人工智能時代的產品設計和管理

技術小白

人工智能時代的產品設計和管理

有個可讓未來的人工智能（AI）企業家在深夜沉思的問題：當軟件開始自行編寫時，該如何管理一項產品？

我們還未完全實現那些，但隨著我們構建更智能更復雜的軟件，且這些軟件中的某些元素由AI驅動，我們開發的軟件也越來越不可預測。我們都知道AI會給軟件帶來更多的功能，但由于其有時會以非計劃的方式表現出來，也會使軟件更難設計和管理。這只是伴隨著復雜系統的一個現象，也是我們的軟件發展的方向。這就是復雜性理論和軟件交會的地方。

對于軟件行業的大多數企業家、高管、工程師和產品經理來說，我們已經安全設計和管理了數十年的軟件，且一直處于合理的投入-產出水平。也就是說，只要我們輸入數據，就會很容易得到正確的輸出。這主要由于我們一直在使用簡單系統。如果輸入A和B，就會得到C。如果沒得到C，你就知道其中一定有錯誤需要修改。使用簡單的系統，你就可以重復使用同一套測試用例，并重復得到相同的輸出。

智能產品和其他動態的基于AI的系統將這一概念置于思維之中，因為自主學習軟件會根據與其他系統和人員的不斷互動的輸入來調整其輸出。有些系統目前已變得相當復雜（尤其是在企業），但引入更多基于AI的算法將加速復雜性，且這種復雜性是空前的。

例如，神經網絡基于輸入提供輸出，但在輸入和輸出之間是計算的黑盒子。我們不知道為何這些輸出產生于這些特定輸入。另外，新的訓練（算法如何更新其學習）意味著輸出可以在給定相同的輸入時改變。這些輸出中的一些將被傳送到系統的其他部分，從而產生額外的復雜層。我們正趨向于更復雜的系統設計。

我們每天都在和不可預知的人們共同工作。沒有人知道其他人做某件事的原因。但我們已經找到與人們協作的方法并把事情完成。當我們構建更復雜的系統時，我們需要考慮這些問題。基于經驗，我發現了一些基本技巧，在構建AI驅動的產品和基于AI的智能代理時，可幫助解決上述問題。

1、專注于某一領域

專注于某一領域可幫助降低復雜性。因此，簡化和集中一些你所控制的事情是明智之舉，比如軟件專業領域。首先，將你的產品限制在一個狹窄的領域（例如，專注于為顧客提供一套合適的工作，以及圍繞專業知識的邏輯集合）并在擴展到其他領域之前進行學習。

2、注重學習反饋

每一次互動都是學習的機會。你們的系統應從與人類和其他系統的所有互動中學到東西。你的軟件需要反饋回路來自我糾正和學習，為你提供有關如何調整未來產品和計劃的信息。在你的領域內，要在高層次上進行優化，但不要過早優化。雖然AI產品在你瀏覽產品反饋回路時可能會變得模糊，但你首先需要選擇一個更一般的功能，然后尋找你將為用戶解決的問題。用戶使用該產品時，你的產品優化可根據客戶的實際使用情況而定。

3、使用人機交互

有時需要人腦來增強系統。“人機交互”是這樣一種狀態——你可以讓人類完成一些任務來改善用戶體驗，或者為系統設計一些困難的東西。將其作為系統的一部分進行設計，對于系統無法做好的部分工作或驗證將是十分有用的。而且，人類采取的行動可以反饋到系統中，以便系統將來更好地完成任務。許多創造人工智能產品的公司都使用人性化的環路來進入并做某些工作，作為他們后端的一部分。

4、利用好大數據

數據增加智力。我們正在收集空前多的背景數據，這種背景信息將在更廣泛的行業中用于更好的AI驅動系統。對于很多與人類互動的系統而言，背景是最關鍵的。基于應用程序可以獲得多少背景數據（位置，相關數據，個性化信息等），智能代理的能力將被擴展或限制。要取得進展，必須從用戶和任何其他可訪問的應用程序直接收集背景信息。

5、檢測錯誤

應急系統需要實時性能評估。我們開發動態運行的系統時，還需要重新考慮問答系統。我們主要需要考慮如何增加當前的問答過程。還有更多的工作要做，但我們需要更多的模型進行實時錯誤檢測，如此一來，我們就可以正常地失敗或讓系統跳入另一個行動路徑。方法之一將會類似于人類如何做——通過獲得獨立觀察者的反饋。我指的是一個應用程序，能夠不斷觀察生產系統，并尋找異常或不準確的行為。一旦發現，它會反饋給系統。以便它改善和調整其行動。類似于實時性能評估，只是它將具有全部數字化和實時性特點。這個應用程序可能看起來類似于病毒或垃圾郵件檢測軟件，其中應用程序可查找“正常”與“異常”行為的模糊確定。

6、創建智能故障應對

時刻準備著突發意外。人類是不可預知的，將不可預知的人類與不可預知的機器結合起來就加劇了這個問題。規劃智能故障轉移體驗，可以要求清楚或明確地將混淆信息傳達給用戶。提前計劃，這樣用戶就不會因系統的動態性而感到困惑。

7、注重數據收集

使用交互式系統以交互式方式收集好數據。通過任何接口設計系統的輸入時，想想如何檢查你正在收集的數據的質量和可培訓性。如果你正在設計智能代理，可以讓用戶實時地澄清問題。如果沒有，你仍然可以創建技術來確保輸入時的數據質量。也有可能是舊的數據集，可用來開發新的客戶。質量也是一個重要因素。舊數據集可能維護不良，也可能需要清理。

8、讓人工智能不斷增值

用戶數據會讓系統更有價值，也有助于獲取更多客戶和數據，反過來會讓系統更加有價值。使用AI驅動產品，可從系統（和其他系統）上所有的用戶那里收集信息，讓系統更加智能，反過來可讓系統更有價值并吸引更多用戶。當你吸引到更多用戶時，就可從中收集數據，這些數據可進入軟件等等。這就創造了一個數據收集的飛輪和一個日益智能化的系統。這是一種創造獨特價值的方法，并讓對手難以追趕。

9、盡快為用戶創造價值

收集數據的同時創造價值。平衡用戶的數據收集以及對用戶有用的東西。最理想的情況就是在你學習的同時創造價值。另外，如果可以，找到可以通過與其他系統集成而加載到系統中的舊數據的價值。對將來收集的數據可以做的所有大事進行規劃是非常好的，但你必須有一些即時價值，讓人們堅持下去。

10、建立人工智能同客戶間的長久信任

如果你要創建智能代理，入門永不會結束。當涉及到智能代理時，用戶所擁有的初始主動體驗與代理結合正在進行的交互將驅動用戶如何以及將長期使用代理。智能入門（介紹代理）和用戶正在進行的教育是關鍵。隨著時間的推移，人們通過重復的互動，發展我們對其他人的熟悉度。這也是人類與智能代理進行交互的方式。如果用戶和代理暫時沒有交流，那么人們甚至可能完全忘記它。此外，重要的是要考慮用戶如何發現代理能做什么。代理可能需要發送它已獲得的新技能提醒，甚至簡單地提供一個可視化菜單，以顯示它能做什么。重要的是考慮如何將所有功能呈現給用戶，以便用戶了解它可以做什么，并且讓用戶記住智能代理。這些交流的主動性將驅動用戶在此列表中執行其他操作所需的預期。

11、創建人工智能與用戶的多媒體互動

從長遠來看，人工智能與人的交流比人與人之間的交流更好。這是因為人工智能比人類有更多的通信方式和輸入選項。基于聊天或其他視覺用戶體驗的最佳途徑通常不是創建完全文本驅動的體驗。同時包含文本元素和視覺元素（按紐等）的接口，我們稱之為混合接口，會在正確的背景下使用廣泛的輸入和輸出選項，以更有效地進行交流。需要與用戶進行良好的溝通，以確保收集好的信息，使軟件更加智能化。

12、創建性能指標

管理一個系統需要管理指標。衡量指標對企業來說至關重要，特別是當你從較大數量的產品用戶那里獲得重要數據時。AI驅動產品的成功指標將略有不同，但將分為幾類。1）收集到的數據質量可用來培訓，2）建模的質量可產生正確的輸出，3）AI增值測量，4）客戶成功指標（針對特定業務，包括對用戶的輸出質量）。隨著系統變得更加復雜，需要正確的指標來確保你能很好地管理復雜的系統。

管理AI驅動產品的終極建議

最后，這些思想的背后是一個共同的理念。我們必須開始考慮管理復雜的計算機系統，這些計算機系統是由能夠出現緊急行為的最新AI驅動功能驅動的。這是以一種為系統提供穩定性的方式管理參數，規則，檢查和平衡。考慮下管理經濟的方式，你不會通過明確說明所有商品和服務的價格來管理經濟。你在更高一層的系統來管理。你提出了一套對該系統有意義的規則（法律），并管理一些系統級變量（如聯邦基金利率）。獨立代理（在這種情況下，通常指人）將通過自我優化決策，根據自己的獨立需求和需求間相互作用來設定價格。

復雜軟件系統的管理是相似的，將意味著良好的信息采集設計，設置合適的參數，為您的軟件選擇正確的成功指標，并在系統級轉動合適的旋鈕，以保持系統處于你能夠管控的最佳狀態。因此，AI驅動的產品管理的一部分是真正復雜的系統設計，從復雜系統的角度來看，需要更多的思考。

免費試聽C語言、電子、PCB、STM32、Linux、FPGA、JAVA、安卓等。
想學習的你和我聯系預約就可以免費聽課了。
宋工企鵝號：三五二四六五九零八八  Tel：173--1795--1908