具体描述
随着人工智能技术在越来越多的行业中应用,诸多问题也随之而来,最主要的问题在于人工智能技术与行业的结合深度不足。在大多数情况下,人工智能技术只能解决表层的行业问题,对于深层的业务问题赋能不足。当前急需探索人工智能技术与行业结合的方法与模式。本书结合了笔者构建人工智能产品的实际经验,从人工智能产品流程、行业能力模型、人工智能技术等方面详细地叙述了人工智能产品的构建过程,特别突出了人工智能技术应用于行业的分析方法。本书也阐述了人工智能产品经理的工作流程、思维方式及成长路径。本书可作为现阶段想了解人工智能产品构建过程的人,或想成为人工智能产品经理的人的学习素材,也可作为各行各业人士了解人工智能产品构建过程的参考书。
作者简介
高飞:资深产品专家,拥有数学、计算机、药学等多个学位及交叉学科背景。在大数据与人工智能领域专注于行业与技术的结合,拥有超过7 年的人工智能算法与产品经验,对产业互联网的相关业务与商业模式研究深入。高级科学家(Senior Scientist),曾在中国科学院化学研究所及Pharmaron 公司从事小分子药物研发工作。2014 年开始从事人工智能算法研究及产品研发工作,主持研发了国内**药物临床前智能数据平台,得到国家食品药品监督管理总局药品审译中心(CDE)的高度认可。多次主持研发了区域电子病历及健康档案大数据平台(服务于江西、山东等省)。曾应邀主持国际**杂志《科学》中国年会医疗与脑科学分会。曾应邀参与协和医院“协和百年”信息规划项目,提供临床科研智能平台设计方案。现主持研发人工智能辅助工业符号语言识别系统,为诸多传统行业加速赋能。现为某世界 500 强大型科技企业产品总监,资深产品专家,国家慢病防控信息技术委员会理事,中国药学会高级会员,中国卫生信息学会常务理事,人人都是产品经理社区首批专栏作家。
目录信息
第1 章 人工智能时代的产品思考 / 1
1.1 人工智能产品 / 2
1.2 体系――人工智能产品框架 / 11
1.3 基础――数据的进化 / 15
1.4 方法――人工智能领域的研究方法 / 19
1.5 商业――人工智能时代的商业模式 / 25
参考文献 / 32
第2 章 无行业不智能 / 34
2.1 互联网的行业认知 / 36
2.1.1 互联网时代的下半场――产业互联网的兴起 / 36
2.1.2 如何才能懂行业 / 39
2.2 产业互联网的行业属性 / 45
2.2.1 产品需求的行业属性 / 45
2.2.2 产品逻辑的行业属性 / 47
2.3 行业与人工智能技术 / 52
2.3.1 人工智能与行业效率提高 / 53
2.3.2 人工智能与产业创新 / 54
参考文献 / 55
第3 章 人工智能产品的构建 / 56
3.1 逻辑梳理 / 59
3.1.1 人工智能产品逻辑体系 / 59
3.1.2 人工智能产品设计原则与方法 / 60
3.2 需求转化 / 65
3.2.1 需求与数据 / 65
3.2.2 需求的产品转化 / 66
3.3 数据准备 / 68
3.3.1 数据获取 / 68
3.3.2 数据治理 / 70
3.3.3 数据标注 / 84
3.4 模型建立 / 85
3.4.1 知识建模 / 86
3.4.2 非知识建模 / 89
3.4.3 特征工程 / 89
3.4.4 算法的选择 / 95
3.4.5 模型的开发 / 96
3.5 模型评估 / 98
3.5.1 模型的业务评估 / 98
3.5.2 模型的量化评估 / 98
3.6 沟通――构建人工智能产品的软技能 / 106
3.6.1 沟通分析 / 107
3.6.2 沟通控制 / 120
参考文献 / 122
第4 章 产品中的人工智能算法 / 126
4.1 算法概述 / 127
4.2 基于线性模型构建用户画像 / 130
4.2.1 线性回归 / 131
4.2.2 逻辑斯蒂回归 / 135
4.2.3 聚类算法 / 139
4.3 图像的处理原理 / 141
4.3.1 神经网络简介 / 141
4.3.2 神经网络算法概述 / 143
4.3.3 BP 神经网络 / 147
4.3.4 卷积神经网络 / 154
4.3.5 基于深度学习的目标检测 / 160
4.3.6 胶囊网络简介 / 162
4.4 自然语言处理与文本挖掘 / 163
4.4.1 自然语言处理流程 / 164
4.4.2 语料特征提取方法 / 169
4.4.3 循环神经网络 / 175
4.5 阿尔法狗系统的原理 / 177
4.5.1 博弈论基础 / 177
4.5.2 极小化极大算法 / 179
4.5.3 蒙特卡罗树搜索 / 182
4.5.4 强化学习 / 185
4.5.5 阿尔法狗系统 / 190
4.6 机器的逻辑推断 / 192
4.6.1 贝叶斯理论 / 192
4.6.2 马尔可夫网络 / 202
4.6.3 马尔可夫逻辑网络 / 205
参考文献 / 208
第5 章 产品经理的进化 / 211
5.1 产品经理的思考 / 212
5.1.1 产品经理的成长路径 / 212
5.1.2 中年产品经理的危机与未来 / 216
5.2 人工智能产品经理 / 223
5.2.1 人工智能产品经理的基本技能 / 223
5.2.2 人工智能产品经理的工作流程 / 232
5.3 如何成为人工智能产品经理 / 234
5.3.1 产品能力 / 234
5.3.2 技术能力 / 236
5.3.3 行业能力 / 241
参考文献 / 241
· · · · · · (收起)
读后感
关于人工智能产品的书已经很多了,但本书作者高飞有着数学、计算机、药学等多个学位及交叉学科背景,能更好地从行业应用的角度,通过产品来落地人工智能技术。本书重点突出了人工智能技术与行业的联系,推荐阅读。 ——苏杰 良仓孵化器创始合伙人、《人人都是产品经理》作者 高...
关于人工智能产品的书已经很多了,但本书作者高飞有着数学、计算机、药学等多个学位及交叉学科背景,能更好地从行业应用的角度,通过产品来落地人工智能技术。本书重点突出了人工智能技术与行业的联系,推荐阅读。 ——苏杰 良仓孵化器创始合伙人、《人人都是产品经理》作者 高...
关于人工智能产品的书已经很多了,但本书作者高飞有着数学、计算机、药学等多个学位及交叉学科背景,能更好地从行业应用的角度,通过产品来落地人工智能技术。本书重点突出了人工智能技术与行业的联系,推荐阅读。 ——苏杰 良仓孵化器创始合伙人、《人人都是产品经理》作者 高...
关于人工智能产品的书已经很多了,但本书作者高飞有着数学、计算机、药学等多个学位及交叉学科背景,能更好地从行业应用的角度,通过产品来落地人工智能技术。本书重点突出了人工智能技术与行业的联系,推荐阅读。 ——苏杰 良仓孵化器创始合伙人、《人人都是产品经理》作者 高...
关于人工智能产品的书已经很多了,但本书作者高飞有着数学、计算机、药学等多个学位及交叉学科背景,能更好地从行业应用的角度,通过产品来落地人工智能技术。本书重点突出了人工智能技术与行业的联系,推荐阅读。 ——苏杰 良仓孵化器创始合伙人、《人人都是产品经理》作者 高...
用户评价
这本书的价值远超一本技术手册的范畴,它更像是一本关于“人机协作”哲学的探讨。作者巧妙地将产品设计哲学融入到技术实现的细节中。比如,在设计用户界面与AI交互时,如何管理用户的期望落差?当模型出错时,系统应该如何优雅地“退场”或请求人工干预?这些都是在传统软件工程中很少被深入探讨的界面设计难题。书中针对不同成熟度的AI能力,设计了相应的用户引导流程,确保用户在使用初期不会因为模型的不确定性而感到沮丧。这种对用户体验的极致关注,体现了作者深厚的实践经验。阅读这些章节时,我忍不住会联想到自己正在进行的项目,并立即开始思考如何优化现有的交互流程。这本书迫使我从一个更宏观、更以用户为中心的角度来审视技术选型。
这本关于人工智能产品构建的书籍,简直是为我量身定做的!我一直对如何将那些前沿的AI技术落地到实际产品中感到困惑,尤其是对于那些非技术背景的产品经理来说,更是望而却步。这本书的叙事方式非常接地气,没有过多的晦涩理论,而是像一位经验丰富的大师在手把手地指导你走过从概念到上线的每一步。书中对市场需求的挖掘、用户场景的定义,以及如何将这些需求转化为可执行的技术指标,都有非常详尽的论述。我印象最深的是关于“最小可行性产品(MVP)”的章节,它强调了在AI产品中迭代的重要性,而不是一开始就追求完美。作者通过几个生动的案例,展示了如何在资源有限的情况下,快速验证核心假设,并逐步优化模型。这种实战导向的写作风格,让原本高高在上的AI开发过程变得触手可及,让我对接下来的工作充满了信心。它不仅仅是一本技术指南,更像是一份实用的创业路线图。
阅读这本书的过程,就像是参加了一场为期数周的沉浸式训练营。我特别欣赏作者在讲解复杂算法或工程挑战时所采取的类比和图示方法。例如,在讨论数据漂移(Data Drift)对模型性能的影响时,作者没有堆砌公式,而是用了一个关于“天气预报准确性随时间下降”的生动比喻,瞬间就让我明白了问题的核心所在。书中对于基础设施建设的讨论也极为深刻,它不仅提到了模型训练平台,更深入到了数据治理、可解释性AI(XAI)在合规性方面的作用。这对于那些希望构建企业级、高可靠性AI系统的读者来说,价值巨大。我尤其关注了关于A/B测试在AI产品优化中的特殊性那一节,它揭示了传统软件测试与机器学习模型测试之间的本质区别,让我对如何科学评估模型升级效果有了全新的认识。这本书的知识密度非常高,但组织得极其清晰,即便是初次接触AI产品化流程的人,也能从中找到清晰的路径。
我是一个习惯于系统性学习的读者,所以我非常看重书籍的整体结构和逻辑连贯性。这本书的篇章安排非常合理,从宏观的市场分析和产品定义开始,逐步深入到数据准备、模型训练、部署与运维,最后以持续优化和规模化作为收尾。这种递进式的结构,使得知识的吸收非常顺畅,不会出现逻辑上的断裂感。尤其值得称赞的是,作者对“运维”和“监控”环节的重视程度。很多书籍在模型上线后就戛然而止,但本书详细阐述了如何搭建健壮的 MLOps 流程,如何设置警报阈值,以及如何实现自动化回滚。这对于确保AI产品在真实世界中长期稳定运行至关重要。读完此书,我感觉自己不再是仅仅掌握了“如何做出一个AI模型”,而是真正明白了“如何管理和维护一个全生命周期的AI产品”。这是一次非常扎实和全面的能力提升。
老实说,市面上很多声称是“实战”的书籍,最终还是落入了理论说教的窠臼。但这本则完全不同,它充满了对“坑”的预警和规避策略。作者似乎将自己踩过的所有雷区都标记了出来,让我们能绕着走。让我眼前一亮的是关于“产品安全与伦理”的部分。在当下,AI的偏见和潜在风险是无法回避的话题,这本书非常负责任地探讨了如何从产品设计初期就嵌入公平性检查机制,以及如何建立透明的反馈回路来持续监控模型的社会影响。这不仅仅是技术问题,更是产品责任问题。作者提供的框架和工具箱,对于希望构建负责任、可持续发展的AI产品的团队来说,是无价之宝。它教会了我如何平衡创新速度与社会责任,这才是现代产品经理必备的素养。
这本书,对于各类人工智能的概念和算法,讲的都比较完善。
算法部分值得看,总结的还可以
作者是个实战派
实用
产品经理AI书里面相对偏技术的