不懂知识图谱的你，正在失去转行做AI产品经理的机会

伴随着AI这块新的投资风口，新兴企业对AI人才的需求也是激增。所以，你准备好了么？

一、AI来了，你被OUT了，有人却已在快车道上了

给你讲个恐怖的故事：我今年，32岁了！三十岁左右是一生中最焦虑的年纪。在大城市打拼的我们，每天在瞬息万变的互联网行业里累成翔；为了保住饭碗付每月的房贷或者房租，回家还要拼命学习成长，想怎么和有想法且已经创业几次的95后比更有市场竞争力；活在青春尾巴的我们，看着自己开始发福的身体不断问自己：会像李世石那样被阿尔法狗打败那样，被超人类的AI取代吗？

看另一批已借助AI先行出发、领跑时代的30岁产品经理们。85后的黄钊，既是较早的一批互联网产品经理（08年开始），又是最早的AI 产品经理（12年开始）; 既受到过最正规的互联网PM培训熏陶（腾讯），又在AI PM的行业探索前行（图灵机器人）；现在已经华丽转身为AI第一梯队、未来独角兽——图灵机器人的VP了。逆袭之路正在逐渐收窄，弯道超车的赛道开始闭合，只剩眼前这条路。那作为传统信息流产品经理的你，又能从哪个切入点找到转行AI产品经理的机会呢？

二、这个时代的焦虑，终需要用这个时代的技术解决

鲍捷老师的《人工智能的钟摆》中介绍到AI过去30年的八卦史，每一次轮回就像一次次的雪崩，起点是坚实的技术发展基础，暗流涌动的媒体煽动又一次次将其推向深渊。用王菲的歌来描述就是：一个一个概念都不过如此，沉迷过的概念一个个消失。但是，最近一次AI又借助AplhaGo 而名声大噪。人工智能的底层是海量大数据碎片化散落在世界角落，通过借助于云计算极低的计算成本和极强的计算能力，进而输出人工智能所需的各种结构化数据。在这之上是AI人工智能领域的范畴，包括：机器学习、深度学习、自然语言处理和知识图谱。

看到上面的图是不是感觉：知识图谱不就是人工智能的一个不起眼的小弟，同时还被机器学习、深度学习和自然语言处理各位更有名气大哥的挤到角落里的受气包吗？其实知识图谱是人工智能运筹帷幄之中的幕后英雄。

三、知识图谱又是什么鬼？

在一个快速迭代的行业里面，如果你看的只有大家都在热议的东西是做不了大事的。知识图谱最能体现人工智能的特色——像人类大脑一样思考！人类最擅长的思考方式就是将点和线关联起来并由点及面，然后抽丝剥茧，慢慢理清其中的逻辑推理关系。

福尔摩斯作者有一句名言:

“一个逻辑学家，不需要亲眼见过，或听过大西洋和尼亚加拉大瀑布，他从一滴水中就能推测出它们。”

知识图谱就像福尔摩斯破案一样，首先需要采集散布在各个角落的碎片化信息和数据，然后把它按标准化思考方式整理，再将各个看似不相关但背后有着共同联系的信息关联起来，并挖掘背后的规律，据此做深入的推理，最后激昂的背景音乐就此响起，智慧的福尔摩斯搬出最致命的证据，凶手的脸一阵抽搐……

知识图谱又可以从数据角度和技术角度来看。以数据方面为例，它就是一个语义的知识库，里面的组成单位是“实体—属性—关系”这样的三元组，各个组聚合在一起就构成了复杂的网状知识结构。比如“刘德华”周围有很多关系：他的别名、身高、生日、妻子以及电影作品，他演的《无间道》又包含了相关的导演、演员以及制片地区香港等。所以知识图谱能非常直观的表达对象与对象之间的关系。世间万物是一个错综复杂的关系网，但是无论形式上多么复杂，其实本质上都是简单的三元组。

以技术方面为例，知识图谱是从数据、情报到知识，最后再到智慧的过程。首先是分布式数据采集，这里面既会涉及到外部海量在线数据（像新闻，公司披露等信息），也会有内部业务数据。并且需要把采集来的数据像刚从果园采回的鲜果一样做彻底的清洗，然后输出干净的基础数据。下一步需要对其做语义处理，因为新闻本身可能也含有广告，所以需要通过自然语言处理识别新闻中到底谈到哪个公司，或者哪位高管，又或者提到公司的什么大事，比如中了什么标，可能会对业绩有较大的影响。做完语义处理之后，输出结构化标准数据，然后将行业专家的知识融合进来去建模，从而构建出各个行业的知识库。

在这个基础上，就可以做上层决策支持系统，通过更加简易的人机交互来访问这些底层的知识图谱。比如你向同花顺i问财提问“同花顺可以买吗？”，它首先需要理解你要问的是什么：意图是同花顺这个公司，实体是怎么样，要不要买；然后把它转化到庞大的底层知识图谱中去做搜索，最后返回给你想要的结果，比如同类型的事件当时同花顺股票涨跌的概率等。

四、人工智能的“神奇魔杖”

你现在对知识图谱有了大致了解，那我们再以通联数据萝卜投研揭秘猪肉价格上涨背后的产业链投资机会，来看看这个类似哈利波特手中的“神奇魔杖”到底已经如何运用到金融科技的前沿领域中了。在2015年7月，萝卜投研的数据监控系统对猪肉价格发出异动提醒，这时我们注意到猪肉价格自4月以来，已连续上涨超过 20% 。

进一步结合供需关系来分析猪肉价格上涨的原因，可以发现相比猪肉价格不断上涨的同时，而生猪存栏量却在持续走低，养殖行业并未进行补栏。

在系统推荐的关联数据中，仔猪价格仍旧表现平稳，因此可以预测，如果猪肉价格继续上涨，养殖者一定会跟风养猪，仔猪需求量就会上升，随之而来的就是仔猪价格的上涨。

如预测的那样，随后仔猪价格大幅飙升。

此时是投资生猪繁育行业的大好机会，那么仔猪价格的上涨是否也影响到了其上下游产业？更多潜在的投资机会也许就埋在这些关系链中。

于是利用萝卜投研的知识图谱，首先挖掘出了仔猪的上游产业——从饲料、疫苗再到维生素，这些都存在着不错的投资价值。

以维生素为例，在包括仔猪养殖量上涨等多种因素的叠加下，各类维生素价格出现了大幅度的飙升；这为主营维生素的企业提供了有力的业绩支撑。

回到知识图谱对产业下游进行观察，可以预估，到了2016年底，当这批生猪出栏之后，猪肉的屠宰业将引来业绩大爆发，这又利好相关上市公司。

可见，如果能拥借助知识图谱这个“神奇魔杖”，即使不是专业的农业分析师，也能试着从猪肉价格变化挖掘出整个生猪产业链里的投资机会。

不过，就算让华尔街人人自危的智能投研Kensho也达不到其宣称的那样：你问的问题它都懂。但是，这也正是AI产品经理与信息类产品经理思路不同之处：比如智能问答，没有太多UI界面设计，而是需要知道底层技术边界是什么，现在能做什么，以后能做什么，理解这套逻辑之后设计出来的产品才能不断去自我演化。像kensho不能回答的问题，就会搜集起来，自己去演化，通过和人的交互逐步把人想了解的知识、问的问题，集成到系统里面，让底层的知识图谱逐渐去匹配完善。这也就是为什么AI系统与传统信息系统不一样，它可能更多是搜集人机交互、外部信息，形成闭环，从而使自己像奋进不停的学习者一样不断成长演化。

五、机会之门正为你打开

伴随着AI这块新的投资风口，新兴企业对AI人才的需求也是激增。据LinkedIn的报告显示：过去三年间，通过领英平台发布的AI职位数量从2014年的5万飙升至2016年的44万，增长近8倍。截至2017年一季度，基于领英平台的全球AI领域技术人才数量超过190万，其中美国相关人才总数超过 85万，高居榜首，而中国的相关人总数也才5万人，缺口极大。

很多人讲没机会进入AI领域，其实你有没有想过，我们每一天都是做选择。比如，你开一个会，你在会上表现的沉默还是表现积极，方案给的是偏保守还是很激进，工作里的每一步，都是选择。选择会累积变成机会，机会最终会引发质变。机会来自量的积累，机会不是说来就来的。新岗位永远有缺口，这就需要你争分夺秒地去适应，去学习，去抢工作。 AI已来，未来不远！

在大模型时代，我们如何有效的去学习/入门AI产品经理？

现如今产品经理岗位需求越来越大，但是相关岗位人才难求，薪资持续走高，AI产品经理薪资平均值约27336元，而且，在一线城市北京，产品经理的均薪接近30K，在新一线城市、二线城市的薪资也很可观。

从产品经理这个岗位来说，无论是从薪资水平、发展空间还是需求量上看，依旧是个不错的岗位。

可能大家都想入门/转行AI产品经理，其中包括0经验的小白。都想通过这项技能真正达到升职加薪，就业或是副业的目的，但是不知道该如何开始学习，因为网上的资料太多太杂乱了，如果不能系统的学习就相当于是白学。为了让大家少走弯路，少碰壁，这里我直接把都打包整理好，希望能够真正帮助到大家。

一、AGI大模型系统学习路线

很多人学习大模型的时候没有方向，东学一点西学一点，像只无头苍蝇乱撞，下面是我整理好的一套完整的学习路线，希望能够帮助到你们学习AI大模型。

在这里插入图片描述

第一阶段：从大模型系统设计入手，讲解大模型的主要方法；

第二阶段：在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段：大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段：大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段：大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段：以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段：以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。