI產品經理和傳統產品經理，我認為沒有太大的跨度
因為我認為AI產品經理，不需要去學習任何具體的演算法，所以相對非智慧型產品，對能力的要求不會有特別難的鴻溝
在上述三點之外，還有一些或大或小的方面，比如了解AI發展趨勢和前沿，基於AI帶來的新互動方式的設計等，我想算是產品經理的一些通用能力範疇吧
綜上，業務線和AI演算法團隊，對產品經理的最大需求就是：
為不完美的演算法設計落地方式
其實，對很多大公司，傳統業務線的產品部門也會和AI團隊合作探索，如果碰撞出了火花，自然就做起了AI產品
傳統產品經理和AI產品經理，沒有那麼嚴格的界限
如果認準了，直接投簡歷吧
4樓：李大熊
作為人工智慧行業耕耘許久的PM，分享一下個人的體悟，搏各位前輩一笑。
開宗明義，脫開產業發展談人工智慧領域PM是不客觀的。
這些年產品經理大火其根本原因是行業出現了兩波大的行業機遇。
1. 05年開始到11年的PC網際網路和軟體的平台機遇，造就平台機遇的技術基礎：
a). 工業化的軟體開發標準建立，OOP、SOA等思想被行業廣泛認同，形成工業化軟體研發體系。
b). 出現穩定的平台，無論是Windows XP、Windows 7，形成穩定的系統平台，同時伴隨著網際網路普及，上網人口的急速提公升。
2. 07~08年開始的移動網際網路行業興起，更準確的說是iPhone的誕生定義了移動網際網路的基調以及之後安卓的興起，都是形成了定義行業標準的平台。
國內這兩波行業熱潮的本質是「在網際網路/移動網際網路上重構社會」，而PM這個角色的本質是在這個過程中代言定義社會某一群角色的訴求/需求，並在網際網路上以合適的形式體現出來，滿足這一群體的需求的過程。
而人工智慧和過去兩輪產業機遇有本質的差別在於，之前兩波產業發展的本質是渠道拓展，從PC到移動網際網路，大幅提公升了資訊傳播的效率。而人工智慧的發展是賦予程式思考判斷的能力，不在同一緯度的產業機遇。人工智慧賦予了程式判斷思考的能力，這一能力的拓展會改變整個產業的角色分工，也意味著組織本身會發生變化，產品關注的不再是原有的產品，運營關注的也不再是原有的運營。
回到問題本身，那麼網際網路方向的PM如何投入人工智慧，從我的角度來看PM能在人工智慧領域為企業帶來的價值主要是兩個方面。
應用領域結合深刻的行業經驗和對人工智慧技術本質的理解，形成應用產品方案。由於人工智慧目前仍然處於初級階段，技術的掣肘很大。在這個前提下深刻的理解目前行業現狀，洞悉應用場景痛點，以目前合理的方式快速形成可用的產品方案是應用領域PM所要關注的最重要的因素。
後端形成深度結合人工智慧技術的產品和運營體系以及組織改造的方案。人工智慧的行業機遇本質是計算機在一定範圍內使用者識別和判斷的能力。後端PM關注的本質是：
使得計算機識別和判斷能力更加精準。
重新定位組織角色，明確新的分工和業務模式。
形成新的體系評估方案，由於判斷的難以衡量性，特別是非結構化資料難以按過去的分析思路進行全量資料分析，所以導致目前行業內很多的運營或產品陷入了乙個抽樣分析、打標判斷難以一窺全貌，導致被各路人馬無限挑戰的怪圈，這也是目前人工智慧行業PM陷入的乙個怪圈。
最後人工智慧行業需要什麼樣的PM，從我面試的評判角度來講一般關注3 + 1的能力模型：
產品能力，人工智慧行業產品的問題一般很難直接評估，並且一般都是綜合類問題，這使得人工智慧的PM需要有極強的綜合產品能力，需要有能從紛繁複雜的場景下快速定位核心問題的洞察力，有豐富的解決問題手段。除了這個問題之外，挖掘使用者需求，滿足需求這類只能算是基礎能力罷了。
技術能力，這裡有兩個方向：
深入介入技術演算法方向，能直接在這個層面理解並帶來價值。
了解技術本質，理解技術邊界，能觀察行業發展方向，並在這個層面形成產品決策方案。
業務能力，深刻理解目前所處的行業應用本質、痛點和未來的發展方向，最好能有產業思維，有自己獨到的行業理解。
+1. 指的是管理能力，人工智慧PM除了要在應用層面有所建樹之外，對後端的運營/產品體系、組織的改造是非常重要的，而這需要對管理有深刻的理解的PM才能滿足這方面的需求。
最後的最後，從現在開始如何向這個領域的PM轉型？
洞察理解人工智慧的行業本質。
找乙個自己最切合的人工智慧應用領域，找相關企業嘗試自薦。
找些資料理解人工智慧/機器學習的技術原理。
深刻的產品功底。
相信各位聰明的PM都能找到相關的資料，書單這類的就不開了。
以上：）
5樓：
先成為乙個優秀的互動設計師吧，相信我，能夠處理各種場景下的人機互動，然後倒推去了解功能怎麼做，然後去了解功能背後的開發，然後就積累經驗吧。
6樓：
首先寫乙份好的簡歷，利用你產品經理的知識儲備，要能打動HR和獵頭其次決定你在這個新領域打算從事的職位：銷售；研發；市場；還是技術支援最後取捨一下你目前的收入和期待的收入，坦率的說機械人和工業機械人之間有認知上的鴻溝
我只熟悉工業機械人，如果是工業機械人的話，建議讀物如下：
1. 《自動控制原理》
2. 《數位電路》、《模擬電路》
3. 《電機拖動》
4. 以上都是純理工教材，紙上得來終覺淺，剩下的就得靠實戰了5. 這個圈子收入比不上碼農
機器學習成就人工智慧，還是人工智慧成就機器學習？
智慧型的本質是 解決問題的能力 而機器學習只是人類創造出來的一種實現人工智慧的途徑而已。從本質上講，進化為學習提供了基礎，而學習為更精細的智慧型創造了條件。拿人類來講，為什麼有學習的能力？進化的結果。為什麼創造出了浩如煙海的可以改變世界的科技？學習的結果。進化是被動的適應環境，學習是主動的適應環境。...
什麼是人工智慧？人工智慧 機器學習 深度學習三者之間有什麼關係嗎？
祩徍徍 人工智慧是乙個很寬泛的概念，各種定義都有，機器學習是人工智慧的一種實現方法，深度學習是機器學習的一種實現方法，是在機器學習的基礎上建立起來的，深度學習最基本的形式就是神經網路。 王易諾 人工智慧 英語 artificial intelligence，縮寫為AI 是指由人製造出來的機器所表現出...
人工智慧發展到未來，人與機器該如何界定？
長話短說，這個界限總有一天會消失的。按照人工智慧的發展速度，在各個方面要趕超人類都不難，除了 自我複製，進化以及感情。生物的界限本來就很模糊，生物界連病毒算不算生物都無法定論。機器的自我複製肯定不是難題，進化也已經形成了 比如可以自己改寫自己的code 最重要的是，作為乙個機械人，他為啥要自我複製，...