“唯一能持久的競爭優(yōu)勢是勝過競爭對手的學(xué)習(xí)能力∩螅”——蓋亞斯
在如今的科技行業(yè)中跟啤，人工智能的普及已成顯著趨勢，資本布局初具規(guī)模猎塞，從業(yè)者的梯隊也逐漸形成「茏荩可以預(yù)見的一點是：在接下來相當(dāng)長的一段時間內(nèi)荠耽，人工智能會滲透到整個互聯(lián)網(wǎng)行業(yè)中，成為業(yè)界標(biāo)配比藻。
這種規(guī)模的技術(shù)變革铝量，很可能會改變游戲規(guī)則，從而產(chǎn)生大量的新機會银亲。作為互聯(lián)網(wǎng)從業(yè)者慢叨，我們應(yīng)該想辦法跟上節(jié)奏，不要浪費科技浪潮帶來的紅利务蝠。
目前拍谐，人工智能還是一個學(xué)術(shù)密集型以及技術(shù)密集型的領(lǐng)域，其中最耀眼的角色當(dāng)屬研究人員和工程師馏段。這樣的背景下轩拨，大量的資訊和材料都指向了工程師受眾。那么毅弧，對于產(chǎn)品經(jīng)理來說气嫁，如何在這個領(lǐng)域中調(diào)整自己的認(rèn)知和狀態(tài)当窗，跟上發(fā)展的節(jié)奏呢够坐？
今天，我會和你介紹一下崖面，我自己學(xué)習(xí)人工智能相關(guān)知識的方法和過程元咙，下一篇文章我會結(jié)合工作中的實踐總結(jié)一些思考，以期達(dá)到拋磚引玉的效果巫员，希望能給你帶來啟發(fā)庶香。
在加入無碼科技之前，我對人工智能基本是陌生的简识，對于機器學(xué)習(xí)赶掖、深度學(xué)習(xí)之類的概念半生半熟。于是七扰，作為產(chǎn)品經(jīng)理奢赂，我面臨的第一個問題就是：要不要學(xué)算法。
第一個問題：AI 時代的產(chǎn)品經(jīng)理颈走，要不要學(xué)算法
在過去的時代里膳灶，技術(shù)體系相對成熟，技術(shù)的發(fā)展和迭代主要集中在工程層面。對產(chǎn)品經(jīng)理來說轧钓，有很多手段可以了解技術(shù)的能力和邊界序厉，比如移動時代到了，高強度用個百八十款 App毕箍，這個東西能做什么大概就心里有數(shù)了弛房；在這個基礎(chǔ)上，再去補一些淺顯的相關(guān)介紹而柑，請工程師吃幾頓飯庭再，基本就可以做產(chǎn)品設(shè)計和可行性判斷了。
然而牺堰，在人工智能時代拄轻，很多手段失效了，比如伟葫，我們想通過使用產(chǎn)品的方式去了解人工智能恨搓，我們能干什么呢，是跟 AlphaGo 下棋還是跟 Siri 嘮嗑筏养？
這些都沒什么用斧抱，原因是至少在當(dāng)前的階段，人工智能的能力大都隱藏在我們能感知到的功能之下渐溶，我們很難從場景出發(fā)辉浦，理解內(nèi)部機制，獲得認(rèn)知茎辐。
在這樣的前提下宪郊，我認(rèn)為，想要做人工智能的產(chǎn)品經(jīng)理是必須要了解算法的拖陆。那么弛槐，這就引出了接下來的一個問題：怎么學(xué)算法？
第二個問題：產(chǎn)品經(jīng)理怎么學(xué)算法
我們先假設(shè)產(chǎn)品經(jīng)理沒有很強的數(shù)學(xué)和工程背景（當(dāng)然依啰，如果有更好乎串，但誰忍心給產(chǎn)品經(jīng)理提這么多要求呢），這就需要給自己理性地設(shè)置學(xué)習(xí)目標(biāo)速警，調(diào)整學(xué)習(xí)心態(tài)叹誉。
首先，目前能在網(wǎng)上查到的大部分人工智能學(xué)習(xí)材料和書闷旧，對于產(chǎn)品經(jīng)理來說长豁，都沒有必要讀懂，也很難完全讀懂鸠匀。
大部分的算法介紹都涉及數(shù)學(xué)原理和實現(xiàn)方法蕉斜，作者在描述中會特意省略大量的背景知識介紹，因為已經(jīng)默認(rèn)讀者知道這些學(xué)術(shù)常識。我們在閱讀這些材料時宅此，經(jīng)常會看到類似“顯而易見可以得到 XXX 結(jié)論”的描述机错，這就讓我們做產(chǎn)品經(jīng)理的一頭霧水，很難理解書中顯而的是哪門子易見父腕。
那怎么學(xué)呢弱匪？我的建議是：從視頻開始。
目前行業(yè)中最受歡迎的視頻是吳恩達(dá)教授（Andrew Ng）在 Coursera 上的機器學(xué)習(xí)教程璧亮，你可以在網(wǎng)易公開課上找到帶中文字幕的版本萧诫。這一教程深入淺出介紹了機器學(xué)習(xí)的分類和方法。吳教授是一個喜歡板書的老師枝嘶，所以整個過程非常有引導(dǎo)性帘饶，消化起來不是特別難。
不過群扶，我在這里更想推薦你的是臺大李宏毅教授的課程及刻。李教授的課程很輕松，他經(jīng)常會選擇生活化竞阐、不枯燥的案例娓娓道來（比如在深度學(xué)習(xí)課程里缴饭，就用了寵物小精靈舉例子）；課程的內(nèi)容也比較新骆莹，會結(jié)合最新技術(shù)講解颗搂；又是用中文授課，所以不存在語言上的理解難度幕垦；對數(shù)學(xué)基礎(chǔ)的要求不是特別高（當(dāng)然不可能完全沒有）丢氢，涉及公式的推導(dǎo)也講解得很細(xì)致。
不論哪個視頻智嚷，初看的過程確實還是很痛苦的卖丸，因為會不時碰到一些確實聽不懂的內(nèi)容纺且。不要擔(dān)心盏道，先囫圇吞棗，堅持過去载碌。隨著后續(xù)不斷地接觸猜嘱、學(xué)習(xí)和實踐，之前那些聽不懂或不理解的內(nèi)容嫁艇，會在某個時刻突然貫通朗伶。
看完視頻，你基本可以對人工智能有個大體的認(rèn)識步咪，再趁熱打鐵讀些機器學(xué)習(xí)相關(guān)的書论皆，這樣會對鞏固知識更有幫助。這里就不具體推薦讀什么書了，不過可以建議你一次多買幾本点晴，交叉閱讀感凤，效率更高。
有了視頻課程的基礎(chǔ)粒督，這時你再去讀書已經(jīng)不像看外星文字了陪竿，通過讀書這一步，可以進(jìn)一步強化對先前概念的了解屠橄。當(dāng)然族跛，如果感覺視頻讀完之后不需要強化，你也可以跳過這一步锐墙，以后回來再看書礁哄。
在這之后，你就可以開始在網(wǎng)上大量地閱讀各種與實踐相關(guān)的文章了（建議中英文并重溪北，英文材料有時更細(xì)致一些）姐仅。這時整個領(lǐng)域概念都已經(jīng)在你腦海中了，你基本不會被文章中的關(guān)鍵詞或背景知識絆住刻盐，當(dāng)遇到數(shù)學(xué)推導(dǎo)時掏膏，還是老規(guī)矩，可以跳過去敦锌，不要沮喪馒疹，誰讓我們是產(chǎn)品經(jīng)理呢。
讀文章的過程中乙墙，你可能會遇到一些感興趣的應(yīng)用領(lǐng)域或?qū)W術(shù)方向颖变，這時建議你讀一點論文。讀論文聽起來很難听想，不過我們已經(jīng)做好了讀不懂也很正常的心理準(zhǔn)備腥刹，所以不要有畏難的情緒。
那么說如何從網(wǎng)上的文章中抓出關(guān)鍵領(lǐng)域呢汉买？
讀論文的時候衔峰，我們可以先讀綜述。綜述的意思是綜合介紹整個行業(yè)中對某個學(xué)術(shù)問題的研究發(fā)展現(xiàn)狀蛙粘，搜索“關(guān)鍵詞 + 綜述”或者“關(guān)鍵詞 +Review”就可以垫卤。比如我想了解命名實體識別這個主題，就搜“命名實體識別 綜述”或“NER Review”出牧。
這時候不要太貪高級穴肘，非要看頂級會議或期刊上發(fā)表的論文，可能一些國內(nèi)高校學(xué)生的綜述就有很豐富的信息量舔痕，因為他們寫論文需要湊字?jǐn)?shù)评抚，所以會做大量文獻(xiàn)收集和閱讀工作豹缀，這樣就節(jié)省了我們自己的檢索時間。
綜述中會有很多針對同一主題的方法羅列和發(fā)展軌跡慨代，也會包括每種方法的利弊和特點耿眉，針對你感興趣的方法，可以從綜述追到具體論文再做詳細(xì)地研究鱼响。對于產(chǎn)品經(jīng)理來說鸣剪，讀論文最重要的一點是點到為止，不要太求甚解丈积。如果遇到不懂的筐骇，也可以跳過去換一篇看，千萬不要死磕江滨。
進(jìn)展到這一步后铛纬，后面繼續(xù)怎么學(xué)，學(xué)什么唬滑，你完全可以自己做一個判斷和規(guī)劃了告唆。建議你可以開始關(guān)注一些前沿的東西，比如去聽一些演講晶密，不論是學(xué)界還是工業(yè)界擒悬，只要了解整個行業(yè)的動態(tài)，大部分演講你就可以聽懂半數(shù)以上的內(nèi)容了稻艰。
第三個問題：要不要真的寫程序
還有一個問題懂牧，是產(chǎn)品經(jīng)理要不要真的嘗試寫一點簡單的機器學(xué)習(xí)代碼。我的建議是尊勿，如果你之前就有工程能力僧凤，就嘗試著寫一點；如果完全沒有相關(guān)背景元扔，不寫也罷躯保，別給自己添堵。
如果要寫澎语，千萬不要寫具體的算法實現(xiàn)途事。比如你打算從頭開始寫一個支持向量機，或者寫一個神經(jīng)網(wǎng)絡(luò)咏连，純粹浪費時間盯孙。直接調(diào)用一些成熟的框架，比如用 Scikit-Learn 跑個聚類祟滴，或者用哈工大、斯坦福的 NLP 框架跑個 NER 看看結(jié)果歌溉。如果研究深度學(xué)習(xí)垄懂，TensorFlow 里面有個識別手寫數(shù)字的工程骑晶，直接就可以搭著跑起來，你可以動一動參數(shù)草慧，找找感覺桶蛔。
但如果沒有工程能力，你的大量時間可能會花在跟機器學(xué)習(xí)完全不相干的事情上漫谷，比如我當(dāng)時就遭遇了 Python 2 和 Python 3 的不兼容問題仔雷，還要自己處理各種數(shù)據(jù)，浪費好多無謂的時間舔示。這時一定要去求助工程師碟婆，讓他們把算法跑好，你拷過來直接看結(jié)果就可以了惕稻。
比如當(dāng)時我們做 Word2Vec竖共，我們的工程師看我可憐，花了十幾分鐘直接把訓(xùn)練好的模型拷給我俺祠，我只要去用兩三行代碼去加載模型看數(shù)據(jù)結(jié)果即可公给，比如探索各種詞之間的距離等等，很容易就能直觀判斷出這個算法可能存在的產(chǎn)品化空間蜘渣。
另外淌铐，有很多用圖和動畫演示算法過程的產(chǎn)品和網(wǎng)站，而且機器學(xué)習(xí)算法可視化的研究發(fā)展得也挺快蔫缸；說不定用不了多久匣沼，我們不需要寫真的代碼，就可以用更簡單的方式去直觀地感受和理解算法過程和結(jié)果捂龄。
總之释涛，產(chǎn)品經(jīng)理與工程師最大的差異就是：我們不需要寫程序。我們的核心價值也不在這里倦沧，所以我們要掌握的唇撬，不是細(xì)節(jié)和實現(xiàn)，而是要明白每種算法背后的原理展融、機制和邊界窖认。只有這樣，我們才能跟工程師站到同一個話語空間中告希，去實際推進(jìn)具體的產(chǎn)品工作扑浸。
回顧一下今天的內(nèi)容，我從人工智能的特性出發(fā)燕偶，提到產(chǎn)品經(jīng)理一定要了解算法喝噪；又介紹了從視頻到書，再到文章和文獻(xiàn)指么，這樣循序漸進(jìn)的學(xué)習(xí)過程酝惧；最后建議大家量力而行榴鼎，通過寫實驗代碼或其他方式去進(jìn)行算法的實踐。
你是否已經(jīng)開始學(xué)習(xí)人工智能了呢晚唇？有沒有遇到難以逾越的障礙巫财，或有沒有什么值得分享的學(xué)習(xí)經(jīng)驗？歡迎關(guān)注我的專欄哩陕，我們一起討論平项。
版權(quán)歸極客邦科技所有，未經(jīng)許可不得轉(zhuǎn)載
