以AI產品經理的視角談談認知升級

最新 03-27

產品經理讀書會

公眾號ID：books_for_pm

最近約同行和前同事吃飯，小夥伴普遍表達了職業發展上的一些困惑。一位小夥伴在某門戶工作三年，基本屬於溫水煮青蛙了，最近見區塊鏈火，打算投身區塊鏈行業；另外一位小夥伴則有些大公司崇拜，希望從搜狗有機會跳槽去產品經理聖地騰訊。

歷史是相似的

生活中，我們存在這樣的情況，不知道前路該如何走，抱著碎片化的信息就倉促做了決定，回頭再看已經走了很多彎路。難道人生就應該在不斷走彎路中被消耗嘛。

為了快速形成對北京的認知，從年前小樂帝看完了文章三部劇《奮鬥》、《蝸居》、《裸婚時代》，後又補習了《北京愛情故事》，最近又在輸入《新結婚時代》。看這些電視劇最大感受就是，對於每個時代對於非富即貴的年輕人如果想紮根大城市，都繞不開房子這個劫數，電視劇里為了照顧觀眾的觀感，每個人結局要麼是成功紮根，要麼是出國。

看完你就會發現，每個時代所要面臨的事情都是相似的：麵包、房子、愛情等等。但每個時代所要面臨的事情又有一點不同，過去十年，北京這座城市紮根的難度是指數級的上升，包含房價、戶口等等。

正因為現實世界存在這樣的相同與不同，倘使能應用到人工智慧領域，就是通過提取相似的特徵，同時注入不同的特徵，這樣形成適應這個時代的認知模型。

優秀的認知模型

考慮到我們人類發展到這個時代，無論工作還是生活，面對社會劇烈的變化，更多需要搜集信息作決策，而非過去的經驗，很多經驗已經經受不住實踐的檢驗了。

這個時代就對人腦提出了更高的要求，面對海量的信息，如果形成認知，並將認知應用的生活與工作中，得到積極的反饋而非負反饋。

因此在這個時代可以持續生存下去，就應該適應社會自動化、智能化發展趨勢，跟隨社會趨勢不斷提升認知。

那麼如何構建優秀的認知模型呢？

這裡就類似於應用機器學習解決問題。首先識別問題也即確立目標，然後就是信息輸入；接著將數據投入優秀的演算法構建模型，當然也可以遷移學習利用成熟的模型，並進行模型預測；最終沉澱為個人認知模型應用在改造世界的實踐中。

信息差優勢

構建優秀的認知模型，從源頭就需要有信息輸入。最近看《新結婚時代》，小西因懷孕修養錯過競聘副主任的機會，被不如她的同事競聘上並成為了小西的領導。小西當然不服能力不如己的人當領導，但這裡有個問題，大家在職場混，你會發現很多領導貌似水平都不如你，甚至不及平常人，但是你又被壓制而無可奈何為什麼？

這就是信息差優勢。當年做新聞客戶端，公司直接從CEO下達交互級需求，需求被層層傳遞導致信息丟失，最終小樂帝出的方案又被層層上報，不符合領導意志又需要調整，導致方案改過來改過去，最終回到了最初的版本。其中不乏不那麼有水平的領導在中間「瞎指揮」。但每個層級都握有比你更多的信息量，你就無法建立有力的論據去反駁。

這種情況下，你就發現在缺少有效信息輸入的前提下，可謂是有力氣沒地方使。我們生活中遇到很多的事情就是這種情形。譬如小樂帝老家半強制農民土地流轉的問題，當社會最底層的農民沒有獲取足夠的信息，只是擔心被淪為少數，而就白白冒著手裡土地被「以租代征」剝奪，最終假設成行，只能像祥林嫂一樣感嘆「以前只知道冬天才有狼」這樣的鬼話。

其實狼一年四季都需要食物，只是冬天更需要而已。就因為沒有相應理性信息輸入，導致遺恨千古矣。

校園模型訓練

從小到大我們學習的過程，本身就是構建認識模型的過程。我們學習數學、物理、化學原理，並做大量的練習，再經過周考、月考、學期考，不斷檢驗模型的質量。當然凡是考試總會有成績排名。

成績排名更像是評估模型質量排序。經過學習和訓練，成績好的孩子，構建的模型泛化能力更強，也即俗話講的舉一反三。從小到大，我們會發現，每個階段都有一些小夥伴學習很努力，但成績排名就是不好，也即訓練出來的模型就是差點意思。

人類社會稱之為聰明與否，在人工智慧領域則是演算法是否適合這種應用場景。馬雲不可謂不聰明，但高考數學考0分，只能說馬雲的演算法不在數學，而可能在創業或成功學。

自小到大的學習訓練構建模型並應用於考試，有些學生也許很快就找到了快速構建模型的途徑，學習這件事總能事半功倍。但大部分人還是按部就班，寒窗苦讀訓練模型。

突然有一天到了社會上，發現學校里單純的輸入、訓練、檢驗的模式不work了。由於社會的多元化，人們再也沒有一個共同的目標了，因此考試分數作為單一指標不再存在了，反而需要在紛繁複雜的社會中，找出生命的意義和奮鬥的目標。

其次社會再也不給你純訓練的機會了，假如不是自我有意識的訓練。企業招聘寫明了要找有相關經驗的人，這就難倒了很多人。

那麼在社會上該如何構建認知模型呢？

社會人認知模型

在校園認知模型構建中是一種理想的環境。社會人認知模型與校園模型有兩點本質差異：社會人不再有標準的信息輸入，而是各種非標的輸入，譬如讀書、培訓、與人交流都是輸入；社會人不再單純從零構建模型，而增加了遷移模型，即快速學習他人經驗，並應用到自己的生活工作中。

輸入和模型差異一言以蔽之就是是否具備拿來主義能力。以小樂帝最近工作中負責某個抓取需求為例。由於沒有做過抓取的需求，也不了解抓取技術。假設採用學校構建模型的方式，是需要買本爬蟲書或者上一個學期爬蟲課，最終交一份爬取某段子網站的大作業完事。但採用拿來主義快速構建模型，小樂帝就採用了報名一期知乎live了解爬蟲大致流程和坑，並採用已有的傻瓜爬蟲工具做實驗加強基礎認知，再通過與前同事吃飯過程中溝通學習，了解到門戶網站爬蟲使用的能力與範疇，不到一天時間就能交出商用靠譜的方案。

採用拿來主義構建認知模型效率與效果都百倍於學院派的構建方式。

當然拿來主義在人工智慧專用名詞叫遷移學習。典型的應用場景就是圖像識別，譬如我有大量規整的人臉數據，通過深度學習訓練好了一個人臉識別的模型，現在客戶要智能化養豬，需要一個豬臉識別的能力，我們顯然沒有那麼多豬的照片，就可以將人臉模型拿過來，通過輸入一些豬臉的數據，調整下模型，就可以識別豬臉了。

在好數據仍然稀缺的時代，遷移學習會爆發出更多的能量。拿來主義也是實現快速人生躍遷的方式，可以試試。

小樂帝知乎live：零經驗如何成為AI產品經理？已完結，以下圖片為live資料介紹部分，如小夥伴想對AI產品經理了解更多可以掃二維碼參與：