你還在困惑什麼是AI產品經理嗎？快來學學AI思維

顛覆互聯網思維的應該是AI思維。

AI思維是百度創始人李彥宏在“2017百度聯盟峯會”上首次提出的概念。

“什麼是AI思維？”筆者將結合技術的發展以及社會科學、自然科學給出自己的理解。

智能時代，人人都需要有AI思維。就像互聯網時代，人人都要有互聯網思維一樣。筆者將通過結合人的所看、所聽、所想，用最通俗易懂的方式來講講人工智能和AI思維。

背景

AI是以智能決策為核心的系統，它能夠將像5G這樣的新技術很好的串聯起來，這些技術的應用將會大大提高生產效率，從而引發新的變革，顛覆已有的形態。

目前主流的AI技術都是通過機器學習實現的。簡單來説，機器學習是在不斷地學習和訓練中尋找規律的過程，因而更像是自然科學。自然科學是研究有規律可循的事物。

自然科學主要研究“無意識的行為”，一個或一些事件導致行為的發生，比如膝跳反應。自然科學包括物理學、化學、生物學、天文學和氣象學，而社會科學是研究“有意識的行為”，比如心理學、社會學、人類學等問題。

這裏提到了自然科學和社會科學，是為了相對廣泛的涵蓋AI可能會涉及的問題和領域。

有意識的行為會破壞客觀規律，從而影響機器學習。人工智能是一個建立在概率論上的系統，我們要儘可能提高人工智能決策的準確率，比如到99.9%，100%是不可能的，那是自動化解決的問題。而打破規律的事物是降低人工智能準確率的髒數據，而在自然科學中基本沒有有意識的行為。

比如，自然科學裏植物的生長，是根據環境的温度、濕度、光照等因素共同決定的，是一個相對確定的、有規律的事物。而人不一樣，人可以因為自己不想出門而決定不出門（“自己不想”就是有意識的行為），植物不會因為自己不想生長而停止生長。

因此，“有主觀意識的行為”參與越少，人工智能所做的決策越準確。但有意思的是，我們希望機器通過在“無意識的行為”中學習後，做出符合人類“有主觀意識”標準的決策。文章後面會通過很多案例來幫助你理解這件事。

01 看見

就像人具備看到東西的能力一樣，人工智能也可以看見。

也就是機器視覺，展開來説，包括圖像識別、視頻識別、文字識別，具體是怎麼實現識別的呢？

我們拿圖像識別説明一下，圖像識別是將一張圖片分割為很多的小塊（像素點），然後與機器已知的事物對比，來判斷物品是什麼。比如機器已經知道貓的眼耳口鼻子分成小塊後長什麼樣，當給了機器一張新的照片時，它發現新照片分塊後和之前定義的貓的各個部分分長得一樣，那麼機器就會輸出這是一隻貓。從而完成圖像識別。

常見的機器識別應用領域是智能安防。比如我們在北京火車站檢票進站，最早是由工作人員人工核實乘客的身份證、火車票等信息是否一致，現在通過攝像頭智能識別解決。這大大縮短了進站的時間。

同樣的方式也適用於警方破案。傳統的方式中，他們需要人力查看監控錄像，找到可疑的嫌疑人。現在通過視頻識別，系統可以根據警方提供的照片快速找到有嫌疑犯的視頻。

目前，攝像頭的採集方式都是按照人眼的方式進行的，當攝像頭可以按照機器的方式採集，那將帶來更大的效率提升。

02 理解

人是如何理解彼此的呢？是建立在我們有共同的認知之上。

比如我們都知道人餓了要吃飯，於是你説餓了的時候，你的媽媽會給你做飯。人工智能也一樣，它要先理解人類，才能幫助人類做決策。這就涉及到了自然語言處理，我們以聲音和文字的形式向機器傳達信息，它通過自然語言處理之後，就可以理解我們要表達的意思了。

人工智能如何能夠理解我們説的話呢，這就需要我們預先對事物進行歸類和定義。比如你和機器説：“幫我訂一張明天早上去美國的機票。”

那人工智能根據已有的信息儲備，將這句話轉化為：

這裏面“姓名”是張三，“早上”代表6點到12點，“美國”是一個國家（國家可以是到達的目的地），“機票”是一張出行的所需的票務（它和火車票、汽車票是一類的）。這些信息是需要讓機器提前學習的。

這一部分的技術常常應用到翻譯、智能客服等領域。但智能客服並不是自然語言一項技術就能解決的，它還涉及到信息的蒐集、查找、做出決策等。

02 分析

人是具備分析事物的能力的，我們會分析“這個人喜歡什麼？”，“這個人有沒有騙我？”，對應到人工智能就是智能推薦系統和反欺詐系統。

我們是如何分析一個人喜歡什麼呢？一種是通過觀察他的行為；另一種是將人分類，把新朋友分類到我們已知的類別，根據已知類別的喜好推斷出這個新朋友可能的喜好。

對應到人工智能是一個道理。在第一種方式裏，機器會給用户打標籤，例如用户的標籤是娛樂八卦、科技、互聯網，那機器就可以根據標籤信息推薦對應類別的內容給用户；在第二種方式裏，機器通過建立用户畫像給人分類，如果用户是屬於20-30歲的一線城市的職場女性這個畫像，機器就可以根據這個畫像的喜好進行推薦。

應用場景就是我們經常接觸到的內容推薦，以及廣告精準營銷等。

但推薦系統也會存在問題。它在探索人的喜好的同時，也會影響人的選擇。當用户看了一種東西系統就會推薦同類的東西，用户看這種東西越來越多，最終造成數據失衡。如果用户最初的行為只是誤操作或非本人的操作，那系統就幫助用户做了決策，並培養了用户的興趣。

03 預測

我們這裏要討論的預測是根據以往歷史信息而做出的預測，純粹憑藉第六感的預測是機器目前無法實現的。

我們熟知的天氣預報，就是由以往大氣層狀態的變化總結出規律，從而實現天氣預測。現在，人工智能可以將這種預測擴展到“自然災害預測”等更廣闊的範圍。

機票價格預測也是根據歷史的價格變動預測出未來的價格，這種預測在製造業也很有價值，例如根據工業設備的性能指標做設備故障預測。但這樣的預測在股市還不夠準確。

為什麼股價的走勢無法準確預測？

這就涉及到我們開篇提到的“有意識的行為”。影響股市變動的因素涉及到了人的情緒、資本持有者的有意識行為，這些都是沒有規律的，因而很難準確預測。

04 決策

決策能力是AI的核心能，但AI無法做出100%準確的決策。它是根據歷史數據總結規律，再通過有零和博弈能力的對抗生成結構實現決策。（對抗生成結構是一種人工智能的研究方向）

通常，人類無法做出最優決策的領域更適合通過AI來解決。這裏評估決策的優劣時，會考慮決策所消耗的時間成本和人力成本的多少。

除了在第二部分我們提到的智能客服，工業製造、醫療等行業也需要優秀的決策能力。

我們以醫療行業舉個例子。我們提到了“人類無法做出最優決策的領域更適合通過AI來解決”，這是因為人類能解決的問題會放大AI的錯誤率。例如AI看腫瘤患者的片子這件事兒，如果醫生本身可以看得很好，那用AI的意義就不大，反而AI的錯誤率會被放大。但在手術室裏，對病人是否滲血以及如何處理，AI就會更加高效。因為在剛開始滲血時，醫生可能沒辦法及時發現和處理。

在製造業也一樣，它一方面需要快速和相對準確的決策減少損失；另一方面也要解決勞動力成本增加所帶來的經濟問題。這也是為什麼當國家提出新基建，製造業會成為主要受益者之一的原因。

對於是否要大規模應用AI的爭議多發生在AI決策這一部分。

在無人駕駛領域AI無法擁有人的價值觀一度是爭論的熱點，一個常見的案例是當無人駕駛的汽車前突然出現了一個小孩，這個時候人工智能可能陷入到是應該以車主的性命為優先還是以路人的性命為優先的兩難決策中。

有專家提出可以根據他人的態度反饋來訓練機器的價值觀。是否能有效解決問題就拭目以待了。

05 再創造

這裏的創造要加一個“再”字，是因為人工智能是根據已知信息做出行為的。藝術家的創作行為目前機器是無法完成的。我們接觸到的機器人寫作、阿里魯班製作海報就是一種再創造。

機器的“再創造”本質是一個解構和重組的過程，機器人寫作和做海報都是利用已有的拆分的素材按我們的語言和審美標準拼接出新的內容。

這種再創造在製藥和新材料中也得到了很好的應用。人工智能通過將原有元素重新組合，再進行實驗迭代研製新藥。效率遠遠高於人類。

總結

到這裏我們已經對普適性的AI概念和應用有所瞭解，總結來説AI思維就是通過人工智能技術的應用，提高效率並改善人類生活的一種思考方式，而這種思維應用到哪個行業就可能顛覆哪個行業。

本文中很多闡述是作者個人的觀點，如果有問題，歡迎指正。

結尾提出一個思考，在投資市場裏，有人賺錢，有人虧錢是一個正常的市場。如果AI很好的解決了金融投資的問題，理論上所有人都能賺到錢，那賺到的錢是哪裏來？會不會對經濟造成不好的影響？

作者：牛奶，公眾號：產品經理的小紅書

本文由@牛奶 原創發佈於人人都是產品經理。未經許可，禁止轉載

題圖來自Unsplash，基於CC0協議