1、AI不是目的，而是要了解AI是什么，真正意義上的強人工智能在前沿領域尚未取得突破，暫時只能在影視文學作品中去思考人機關系、機器人三定律在未來的變化等，所以要站在弱人工智能的角度進行討論；目前算力-算法-大數據構成的三角形已足以支撐技術的應用，要和現有行業結合，重點在于場景，了解場景下的痛點和需求，應用AI技術后能否讓需求滿足得更好更深，最終解決行業的問題。
2、產品的目的是為了滿足人（更好的生活和思考）和企業（增收、節支、提效、避險）的需求，作為產品經理要思考AI的價值，讓產品變得更智能，把人從繁瑣的事情中解放出來。
3、對于創業公司面對較大的創業空間要思考兩個問題：要不要走到和巨頭同一水平線？AI技術要拔尖到什么程度？無論2B還是2C，可以利用大公司的科技成果，更深更透地挖掘客戶的需求。
4、AI+理財：AI主要應用于c端的用戶獲取、理財產品合作、用戶流失預警和用戶召回，以及b端的智能投顧、風控、量化投資等，在原需求的基礎上提高效率，同時要考慮到不同國家市場的差異性，在行業需求未變的前提下運用不同的思考維度。
5、智能汽車：目前技術在朝L3、L4方向發展，幫助人類更好地駕馭終端，同時也衍生出人的交易、娛樂、社交這些深度存在的需求，在這些方面，目前只是在技術上吸引眼球。
6、智能音箱：需求依舊是音箱本身的需求，AI+更多的作用是營銷和教育用戶，為了讓用戶深入接觸了解AI，消除一些被誤導的恐慌和抗拒心理，形成對AI的理性認知。而最終落地的場景可能是以下三個方面：語音助理、推送內容+服務、智能家居中樞。
7、作為對AI的支撐，大數據的理解有助于構建整個生態。目前市場上各家平臺企業產生大數據，怎么利用，是其中的關鍵，而AI技術是為了幫助企業更智能地做事，更好地實時處理、挖掘和利用數據，越近的數據越有價值，要求數據具有實時性。
1、目前，語音交互產品還處于“行業中只有少數精品”的階段，需要讓B端用戶在C端有更好的用戶體驗。整個行業的成熟需要有非常多的標準化產品能滿足用戶日常需求，而目前行業主要矛盾是技術提供商的定制效率和B端用戶定制和產品迭代的需求不能被迅速滿足，而主要的瓶頸在語義設計工程師，沒辦法同時支持100種產品，思必馳對此的解決方案是定制規模化，把定制能力復制到低端用戶，提升低端用戶的用戶體驗。
2、設計過程的6個子系統包括全鏈路定制（語音喚醒-語音識別-語義理解-對話管理-輸出-最終的操作動作）、技能（語義解析、語言模型、對話管理、資源接入、安全隱私）、GUI和VUI結合的控件設計、解決問題形成閉環的青囊（運營監控、問題反饋、項目管理）、玲瓏（實時更新、跨平臺支持、離線正常使用、更優更玲瓏、硬件模組支持）、連接外部平臺的紫微。
3、開放是推動進步的基礎，社會化大分工是行業成熟的標志，由于語音交互的復雜，目前的企業都是把所有端到端環節都把握在自己手上，但不是面向未來的做法，希望通過開發合作后能實現行業中每個鏈條上都有優秀的公司來提供很好的服務，共同推動行業的發展。
1、AI技術市場應用價值的體現：減少人工、提升效率
1）2055年人類超過50%的工作實現自動化（麥肯錫）
2）2035年英美等12個發達國家的生產率提高40%（埃森哲）
3）2020年85%的客服服務由人工智能完成（Gartner）
2、建設銀行日均300萬交互量，相當于9000個人工坐席，9億元的人工成本；交通銀行月均代替的呼叫量為200萬次，月均成本節約140萬。
3、 小i機器人經歷16年的發展，全球超過5億用戶，并主導首個用戶界面情感計算的國際標準。
1、旅行中行程定制是非常痛的痛點，而且做行程調整也很麻煩，妙計旅行的解決方案是用戶決定要去哪幾個景點，具體的行程規劃由機器完成，在定制行程的同時幫助B端用戶整合旅游相關的資源。
2、AI算法主要是實現哈密爾頓回路&TSP問題中行程不重復
3、受到AlphaGo的啟示后，確定了一種用深度學習優化蟻群算法的方案，由搜索網絡（螞蟻的隨機性）和評價網絡組成（信息素更新，走得不好的螞蟻會起反作用）；而另一種思路是整體解決行程規劃問題，采用卷積等不同的技術手段。
4、深度學習的其他應用：人臉檢測（識別區分出“真實人臉”和“雕像的臉”，輔助照片搜索）、場景識別（酒店圖片做場景分類，準確率達到99%）、智能機器人。
1、案例：餐飲店的營收報表
第一階段通過excel做圖，數據分析效率非常低；
第二階段通過管理系統BI功能做圖，問題是無法給出異常數據的原因；
第三階段運用了AI技術后能得出異常數據的原因
2、企業上一代數據組織架構是數據倉庫，而新一代的企業數據組織架構是知識圖譜。
3、明智系統產品體系
4、搜索作為最成功的AI商業應用，主要原因是用戶對搜索的容忍度比較高，而AI的商業化核心是讓用戶合理地接受機器的錯誤，這也是2C比2B走得快的原因。
5、企業級AI市場缺乏好的產品、好的體驗的主要原因：
1）使用價值低：大量業務處理過程仍需人工干預
2）使用體驗差：操作不符合人類思維習慣，普通人無法使用
3）使用效率低：功能復雜，培訓成本高
4）不可解釋性：黑盒操作
1、只通過關鍵詞的搜索，無法準確識別語義，需要結合上下文。
2、情感計算+人工智能：情緒識別時，語音的優先級大于文字。文字表情部分是憤怒的，表情上是開心的，再結合上下文，一起來判定是開玩笑還是真的生氣。
3、情緒分類，不限于正負中三個級別
注：翁總演講時，提到了不少非常有趣的例子，來說明自然語言處理的一些難出，非常深入淺出，可惜不能復現給大家。
1、金融創新與轉型升級的核心驅動力：服務創新（網上銀行，電話客服、O2O等）和科技創新。
2、多個應用場景：智能語音質檢分析（錄音量大，降低人員配比量）、智能外呼機器人（信用卡催回款在m0和m1階段解放人工，場景判斷后再轉給人工處理）、智能客服機器人（自然語義解析交互）、實體機器人（銀行報號、咨詢信息的查詢）、智能語音導航（在咨詢電話中直達對應菜單、錄音調聽、統計分析）
1、從互聯網轉型到人工智能，比從傳統行業轉型到互聯網，更難。
2、為什么會有所謂的“人工智能鴻溝”（落地難）？因為算法、demo，更偏向于命題作文；而在產品化、商業化的時候，關鍵第一步就在于基于場景，去重新定義問題。而這是需要AI產品經理去關注的。
3、數據、算法、模型、算力等，是必要條件，但AI產品經理可能才是AI要落地突破的瓶頸。這是因為，目前AI技術雖然不能說完美，但至少是不影響產品經理們去做demo原型和驗證工作的。甚至說，要想完全由技術來實現一個完美的AI架構，可能是不現實的，反而需要產品經理從實際的場景和用戶反饋出發，反過來給技術、模型和算法提出建議，倒逼其優化。
4、根據互聯網產品經理的演進史，相比互聯網產品經理，AI產品經理才是真正的“需求產品經理”，因為AI領域需求特點：機會多、難度大、變化又快又大，導致老板（知識背景、時間精力等）無法兼顧，必須讓AI產品經理成為細分領域的小CEO，來做決策和承擔更大壓力。
5、AI產品經理和互聯網產品經理可能就不是同一群人，其核心價值（常態）是花6~12個月驗證60分問題（需求驗證）。
6、因為“感性”能力的稀缺度大于“理性”，文科生/女生有不錯的轉型機會。
1）價值方向
A）效率最優，升級為情感最優。
B）人類不尋求實現決策的最優化，而是采取令人滿意的結果就夠了。——諾貝爾獎獲得者Herb Simon
2）產品體驗
A）倫理學：養老院，2個老人，一個要看新聞臺，一個要看體育臺，機器人怎么辦？
B）動物學：將動物的行為、語言，和人類進行對比研究，特別是小孩子。
C）語言學、藝術、美、傳統文化……
3）實際例子-亞馬遜的 Alexa
為了讓 Alexa 擁有「人」的性格，亞馬遜找了很多女性來做性格塑造：
A）Alexa 的原始回應組織：由擁有創意寫作碩士學位的米歇爾.里根.蘭森負責；
B）回應趨近消費者的期望：由專門從事人格科學研究的心理學畢業生法拉赫.休斯頓負責；
C）另外，米歇爾.里根.蘭森手下還有一大幫劇作家、詩人、小說家和音樂家，他們每一周的「出品」都會被整合到 Alexa 的人格設定里面去。
4）面試現狀
聊天對話類AI產品經理，70%+面試者都是女生/文科生。
5）實操案例
A）AI產品經理-甲（剛轉型3個月）：互聯網產品經理也需要人文素養，為什么要特別提出這點？
B）AI產品經理-乙（轉型24個月）：需要了解AI技術邊界、有成本意識、有人文素養……
C）AI產品經理-丙（剛轉型3個月，負責整個事業線）：AI產品經理和互聯網產品經理相比，能力要求方面，最大的不同是什么？只說1點——“人文素養”。
7、“AI產品經理”雖然還沒有被行業真正、足夠的重視，但已經開始被行業接受了。
1、對于AI產品經理的能力要求，各位嘉賓重點列舉了以下幾項：理解場景、了解技術邊界、對未來產品用途的想象力等等。
2、關于轉型的建議，嘉賓們普遍提到了解數據和進行標注的重要性，從數據中了解行業，產生靈感；對于無相關經驗的同學，需要以實際行動來自己給自己背書（敲門磚），花了多少時間，看了多少東西，寫了多少總結分享等等。
3、在最后的提問環節，其實也分享了很多干貨和認知，全場音頻下載鏈接在：https://pan.baidu.com/s/1c1P1pcO 密碼: 2gc3
最后，福利來了，全部嘉賓的PPT下載鏈接: https://pan.baidu.com/s/1hsGLTXy 密碼: tpr4
