人工智能时代：破解人机共存密码（套装共10册）

在互联网普遍免费的模式下，有人建议可以在用户选择服务时给用户一个选择的机会，即将选择权交给用户，如果选择免费服务模式，即享有普通的个人信息保护，如果采取付费的模式，则享有一个更高的信息保护层级。对于个人信息的采集和利用可以根据用户个性化的选择和付费情况，采取不同程度的保护力度。但是，这个改变在目前的互联网模式下推行存在难度。还是应该明确信息提供者、信息存储者和使用者以及系统开发者的责任，强化企业保护用户隐私的意识和责任，加强监督管理，防患于未然，并且建立健全完善的争端解决机制，让个人有寻求救济的途径。对于个人信息的保护不是一味地避免个人信息的获取和利用，也不是为了商业目的而牺牲个人权益，而是需要在个人信息的保护和正当的商业活动中寻求一个平衡。只有这样，才能获得双赢的局面。

爱因斯坦曾说过：“技术本身没有道德性，使用技术的人的道德能力决定了技术改变世界的方向和可能性。”技术的发展会产生新的社会关系，或使得现有的社会关系产生变化，影响甚至改变人类的某些生活方式及思维方式。技术的发展促使人们对于自然、社会和人本身以及之间关系认识的不断加深，也促进了法律内容的更新。伦理道德和法律是社会规范最主要的两种存在形式，伦理道德前置，可以激励和规范技术的发展，法律后置，可以抑制技术的负面的影响，提供有效的救济途径。无论是伦理道德还是法律，其规制的意义都在于引导和规范技术健康、可持续的发展，为人类创造福祉。

AI落地的人为因素

前面我们探讨了人工智能模型和伦理法规的挑战，最后，我们论述一下影响人工智能落地的人为因素。人工智能，因人而诞生；AI思维，最终也由人来实现。人工智能与人类息息相关，也因人而异。对于不同的人，人工智能所带来的改变可能完全不一样。同样地，对于人工智能，如果是由不同的人来实现，结果也会完全不同。人工智能是以服务人类为核心，完全围绕人类展开的，所以人为因素在其落地过程中发挥了极其重要的作用。

人工智能时代，人与人工智能关系的话题讨论一直热度不断，从科幻大片里人工智能试图与人类产生感情，到现实生活中人工智能人才的短缺，我们一直在思考、在探索。随着各个行业智能化水平的提高、人类对人工智能的依赖程度的上升，到底有哪些人会与人工智能直接接触？人工智能又赋予了哪些人专业的帮助和思想的灵光呢？下面我们就来具体介绍一下，在人工智能实际运营过程中，人类都涉及了哪些角色以及承担了哪些相应的职责。

AI落地中的角色分工

第一，企业决策者，例如企业的CEO及其他高层管理者。无论在什么时代，企业决策者的思维方式和管理方法，对这个企业的发展和未来都起着举足轻重的作用。他们的目标是用更少的资源产生更高的收益。人工智能作为一个热点方向，会吸引决策者的注意，而有远见的决策者，更是会在人工智能上投入资源。

企业决策者需要在战略上支持人工智能应用。战略的支持包括资源的倾斜、给予足量的时间等，需要按照人工智能的规律来推进项目。一些企业决策者并不了解人工智能的发展规律，执行任何项目都把时间限定为三个月——无论是开发网站还是研发人工智能都是三个月，这显然违背了人工智能的规律。当然，并不是说研发人工智能一定是慢活，而是说要根据需要以及规律办事，不能一概而论。

第二，业务负责人，即直接负责一项业务的经理。业务负责人的思维方式和工作能力直接影响着所在部门的办事效率和工作业绩。他们没有企业决策者的权限大，但更加了解某个具体的业务，有执行层面的话语权。

业务负责人往往需要达成一定的业务目标，而时刻关注时代发展方向的业务负责人会了解到人工智能的先进性，会更加关注人工智能如何在企业落地，并且相信人工智能有助于实现他的目标。我合作过的优秀的业务负责人都有比较开放的心态，乐于接受人工智能这一新事物并能够与更大的团队一起分享成果。

第三，人工智能科学家，即受过专门训练并精通人工智能模型的专家，是不可多得的人才，人工智能在各个领域的落地实践离不开他们的专业能力。他们不仅需要熟悉人工智能的应用框架，精通并实践人工智能模型，而且要理解人工智能落地过程中需要分析和研究的数据，并具备足够的工程能力来分析和处理所涉及的数据。与此同时，他们也要对数据的业务价值有较深入的认识。所以说人工智能科学家并不等同于实验室里的科学家，他们既要了解数据，也要熟悉业务。

第四，数据工程师，即提取和处理数据的工程人员，他们直接管理、操作人工智能所需要的数据资源。数据工程师负责提供人工智能所需的数据支持，能够有效地满足人工智能科学家提出的数据需求。他们将人工智能与企业数据资源连接，是人工智能能够实现落地的关键一环。数据工程师最重要的特质是可靠、可依赖，不会因为自己管理了数据就偏私，只有这样才能高效地支持人工智能落地。

以军队为例，在一个军队里面，决策者是元帅，组织队伍去攻打堡垒。军队里的业务负责人是司令，带领着一批人马就朝堡垒前进了。人工智能科学家角色就是参谋长，他有着熟练的作战技术，但是他最终能否按照司令的作战策略率军出征，要看参谋长和司令，也就是人工智能科学家和业务负责人之间的配合程度。优秀的业务负责人和人工智能科学家，也就是司令和参谋长，需要相互磨合和理解，让业务与技术相匹配，发挥出最大的价值。在人工智能落地的过程中，参谋长不能过分许诺，司令也需要给足时间和空间，这样两者才能合作顺利，逐步解决各种问题。在双方合作出现问题时，也会因为彼此都有一个共同的理想，所以坚持走下去，共同实现业务目标。数据工程师在整个军队中的角色，则像参谋长的左膀右臂，没他们的话，参谋长的战斗力会大打折扣，打不了仗。

一直以来都存在这样一个问题，人工智能在企业落地可以没有企业决策者的支持吗？答案当然是否定的。如果缺少了高层的支持，人工智能很容易落地失败。但因此武断地认为只要企业决策者支持人工智能落地，过程就一定会比较顺利，也不完全正确。比如说，刚参加工作的时候，我作为人工智能科学家负责了一个人工智能落地项目。当时，公司领导非常支持这个项目，初步的发展也很理想，但到了项目需要使用大量数据的阶段，数据库的负责人（即前面所说的第四种角色）并不十分配合我的项目，既不支持人工智能所需的大数据提取工作，也不肯协助处理工程上的问题。起初，我由于无法独立处理大规模数据、无法驾驭复杂软件系统等问题，导致了项目的延误，但后来我痛定思痛，通过加强自身的工程能力，灵活构建程序，按照人工智能的需求去处理大量的数据，解决了这一阶段的问题。最终，这个项目成功收尾，人工智能在业务中发挥了巨大作用，直接帮助公司获得一轮巨额的融资。

除此之外，人工智能科学家的培养也是业界比较关注的话题，之前我也针对此问题写过相关文章进行详细的讨论。在我看来，人工智能科学家最重要的一个素质就是对数字的高敏感度。人工智能的开发和应用软件开发极为不同，应用软件开发过程只需要满足需求就可以了，程序和数据的错误可以在后期检验中发现，但人工智能模型里的错误在后期是难以发现的。如果让错误存留在系统里，对业务的负面影响会很大，所以人工智能科学家需要对数字十分敏感，保证人工智能系统处理的数据是准确无误的。其次，人工智能科学家也需要具备一定的工程能力，能够针对不同的模型快速进行实验。无论业务和专业的侧重点在哪里，对于人工智能科学家来说，基本的工程能力必不可少，只有这样才能保证人工智能成为业务提升的驱动力。

上面我们描述了在人工智能落地中所需的四种角色：企业决策者、业务负责人、人工智能科学家和数据工程师。这四种角色都有各自的特点，相辅相成，互为补充，在人工智能落地的过程中都承担了重要的责任。可以说，在整个人工智能项目中，这四类角色都是功不可没、缺一不可的。

AI落地中的第五个角色——AI产品经理

在现实情况中，实际的业务需求和人工智能模型之间存在巨大的鸿沟，双方没法有效地沟通，而在大多数机构中，也缺少能够有效地将业务需要翻译为人工智能需求的人员，这直接导致人工智能落地进展缓慢。所以，从这种情况来看，仅有刚才说的四种角色的人员组合，并不完备，我们还需要一个人工智能产品经理的角色。

按照通常的定义，产品经理能够将业务的需要翻译为对技术实现的需求。例如，现在要开发一个酒店的网站，产品经理会根据酒店的业务逻辑设计出网站的原型，像介绍页面、登录页面、订单页面等，并能够生成需求文档、对接具体开发网站程序的工程师。这种将业务需要翻译为人工智能需求的职位就是人工智能产品经理，而人工智能产品经理的缺席，会导致人工智能落地进展缓慢。既然说人工智能产品经理是促进人工智能落地的关键，下面就着重分析一下人工智能产品经理的角色。

如果在军队中，人工智能产品经理能够将司令的需要翻译成参谋长可以执行的工作，他们也许就不会有争执了。在抗战时期的战役里常常有这样的一个场景：参谋长认为自己指挥军队乘胜追击是正确的事情，但在司令看来，这却是莽撞的。优秀的产品经理可以在两者间做好有效沟通，一方面跟司令解释参谋长做的是符合战术逻辑又有助于战争的决定，另一方面跟参谋长也明确每场战役的目标，让他不因鲁莽而犯错。可想而知，如果军队中有这样一个产品经理角色，司令就不用整天大发雷霆来惩罚参谋长了。

然而一直以来，兼具深厚的人工智能专业背景和强大的产品思维能力的人才非常难得。比如说目前大多数新生代的人工智能专业人士都喜欢用深度学习去解决各种场景中的问题，但仅从人工智能模型的角度出发，很多场景问题是难以解决的，反而是传统方法更有效果。所以，合格的人工智能产品经理既要具备AI思维，也要了解行业，还要掌握机器学习和深度学习等人工智能领域的知识，这样多个方面的能力素养叠加起来，才能更好地解决市场所面临的问题，做出实用的人工智能产品。

我时常听闻一些互联网行业的产品经理将自己不懂的知识称为技术内容，这个观点对人工智能产品经理来说是十分不妥的。就像在工业革命的早期，如果你不了解蒸汽机的基本原理，你就不能做火车的产品经理；同样，如果你不具备AI思维，不了解人工智能解决问题的基本思路和框架，也难以胜任人工智能产品经理。出于这样的考虑，我们对人工智能产品经理知识的要求，既不会过多地涉及技术细节，也不会放过对产品形成有决定性的技术内容。对于一个合格的人工智能产品经理来说，我们主要看他是否掌握AI思维的核心要素，是否理解解决实际问题的AI炼金术，是否熟悉人工智能决策引擎的原理，并能够在AI思维的框架下逐步了解重要的人工智能概念。只有具备了人工智能视角、能够以数据和模型的方法论解决复杂问题的产品经理，才可以独当一面、解决业务难题，成为人工智能时代最需要的一类人。

AI产品经理究竟在干什么？

我们前面说了人工智能产品经理的基本定位，那么从更深层的能力需求来看，人工智能产品经理都要做些什么呢？下面我们将产品经理的日常工作分解开来具体阐述。

产品经理是产品开发团队的主导人，需要从用户角度出发，协调研发、市场、销售等部门，对产品进行优化。具体来说，就是了解用户需求，负责产品功能定义、规划和设计，保证产品开发工作顺利开展。除此之外，还要对用户的新需求、竞争产品的信息进行收集和分析，研究产品的发展趋势等。

而人工智能产品经理是产品经理中的一个具体垂直分类，将负责的产品范围聚焦在人工智能领域。作为产品开发团队的主导人，人工智能产品经理的主要职责是寻找用户需求和人工智能能力的交集。例如，人工智能产品经理离用户更近，善于发掘和分析用户以及市场的需求；同时，他们也知道人工智能能够解决什么样的问题，能够根据实际需求设计理想的模型训练集和预测集，同时为模型提供评估指标。那么，相应地，人工智能科学家和数据工程师依据这些需求和指标，获取所需的数据集，开发并迭代出与需求相符的人工智能产品。比较人工智能产品经理和传统产品经理，可以看到二者区别主要在于，是否具有利用对数据和人工智能的理解，在动态业务中迭代产品的思维。

我们要明确的是人工智能产品经理的本质还是产品经理，所以其最核心的工作依然是找到用户需求，专注于提高产品价值。人工智能最终是解决问题的工具，它能够解决什么需求、如何更好地解决需求，都是人工智能产品经理日常需要考虑的问题，这其中最关键的问题就是要考虑如何促进人工智能更好更快地落地。在多数应用场景中，人工智能产品经理需要做的是把行业内的需求转化成人工智能实现层面的问题；在这其中，人工智能产品经理掌握的是数据，需要人工智能输出的是预测和决策。从人工智能落地的整个流程来看，人工智能产品经理不仅要了解数据的内涵，还要知道如何探索数据。例如，要实现某项业务的人工智能落地，人工智能产品经理要知道所需收集的数据内容及形式是什么、如何正确地理解数据并反馈到实际产品中。在开始进行产品设计时，人工智能产品经理还要基于业务需求确定人工智能产品的效果是提升营销响应，还是优化生产效率等，根据这些定下基础的模型框架。

在人工智能产品领域，数据越具有时效性、越具体，建立起的人工智能模型便越优良，所以在人工智能落地的全过程中，产品的完成并不是项目的终点，人工智能模型还需要在使用中进行动态的迭代和优化，以期能更好地服务用户。对人工智能产品经理来说，在人工智能产品完成后还需要进行持续的数据收集，通过产品的不断使用能够获得更多、更深入的数据进行人工智能模型训练，使得人工智能产品可以越来越准确和深入地解决问题。

同时，人工智能产品本身还具有很大的不确定性，人们无法像传统产品一样直观地了解到人工智能产品到底是什么，对它的智能水平的了解也十分模糊。这样就很容易出现用户对人工智能产品的预期很高，但产品并不能够完全满足用户需求的情况，或者出现用户提了太多超出产品功能的要求却没有得到正向反馈的情况。这些情况的出现会导致用户的心理落差很大，无法客观地评价人工智能产品。因此，人工智能产品经理在设计人工智能产品时，要注意对用户期望的把握。

基于人工智能产品开发的内在逻辑，人工智能产品经理的演化主要体现在三个阶段——第一个阶段，数据收集和管理阶段；第二个阶段，产品开发阶段；第三个阶段，产品落地阶段。在这三个阶段演化的过程中，也需要面对人工智能落地中的各种挑战。下面我们对这三个阶段进行具体分析。

在数据收集和管理阶段，高质量的数据是人工智能实现的基础，这个阶段人工智能产品经理最重要的工作就是进行数据的收集和管理。无论是在实现层面还是市场层面，人工智能产品经理只有先把数据管理做好，才能让数据发挥出价值，创造出真实契合市场需求的人工智能产品。数据管理里有很多具体内容，例如数据标准管理、数据质量管理、数据集成和关联等。此外，在本阶段还有一个重点是数据安全与隐私保护。数据安全是指系统中的数据受到保护，不因偶尔或者恶意的原因而遭到破坏、更改和泄露。数据的运用可能涉及相关主体的隐私问题，所以人工智能产品经理要具有保护数据隐私的意识，对保护数据隐私的措施有一定的敏感性。

人工智能落地的第二个阶段是人工智能产品开发。在这一阶段，人工智能产品经理要创造适用于行业的人工智能产品，从用户需求出发，切实找到行业痛点，通过对人工智能的理解，找到用人工智能解决难题的方式，然后抓住行业痛点和人工智能的结合点设计人工智能产品。真实有效的人工智能产品诞生后，能够实现用户体验和业务效果的大幅度提升，或是人工成本的大幅度降低，甚至能够颠覆行业现状。

人工智能落地的第三个阶段是产品落地，这时人工智能产品经理也应该以类似业务负责人的身份去考虑实际的落地问题。一位十分优秀的人工智能产品经理不仅要引导产品的发展，还要引导业务的发展。他既要是一个优秀的执行者，还要是一个项目和团队的管理者。他需要具备敏锐的洞察力，既能准确抓住用户心理，又能精研产品细节，最终打磨出惊艳的人工智能产品。在人工智能时代，只有把产品做到市场上的极致，不断进行产品突破，才能实现价值。

从整体来看，人工智能产品现在还处于起步的阶段，人工智能产品经理在人工智能产品开发中的经验也都并不丰富。在实践过程中，遇到的很多问题现在也都没有比较确定和成熟的方法论，缺少解决方案或经验总结，很多问题还寄希望于通过人工智能的不断发展和探索来解决。与此同时，人工智能本身的边界和能力也正在飞速发展中，人工智能产品经理需要及时跟上时代发展的步伐，对自己的工作做出调整。

可能有人会问：“人工智能崛起后，世界还会好吗？”答案是肯定的。既然这个时代已然或者终将是人工智能的时代，我们就更加需要戳破虚高的泡沫，每个人都建立起一个客观理性的AI思维来面对这个新时代，并期待能够以这种AI思维去关照整个社会的发展，感受新生事物的脉搏，让自己过得更好，也能够看到整个世界变得更好。