如何成为第一代的AI人：AI技术、AI产品、AI运营

　　第一代人往往拥有红利！本文谈的是如何做AI的第一代人，做AI第一代的技术、做AI第一代的产品、做AI第一代的运营。最后讲几个案例。
　　一、第一代的AI人综述
　　线上流量见顶之说一度甚嚣尘上，例如：很多去五环外找流量了，很多公司IPO失利了。甚至已经成功上岸的蔚来汽车和瑞幸咖啡都被说成是资本直接下地兑现。可见互联网之秋的现实严重性。
　　也确实，最近一两年安装的APP数量越来越少，APPstore排名靠前的几乎比较稳定的是那几家大厂的产品了。
　　流量枯竭背后实际是以移动互联网技术为驱动的底层科技的普及的结果，不是悲剧亦不是喜剧。好比如PC转向移动互联网，好比马车被汽车取代一样。
　　市场需求需要不停的创新，创新需要科技的驱动。环顾周边能够起到引领下一波科技趋势的有哪些呢？
　　笔者发现既满足能量巨大，有越过技术成熟度曲线的唯有AI技术。
　　由此可见成为第一代的AI人，一方面是优先意识到线上互联网流量的见顶，甚至优先认知到不结合AI你还能做什么呢？
　　二、做AI第一代的技术
　　技术常常是产品的底层驱动，故此要先讲技术，好比有了Internet技术后有PC互联网，先有了智能手机4G技术，后才有移动互联网，现在也一样现有AI技术，再有AI技术和AI运营。
　　1。AI相关技术的学习和实际
　　一般学计算机、数学、统计学、几何学科班出身毕业后还做技术的朋友会产生如下图学数学的同学有同感。
　　从上图基本可见，我们每个人从小小年纪开始学习认知数，学习运算，然后学习函数、代数。到了大学开始学习微积分。到了硕士、博士开始涉猎高级微积分。然后可能做博士后，在核心期刊发Paper可能会设计黎曼猜想、泛函分析。
　　然后来到工作实践中会发现过往学的，更多的剩下的是做做EXCEL表，写写文档，设计策划一下PPT。
　　2。AI里的算法技术实际应用
　　我们学算法的时候有分传统算法和AI算法，以识别猫为例：我们用传统算法往往是将猫进行形状切分，比如猫有圆脸、有三角耳朵、有4条腿、有长长的尾巴等等切片。
　　这个例子我们很好理解，这样的算法是不靠谱的。那么AI算法是怎么识别猫的呢？
　　实际上AI算法跟人类识别猫的过程类似，一开始用摄像头取得猫的照片，然后传输给神经网络进行处理，最后判断是否是猫非常类似我们人类。例如：一个小朋友从一出生第一次眼睛见到猫每秒钟用眼睛拍10张照片，大概到5岁拥有15亿张照片。所以我们人类就认识了猫。AI算法也类似。
　　在工作中实际应用的AI算法相关的知识如下图：
　　做AI技术：
　　一般会用到统计学，线性代数，微积分；如果想做AI技术可以实操级可以多学线性代数和概率统计而如果是做长久的甚至架构级的AI技术可以多学微积分。
　　编程语言一般是用R语言和Python，当然C也行，但是日常工作中由于Python的语法特点，其工作产出结果较快故此用Python写AI内容的比较多。
　　理论基础我们应该知道，按照数据集有没有Y值可以将机器学习分为监督学习、半监督学习和无监督学习。监督学习是分类算法，无监督学习是聚类算法。
　　算法：时下热门的一般AI里的算法都叫机器学习算法，深度学习算法属于机器学习算法。做AI技术应该熟练的算法有决策树、KNN、KMEANS、SVM线性回归，BP、CNN、LSTM、GANs
　　三、做AI第一代的产品
　　以前笔者建议传统产品经理多学一些逻辑学，至少擅长运用同一律、矛盾律、排中律、充分必要条件等来判断需求。
　　那么，在AI人里除了要懂上面的基本逻辑外，还建议有一个广义的定义，数学、经济学、心理学、计算机学均是产品要泛懂的逻辑，不是要产品去写的代码比程序员还能手撕代码，更多是两个方面的用处：一是在做需求Vision的时候判断需求的可行性及时间；二是方便与对应的技术人员沟通。
　　具体一名AI产品经理至少要熟悉一下AI知识：
　　（1）数据清洗
　　理解特征、数据类型观察、正态性检验、分类变量处理、连续变量处理、类别不均衡等，数据准备阶段的执行工作，你在外面和内部举着打破数据孤岛的需求大旗，知道工作进度和工作卡在哪里总是好的。
　　AI产品经理为啥要懂数据，因为在数据处理的过程就是AI应用的过程。
　　（2）特征工程
　　特征衍生、特征生维、特征筛选、特征降维。
　　（3）调参
　　网格搜索、穷举搜索、随机搜索、手动调参、自动调参
　　（4）建模
　　分类（决策树、神经网络、逻辑回归），聚类（PCA、Kmeans、AHP）
　　（5）模型集成
　　boosting、bagging、stacking
　　（6）模型验证
　　AUCROC、recall、precision、Fscore
　　（7）保存模型
　　（8）模型预测
　　以上AI的知识其中的执行技术可能是AI技术人的擅长的，但是作为AI产品，一款AI产品的Owner也是应该整体感受的，如果时间允许建议一个一个知识点的解决掉。
　　这里笔者推荐连诗路LineLian的一本书《AI赋能：AI重新定义产品经理》。同时推荐AI课程在起点学院上的http：996。pmMeANw
　　http：product。dangdang。com27880115。html
　　通过对AI技术的上述学习，然后AI产品应该形成如下图对AI解决问题的感知。
　　上图有两点是第一代AI产品常常遇到的，第一个是模型是什么，整体可以把模型当成规律，构建一个模型好比根据规律构建的各种规则的合集。
　　另外一个第一代AI产品常常遇到的问题是模型与算法的关系是什么，这里先看看第三方的介绍：程序就是在数据结构上施行算法，模型约等于是特定问题域的数据结构。笔者自己的经验是在AI的产品里，往往我们会说跑模型，调算法。从这里可以观察二者的关系。
　　最后想做第一代AI产品，建议先从身边的需求AI，笔者为啥一直自称产品经理呢？
　　因为在数年的工作中踩过很多坑，然后发现背锅最多的那个人一般岗位就叫产品经理，比产品经理背锅更多的是老板，很多小公司的老板也是公司的第一任产品经理。所以有人人都是产品经理的稍微夸大的说法，从此也见AI产品得多多实践。
　　四、做AI第一代的运营
　　从AI时代第一代的技术，AI第一代产品中可见，AI设计的知识更多，需要懂得那个点更深的同时覆盖的面也越广，从而对成为AI第一代运营也提出了新的要求。
　　（1）TOC到TOB，往常的运营人一生以来的职业生涯往往都是做各种运营活动，来拉新、来留存、来促活、来产生购买，进而产生复购。这些都是对消者和用户的C，而AI则需要B端的供应链来支持你的运营对象。
　　此处笔者推荐运营同学读一读《AI时代产品经理的思维方法》一书，书是写给产品和运营看的。不是都说了嘛产品运营不分家。
　　（2）一个行业到多个行业，往常我们运营往往是找找渠道，做做联合推广。而AI第一代运营必须到多个行业运营，因为原来只是为了找各个行业的用户，而AI里很多行业并没有你行业既有的用户，这要求你去跨行业去孵化你的用户。
　　（3）数字化产品到数字化人历史我们运营会要求产品埋点采集用户的数据，将产品数字化来观察用户的行为，进而深化运营，AI的第一代运营不仅数字化产品，还要数字化自己，讲以前的精准推荐、用户画像、升级到AI的知识图谱，归纳出一个自动化运营引擎，不断将感性用户与用户的理性层面系统化运营。
　　总结
　　AI才刚刚起步，为什么呢？因为上数学课的时候，课本上都是柯西，牛顿，高斯等，感觉他们活在遥远的时代。但是现在，我们每天用的模型是比我没大几岁的陈天奇创造出来的，我们用的机器学习平台可能是没比我们大几岁的贾扬清创造出来的。
　　每次查论文查文献的时候，每天遇到问题的时候都希望别人多推荐一些资料来学习，这里笔者推荐两本书：《AI赋能：AI重新定义产品经理》、《AI时代产品经理的思维方法》供给AI的第一代产品、AI的第一代技术、AI的第一代运营。
　　在时代发展的浪潮上，也是一切刚刚起步的证明。机遇与挑战并肩出现的时候，是你离创造历史最近的时候。而所谓的风口所谓的浪尖都不重要，重要的是，因为你喜欢。
　　这是一个传统互联网流量见顶BAT都带着AI去线下寻找新出路且言必称AI（人工智能）的时代。做第一代的AI人定要不甘人后。
　　如果你想系统化入门AI产品经理，掌握AI产品经理的落地工作方法，戳这里http：996。pm7bjab