|你看到的AI与智能无关( 三 )


  • 如果你需要训练一个意图 , 要生成1000句话来做素材 , 那么“找100个人 , 每人写10句” 的训练效果要远好于 “找10个人 , 每人写100句”;
  • 是用场景来分意图、用语义来分意图和用谓语来拆分意图 , 怎么选?这不仅影响机器人是否能高效支持“任务”之间的跳转 , 还影响训练效率、开发成本;
  • 有时候意图的训练出错 , 是训练者把自己脑补的内容放进去了;
  • 话术的重要性 , 不仅影响用户看着舒不舒服 , 更决定了他的回复的可能性——以及回复的回复的可能性——毕竟他说的每一句后面的话 , 都需要被识别后 , 再回复;
  • 如果你要给一个电影院做产品 , 最好用图形化界面 , 而不要用语言来选座位:“现在空着的座位有 , 第一排的1 , 2 , 3 , 4….”
这些方面的经验和技巧数都数不完 , 而且还是最浅显、最皮毛的部分 。 你可以想象 , 对话智能的设计规范还有多少路要走——记得 , 每个产品还是黑箱 , 就算出了好效果 , 也看不到里面是怎么设计的 。
“ 一个合适的AIPM ”
当真正的人工智能实现之后 , 所有产品经理所需要做的思考 , 都会被AI代替 。 所以 , 真正的人工智能也许是人类最后的一个发明 。 在那一天之前 , 对话智能产品经理的工作 , 是使用各种力量来创造智能给人的感觉 。
AIPM一定要在心中非常明确 “AI的归AI , 产品的归产品” 。 做工具的和用工具的 , 出发点是完全不同 。 应该是带着做产品的目的 , 来使用AI;千万不要出现“AIPM是来实现AI的”这样的幻觉 。

我们都熟悉 , PM需要站在“人文和技术的十字路口”来设计产品 。 那么对话智能的AIPM可能在这方面可能人格分裂的情况更极端 , 以至于甚至需要2个人来做配合成紧密的产品小组——我认为一个优秀的对话智能产品经理 , 需要在这三个表现优秀:
1. 懂商业:就是理解价值 。

对话产品的价值一定不在对话上 , 而是通过对话这种交互方式(CUI)来完成背后的任务或者解决具体问题 。 一个本来就很强的APP , 就不要想着去用对话重新做一遍 。 反而是一些APP/WEB还没有能很好解决的问题 , 可以多花点时间研究看看 。
这方面在Part 4 里的对话智能的核心价值部分 , 当中有详细阐述 , 在这里就不重复了 。
2. 懂技术:理解手中的工具(深度学习 + GOFAI)
一个大厨 , 应该熟悉食材的特性;一个音乐家 , 应该熟悉乐器的特征;一个雕塑家 , 应该熟悉手中的凿子 。 大家工具都差不多 , 成果如何 , 完全取决于艺术家 。
现在 , AIPM手中有深度学习 , 那么就应该了解它擅长什么和不擅长什么 。 以避免提出太过于荒谬的需求 , 导致开发的同学向你发起攻击 。 了解深度学习的特性 , 会直接帮助我们判断哪些产品方向更容易出效果 。 比如 , 做一个推荐餐厅的AI , 就比做一个下围棋的AI难太多了 。
下围棋的产品成功 , 并不需要人类理解这个过程 , 接受这个结果就行 。 而推荐一个餐厅给用户 , 则必须要去模拟人的思维后 , 再投其所好 。
人们在想要推荐餐厅的时候 , 通过对话 , 了解他的需求(绝对不能问太多 , 特别是显而易见的问题 , 比如他在5点的时候 , 你问他要定几点的餐厅)
对于围棋而言 , 每次(单次)输入的可能性只有不超过棋盘上19x19=361种可能性;一局棋的过程尽管千变万化 , 我们可以交给深度学习的黑箱;最后决定输赢所需要的信息 , 全部呈现在棋盘上的落子上 , 尽管量大 , 但与落子以外的信息毫无关系 , 全在黑箱里 , 只是这个黑箱很大 。 最后 , 输出的结果的可能性只有两种:输或者赢 。