AI产品经理系列课之：人工智能？还是人工智障？

为什么市面上大多数AI产品都用了很牛的技术，推出产品的这些公司也大力用技术的噱头去宣传产品。但实际产品还是让人感觉智障呢？是公司智障还是产品本身智障呢？让我们来为你解读！

人工智能？还是人工智障？

毋庸讳言，人工智能这个话题目前在中国乃至世界都是最火热的话题之一，各种AI独角兽公司风起云涌，意气风发地抢占曝光头条。但是支撑这个行业爆发的人才储备却看似没有那么美好。 2017年12月，腾讯发布了一份《2017年全球人工智能人才白皮书》，这份白皮书显示，全球AI领域人才约30万，其中，高校领域约10万人，产业界约20万人，而市场需求则在百万量级，其中的缺口显而易见。工信部教育考试中心副主任周明更是明言，中国人工智能人才缺口超过500万人。这中间，大多数缺的是研发、算法、应用工程师和架构师。但是技术有了，如何让技术落地？如何将技术产品化？答案只能取决于产品经理，而且是专门做AI产品的产品经理。有媒体说，2018年最燃的AI岗位是“AI产品经理”，诚不虚言！

但是，如何转型做AI产品经理？什么样的人适合做AI产品经理？做AI产品经理需要哪些技术和能力？大量潜在AI产品经理候选人的心里都有各种各样的问题，并且无从获取答案。因为市面上没有专门针对AI产品经理的专业课程。为此，“鸥若教育”特邀前百度高级AI产品总监，精心打造一系列针对AI产品经理的课程，用多年的专业经验知识回答未来AI产品经理的心中疑问。

首先，原谅我们用一个吸引眼球的标题来开篇！

人工智能？还是人工智障？

让我们先给人工智能正个名，市面上大多数AI产品都用了很牛的技术，推出产品的这些公司也大力用技术的噱头去宣传产品。但为什么实际产品还是让人感觉智障呢？是公司智障还是产品本身智障呢？站在产品经理的角度来看，肯定是技术和产品融合之间出现了问题。在推出一个产品之前，产品经理首先需要了解用户预期。如果用户预期远高于你的产品能力的话，那做出的东西就是低于预期的，让人感觉不是那么美好。但如果你做的东西是高于用户预期的，那肯定做出的东西就是比较美好的。

对于人工智能这个话题，普罗大众的预期是什么呢？举AI语音助手为例，大多数动漫迷应该很熟悉《钢铁侠》里的Jarvis。这个AI角色在2008年的第一部《钢铁侠》里即登场，是钢铁侠的AI管家，超智能软件，能独立思考，会帮助钢铁侠处理各种事务，计算各种信息。钢铁侠的机甲开发以及方舟反应炉的更新都离不开它的协助。在托尼.斯塔克穿上盔甲时，它还会自动进行虹膜扫描，以确保机甲非外人侵入。

这应该是最早人们对于语音助手的印象。多年来，随着科技的进步，各种媒体纷纷渲染未来人工智能要发展到什么程度？人工智能是不是会有自己的意识呢？换句话说，它会不会突破图灵测试，让人完全感觉不到机器的存在呢？阅读了各种媒体的报道，大众对AI语音助手的心理预期就很高了。就算达不到Jarvis这样的程度，能跟人类正常对话、解决一些实际问题应该是很正常的吧？但实际情况是怎样的呢？

来自SIRI的实际截图

这是苹果的SIRI针对一个简单问题的回答截图，我们向SIRI提了一个简单的问题，帮我订一个餐馆我不要吃涮羊肉。结果，第一条推荐的就是涮羊肉馆。这里能感觉到的不是智能。尽管实际上SIRI也做了一部分工作，她能帮我们找到一个餐馆，她知道我们要去吃饭，只是没法根据我们的要求去做进一步的决策。这里面看起来就是又有智能又有不智能的成分。

市面上现在绝大多数的智能音箱都是基于语言模型和语音识别模型做出的。我们体验过大多数的音箱，有的可能识别效果比较好，但是识别效果跟语义理解完全是两回事。它也许能把我们的意图读出来，但是它理解不了意图的目的，稍微复杂一点的都无法做到。我们能感受到的，如果产品经理做出的产品是低于用户的预期的话，那这个产品就无法被大众接受。但是，换句话来讲，如果要做高于用户预期的AI产品，这是很困难的，因为用户的预期已经被媒体教育的非常高，胃口也已经非常大了。这里面究其根源是AI对话系统的瓶颈。

对话系统是AI技术里的一个具体应用场景，它是基于自然语言处理（NLP：Natural Language Processing）。对话系统的瓶颈到底在哪儿呢？这里我们提出第一个专业术语：灾难性遗忘。

举一个例子，用户对语音助手说，帮我定一个酒店吧。语音助手会帮忙找出各种酒店，并按照一定方式排列出来。然后第二句用户再接着说，“我看到这些酒店了，你再帮我选择一个最近的一家吧”。语音助手返回，找不到任何一个匹配的酒店。其实它没有意识到你的意图是从上面的list中选择一个酒店，而是重新开启了一个新的请求query。所以这就比较尴尬了。当我们跟它多说几句的时候会发现这是一个健忘的家伙，根本没法跟它继续交流。

“灾难性遗忘”在NLP学术界也是一个很热门的话题，大家都在想，怎么能让机器拥有短期记忆、长期记忆，以及逻辑性。但是，如何规避这个问题做语音助手呢？苹果提出了“用户指南”，就是在限定领域提出问题，根据领域预制的问答来返回结果。比如，当你选择了体育，你已经有了预期，这是体育领域的，我不需要再提及体育，而是提出具体的问题。

在用户体验里，我们可以通过一些预置去规避这些灾难性遗忘的问题。所以说，在NLP场景里，AI大多数以单一任务为主，以辅助性的、前瞻性的条件作为辅助，来做一个比较好的产品。稍微复杂一点的就很难做了。

NLP的第二个瓶颈是，语言的歧义。这里面有一个例句，如图所示：

语言的歧义

仔细读应该能读出意思，争议主要集中在后面的四个“把”字，前两个字都是动词，第三个“把”是名词，是车把，然后最后一个“把”也是一个动词，我们用Google的词性标注服务，把这句话输入进去，得到一个结果就是，它把四个“把”字都识别成了动词。但是在我们实际的理解中，有一个是名词。

类似的问题在NLP里还是挺多的，不只是一个词义理解的问题，更多是切词的问题。由于这个问题存在于最底层的算法，所以产品经理在上层构建具体的NLP模型或NLP应用场景的时候，很难规避这个问题。如果机器不能正常理解这些正常的分词中间的词的含义的话，那这个模型会让人感觉很糟糕。

虽然AI已经可以理解一部分自然语言的语义了，但NLP只能去做一些比较初级的问题，远不能覆盖更多的语言形式。我们举的这些例子虽然比较极端，尽管在口语里不会高频重复出现这些词，但是让AI很难理解的词语还是很多的。

还有一些人类觉得很正常的场景，比如情感理解，AI也很难理解。举例说明，“我不开心”，跟“我心里淅淅沥沥的下着小雨”，这两句话中，AI就很难理解第二句话的确切意思。所以，以上提到的这些都是NLP目前遇到的瓶颈。这也是为什么基于NLP底层算法的这类语音助手产品会让人觉得很智障，主要还是因为NLP本身的瓶颈导致的，AI产品经理不背这个锅。

如果你对这个话题感兴趣，可以找一些你觉得智障的应用，让我们来解析一下，是因为先天不足呢，还是后天不努力呢？

持续关注我们，我们还会推出一系列文章来帮助大家走进AI产品经理的日常。

想跟我们讨论？不要犹豫，扫码加入我们的讨论群，共同探讨你感兴趣的话题。

扫码入群，和我们一起讨论