#定义人工智能产品需求
AI：技术创新驱动下的产业升级，本质上是关注产品本身的价值。
##重新定义需求分析
新的趋势和变化：
- 产品逻辑化简为繁，用户学习成本降低（PM : 尝试用“颠覆式思维”设计产品）；
- 从用户角度考虑投入产出比(PM : 选择用户最“痛”的点或者直接和利益挂钩的点作为需求切入点)；
- 算法可解释性差，产品需要逐渐获得用户的信任（PM：技术经过验证之后上市，树立了与专业形象，赢得用户信任）；
- 床技术的飞速发展，带来了多元化的交互行为（PM：学会合理利用多种床设备，创造更多交互方式来满足用户需求）；
- 产品的需求不一定来源于确定的因果关系（PM:输出的未必是确定的页面内容，可能是一对规则和策略）
- PM在开始需求定义前应充分了解目前技术水平和资源的局限性，避免定义一些研发很难实现的需求
###从微观、宏观两个角度：定义功能性需求
（1）宏观：首先对公司的整体产品架构有清晰的认识，评估具体场景下的业务需求寄给能够使用场景是否符合公司的整体战略规划，当功能需求被满足后是否可以为整个产品架构甚至公司带来好处。
总结：判断当前版本中的需求是属于公司哪个层面的，并结合技术平台现有的技术积累判断功能上线风险和投入成本（可以保证需求的目标明确性及合理性）
（2）微观
从宏观挑选出优先级较高的功能，从微观角度定义具体等鞥描述。（尽量给出明确的业务背景和业务目标，并将目标进行量化）
###越重要，越容易被忽视：定义非功能性需求
（1）安全性：可得性&私密性
（2）可用性：易用性&一致性&观感需求
（3）可靠性：出错率&自我恢复速度
（4）性能：响应时间&吞吐量&并发用户数&资源利用率
（5）可支持性：可扩展性&可维护性&可安装性
##量化需求分析
###Why
在产品开始之前提出量化标准，方便对工作成果进行衡量；
一般有三种结果：
1.存在“小数据”或若标注的情况–>保持上线时间不变，需求更改：在算法精度上进行妥协【尽量避免】；
- 存在“小数据”或若标注的情况–>保持量化标准不变：申请更多的资源【尽量避免】；
3.基于现有资源在规定时间内可以实现量化要求；
###How
量化需求的关键步骤： - 明确需求符合产品愿景
明确产品的业务需求：业务机会、业务目标、成功标准以及产品愿景； - 找准需求的场景
- 定义场景中的可量化标准
（1）考虑内部因素（数据集、标注等）；
（2）考虑外部因素；
（3）参考同行业表现
（4）输出模型预测精度的合理期望（Precision、Recall【肿瘤预测】、Accuracy【银行假钞预测】等）–关注需求优先级
（5）根据具体场景或行业中的特殊性定义算法特殊指标（Eg：临床应用需要考虑计算速度、鲁棒性等）
