开发和管理人工智能产品的十二点建议

growtika-developer-marketing-agency-9TFc_FRHkeA-unsplash

当软件开始自己编写代码，你将如何管理产品？这个“烧脑”的问题注定会让未来人工智能领域的企业家们夜不成寐、寝食难安。

当然，今天的人工智能技术距离上面的担忧还有一段距离，但不可否认的是，随着人工智能驱动的产品和软件越来越智能和复杂，软件产品的可预测性越来越差。正如AlphaGo在战胜李世石的过程中，AlphaGo的开发者们也不能直接探查AlphaGo到底在想什么，“功力”到了何种境界，机器自我学习和迭代的能力，使得软件的设计和管理将空前复杂。

对于大多数在软件行业浸淫多年的工程师、管理者和企业家来说，软件设计和管理的前提是软件输入/输出存在相当程度的确定性和可预测性，例如你输入李世石的一步棋，软件会给出一个确定的应对招法，但是到了AlphaGo，关于软件的所有基础信仰都被颠覆了，AlphaGo会不断自学给出更新更好的输出结果，甚至是人类都无法预测的。

AlphaGo其实是未来所有人工智能产品的一个预演和缩影，真正的人工智能产品，不再是一个静态的代码系统，随着数据维度和算法复杂性的不断增加，数据的输入和输出之间，存在一个人工智能系统的“黑箱”，我们无从得知机器是如何给出这些结果的，而且随着结果的不断反馈，人工智能系统的复杂度和不可预测性也在不断增加，未来的人工智能产品设计和管理，将颠覆此前我们积累的软件工程经验，面临复杂性带来的巨大挑战，以下是人工智能客服创业公司Talla产品副总裁Will Murphy给人工智能产品设计和开发人员的十二点建议(原文)，针对不同的开发领域，读者可以忽略或者修订这些建议：

一、聚焦

只有聚焦于特定领域，才能有效限制住复杂性的过度膨胀，因此专注并简化那些你能控制的事情，利用好你的软件专长和知识领域，让产品聚焦于一个精准的细分领域，例如这个“人工智能黄瓜分拣机”。

二、形成反馈循环学习机制。

你的人工智能系统需要通过与人或者其他系统的互动中学习，反馈循环学习机制能够让你的软件自我矫正和学习，甚至对产品和未来规划提供有价值信息。产品功能方面可以宽进窄出，一开始提供较多功能，然后通过反馈机制消减、聚焦、优化到特定功能和问题的解决上。

三、人的介入

人工智能系统的自我学习离不开人的介入，甚至Google都离不开大批的人肉“rater”。在很多应用场景中，机器学习反馈循环中人的介入，可以大大加快机器学习成长的速度。

四、Context为王

场景或者说情景（context）才能提高智能，如今我们收集和处理的场景数据超过以往任何时候，尤其是那些需要与人类互动的系统（例如人工智能助理），场景数据是关键所在（context is king）,只有掌握用户大量场景数据，例如位置、个人信息和偏好等数据，系统才能变得更加有效。

五、故障侦测与风险控制

一套进入生产阶段的人工智能系统，必须具备实时的故障和错误监控应急响应系统，即使出了纰漏或者事故，也能将损失或风险降到最低。同时我们还要重新反思产品的QA环节，我们必须大幅提升现有的QA流程才能满足AI产品的需求。

六、智能的故障恢复机制

当无法预测的人类遇到无法预测的人工智能系统，故障或者错误在所难免，人工智能产品需要具备完善的故障恢复机制，及时解除用户对系统异常结果产生的困惑。

七、采集和维护高质量的培训数据

数据的重要性无需赘述，对于人工智能系统来说，难点在于如何开发有效的互动机制，以及如何衡量数据的质量。

八、创建一个增长“飞轮”

来自用户的数据能不断为人工智能系统“充值”，使其更加有价值从而吸引更多的用户，提供更多的数据，在这个过程中，人工智能系统需要建立一个“飞轮”，让更多的用户数据直接推动系统的智能度提升，从而形成一个自动化的快速发展机制，让竞争对手望尘莫及。

九、尽快为用户创造价值

用户提供的数据是人工智能系统的基石，但是若想采集到更多的用户数据，你的系统必须同时为用户提供实实在在的价值，让头一批用户也能立刻获得价值回报，不要玩画饼的把戏。

十、开发人工智能助理产品，必须通过互动来建立信任和知识库

人工智能产品能做什么，消费者的使用预期应该是怎样？产品中增加主动沟通机制和功能能够大大消除人机之间的隔阂。

十一、人工智能助理往往需要混合型人机界面

虽然语音是时下人工智能助理的热门界面，但是从长远来看，人工智能助理产品与人类的沟通效率将超过人与人之间的沟通效率，原因恰恰是人机沟通界面的多样性，从文本、视觉、手势、语音到传统的输入设备无所不包，能够根据场景选择恰当输入方式的人工智能产品，将大大提高沟通效率。

十二、创建性能评估指标体系

管理一个系统首先要做的事情就是管理指标体系，为AI人工智能系统创建指标体系可以分为以下三个重点领域：1.数据质量。 2.算法模型质量。3.“飞轮”增长评估（适用部分企业）4.客户成功指标（对特定企业来说，还包括用户端结果输出质量）。随着系统越来越复杂，产品管理愈加离不开正确的指标评估体系。

总结：

管理AI人工智能系统就像治理经济，你不能直接去调整商品和服务的价格（输出的结果），而是通过增加规则（例如法律）、调整系统级变量（例如美联储利率），促使人工智能系统产生自我调控。总之，对人工智能产品的设计和管理，需要更多借鉴其他复杂系统的经验。