全球播报:您需要了解的有关AI产品管理的知识

(资料图)

如果您已经是软件产品经理(PM)，那么您将成为人工智能(AI)或机器学习(ML)的PM的先行者。您已经了解了游戏及其玩法：您是协调员，将开发人员，设计师和执行人员之间的一切联系在一起。您负责设计，产品与市场的契合度，并最终负责将产品推向市场。但是，在管理AI项目方面存在许多新挑战：更多未知数，不确定性结果，新基础架构，新流程和新工具。有很多东西要学习，但是值得在产品空间中创造AI的独特价值。

无论您管理面向客户的AI产品还是内部AI工具，都需要确保您的项目与业务保持同步。这意味着您构建的AI产品与您现有的业务计划和战略保持一致(或者您的产品正在推动这些计划和战略的改变)，它们正在为企业带来价值，并且能够按时交付。用于AI的PM必须完成传统PM要做的所有事情，但他们还需要对机器学习软件开发有操作上的了解，并要对其功能和局限性有一个现实的认识。

AI产品是自动化系统，可以收集数据并从中学习以做出面向用户的决策。实用地说，机器学习是AI“起作用”的一部分：您现在可以在实际产品中实现的算法和技术。在这里，我们将不涉及现代机器学习的数学或工程学。您现在需要知道的是，机器学习使用统计技术来使计算机系统能够通过接受现有数据的训练来“学习”。训练后，系统可以根据以前从未见过的数据做出预测(或提供其他结果)。

AI系统在很多方面与传统软件有所不同，但是最大的不同是机器学习将工程学从确定性过程转变为概率性过程。机器学习工程师没有使用总是以可预测的方式运行的硬编码算法和规则来编写代码，而是收集了大量输入和输出对的示例，并将它们用作模型的训练数据。

例如，如果工程师正在训练神经网络，则此数据会教网络近似一个功能，该功能的行为与其通过的对相似。在最佳情况下，经过训练的神经网络可以准确地表示潜在的潜在现象，并且即使提供了模型在训练过程中未看到的新输入数据，也可以产生正确的输出。对于消费互联网公司中使用的机器学习系统，通常每天使用数十亿个全新的输入-输出对对模型进行连续多次重新训练。

关键词： 机器学习 神经网络 连续多次 面向用户的