美国的麻省理工学院（Massachusetts Institute of Technology）专门卖力科技成果转化商用的部门研究表明：每一块钱的科研投入，须要100块钱与之配套的投资（人、财、物），才能把思想转化为产品，这样的情形还是在不考虑产品是否被市场认可的条件下。
1:100.便是科学家的专利到产品落地的间隔，在人工智能时期下的产品，恐怕会比1:100有更悬殊的比例，紧张由于当古人工智能领域的一些技能瓶颈，例如：

人工智能产品经理系列（三）产品经理应掌握哪些技能_人工智能_技巧 智能助手

1、近些年景长迅速的深度学习（deep learning）在运用的时候对付技能职员的履历依赖性依然很强，调参、网络数据、架构设计等没有通识的普遍规律，黑盒下的操作还是占很大比例。

2、 对付人工智能的认知障碍，只管我们当前已经在图像识别、人脸识别、语音识别，自然措辞处理、翻译及自动驾驶方面都有巨大的技能飞跃，并不乏商用化非常成功的案例，但是对付每个技能背后的事理，知识体系每每存在着断层，很多过程我们是无法用措辞或图像描述出来的。
算法可视化便是当前很多人工智能领域的公司很苦恼的问题，例如当一个新的运用到机器学习技能的产品问世时，用户如果抱着疑惑的态度纠结这个中的事理，可能连设计者都无法用任何办法将内在的事理可视化给用户看。
每每人工智能乃至都不须要设计者充分理解内部的机理就能产生意想不到的效果。

基于以上的技能瓶颈，AI产品经理的水平决定了技能到产品化的间隔，对付AI技能商用化难度、资金投入、韶光周期的判断每每须要大量的实践履历。
大家都是产品经理的时期已经由去了。
对技能一窍不通的产品经理即将在3-5年内被淘汰，如果公司有生手辅导行家干活的情形，在人工智能领域一样会被淘汰。

就连美国职业篮球联赛（NBA）达拉斯小牛队的拥有者Mark Cuban都说：

“Artificial Intelligence, deep learning, machine learning — whatever you’re doing if you don’t understand it — learn it. Because otherwise you’re going to be a dinosaur within 3 years.”

译文：“人工智能，深度学习，机器学习-不管你做什么，如果你对这些都不懂，那就赶紧去学。
由于如果你不学你一定会后进。
”

学习AI知识前的热身：

学习AI知识前，首先要理解当现代界上的几种人工智能商业派系，看看你属于或想进入哪个阵营中，由于不同的商业公司中，对付AI产品经理的哀求不同。
当前在世界范围内，人工智能公司（紧张针对创业公司）紧张分为三个阵营：

研究核心技能的AI公司（Core AI Companies）核心人工智能，紧张针对人工智能根本举动步伐的搭建：

核心人工智能公司

运用人工智能公司（Application AI Companies）：常日的表现形式是供应一种根本功能，客户可以通过调用封装好的API进行对自身产品的武装或添补，而无需自己研究根本功能。
由于每每对付一些中小公司而言，拥有的数据量有限，无法通过机器学习技能完成对每一个根本功能的建模和运用支配，因此须要借助这样公司供应的开放API能力，然后自身做垂直运用。

运用人工智能公司

行业人工智能公司（Industry AI Companies）：三个阵营中最靠近终端用户的公司，供应垂直领域的AI做事，帮助用户办理详细场景中的详细问题。

行业垂直运用人工智能公司

以上便是三个主流阵营的先容，个中核心人工智能公司每每对产品经理在技能层面哀求最高，运用人工智能其次，行业垂直运用人工智能公司是对产品经理的业务深度或行业理解深度哀求最高。
通过以上剖析，你该当找到自己当前的定位了。

怎么衡量“懂技能” ？

无论你是三个阵营中的哪个，你的技能知识，该当帮助你回答下面几个问题：

1、人工智能技能可能会给你的产品带来多大代价？由于产品永久是需求驱动，而非技能驱动。
别忘了，再前沿的技能，从理论到产品落地是有巨大投入的。

2、从技能角度，将人工智能技能运用到你的产品中须要哪些资源或准备？例如须要更多的数据，更完善的算法模型？只管很难量化这样的需求，你还是要尽可能的节制更多信息去做判断。

3、从技能角度识别人工智能领域中的哪些理论已经有了最佳实践，即须要判断技能的成熟度。

当你在将AI技能运用到产品中时，你该当能够给出答案：

1、 识别人工智能带来的代价是否真的被客户认可？这样的技能真的比传统技能更好吗？你须要多永劫光或多少样例数据来验证你的人工智能产品已经站住脚了？

2、 一旦产品上线后的效果没有预期好，你是否有备用操持？

3、任何一个机器学习功能的上线都须要占用研发80%或更多的韶光来完成对数据的准备（机器学习对数据的准备更占用韶光），你是否已经和研发部门充分沟通并达成同等？

对付人工智能的技能储备，我会在这个系列中后续文章中专门拿出篇章来讲。
敬请期待。

如果你对机器学习感兴趣，我还整理了自学机器学习的资料，感兴趣的可以自己去搜索资源并学习。

推举读物