創新工場吳卓浩：人工智慧時代的產品設計
【億邦動力網訊】1月18日消息，由七麥數據、清科集團、品途集團、知群聯合發起「NextWorld2017新生態未來峰會暨年度風采獎頒獎盛典」日在北京千禧大酒店舉辦。創新工場AI工程院VP吳卓浩出席了本次大會並就《人工智慧時代的產品設計》發表了主題演講，他表示，產品設計可以從三種不同類型的環境當中切入：
第一種環境是互聯網巨頭成熟創業公司。
第二種類型是來自於傳統行業。
第三種類型可以分成是技術導向型跟服務導向型。
創新工場AI工程院VP 吳卓浩
據悉，此次峰會涉及「人工智慧、移動應用、新媒體、小程序」四大熱門領域，覆蓋創業、推廣、新媒體、營銷、產品等多個行業領域從業人員，共話行業未來創新與發展。
本屆峰會的獎項評選面向移動APP、微信小程序及微信公眾號三大熱門產品形態，旨在激勵企業全方位創新發展，表彰在開發層面不斷追求卓越、尋求突破的新生態優秀產品。
以下是演講實錄：
溫馨提示：本文為速記初審稿，保證現場嘉賓原意，未經刪節，或存紕漏，敬請諒解。
吳卓浩：大家好！很高興來這裡跟大家分享相關的內容。20年前選擇了從用戶角度切入，從去年又選擇了人工智慧這一方向。對我來說，以前一次更多的興趣來說，這一次真的是特別重要的，希望能夠再次跟隨整個大趨勢的一次選擇。其實大家都知道過去整個人工智慧發展非常戲劇化，剛才張鷹老師跟大家分析了創新工場在人工智慧這一波發展過程當中的幾個詳盡階段。我覺得非常有意思的是，在這個階段當中不同的人眼中人工智慧是完全不一樣的。比如說像在民眾的眼中，有些民眾就特別的樂觀覺得科幻片馬上要開始了或者是因為這些事情產生非常戲劇性的恐慌。但事實上人工智慧早已在我們的身邊，掏出手機使用各種各樣的互聯網產品，事實上已經大量的開始使用人工智慧。因為在這一波的人工智慧當中，包括它尤其在2015年開始迎來新一輪爆發，都是因為在過去的二三十年過程當中，互聯網事實上是在人類歷史上第一次為機器提供了足夠多的，可供機器學習，訓練成為人工智慧的素材，也就是數據。
在技術當中又不一樣了，同樣是創新工場對於接下來十年不同領域當中的細分預測。在這裡，大家可以看到既有在底層像晶元架構的層面，又有在應用從大數據機器學習到視覺到語言的這些方面，以及把過去互聯網虛擬空間當中和真實世界相互連接的感測器和智能硬體、智能機器人。大家可以看到今天做的很多事情都還是在吃老本，就像剛才說的依託於互聯網所積累下來的大量數據，由此訓練出的人工智慧推動我們做。大家可以看到在互聯網、移動互聯網的領域當中搜索廣告、內容、推薦、分發只是特別典型被使用，當然也包含本身有很多的傳統行業天然業務就是以數據為中心的，像金融就是一個特別典型的。
在此之上，大家可以看到有很多公司，包括在投資的時候像Face++和VIPKID，這些公司在最初投資的時候並不是一個人工智慧的公司。在最開始只是工具或者是服務平台，但是當這些數據積累到足夠大的量，在新的技術與人工智慧技術的推動下，事實上就產生了大量的新型應用。而在企業心中又是完全不同的一番狀況，民眾會盲目的樂觀或者悲觀，技術人會看很多各種各樣的具體細節，而對於企業家來說，其實是相對的簡單。因為在過去的這麼多年當中，大家也經歷過了若干次技術的變化，事實上每一次技術變化當它落地到具體的商業層面上來說，企業家真的不是完全在意說用什麼樣的技術來解決公司，更在意的是如何在商業版圖當中。比如說具體的是能夠多掙錢，少花錢。比方說現在在屏幕上放出的一個很典型的例子，新零售商業版圖當中技術如何應用。
在2017年討論最多的像無人店、無人貨櫃、無人結賬等等這些。事實上，在整個商業版圖當中只是前台當中很小的一部，之所以獲得這麼多的關注是什麼？因為它比較容易的切入，是因為它能夠和過去所熟知的，包括像用戶體驗，包括前台的一些場景更容易能夠被看到的一些場景結合起來。事實上，對於商業的效率提升最高，對於商業的潛力發揮額最大，其實大部分發生在中台跟後台。如何一步步去切分，去進入到真正對商業影響更加深刻而有實在意義的領域當中？這就是我們和已經所投資的創新公司努力的方向。
我分享的主題是側重在產品設計方面，不管是行業當中作為創業的，還是作為個人的職業發展，不得不面對這樣的一個問題，我究竟應該在一個什麼樣的環境當中去切入？我們可以把它看成是有三種不同類型的環境。
第一種環境是互聯網巨頭成熟創業公司，因為這些互聯網巨頭在手中有大量數據的積累，所以天然的就有先發優勢。同時在人才方面之前有人才的儲備跟優勢，可以依據自己的數據和人才的優勢自己做起來，當然這樣的環境當中也是有三個劣勢，因為在這些公司當中所有的力量一定要圍繞自己的主營業務來發展。所以對於不同的創業者或者說對於不同的人才來說，可能會有不同的發展目標，不見得和公司的主營業務完全吻合。
第二種類型是來自於傳統行業，當然也包括政府和組織。在這些傳統的行業和組織當中，在過去事實上已經是積累了大量的數據，雖然說這樣的數據在過去並沒有有效的使用起來，甚至有大量的數據還不能夠成為結構化的數據。比如說最典型的像安防領域，過去所錄下來的動態影像，事實上是沒有辦法應用的。不知道大家有沒有聽說過，國家要破一些大案要案，為了處理監控錄像，甚至會請公安大學幾萬名師生就在那兒看一個月。因為這些是沒有能結構化的數據，沒有能夠被機器所應用的數據，甚至都不能夠被稱作是技術。但是在新的條件下，新的人工智慧方面，不管是視覺還是自然語言方面的突破，都讓傳統意義上很多沒有辦法被有效利用的數據，可以被使用起來，同樣產生新的機會。但是這樣的組織當中也有問題，雖然說他們坐在金山上，但是因為他們的組織架構，因為文化，事實上是沒有辦法在企業內部，在機構內部建立起來足夠強大的技術團隊，也沒有辦法真正應用，也沒有辦法讓相應的人吸引到足夠多的人才，並且在其中發揮重要的作用。於是就出現了第三類。
第三種類型可以分成是技術導向型跟服務導向型。比方說像典型的自動駕駛企業，這樣的創業公司切入到自動駕駛領域當中，雖然說他所面對的是世界上甚至有過百年積累的廠商，其實在數據這一項並沒有足夠的優勢，新興的創業公司和傳統世界型的大廠商相比沒有顯著的劣勢，甚至因為少背了很多包袱，反而可以急流勇進走得更快。這是一類做技術型的，一定找到精確點插得深，儘快找到商業的地方。
還有是服務型，大家知道真正能夠既有數據積累，又有技術人才積累的企業，其實在整個世界上是極小的一部分。一點不誇張的說，在今天討論「人工智慧+」的時候，甚至連「互聯網+」都還沒「+」過，甚至都還沒考慮過。在這樣更大範圍內各種細分領域的傳統企業，事實上是需要大量的賦能工作，於是就產生了服務型的創業公司。包括說在創新工場人工智慧做這樣的大量工作，幫助很多有數據積累或者說有數據積累的潛力，尤其是傳統行業的公司，包括政府機構能夠充分的應用人工智慧去發覺新的機會。
對於在座的各位來說或者你們要是有朋友想要考慮說，我想順應人工智慧的浪潮來進行一些個人的職業發展，不管是說就業，還是說創業，可以試試看看，你希望怎麼選擇上述的三種大類型當中的哪一種？
說回到具體的產品設計當中，我希望從這樣的三個方向來跟大家闡述一下，我在過去的這段時間研究的一些新的體會。產品的設計基礎，產品的設計對象跟產品的設計方式都發生了重大的變化。
首先是從產品的設計基礎來說，傳統的基礎仍然是有效的，比方說該做的研究還是要做研究，該做競品分析的還要做競品分析，這些基礎仍然存在。但是技術發展實在太快了，真的必須要保持高度的敏銳才能夠跟上，這項技術或者這件事情可能在幾個月之前都是不可想像的，但是在今天突然就可以了。但是在所有的這些當中，對我來人觸動更深的其實是第三點，就是如何以AI的思維方式來進行產品的設計。
舉兩個例子。
第一，跨越時間、空間的界限。時間、空間對於機器來說，真的是一個非常相對的概念，它需要的只是資源。我們在做產品設計的時候，經常會遇到的是什麼？如果說我們希望做一個面對一百萬人這樣的測試，我希望做一個需要在世界範圍內50個城市來做採樣的嘗試，會往往因為要投入資源太多，時間太長，然後就放棄吧。我們取一個簡單的方式才有定性定量和發展起來的ab-test的方式。這也是互聯網在過去取得的成績遠超傳統行業。
對於機器來說，做一個萬級和百萬級、億級的嘗試或者數據收集整理或者取詳盡一整年的數據收集或者是在全世界範圍內做各種各樣的數據採集跟分析，對機器來說只要給足夠的資源沒區別，做一秒鐘跟一分鐘沒區別，一兩個城市跟一千個城市沒區別，這就帶來了巨大的變化。如果說我們設計非常充分的有效框架環境讓機器能夠幫助我們，事實上這種跨越時間、空間的界限能夠幫助我們更好地去擁抱不確定性，擁抱各種各樣的環境，它所帶來的結果是跟以往全靠人力，全靠有限的能力來推進會產生巨大的變化。
第二，是千人千面。大家知道在過去的幾十年當中，雖然說互聯網、移動互聯網是有進展，但是本質上來說都還是設計一個產品給所有人，每個人用到的產品很難說，是沒有太大的區別。但是在人工智慧領域當中，服務一個人跟服務一千個人也沒有任何的區別，完全可以實現高度定製化的產品跟服務。比方說像在教育領域當中就有一些非常有意思的應用，針對與每一個學生他個人的知識結構，針對於他的學習進展，訓練表現出來的情況而充分定義他們自身的學習計劃。我聽到最誇張的例子是說，他們做機器人的人工智慧老師，36個小時的學習效果相當於真人老師100個小時的教學學習效果。這些都是人工智慧所帶來的非常大變化。如何在進行產品設計的時候能夠以人工智慧思維方式來推進？這是一個巨大的挑戰。
從設計對象來說，一方面做產品設計人會發現過去很多具體的對象發生重大的轉變。甚至人工智慧的領域當中都沒有成型的界面，看不到了，沒有UI，沒有視覺化的UI。比方說像語音交互，你說我們接下來在用設計方法的時候還用什麼？用畫草圖的方式嗎？沒有草圖可以畫了，怎麼辦？在這裡面一切都需要回到商業系統的設計開始。我們所有的事情都是為了解決商業的問題，這就有點像回到了90年代，我不知道在座的各位有多少人是從90年代過來的。
90年代的時候，事實上，所有的這些設計內容沒有專職的產品經理，有項目經理，沒有專職的設計師，很多時候都是在退回重新梳理商業，然後再做事情。在這中間就像剛剛張鷹老師也分享到的，因為是有各種各樣的，不僅僅是有語音的交互，還有包括像動作的，還有很多基於不同類型的感測器，超出人類感知各種各樣的互動方式而產生，所以就有更多的這種互動的方式是要被設計。當然也包括是以設計為手段來獲取使用數據。
在現有的方式來說，跟剛剛所說的把服務設計、工業設計，像前段花了很長的時間在做工業設計、做硬體的設計，就是因為我們要解決的是一個商業問題，而不是單純的軟體問題或者單純的硬體問題，所以我們需要把各種各樣的設計對象，各種各樣的設計方法整合起來。當然數據是永遠繞不開的一個話題，圍繞著數據來進行收集利用跟反饋。重新構建整個團隊當中的協作關係。
最後，在這樣的時代當中，我們需要什麼樣的人才或者希望把自己培養成怎麼樣的人才？大家注意這是兩根曲線，一根藍色的線代表技術專家，橙色的線代表產品跟設計方面的專家。事實上這並不是一個新鮮事，每一波的技術推進都是由技術專家所推動的，所以看到說技術專家一定會首先入場發揮出更大的價值，就像今天被高薪瘋搶。首先是這樣的，然後才是經過一段時間，也許時間是三年、五年，甚至是十年，才會是設計產品能夠發揮更大價值的地方。當然在今天看到因為技術的進步非常迅速，所以我們也有理由相信產品經理、設計師，屬於AI時代的表演時間也會更快的到來。
最後的最後有一些學習資料，如果在座的各位你們要有興趣可以拍照留念去看一看，包括說看什麼，包括說可以參加什麼樣的討論。其實在創新工場也做了像全球AI創新挑戰賽數據的社區，也有面向大學生的培訓營，最新在策劃面向於中國高校老師的培訓班。為的是能夠幫助整個行業培訓出更多、更好的人工智慧人才。
謝謝大家！
本文來自億邦動力網，創業家系授權發布，略經編輯修改，版權歸作者所有，內容僅代表作者獨立觀點。[ 下載創業家APP，讀懂中國最賺錢的7000種生意 ]
TAG:創業家 |