AI產(chǎn)品的爆火，讓不少人都希望做AI產(chǎn)品經(jīng)理。但不是那么容易的，光是AI領(lǐng)域的這些基礎(chǔ)名詞，你知道多少呢？

DeepSeek實(shí)現(xiàn)信息整合和建議輸出，Manus則直接具備獨(dú)立完成復(fù)雜任務(wù)的閉環(huán)執(zhí)行能力，從DeepSeek到Manus爆火，前后不足2個(gè)月，技術(shù)更新的很快。AI成為標(biāo)配，產(chǎn)品經(jīng)理也要持續(xù)更新迭代，在不確定的時(shí)代始終給自己一份確定感。

進(jìn)化指南系列從AI基礎(chǔ)入門(mén)、應(yīng)用實(shí)踐、場(chǎng)景挖掘三個(gè)方面通俗易懂地記錄、分享AI學(xué)習(xí)與實(shí)踐。

基礎(chǔ)入門(mén)部門(mén)，系統(tǒng)地梳理大模型和AI基礎(chǔ)知識(shí)，建立AI領(lǐng)域的基礎(chǔ)語(yǔ)言，理解現(xiàn)有大模型的能力范圍和邊界，知道大模型能做哪些事情，不能做哪些事情。

AI產(chǎn)品、AI企業(yè)、AI產(chǎn)品經(jīng)理

人工智能產(chǎn)品=數(shù)據(jù)+算法+算力

如果把人工智能產(chǎn)品比如剛剛開(kāi)始學(xué)習(xí)的小孩，數(shù)據(jù)就是學(xué)習(xí)用的 “課本” 和 “資料”，數(shù)據(jù)越多學(xué)習(xí)的素材就越多；算法是學(xué)習(xí)的方法，不同的算法就像不同的學(xué)習(xí)方法，有的方法可能學(xué)習(xí)得又快又準(zhǔn)，有的可能就會(huì)慢一些或者容易出錯(cuò)；算力：相當(dāng)于 “大腦運(yùn)轉(zhuǎn)速度”，算力強(qiáng)就算的快，算力弱就有可能卡頓或處理不過(guò)來(lái)。

AI企業(yè)

分為基礎(chǔ)層企業(yè)、技術(shù)層企業(yè)、應(yīng)用層企業(yè)

AI=基礎(chǔ)層：做AI核心技術(shù)的公司，比如提供AI算法模型的Deepseek，提供算法芯片的英偉達(dá)

AI+=技術(shù)層：對(duì)于基礎(chǔ)AI能力進(jìn)行包裝和優(yōu)化，輸出通用方案的公司，比如計(jì)算機(jī)視覺(jué)、語(yǔ)音識(shí)別及語(yǔ)義處理

+AI=應(yīng)用層：結(jié)合人工智能技術(shù)進(jìn)行業(yè)務(wù)賦能，直接解決業(yè)務(wù)場(chǎng)景問(wèn)題的公司，金融+AI、工業(yè)+AI、能源+AI等等。

AI產(chǎn)品經(jīng)理

把AI技術(shù)包裝為新產(chǎn)品或融入舊產(chǎn)品，用新方法解決用戶需求的人。

做到这三点挑战，产品经理只会不断升值

好的产品经理是很稀缺的，懂用户、懂商业、懂数据的产品经理走出互联网，依然是抢手货。相反，如果只做简单传话、低效执行、浅层思考的产品经理，恐怕走不过未来3-5年的洪流。

查看详情 >

在這樣的要求下，就需要產(chǎn)品經(jīng)理了解AI技術(shù)原理，能夠進(jìn)行解釋說(shuō)明，理解現(xiàn)有AI的能力范圍和邊界，知道AI能做哪些事情，不能做哪些事情。

經(jīng)典算法模型

CNN 算法（卷積神經(jīng)網(wǎng)絡(luò)）

【原理】

可以把 CNN 算法想象成一個(gè)專業(yè)的圖像檢查員。當(dāng)你拿到一張復(fù)雜的大圖片時(shí)，要從中找出關(guān)鍵信息是很困難的。CNN 就像檢查員一樣，它不會(huì)一下子看完整張圖片，而是把圖片劃分成一個(gè)個(gè)小區(qū)域，使用特定的 “小窗口”（卷積核）在這些小區(qū)域上滑動(dòng)查看。

這個(gè) “小窗口” 會(huì)檢查每個(gè)小區(qū)域的特征，比如邊緣、顏色變化等。每檢查完一個(gè)小區(qū)域，就會(huì)輸出一個(gè)表示該區(qū)域特征的數(shù)值。隨著 “小窗口” 在整個(gè)圖片上滑動(dòng)，就能得到很多這樣的數(shù)值，這些數(shù)值組成了一個(gè)新的 “特征圖”。

CNN 會(huì)使用多個(gè)不同的 “小窗口”，得到多個(gè)不同的特征圖，每個(gè)特征圖關(guān)注圖片的不同方面。之后，它會(huì)對(duì)這些特征圖進(jìn)行處理，比如通過(guò)池化操作減少數(shù)據(jù)量，保留重要信息。最后，把處理后的特征輸入到全連接層，就像做總結(jié)一樣，根據(jù)這些特征判斷圖片的類別。

【應(yīng)用場(chǎng)景】

圖像識(shí)別：在安防領(lǐng)域，用于識(shí)別監(jiān)控畫(huà)面中的人臉、車輛型號(hào)等；在醫(yī)療領(lǐng)域，幫助醫(yī)生識(shí)別 X 光、CT 等影像中的病變。

自動(dòng)駕駛：識(shí)別道路上的交通標(biāo)志、行人、其他車輛等，為自動(dòng)駕駛決策提供依據(jù)。

RNN 算法（循環(huán)神經(jīng)網(wǎng)絡(luò)）

【原理】

RNN 就像是一個(gè)有 “記憶” 的智能助手，專門(mén)處理和時(shí)間序列相關(guān)的數(shù)據(jù)。當(dāng)你給它輸入一系列數(shù)據(jù)時(shí)，它不僅僅關(guān)注當(dāng)前輸入的數(shù)據(jù)，還會(huì)記住之前輸入的數(shù)據(jù)信息。

比如，當(dāng)你輸入一段文字時(shí)，RNN 會(huì)依次處理每個(gè)單詞。在處理當(dāng)前單詞時(shí)，它會(huì)結(jié)合之前處理過(guò)的單詞信息來(lái)理解句子的意思。這是因?yàn)?RNN 有一個(gè)循環(huán)結(jié)構(gòu)，它會(huì)把上一個(gè)時(shí)間步的輸出作為當(dāng)前時(shí)間步的一部分輸入，這樣就可以保留歷史信息。

不過(guò)，傳統(tǒng)的 RNN 存在 “長(zhǎng)時(shí)依賴” 問(wèn)題，也就是很難記住很久之前的信息。后來(lái)出現(xiàn)了 LSTM（長(zhǎng)短期記憶網(wǎng)絡(luò)）和 GRU（門(mén)控循環(huán)單元）等改進(jìn)版本，它們能更好地控制信息的記憶和遺忘，解決了長(zhǎng)時(shí)依賴問(wèn)題。

【應(yīng)用場(chǎng)景】

自然語(yǔ)言處理：用于機(jī)器翻譯，將一種語(yǔ)言的句子逐詞處理并結(jié)合上下文信息，翻譯成另一種語(yǔ)言；文本生成，如寫(xiě)新聞稿、詩(shī)歌等，根據(jù)前文內(nèi)容生成后續(xù)的文本。

語(yǔ)音識(shí)別：識(shí)別連續(xù)的語(yǔ)音信號(hào)，結(jié)合之前聽(tīng)到的語(yǔ)音片段來(lái)準(zhǔn)確識(shí)別整個(gè)句子的內(nèi)容。

GAN 算法（生成對(duì)抗網(wǎng)絡(luò)）

【原理】

GAN 算法由兩個(gè) “對(duì)手” 組成，一個(gè)是生成器，另一個(gè)是判別器，它們就像兩個(gè)在進(jìn)行比賽的選手。

生成器的任務(wù)是生成數(shù)據(jù)，比如生成圖像、文本等。一開(kāi)始，生成器生成的數(shù)據(jù)質(zhì)量很差，很容易被識(shí)別出來(lái)是假的。判別器的任務(wù)是判斷輸入的數(shù)據(jù)是真實(shí)數(shù)據(jù)還是生成器生成的假數(shù)據(jù)。

生成器會(huì)不斷學(xué)習(xí)，嘗試生成更逼真的數(shù)據(jù)來(lái)騙過(guò)判別器；而判別器也會(huì)不斷提高自己的判斷能力，準(zhǔn)確區(qū)分真假數(shù)據(jù)。在這個(gè)對(duì)抗的過(guò)程中，生成器和判別器的能力都不斷提升，最終生成器能夠生成非常逼真的數(shù)據(jù)。

【應(yīng)用場(chǎng)景】

圖像生成：生成逼真的人臉、風(fēng)景等圖像，在游戲開(kāi)發(fā)、影視制作中用于創(chuàng)建虛擬場(chǎng)景和角色。

數(shù)據(jù)增強(qiáng)：在訓(xùn)練機(jī)器學(xué)習(xí)模型時(shí)，通過(guò) GAN 生成更多的訓(xùn)練數(shù)據(jù)，提高模型的泛化能力和性能。例如，在醫(yī)學(xué)圖像領(lǐng)域，生成更多的病理圖像用于訓(xùn)練疾病診斷模型。

決策式AI和生成式AI

決策式 AI

【原理】

建立一個(gè)樣本歸屬于特定類別的概率，再對(duì)新的場(chǎng)景進(jìn)行判斷、分析和預(yù)測(cè)。決策式 AI先學(xué)習(xí)大量已有的數(shù)據(jù)和規(guī)則，當(dāng)遇到新的問(wèn)題或情況時(shí)，它就會(huì)把當(dāng)前的信息和自己學(xué)到的知識(shí)進(jìn)行對(duì)比分析，按照一定的算法和邏輯，衡量各種可能的行動(dòng)方案，最后選出它認(rèn)為最合適的決策，就好像參謀根據(jù)戰(zhàn)場(chǎng)形勢(shì)和以往經(jīng)驗(yàn)給出作戰(zhàn)策略一樣。

【應(yīng)用場(chǎng)景】

交通信號(hào)控制：根據(jù)實(shí)時(shí)的車流量、行人數(shù)量等數(shù)據(jù)，決策式 AI 決定什么時(shí)候該亮紅燈、綠燈，以優(yōu)化交通流量，減少擁堵。

人臉識(shí)別，決策式AI對(duì)實(shí)時(shí)獲取的人臉圖像進(jìn)行特征信息提取，再與人臉庫(kù)中的特征數(shù)據(jù)匹配，從而實(shí)現(xiàn)人臉識(shí)別。

決策式AI可以通過(guò)學(xué)習(xí)電商平臺(tái)上海量用戶的消費(fèi)行為數(shù)據(jù)，制訂最合適的推薦方案，盡可能提升平臺(tái)交易量。

生成式 AI

【原理】

生成式 AI 同樣會(huì)學(xué)習(xí)大量已有的數(shù)據(jù)，比如很多的圖片、文字、音頻等。但它不是簡(jiǎn)單地根據(jù)規(guī)則做決策，而是在學(xué)習(xí)這些數(shù)據(jù)的模式和規(guī)律后，發(fā)揮 “想象力”，按照這些學(xué)到的模式來(lái)創(chuàng)造全新的內(nèi)容，像生成一幅畫(huà)、寫(xiě)一篇文章、創(chuàng)作一段音樂(lè)等，生成的內(nèi)容看起來(lái)就像是人類創(chuàng)作的一樣。

【應(yīng)用場(chǎng)景】

現(xiàn)在比較火熱的 ChatGPT、Deepseek等大型語(yǔ)言模型這些都是生成式AI，可以生成生成文字、圖片、視頻等等。

這里推薦大家去看丁磊的《生成式人工智能》這本書(shū)，對(duì)生成式AI介紹很透徹。

常用AI算法

語(yǔ)音識(shí)別

【原理】

它先學(xué)習(xí)大量的語(yǔ)音樣本，記住不同語(yǔ)音對(duì)應(yīng)的文字內(nèi)容。當(dāng)接收到新的語(yǔ)音時(shí)，就把這個(gè)語(yǔ)音和它學(xué)過(guò)的樣本進(jìn)行比對(duì)，找出最匹配的文字內(nèi)容。

【應(yīng)用場(chǎng)景】

智能音箱如小愛(ài)同學(xué)、天貓精靈，用戶可以通過(guò)語(yǔ)音讓它播放音樂(lè)、查詢天氣等；汽車的語(yǔ)音控制系統(tǒng)，讓駕駛員通過(guò)語(yǔ)音操作導(dǎo)航、調(diào)節(jié)空調(diào)等。

虛擬現(xiàn)實(shí)（VR）和增強(qiáng)現(xiàn)實(shí)（AR）

【原理】

VR 是打造一個(gè)完全虛擬的世界，設(shè)備會(huì)根據(jù)人的動(dòng)作和視角變化，實(shí)時(shí)調(diào)整虛擬場(chǎng)景的顯示，讓人感覺(jué)自己真的身處這個(gè)虛擬世界中。AR 則是把虛擬的信息疊加到現(xiàn)實(shí)場(chǎng)景中，通過(guò)攝像頭捕捉現(xiàn)實(shí)畫(huà)面，然后將虛擬元素融入其中展示給用戶。

【應(yīng)用場(chǎng)景】

VR 常用于游戲，讓玩家有沉浸式的游戲體驗(yàn)；也用于一些培訓(xùn)場(chǎng)景，如飛行員模擬訓(xùn)練。AR 在教育領(lǐng)域，可以讓學(xué)生通過(guò)手機(jī)或平板看到書(shū)本上的虛擬立體模型；在導(dǎo)航中，能將路線信息疊加在現(xiàn)實(shí)道路畫(huà)面上。

深度學(xué)習(xí)

【原理】

可以想象成一個(gè)有很多層的知識(shí)大廈，深度學(xué)習(xí)通過(guò)構(gòu)建多層的神經(jīng)網(wǎng)絡(luò)來(lái)學(xué)習(xí)數(shù)據(jù)。它結(jié)合了有監(jiān)督和半監(jiān)督學(xué)習(xí)，在學(xué)習(xí)過(guò)程中，數(shù)據(jù)在神經(jīng)網(wǎng)絡(luò)的各層之間傳遞和處理，每一層都會(huì)提取出不同層次和抽象程度的特征，最終實(shí)現(xiàn)對(duì)數(shù)據(jù)的深度理解和分析。

【應(yīng)用場(chǎng)景】

人臉識(shí)別，用于門(mén)禁系統(tǒng)、安防監(jiān)控；工業(yè)生產(chǎn)中的產(chǎn)品質(zhì)量檢測(cè)，通過(guò)識(shí)別產(chǎn)品外觀缺陷來(lái)保證產(chǎn)品質(zhì)量。

針對(duì) AI 優(yōu)化的硬件和芯片（如攝像頭）

【原理】

這些硬件和芯片是專門(mén)為了讓 AI 運(yùn)行得更快、更高效而設(shè)計(jì)的。以攝像頭為例，它要快速、準(zhǔn)確地捕捉圖像或視頻數(shù)據(jù)，并且要能和 AI 算法很好地配合，把數(shù)據(jù)高效地傳輸給 AI 系統(tǒng)進(jìn)行處理。

【應(yīng)用場(chǎng)景】

安防監(jiān)控?cái)z像頭，配合人臉識(shí)別、行為分析等 AI 算法，實(shí)時(shí)監(jiān)控公共場(chǎng)所的安全情況；智能手機(jī)攝像頭，利用 AI 算法實(shí)現(xiàn)拍照美化、場(chǎng)景識(shí)別等功能。

生物特征識(shí)別技術(shù)

【原理】

就像給每個(gè)人設(shè)置了一個(gè)獨(dú)一無(wú)二的 “密碼鎖”。系統(tǒng)先學(xué)習(xí)每個(gè)人的生物特征（如指紋的紋路、面部的特征點(diǎn)、虹膜的圖案等），把這些特征轉(zhuǎn)化為數(shù)字代碼存儲(chǔ)起來(lái)。當(dāng)有人進(jìn)行身份驗(yàn)證時(shí)，系統(tǒng)會(huì)采集當(dāng)前的生物特征，和存儲(chǔ)的代碼進(jìn)行比對(duì)，如果匹配就驗(yàn)證通過(guò)。

【應(yīng)用場(chǎng)景】

家用指紋鎖，保障家庭安全；機(jī)場(chǎng)、高鐵站的人臉識(shí)別閘機(jī)，加快旅客通關(guān)速度。

機(jī)器人流程自動(dòng)化（RPA）

【原理】

用戶輸入具體的業(yè)務(wù)需求和規(guī)則，RPA 會(huì)按照這些規(guī)則自動(dòng)執(zhí)行一系列的操作，就像人在電腦上進(jìn)行的各種操作一樣，如數(shù)據(jù)錄入、文件處理、報(bào)表生成等，從而節(jié)省人力和時(shí)間。

【應(yīng)用場(chǎng)景】

金融行業(yè)的銀行賬戶對(duì)賬、保險(xiǎn)理賠處理；企業(yè)的財(cái)務(wù)報(bào)銷流程自動(dòng)化。

自然語(yǔ)言處理（NLP）

【原理】

通過(guò)對(duì)大量文本數(shù)據(jù)的學(xué)習(xí)，分析語(yǔ)言的語(yǔ)法、語(yǔ)義和語(yǔ)用等信息。可以感知環(huán)境數(shù)據(jù)（如新聞報(bào)道中的事件信息）、行為數(shù)據(jù)（如用戶在社交媒體上的發(fā)言），進(jìn)行情感分析（判斷文本是積極、消極還是中性情感），還能識(shí)別人的身份（通過(guò)對(duì)話內(nèi)容中的特征），結(jié)合智能穿戴設(shè)備收集的數(shù)據(jù)來(lái)分析人的精神狀態(tài)。

【應(yīng)用場(chǎng)景】

智能客服，自動(dòng)回答客戶的問(wèn)題；輿情監(jiān)測(cè)，分析社交媒體上公眾對(duì)某個(gè)事件或品牌的看法和情感傾向。

知識(shí)圖譜

【原理】

一個(gè)大型的知識(shí)倉(cāng)庫(kù)，把以前儲(chǔ)備的各種問(wèn)題和對(duì)應(yīng)的解決方法整理成一個(gè)數(shù)據(jù)庫(kù)，并且梳理出它們之間的關(guān)系。當(dāng)遇到類似的問(wèn)題時(shí)，就可以快速在這個(gè)倉(cāng)庫(kù)里找到相關(guān)的信息和解決辦法，并推薦給用戶。

【應(yīng)用場(chǎng)景】

電商平臺(tái)的客服機(jī)器人，如淘寶小蜜，當(dāng)用戶咨詢商品問(wèn)題時(shí)，它能快速找到類似問(wèn)題的答案進(jìn)行回復(fù)；智能搜索，在搜索某個(gè)主題時(shí)，能展示相關(guān)的知識(shí)和關(guān)聯(lián)信息。