話題の「人工知能」について、気になるNの質問にお答えします

人工知能は、かなり長い間人気を博してきました。多くの投資家、起業家、そしてあらゆる規模の企業が、このまれなチャンスを追い求めているようです。特に、李開復教授が多くの公の場で人工知能の概念を推進して以来、人工知能に関するレポートや分析記事が至る所で見られるようになりました。

人工知能は、コンピュータサイエンスの最も輝かしい宝石として、過去数十年にわたって無数のコンピュータ科学者や実践者を魅了し、人工知能の将来の技術を常に探求しています。人工知能の分野で働き、この分野に細心の注意を払い続けているプロダクトマネージャーとして、多数の記事を読んでみると、漠然とした業界の話題を議論するためのギミックとして人工知能を使用しているか、人工知能の背後にある技術を詳細に分析しているかのどちらかであることがわかります。これらの記事はプロダクトマネージャーにとって実質的な助けにはならず、むしろ混乱を招くものであると強く感じています。

そこで、私は自分の経験、観察、分析を組み合わせて、製品の観点から人工知能について比較的包括的な概要と議論を提供したいと考えました。また、その過程で人工知能に対する理解を深め、より多くの友人を議論に参加させることができることを願っています。

この記事は少し長くなりますが、プロダクトマネージャーの観点から、人工知能について比較的包括的な概要と簡単な分析を提供したいと思います。この記事では、技術的な問題について議論するつもりはありません。NLP、DNN、ディープラーニングなどは取り上げません。代わりに、単に製品の観点から議論します。コアコンテンツのほとんどは、私の経験、観察、分析から来ています。

[[188140]]

1. 人工知能製品とは具体的に何でしょうか?

1. いわゆる人工知能製品とは具体的に何でしょうか?

コンピュータの世界では、膨大なデータの蓄積に基づく一連のデータ統計分析が構築され、いくつかのアプリケーション シナリオで重要な決定に対するガイダンスとサポートを提供できます。この製品モデルには、ビッグ データ コンピューティングと呼ばれる一般的な用語があります。ビッグデータコンピューティングに基づくシナリオベースの製品のほぼすべてを人工知能製品と呼ぶことができます。

人工知能製品は人工知能技術とは異なります。技術が中核的な競争力であり、製品にとって最も重要なことはそれが使用できることです。

一例を挙げてみましょう。ディープラーニング技術に基づく画像認識は人工知能技術であり、この技術を使用して設計されたユーザーが使用できる製品は人工知能製品であり、Microsoft Xiaoiceの「Xiaoice Dog Recognition」機能などが挙げられます。

2. AI 製品においてプロダクトマネージャーはどのような点に重点を置くべきでしょうか?

人工知能製品では、技術的またはデータの問題ではなく、シナリオベースの問題に焦点を当てる必要があります。製品マネージャーとしての私たちの主な関心事は、成熟した人工知能技術を適切なシナリオにどのように適用するかということです。

周知のとおり、人工知能技術は現在も開発段階にあり、完成に至った技術はありません。技術開発の過程で製品を作るときによく考慮しなければならないのは、自分の強みを生かして弱みを克服し、適切な分野に注力することです。

たとえば、AlphaGo の主な開発者である DeepMind チームは、過去数年にわたって 1 つのシナリオについて徹底的な研究を行い、画期的な進歩を遂げてきました。もう 1 つの例は、Amazon Echo スピーカーの人工知能音声アシスタントである Alexa です。人間とコンピューターの対話は非常に複雑な学術的問題ですが、Alexa はシナリオ (音声対話 + スマート ホーム) を巧みに制限し、ユーザー エクスペリエンスを非常に優れたものにしています。

したがって、人工知能製品について議論する場合、特定のユーザー グループに価値のある製品またはサービスのセットを提供できるように、特定のシナリオ、または制御可能なシナリオに焦点を当てる必要があります。人工知能を「データ」「アルゴリズム」「シナリオ」「ハードウェア」などいくつかのキーワードに分解すると、最も重要なのは「シナリオ」であると思います。この時点で、「シナリオベース」はまさに私たちプロダクトマネージャーが行ってきたことであることがわかります。

2. 人工知能はどのようにしてこれほど普及したのでしょうか?

それでは、2 番目の質問、つまり人工知能がなぜこれほど普及したのかに簡単に答えてみましょう。

実際、過去数十年間、人工知能はコンピュータサイエンスの非常にホットな分野でした。機械学習であれ、ニューラルネットワークであれ、さまざまな科学研究組織がそれに取り組んできました。ただ、基本的なコンピュータサイエンス以外の分野に携わる私たちのほとんどは、それを知るすべがありません。しかし、近年、人工知能が急激に普及してきました。これには少なくとも2つの理由があると私は考えています。

1. 客観的な理由

クラウドコンピューティングの発展により、データの収集、処理、分析が容易になり、ビッグデータはあらゆる分野のさまざまなデータシステムに存在するようになりました。ビッグデータの普及は、人工知能の普及をもたらしました。

さらに、ディープラーニング技術の発展は、画像処理、自然言語処理、ビッグデータ分析、レコメンデーションエンジン技術など、多くの新しいアイデアとソリューションをもたらし、多くの舞台裏の技術が一気に前面に出てくるようになり、多くの製品機能がディープラーニングによってもたらされた技術変化を直接適用できるようになりました。この技術がもたらす恩恵により、人工知能はユーザーにとってより身近なものとなり、注目度が増すことで好景気がもたらされています。

2. 主観的な理由

インターネット Web1.0 が 1990 年に始まったとすれば、インターネット Web2.0 は 2007 年から 2010 年頃に普及し始めました。 Web 1.0 時代では、人間とコンピュータのやり取りはパーソナル コンピュータを通じて行われます。人々は毎日決まった時間にコンピュータを使用します。コンピュータは、人々が情報に接続したり、他の人に接続したり、取引に迅速に接続したりするのに役立ちます。スマートフォンの普及と Web 2.0 時代の到来により、コンピューターの携帯性に制限されることはなくなりました。人々はいつでもどこでも携帯電話でインターネットにアクセスできます。断片化された人間とコンピューターのやり取りの影響は計り知れません。情報を得る手段はもはやメディアだけではありません。セルフメディアもより多くの情報を運ぶことができ、さらには有料の時代が来ています。チャットをするとき、オンラインとオフラインの区別はなくなり、いつでもどこでも人とコミュニケーションをとることができます。こうした変化は今日まで続いています。

振り返ってみると、Web1.0 から Web2.0 への移行は約 15 年続き、Web2.0 は 10 年ほど存在していました。時代の発展には常に興味深い法則があります。今日、私たちはWeb3.0時代を検討し始めました。その時の人間とコンピュータの相互作用モードはどのような特徴を持つでしょうか？近年登場したさまざまなチャットロボット製品やスマートハードウェア製品は、実際にこの質問に答えようとしており、資本はこの新しいものの発芽と発展を促進する必要があります。そのため、多くの主観的な報道が新しい人工知能製品を追跡し始め、この未知の革新分野に人々の注目を集め続けています。李開復教授の講演も、実はある程度、人工知能製品を主観的に広め続けています。こうした主観的なコミュニケーションの結果が人工知能の普及です。

さらに重要なのは、主観的なコミュニケーションは投資コミュニティと実務家にとって非常に大きな価値と意義を持っていることです。注目度が高まるにつれて、この分野に集まるエネルギー、人材、リソースが増加し、商業化が始まったばかりの人工知能に大きな利益をもたらすでしょう。

3. 製品の観点から見た人工知能の本質とは何でしょうか？

次に、この記事の核心部分を段階的に探っていきます。まずは、製品の観点から人工知能の本質を見てみましょう。

これまで自分たちが作ったり使ったりしてきた製品を振り返ってみると、プロダクトマネージャーとして次の 3 つの側面について考える必要があります。

• 製品のアーキテクチャとパスは何か: ユーザー ポートレートは何か、ユーザーは機能を 1 つずつ使用するためにどのようなパスをたどるか、どの機能がメイン機能で、どの機能が補助機能で、どの機能が操作機能か、機能の頻度分布は何か、など。
• 製品トラフィックの仕組み: 新規ユーザーを引き付ける方法、ユーザーの維持とアクティビティを維持する方法、目指す DAU と MAU を達成する方法、キラー機能は何か、など。
• 製品の商品化がどのように完了するか：トラフィック ファンネルがどのように形成されるか、*** 収益化モデルは何か、ビジネス モデルは安定しているか、競合他社との違いは何か、など。

したがって、製品における人工知能の本質を考える際には、実際には上記の 3 つの質問の観点から考える必要があります。

1. 人工知能はどのような製品の問題を解決しますか?

たとえゲームの価値であっても、人工知能は製品の価値を際立たせるためには製品内の問題を解決する必要があります。インターネットは効率化ツールとして、人々やあらゆるものを結びつける重要な役割を果たし、大きな価値も生み出してきました。では、人工知能によってこのつながりの価値を高めることは可能なのでしょうか?

例えば。金融ソフトウェアやサービスを利用する際に、最も改善が必要なセキュリティの問題はセキュリティです。長年にわたり、多くの金融ソフトウェアやサービスは、主にネットワーク セキュリティやユーザーの携帯電話紛失に関する懸念から、クライアント側であまり多くの機能を提供することに消極的でした。しかし、顔認識技術の急速な発展に伴い、多くのソフトウェアが顔認識機能を導入しています。大規模な取引やセキュリティリスクの高い操作を行う際には、フロントカメラをオンにして、まばたき、頭を左右に振る、上下に振る一連の動作を実行し、本人であることを確認するように求められます（一部のソフトウェアは人工知能技術を使用せず、これらのステップを証拠として記録するだけです）。この技術＋製品（シナリオ）の適用により、効率性の価値が大幅に向上し、製品の問題が解決されます。

人工知能は、製品の問題の 1 つの側面だけでなく、企業ソリューション全体の問題も解決することがあります。

たとえば、企業が取引、記録、財務、倉庫、物流などの分野にわたる 10 年以上の業界データを蓄積している場合、通常のアルゴリズムではそのような複雑なデータ システムを処理できなくなります。この時点で、ビッグデータは統計分析を通じていくつかの特別なパターンを効果的に見つけることができます。たとえば、商品の配送時間が変わると、取引数が2倍になる可能性があります。ビッグデータからパターンを見つけ出し、その出力を使って意思決定を支援するこの製品モデルが人工知能です。人間がそのようなパターンを見つけることは不可能なので、そのような決定を下すことは不可能です。

したがって、製品に対する人工知能の価値は、過去数年間のインターネットの価値の継続であることがわかり、効率の利点を最大化できることが期待されます。

2. 交通のための人工知能

人工知能は産業ではなく、トラフィックの価値を高めることを目的とした手段や方法であると私は考えています。

以前の記事「人工知能の「トレンド」において、検索エンジンが先駆者である理由は？」では、Baidu のトラフィック増加の価値である、Baidu の主力人工知能製品である DuerOS オペレーティング システムについて説明しました。 DuerOS オペレーティング システムは、さまざまなシナリオでアクセスして、いくつかの機能を実行できます。たとえば、音楽を再生したり、テイクアウトを注文したり、スマートホームの制御を手伝ったりすることができます。このようなマルチシナリオアクセスは、実際にはデータレベルでの深い沈殿の一種です。百度で検索し、百度知識や天馬などの製品を使用したユーザーの場合、百度はユーザーの年齢、出身地、職業、教育レベルなどを大まかに分析できます。これらのデータはかつて、広告目的でオンライン広告主に販売されていました。

DuerOS を接続すると、Baidu はこのユーザーが自宅にどのような電化製品を持っているか、毎日何時に自宅にいるか、生活のどの部分を最も重視しているか、どの消費の側面がより衝動的であるかなどを知ることができます。この時点で、Baidu はこのユーザーをより高い価格で販売できるだけでなく、広告後に消費者向け製品の推奨に直接介入することもできます。実際、DuerOS は Baidu が既存のトラフィックの優位性を深め、保有するユーザー データ価値の優位性を高めるのに役立ちます。

私は常に、人工知能の真の価値はトラフィックの価値にあると信じています。 Web 1.0 時代では、フローとは単なるクリックや訪問でしたが、Web 2.0 時代では、フローはデジタル化されて表現できる人物になります。では、Web 3.0 時代では、フローは実際の個人のすべてのシナリオの延長であるべきでしょうか?

人工知能製品では、トラフィックは単なる幅ではなく深さに重点が置かれる可能性があります。人間は本来怠け者です。インタラクションや問題解決の面では、人工知能の方が自然に近いです。AmazonのAlexaはifttt+workflow（知らない人はBaiduで検索してください）を使って、一連の特定のタスクを1つのコマンドで完了することができます。この効率の向上により、交通操作の深さが大幅に向上し、ユーザーのエンゲージメントが大幅に向上し、その想像空間は巨大になります。アシスタント製品が一連のタスクの完了を手助けしてくれるのであれば、なぜ煩雑なアプリをたくさんダウンロードする必要があるのでしょうか?

3. ビジネスモデルのトピックについて議論する

すべての AI スタートアップが科学研究に注力しているとは思いません。ビジネスを行っている企業であれば、最初の資金を投資した瞬間からすでに収益モデルを考え出しているはずです。我が国では、テクノロジー主導の企業が主流ではないため、ほとんどの人工知能企業は、シナリオベースで特定のビジネス上の問題を解決することで利益を上げようとしています。

例えば。前回のHammerフォン発表会では、「Triangle Beast」という人工知能企業が目立っており、同社が提供する「ビッグバン」機能もHammerファンに深く愛されていました。 Triangle Beastは実際にチャットボット製品を作っています。彼らは数十人のトップアルゴリズムエンジニアのチームを持っています（その多くは私の同僚でした〜〜）が、彼らは単に「小さな黄色い鶏」チャットボットを作って終わりにしたわけではありません。代わりに、チャット技術の蓄積を通じて、さまざまなBサイド企業にチャットエンジンを提供するようになり、各サービス協力は有料であるため、彼らの収益モデルがわかります。

大企業が人工知能に取り組むチームを編成する際、事前に商業的価値を考慮することになります。人工知能製品の開発にいきなり着手する企業はありません。BAT でさえ、自社のビジネスに基づいて人工知能チームを構築しています。 Baiduはユーザーデータを拡張するためにDuerOSを開発し、Alibabaも取引量を増やすために必要な人工知能を開発する予定です。

商業的利益の目的に加えて、ビジネス上の意義のもう一つの意味は、将来への投資です。企業が将来の技術の研究開発に取り組むことは、実は自社の中核競争力の持続性をある程度確保することにつながります。テクノロジーを基盤とするインターネット企業にとって、テクノロジーは最大の競争障壁となるはずです。遅かれ早かれ、R&D能力を持つインターネット企業にとって、人工知能テクノロジーの蓄積は投資する価値があります。

4. 人工知能製品の分類についてどのようにお考えですか?

それでは、人工知能製品の分類を見てみましょう。

私は人工知能製品を次のように2次元座標系に分割しました。

[[188141]]
人工知能製品座標系（図）

現在、ほぼすべての人工知能製品はこの座標系に当てはまります。以下では、この座標系について簡単に説明します。

1. 企業向けサービス VS 個人向け製品

エンタープライズ サービスは ToB ビジネスと呼ばれることが多く、個人向け製品は ToC ビジネスと呼ばれることが多いです。 ToB は実際に組織が直面している運用上の問題を解決しますが、ToC は特定のユーザー グループに特定の機能のセットを提供します。

いくつか例を挙げてみましょう。

中国には「Fourth Paradigm」という会社があり、海外にも「Palantir」という同様の会社があります。どちらも典型的なToB人工知能企業です。彼らの製品は非常に重要な特徴を持っています。それは、自社のデータと特性を組み合わせて製品を実装し、実装することです。単にアウトソーシング企業であると言うのではなく、PaaS+SaaSの組み合わせであり、自社のシナリオと組み合わせた独自のクラウドベースのテクノロジーモデルを通じて問題を解決しています。

Amazon の Alexa、Microsoft Xiaoice、Siri、Duer はすべて ToC の例です。これらは個々のユーザー向けの製品であり、独自の製品反復を通じて特定のグループのニーズを満たします。

2. 既存ビジネス VS 新規ビジネス

既存ビジネスは成熟した製品モデルに相当し、増分ビジネスは革新的な製品モデルに相当します。少し抽象的に聞こえるかもしれないので、説明のためにいくつか例を挙げてみましょう。

（１）既存事業

たとえば、ここ 10 年ほど検索エンジンを使用する際、最も慣れ親しんだ操作方法は、キーワードを入力すると、大量の検索結果がすぐに表示されるというものでした。ハイライト表示された結果から最も欲しいものを選択して検索を完了します。一度検索しても結果が見つからない場合は、再度検索する必要があります。現在、Bing Search はチャット会話を通じて検索を完了する新製品を米国で試験的に導入しています。

簡単に言うと、ロボットに質問すると、ロボットはすべての質問の中から最も可能性の高い回答を素早く見つけます。回答が間違っている場合は、チャット ダイアログ ボックスで質問を続けます。この技術の難しさは、それぞれの回答に非常に高い精度が求められる点にあり、複数回の会話を経てコンテキストを通じて精度が動的に向上する可能性があります。これは典型的な既存事業であり、検索事業自体は変わっていませんが、検索事業をより効率的にするために人工知能製品が追加されています。

例えば、アメリカのアマゾンが始めたAmazon Goも、人工知能技術によってクイックショッピングの効率性を高めているので、ストックビジネスでもあります。

（２）増分事業

増分ビジネスは通常、革新的なアプリケーションとして直接ラベル付けできます。これは、過去にほとんどの人が試したことのない新しい製品モデル、またはこれまで存在しなかった新しいシナリオです。

たとえば、Siri、Google Now、Cortana はすべて漸進的なビジネスです。これまで携帯電話を音声アシスタントとして使用した人は誰もいなかったため、これらはすべてこの分野のイノベーターです。この分野には、Turing Robot、Mobvoi、Assistant Laiyeなどの国内企業も含まれます。

例えば、自動運転製品は既存事業＋増分事業として考えることができます。自動運転は、コックピットに運転できるロボットを配置するということではなく、車の形態を完全に変えるものだからです。自動運転の未来は、運転手がいなくなり、交通事故さえも回避できるようになることです。このイノベーションは、自動車業界全体の未来を変える可能性を秘めています。

実際、人工知能製品の分類を注意深く整理すると、ほとんどの製品が「増分ビジネス」象限に分類されることがわかります。増分はイノベーションを表し、イノベーションは既存のビジネス制約を簡単に打破できるためです。変化の価値を見積もることさえ難しい場合もありますが、多くの企業がそれに投資することを妨げるものではありません。

これまでのところ、製品の観点から、あらゆる人工知能製品を大まかに上記のように分類することができます。

3. 人工知能の製品形態

しかし、ここで終わりではありません。もう 1 つのトピック、つまり人工知能の製品形態についてお話ししたいと思います。

既存の人工知能製品を振り返ると、人工知能製品には終わりという概念はなく、むしろサービスという概念があるという強い認識が得られます。 Siri の終焉が何なのかを定義するのは私たちにとって困難です。それはマイクかもしれないし、アプリかもしれない。自動運転製品の終焉が何なのかを定義するのはさらに困難です。

実際のところ、結末がどうなるかは重要ではありません。将来的には終わりという概念はなくなるかもしれないと思います。スマートハードウェアの普及により、人と接触するあらゆる場所が、おそらく言語インタラクション、身体感覚インタラクション、さらには脳波インタラクションなど、人工知能製品の担い手となるでしょう。重要なのは、もはや目的ではなく、自然なやりとりの方法なのです。

5. 人工知能の製品化に関するいくつかの質問に答える

上記のトピックについて議論した後、プロダクトマネージャーの仕事に戻りましょう。

1. AI プロダクトマネージャーに必要な能力は何ですか?

まず、AI プロダクト マネージャーはテクノロジーを理解する必要があるのか​​という疑問に答えましょう。

実際、それは必要な場合もあれば、そうでない場合もあります。

以前、「プロダクトマネージャーはテクノロジーを理解するべきか？」というタイトルの記事を書きました。その記事で私は、製品マネージャーは技術的な実装の詳細を理解する必要はないが、製品アーキテクチャ能力と製品ロジック能力を持つ必要があるという点を強調しました。同様に、人工知能製品では、DNNの詳細やディープラーニングの学習方法を明確に知る必要はなく、むしろ、技術モジュールが何であるか、ユーザーシナリオが何であるか、そして製品を通じてその2つをどのように組み合わせるかを知る必要があります。製品設計プロセス中に技術モジュールの詳細を理解する必要がある場合は、その技術の一般的なモジュール ロジックについて少し学習するだけで十分です。テクノロジーがどのように実装されているかを理解する必要はありません。それはあなたの仕事の核心ではありません。

実は、私の意見では、人工知能のプロダクトマネージャーと他のインターネットプロダクトマネージャーの間には本質的な違いはありません。前回の記事「オペレーション主導：オペレーションの本当の意味を理解している人だけが、真のインターネット人と言える」の最後で、私はマイクロソフト小氷での以前の職務経験についてお話ししました。 Microsoft XiaoIce の製品は、コアチャット CoreChat とシナリオベースの操作機能の 2 つの部分に分かれています。このプロセスでは、プロダクトマネージャーは強力な製品アーキテクチャ能力、ロジック能力、シナリオ能力、機能的インタラクション設計能力、運用能力、さらには BD 能力を備えている必要があります。これらはすべて、他の分野のプロダクトマネージャーとあまり変わらないようです。

したがって、人工知能製品マネージャーが備えるべきものは、依然として最も基本的な製品機能です。

2. 人工知能のトレンドは追求する価値があるか?

回答: 価値はあります。上記の説明はそれ自体を物語っています。

3. AI製品化のプロセスとはどのようなものですか?

私には、この質問に答えることができる「100、10、1」という未熟な小さな理論があります。

「100、10、1」の観点から見た人工知能：

100: 人工知能によって、100年後の世界はどのようになっていると思いますか?

10: 10年後にはどの分野で人工知能が人間に完全に取って代わると思いますか?

1: 来年、どの業界が人工知能によって直接影響を受けるか考えてみましょう。

人工知能のプロダクトマネージャーになりたいのであれば、将来のビジョンと組み合わせて、次に何が起こるかにもっと注意を払う必要があります。実際、医療業界におけるインテリジェントな補助診断・意思決定システム、自動車業界における自動運転支援機能、金融業界における顔認識技術など、一部の業界では人工知能の機能が導入され始めています。

VI. 結論

人工知能はまだ開発の初期段階にあり、ごく少数のユーザーがごく少数の機能のみを使用します。これは試行錯誤のプロセスに似ています。あらゆる新しい技術は産業の変化の原動力であり、唯一の違いはそれが大きな変化か小さな変化かということです。人工知能がもたらす変化は、間違いなく莫大です。人間とコンピューターのインタラクション、インターネットの効率化、あるいは単にイノベーションの観点から見ても、人工知能は将来、人々の生活やビジネス活動に多大な影響を与えるでしょう。プロダクトマネージャーとして、遅かれ早かれ私たちは人工知能の分野に注目しなければなりません。ちょうど10年前のプロダクトマネージャーがPCからスマートフォンへの移行を開始しなければならなかったのと同じです。

おそらく将来的には、映画「HER」で描かれているように、人間とロボットが最終的に調和して共存し、多くのニーズ、さらには生理的ニーズが人工知能によって満たされるようになるだろう。