人工智能和机器学习正在改变互联网和我们的产品，可能会比你想象得更快。
本文原创首发于「百度大脑」微信公众号（ID：baidubrain），关注百度大脑，读懂人工智能。
他们认为搜索引擎是人们思考的事物，其实那是人们思考的方式。
百度大脑解读：
人工智能和机器学习正在改变互联网和我们的产品，可能会比你想象得更快。
如果你是一名产品经理，建议你在 2017 年把「成为一名 AI 产品经理」列为年度目标。
不久前，我们在微信上向大家征集了学习人工智能的线上资料。其中身为产品经理的读者「田奥leo」专门为我们写了一篇文章，分享自己在成为一名 AI 产品经理过程中的经验和资料。今天我们就将他的个人思考和学习资料分享给各位。
如果你也有文章分享，也欢迎投稿。与我们的读者，与百度大脑一起思考人工智能的未来。
如何成为一名人工智能产品经理
作者：田奥leo
四点核心感悟
在人工智能时代，PM（产品经理）的合作者不再是 Engineer，而是 Scientist。敏捷团队的工作成果不再是 app，而是「中间件」（Input → 中间件 → Output）。
中间件由训练好的模型、分类器等等组成，并已经调好最佳的参数和权重。例如：用户提问一句话，你的「产品」利用语音识别、目标检测、脸部识别、自然语言处理等技术处理问题、提取特征，根据算法或知识图谱来为用户产生最终的返回结果。而应用场景有可能是在聊天机器人 app 中，有可能是智能家居的家庭智能管家等等。
敏捷开发不再追求 MVP（Minimum Viable Product，即最小化可行产品），而是追求 MDP（Minimum Data Product），指训练算法的一个迭代所用的最小化数据集。
用户需求来自大数据分析，用户行为关联传感器等新型的交互方式，用户心理依靠深度学习。
AI 产品经理的职位要求
有人会问：「你是人工智能产品经理，为什么不爬虫弄一大堆招聘数据下来，然后机器学习做一个聚类算法呢？」
然而：人工智能产品经理 ≠ 人工智能科学家。
产品经理只是提需求并保证需求落地。比如说，AI-PM 应该告诉 AI-Scientist：
「我需要了解人工智能产品经理这个职位，我们要把智联招聘、猎聘网、拉勾网、秒聘网四个网站中和人工智能产品经理有关的数据跑下来，做个分析对比，产出一份职位描述，作为我今后努力的方向。」
在 PM 和 Scientist 做完充分的沟通后，确认他理解你的需求，询问他是否需要外部支持，阶段性地验收成果或查看进度，确保项目落地。
AI 产品经理的职位描述案例如下：
人工智能产品整体规划、阶段目标、产品设计和推进实现。
产品上线后，分析使用数据，提炼使用场景，找到产品改进点和突破点，用丰富的交互场景推动 AI 创新。
对用户的交互使用体验负责。
有效地横向串联产品的所有功能模块，与产品、算法、工程、编辑、团队充分沟通协作，保证产品功能落地。
负责行业市场分析、用户需求调研和竞品分析工作。
关于 AI Product Management，我很欣赏百度首席科学家，斯坦福大学计算机系副教授吴恩达在 NIPS 2016 上谈到的：
一个人工智能产品经理的工作流：
一个人工智能产品经理扮演的角色：
一个人工智能产品经理的职责：
更多资料可以参考《机器之心》对吴恩达 NIPS 2016 演讲的报道。
AI 产品经理如何学习
1. 在 Coursera 上学习吴恩达的《机器学习》课程。
我每天晚上会看 60 分钟左右视频。他这个课程有两个好处：第一，权威；第二，有中文字幕。在学习的时候要注意：学思路及应用，不深究数学知识。
https://www.coursera.org/learn/machine-learning
2. 看 Paper
- 实时股票交易
PYX (Python Exchange) – Real-time stock trading program using a basic mean reversion algorithm – by Zeke
https://github.com/Logicmn/PYX
- 自拍颜值自动打分方法
Selfai Selfai: A Method for Understanding Beauty in Selfies – by Eren Golge
http://www.erogol.com/selfai-predicting-facial-beauty-selfies/
- 众包：不只是标注
Crowdsourcing: Beyond Label Generation – by Jenn Wortman Vaughan
http://www.jennwv.com/projects/crowdtutorial.html
- 轻量深度CNN人脸表示
face_verification_experiment – A Lightened CNN for Deep Face Representation – by Alfred Xiang Wu
https://github.com/AlfredXiangWu/face_verification_experiment
- 值迭代网络
Value Iteration Networks – by A Tamar, S Levine, P Abbeel
https://arxiv.org/abs/1602.02867
推荐微博：
建议：信息输入适可而止，别贪多。
3. 动手做。
4. 大量阅读。
在这里引用吴恩达的一段话：
「对我而言，无论何时，当我觉得我不知道下一步应该如何做的时候，我将会尝试大量的学习和阅读，和某些领域的专家谈话。我不知道我们的大脑是如何工作的，但它非常的神奇：当你读了足够多的书，或者和足够多的专家谈话之后，换句话说，当你的大脑有了足够多的输入信息，新的想法就会随之产生。」
列举比较权威的几本：
- 《人工智能——一种现代方法》
经典泛读
《Machine Learning Yearning》，吴恩达 著，邮件订阅免费下载。
《Deep Learning》，深度学习权威著作。
《深度学习：方法及应用》，有数学知识别深究。
《大数据智能——互联网时代的机器学习和自然语言处理技术》，书中内容大都是目前的应用现状，不代表前沿的研究领域知识。
适合普通人来看
《人机情感交互》：人工智能时代势必会出现新的交互方式。
《未来简史》：好书。
再列举我看过的几本：
《奇点临近》
《如何创造思维》
《大智能时代》
《大数据云图》
最后引用科幻片《机械姬》中的一句话作为结尾 ——
「少了互动，意识能存在吗？」
作者简介：田奥leo，一个进击的产品经理。国内某知名互联网公司产品经理，热爱大量阅读，专注互联网、创业、技术与人工智能。
