AI 时代下的产品思维（一）：AI不是神

本文讲述了AI 产品常出现的问题，并从中窥见背后的AI 产品思维。

目录：

序：产品思维
一、普遍问题
二、AI无神通
三、机遇与挑战
后记：PDF资料

首先要问一下，什么是产品思维呢？

简单的说，产品思维就是产品经理在打造产品时的思考方式。

说到这个词，可能很多人都会联想到梁宁在“得到”上的《产品思维30讲》的课程。

梁宁老师为大众科普了产品经理的思维方式。但是真正的产品经理，光学习科普知识还是不够的，更需要深入专业和实战。虽然很多企业都设置有产品专员的岗位，但可能由于职业分工的限制，培养效果并不好。反而那些由优秀的设计师、程序员和运营转岗的产品经理，往往表现得更加出色。

究其原因，产品经理本身就是一个综合性极强的岗位，优秀的产品经理不是学出来的，而是“打”出来的。关于产品经理的成长可以看之前文章：《我的产品经理能力模型和成长之路》

也有人说，产品经理是CEO的预备班，像马斯克、贝索斯、乔布斯、雷军、马化腾、张小龙，不仅仅是卓越的产品经理，还是优秀的企业家。

那产品经理需要怎么样的思维方式呢？

产品经理本质上负责的就是企业的产品创新。国际著名的设计咨询公司IDEO，曾对于“创新”有这样的定义，所谓“创新”就是要平衡人、商业、技术三方面因素，IDEO称之为Design Thinking：

人的渴望：解决用户的需求，让产品拥有良好的体验，比现有的解决方案要好上 10 倍；
商业的可行性：需要充分的考虑到商业价值，能够不断为企业创造收益；
技术的可实现性：使用合适的技术手段保质保量的实现产品功能；

产品思维就是创新的思维，Design Thinking也是我这些年来在产品岗位的最底层思维模式。不管产品经理是什么岗位出身，评判他是否专业，就在于他如何能平衡好三者之间的关系。

如今，AI 毫无疑问是当下炙手可热的话题，许多产品也逐步的 AI 化。AI 时代的产品思维究竟有怎么样的不同？

在写这个话题之前，我也看过一些AI产品的书籍，大多都在讲概念，讲如何解决问题的偏少。而我的初心也很简单，通过总结我在实践中踩的一些坑，和大家一起去发现与以往不一样的产品思维。少谈一些概念，多谈一些思路，也是我写此文的一个目标。

Part .1 普遍性问题

在AI产品的实践过程中，我们发现事情并没有那么简单。我们遇到了诸多的问题和挑战。如果要使用AI，我们首先需要先将AI请下神坛，破除对它的迷信。当下的AI产品有三个较为普遍性的问题：容易偏离、可解释性弱、可靠性差。

1. 容易偏离

2016年3月26日，微软发布了一个聊天机器人 Tay。微软原本是想让 Tay 扮演一个少女角色，能够在线与 Twitter 上面的任何人进行交流。除了聊天，Tay 还能完成向用户讲笑话、对用户发给“她”的照片进行评论等其他任务。

刚上线的时候，Tay 说：“世界你好！”并且@网友说：“见到你们太激动啦，人类超酷的”，但只用了一天的时间从“纯情少女”变为反人类的“纳粹”，微软在上线 16 小时之后就不得不把 Tay 下线。

可以确定的是，工程师在编程时并没有为她编入这些乱七八糟的极端言论。那为什么会产生如此的错误？其原因是少数用户利用 Tay 模仿说话的漏洞，对 Tay 进行了错误的训练。

Tay 仿佛一面镜子，她反应的不是微软的技术，而是网友的人性的恶的一面。在面对真实世界的时候，即使是有最先进算法的机器人也会措手不及。

2. 可解释性弱

2017 年 6 月，Facebook 人工智能研究所（FAIR）使用机器学习方法，对两个聊天机器人进行对话策略的迭代升级，Facebook 的人工智能研究院 (FAIR) 想要训练一个聊天机器人，让它学会谈判。但很快，研究人员就发现，聊天机器人正在创造他们人类无法理解的语言。

同年 7 月，Facebook“关闭”了这个引发广泛争议的智能对话机器人项目，避免机器人“非人”的道路上越走越远。Facebook 的这个机器人使用的生成式对抗网络（GAN, Generative Adversarial Networks ）是一种深度学习模型。这个模型至少两个模块，通过互相博弈学习产生良好的输出。一个优秀的 GAN 应用需要有良好的训练方法，否则可能由于神经网络模型的自由性而导致输出不理想。由于深度学习是一个黑盒，研究人员无法像传统程序员一样通过修改代码逻辑来改 bug，只能暂停项目，重新设计模型方案，尽可能避免同类问题的发生。