如何製作ai人工智慧（如何製作屬於自己的ai）
隨著AI技術的不斷髮展，我們看到有越來越多成功的AI產品被研發出來，它們有效地改善了人們的生活與工作。在這樣的背景下，AI產品設計正在成為一項重要的技能，被人們所關注。
筆者目前在一家AI初創公司從事產品設計的工作，在過去的幾年時間裡，筆者與公司共同成長，參與研發，並主導設計了多款AI產品。
本文針對“AI產品經理是如何從0到1打造一款AI產品”這個問題，分享一些自己的理解。
首先需要闡明的是，AI產品其本質依然是產品，只是或多或少地運用了人工智慧的技術，以前所未有的形態所表現。
既然是產品，那麼其核心要素依然是：可提供給市場被使用者消費和使用，可以滿足使用者的某種需求，以及可以為使用者帶來價值。打造一款AI產品的流程大致可以分為6個步驟，其中很多步驟對於非AI類產品來說也是完全適用的。
第一步：定義產品
與所有產品一樣，AI產品設計的第一步，就是為產品制定一個清晰的商業目標。
你可以問自己這樣幾個問題：我的產品將解決什麼問題，為什麼需要用到人工智慧技術，可能會用到哪些技術，這些技術將為產品提供什麼樣的功能，這些功能點將如何使產品脫穎而出，產品將如何幫助目標使用者？產品最終將為使用者帶來什麼，期待的成功是什麼樣的？
這裡的必須要做的事情有兩件：
- 為產品構想一個明確的使用案例。這個案例得足以證明我們所創造的產品是重要且有價值的。價值體現在節省金錢的開銷，節省人力成本，提升工作效率，帶來可觀收入，甚至是給人帶來愉悅和享受等。
- 確認產品當中需要用到的AI技術。明確產品當中具體會有哪些功能和任務需要通過AI技術實現。
第二步：設立指標
有了清晰的產品形態和功能定義，接下來需要為產品制定一個評價指標。產品未來的成功與否將由初期設計的這個衡量指標來決定，因此這一步非常重要，需要在產品研發初期完成。
需要強調的是，這裡的指標應該對映的是產品的實際價值，而非產品的效能表現。此外，規則需要易於測量，具有參照基準。
以智慧客服機器人為例，成功的指標應該是客服機器人為客戶帶來的具體營收提升，或資源節省，而不是某一組問答匹配的準確程度。可以通過企業在使用機器人之前的表現資料作為參照，與使用機器人之後的資料進行比較，通過變化和差異來衡量產品的表現。
第三步：資料
對於AI產品來說，資料的價值和意義怎麼說都不為過。如果把打造產品比作蓋樓房的話，那資料就像是樓房裡的磚瓦。建立一款AI產品時，我們首先要獲取用於訓練模型的資料。這裡要解決的幾個問題是，使用什麼樣的資料？從什麼地方獲取資料，如何獲取？
有一些資料是需要收費獲取的，而大多數資料是免費的，可以通過下載或編寫爬蟲指令碼爬取獲得。
資料的獲取有幾點需要注意：
首先，需要確保資料內容是安全可信的，資料的質量直接影響到產品的效能，開源的資料內容往往質量參差不齊。如果資料中存在大量的偏差（bias），那麼最終模型和產品的效果都會變得不理想。
另外，資料資源還可能會存在安全隱患和法律糾紛。比如，一些資料當中可能會存在大量使用者的個人資訊，這些資訊一旦使用不當或是被洩露，產品的研發者將面臨嚴肅的法律問題。近年來，由於未能妥善處理資料而導致失敗，甚至淪入法律糾紛的公司不勝列舉。
最後，還要設計資料的標註工作。資料的標註工作是非常重要的一個環節，AI產品的功能和表現都與資料標註工作密切相關。設計一個好的標註任務是AI產品設計者的基本功。其中需要考慮的事情有，訓練專案所需要用到的資料規模，訓練資料和測試資料的佔比，對於資料型別的分類和整理，以及對標註任務或問題的詳細描述。
第四步：模型
AI演算法邏輯與模型設計是AI產品的技術核心模組，這部分工作往往是由技術開發人員全權負責。這裡要求產品研發人員對不同的ML模型和AI演算法都有一定的瞭解，結合已標註好的資料，為產品選擇一個有效的模型。可以自己構建一個新的模型，也可以使用一些現成的資源，比如AutoML。
設計模型時有三個需要注意的環節。分別是，對Activation function的選擇，對訓練權重的設定，以及對節點型別和結構的使用。不同的的模型結構適用於處理不同的任務，並解決特定的問題。
此外，設計模型的同時也需要為模型制定度量標準。度量標準將用語評估模型的表現，以確保模型可以獲得令人滿意的表現。
這裡需要注意的是，測試資料和訓練資料要分離開來，只有當模型訓練完成以後，才可以使用測試資料對模型進行測試。常用的測試指標包括準確率，召回率，F1分數以及混淆矩陣。
第五步：打造MVP
構建最小化產品（MVP）是精益創業產品研發的精髓所在。明確產品的使用者畫像與使用場景，圍繞產品的核心價值構建一個最小化產品（MVP）。這時，產品設計者需要在腦海中勾勒出產品的終極形態，並完成產品的第一個原型設計。
這是一個需要多次打磨的過程，如果是硬體產品，可以通過3D建模做一個概念視訊，如果是軟體產品，可以梳理互動流程並繪製出mockup的UI設計圖。
在研發AI產品的時候，人們往往傾向於將關注點聚焦在技術上，過於炫耀科研成果，而忽略了產品本身的應用價值。
比如，在打造一款智慧人崗匹配系統時，我們可以先從某一個特定的職業的某一個崗位著手，打通一條主要的互動流程，實現前後端的完整呈現。而不是一開始就投入全部精力，嘗試訓練一個龐大而複雜的人崗匹配通用模型。
在MVP環節，打磨產品雛形的同時，也需要為產品的上線與釋出進行設計和規劃，其中包括上線前的準備工作，以及上線後的維護工作。
我們需要為產品找到銷售渠道，設立品牌定位，以及推廣途徑。比如，可以通過線上的眾籌的平臺進行釋出，也可以藉助某個行業展會活動進行推廣。
從產品名稱/基本形象，到產品的包裝/logo/設定視訊和網站，亦需要配合產品同步推出。這些環節的設計，不容小覷，它們同樣影響著產品的成敗。
第六步：構建產品閉環
產品研發的最後一步是為產品構建一個增長閉環，思考產品的長足發展。比如通過使用者資料分析，A/B測試等方法，圍繞產品構建增長閉環。對於AI產品來說，還需要對資料進行持續跟蹤，確保模型資料的時效性和客觀性，秩序維護資料的狀態，並適當地做出更新調整。
無論什麼樣的產品，最終都需要傳達價值給使用者，都需要在市場上進行驗證和比較。因此，對於AI產品來說，也應該在最開始就有一個清晰的商業發展策略。在這過程中需要不斷洞察產品的表現，持續提升產品效能與使用者體驗。這當中包括產品功能的拓展規劃，產品增長的北極星指標，以及產品的市場形象維護。每一項指標都需要結合一個評價標準，可以是階段性的目標，也可以是長期堅持的原則。
構建完成增長閉環，我們就算是完成了產品從0到1的打造過程。至此，我們有了明確的產品定義，推出了產品的最小化形態，並找到了釋出渠道，在此基礎上，我們還為產品打造了增長閉環，為其從1到100乃至1000做好準備。
總結
其實，打造一款AI產品並不需要掌握多少尖端的AI技術。AI產品與所有的產品一樣，其目標都是服務使用者，為使用者解決問題。模型的效能與表現只是整個產品研發的一個環節，最終我們關注的依然是產品的核心價值，與應用成果。
筆者覺得AI產品的設計是一個把想象變為現實的過程，想象一個問題理想的解決方法，把腦海中想象的解決問題的辦法拆分成一個個小任務，並針對這些抽象的小任務轉換成資料標註任務。之後的事情，就是選擇合適的資料集，選擇合適的模型演算法，通過一遍一遍的嘗試和驗證，一步一步把想象中的解決方法訓練出來。
最後， AI產品和所有產品一樣，都需要制定有效的增長策略，形成閉環，持續跌代。到這裡，我們便完成了AI產品研發從0到1的全部過程。
本文由 @單師傅 原創釋出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