1、AI不是目的，而是要了解AI是什么，真正意义上的强人工智能在前沿领域尚未取得突破，暂时只能在影视文学作品中去思考人机关系、机器人三定律在未来的变化等，所以要站在弱人工智能的角度进行讨论；目前算力-算法-大数据构成的三角形已足以支撑技术的应用，要和现有行业结合，重点在于场景，了解场景下的痛点和需求，应用AI技术后能否让需求满足得更好更深，最终解决行业的问题。
2、产品的目的是为了满足人（更好的生活和思考）和企业（增收、节支、提效、避险）的需求，作为产品经理要思考AI的价值，让产品变得更智能，把人从繁琐的事情中解放出来。
3、对于创业公司面对较大的创业空间要思考两个问题：要不要走到和巨头同一水平线？AI技术要拔尖到什么程度？无论2B还是2C，可以利用大公司的科技成果，更深更透地挖掘客户的需求。
4、AI+理财：AI主要应用于c端的用户获取、理财产品合作、用户流失预警和用户召回，以及b端的智能投顾、风控、量化投资等，在原需求的基础上提高效率，同时要考虑到不同国家市场的差异性，在行业需求未变的前提下运用不同的思考维度。
5、智能汽车：目前技术在朝L3、L4方向发展，帮助人类更好地驾驭终端，同时也衍生出人的交易、娱乐、社交这些深度存在的需求，在这些方面，目前只是在技术上吸引眼球。
6、智能音箱：需求依旧是音箱本身的需求，AI+更多的作用是营销和教育用户，为了让用户深入接触了解AI，消除一些被误导的恐慌和抗拒心理，形成对AI的理性认知。而最终落地的场景可能是以下三个方面：语音助理、推送内容+服务、智能家居中枢。
7、作为对AI的支撑，大数据的理解有助于构建整个生态。目前市场上各家平台企业产生大数据，怎么利用，是其中的关键，而AI技术是为了帮助企业更智能地做事，更好地实时处理、挖掘和利用数据，越近的数据越有价值，要求数据具有实时性。
1、目前，语音交互产品还处于“行业中只有少数精品”的阶段，需要让B端用户在C端有更好的用户体验。整个行业的成熟需要有非常多的标准化产品能满足用户日常需求，而目前行业主要矛盾是技术提供商的定制效率和B端用户定制和产品迭代的需求不能被迅速满足，而主要的瓶颈在语义设计工程师，没办法同时支持100种产品，思必驰对此的解决方案是定制规模化，把定制能力复制到低端用户，提升低端用户的用户体验。
2、设计过程的6个子系统包括全链路定制（语音唤醒-语音识别-语义理解-对话管理-输出-最终的操作动作）、技能（语义解析、语言模型、对话管理、资源接入、安全隐私）、GUI和VUI结合的控件设计、解决问题形成闭环的青囊（运营监控、问题反馈、项目管理）、玲珑（实时更新、跨平台支持、离线正常使用、更优更玲珑、硬件模组支持）、连接外部平台的紫微。
3、开放是推动进步的基础，社会化大分工是行业成熟的标志，由于语音交互的复杂，目前的企业都是把所有端到端环节都把握在自己手上，但不是面向未来的做法，希望通过开发合作后能实现行业中每个链条上都有优秀的公司来提供很好的服务，共同推动行业的发展。
1、AI技术市场应用价值的体现：减少人工、提升效率
1）2055年人类超过50%的工作实现自动化（麦肯锡）
2）2035年英美等12个发达国家的生产率提高40%（埃森哲）
3）2020年85%的客服服务由人工智能完成（Gartner）
2、建设银行日均300万交互量，相当于9000个人工坐席，9亿元的人工成本；交通银行月均代替的呼叫量为200万次，月均成本节约140万。
3、 小i机器人经历16年的发展，全球超过5亿用户，并主导首个用户界面情感计算的国际标准。
1、旅行中行程定制是非常痛的痛点，而且做行程调整也很麻烦，妙计旅行的解决方案是用户决定要去哪几个景点，具体的行程规划由机器完成，在定制行程的同时帮助B端用户整合旅游相关的资源。
2、AI算法主要是实现哈密尔顿回路&TSP问题中行程不重复
3、受到AlphaGo的启示后，确定了一种用深度学习优化蚁群算法的方案，由搜索网络（蚂蚁的随机性）和评价网络组成（信息素更新，走得不好的蚂蚁会起反作用）；而另一种思路是整体解决行程规划问题，采用卷积等不同的技术手段。
4、深度学习的其他应用：人脸检测（识别区分出“真实人脸”和“雕像的脸”，辅助照片搜索）、场景识别（酒店图片做场景分类，准确率达到99%）、智能机器人。
1、案例：餐饮店的营收报表
第一阶段通过excel做图，数据分析效率非常低；
第二阶段通过管理系统BI功能做图，问题是无法给出异常数据的原因；
第三阶段运用了AI技术后能得出异常数据的原因
2、企业上一代数据组织架构是数据仓库，而新一代的企业数据组织架构是知识图谱。
3、明智系统产品体系
4、搜索作为最成功的AI商业应用，主要原因是用户对搜索的容忍度比较高，而AI的商业化核心是让用户合理地接受机器的错误，这也是2C比2B走得快的原因。
5、企业级AI市场缺乏好的产品、好的体验的主要原因：
1）使用价值低：大量业务处理过程仍需人工干预
2）使用体验差：操作不符合人类思维习惯，普通人无法使用
3）使用效率低：功能复杂，培训成本高
4）不可解释性：黑盒操作
1、只通过关键词的搜索，无法准确识别语义，需要结合上下文。
2、情感计算+人工智能：情绪识别时，语音的优先级大于文字。文字表情部分是愤怒的，表情上是开心的，再结合上下文，一起来判定是开玩笑还是真的生气。
3、情绪分类，不限于正负中三个级别
注：翁总演讲时，提到了不少非常有趣的例子，来说明自然语言处理的一些难出，非常深入浅出，可惜不能复现给大家。
1、金融创新与转型升级的核心驱动力：服务创新（网上银行，电话客服、O2O等）和科技创新。
2、多个应用场景：智能语音质检分析（录音量大，降低人员配比量）、智能外呼机器人（信用卡催回款在m0和m1阶段解放人工，场景判断后再转给人工处理）、智能客服机器人（自然语义解析交互）、实体机器人（银行报号、咨询信息的查询）、智能语音导航（在咨询电话中直达对应菜单、录音调听、统计分析）
1、从互联网转型到人工智能，比从传统行业转型到互联网，更难。
2、为什么会有所谓的“人工智能鸿沟”（落地难）？因为算法、demo，更偏向于命题作文；而在产品化、商业化的时候，关键第一步就在于基于场景，去重新定义问题。而这是需要AI产品经理去关注的。
3、数据、算法、模型、算力等，是必要条件，但AI产品经理可能才是AI要落地突破的瓶颈。这是因为，目前AI技术虽然不能说完美，但至少是不影响产品经理们去做demo原型和验证工作的。甚至说，要想完全由技术来实现一个完美的AI架构，可能是不现实的，反而需要产品经理从实际的场景和用户反馈出发，反过来给技术、模型和算法提出建议，倒逼其优化。
4、根据互联网产品经理的演进史，相比互联网产品经理，AI产品经理才是真正的“需求产品经理”，因为AI领域需求特点：机会多、难度大、变化又快又大，导致老板（知识背景、时间精力等）无法兼顾，必须让AI产品经理成为细分领域的小CEO，来做决策和承担更大压力。
5、AI产品经理和互联网产品经理可能就不是同一群人，其核心价值（常态）是花6~12个月验证60分问题（需求验证）。
6、因为“感性”能力的稀缺度大于“理性”，文科生/女生有不错的转型机会。
1）价值方向
A）效率最优，升级为情感最优。
B）人类不寻求实现决策的最优化，而是采取令人满意的结果就够了。——诺贝尔奖获得者Herb Simon
2）产品体验
A）伦理学：养老院，2个老人，一个要看新闻台，一个要看体育台，机器人怎么办？
B）动物学：将动物的行为、语言，和人类进行对比研究，特别是小孩子。
C）语言学、艺术、美、传统文化……
3）实际例子-亚马逊的 Alexa
为了让 Alexa 拥有「人」的性格，亚马逊找了很多女性来做性格塑造：
A）Alexa 的原始回应组织：由拥有创意写作硕士学位的米歇尔.里根.兰森负责；
B）回应趋近消费者的期望：由专门从事人格科学研究的心理学毕业生法拉赫.休斯顿负责；
C）另外，米歇尔.里根.兰森手下还有一大帮剧作家、诗人、小说家和音乐家，他们每一周的「出品」都会被整合到 Alexa 的人格设定里面去。
4）面试现状
聊天对话类AI产品经理，70%+面试者都是女生/文科生。
5）实操案例
A）AI产品经理-甲（刚转型3个月）：互联网产品经理也需要人文素养，为什么要特别提出这点？
B）AI产品经理-乙（转型24个月）：需要了解AI技术边界、有成本意识、有人文素养……
C）AI产品经理-丙（刚转型3个月，负责整个事业线）：AI产品经理和互联网产品经理相比，能力要求方面，最大的不同是什么？只说1点——“人文素养”。
7、“AI产品经理”虽然还没有被行业真正、足够的重视，但已经开始被行业接受了。
1、对于AI产品经理的能力要求，各位嘉宾重点列举了以下几项：理解场景、了解技术边界、对未来产品用途的想象力等等。
2、关于转型的建议，嘉宾们普遍提到了解数据和进行标注的重要性，从数据中了解行业，产生灵感；对于无相关经验的同学，需要以实际行动来自己给自己背书（敲门砖），花了多少时间，看了多少东西，写了多少总结分享等等。
3、在最后的提问环节，其实也分享了很多干货和认知，全场音频下载链接在：https://pan.baidu.com/s/1c1P1pcO 密码: 2gc3
最后，福利来了，全部嘉宾的PPT下载链接: https://pan.baidu.com/s/1hsGLTXy 密码: tpr4
联系客服
