AI 產品經理，我的學習方法

AI 產品經理的職缺越來越多，搞得大家一副非跳進這波浪潮不可的樣子，彷彿不找個和 AI 相關的工作就會瞬間掉隊。但我只能說，別急著追風口，有些人已經在這波熱潮裡磨刀霍霍，準備割韭菜了。是要跟風還是被割，自己想清楚。

還是得要懂一點技術

這問題你躲不掉，因為做 AI 產品，真的跟一般的 B 端或 C 端產品不一樣。平常的產品經理，聽一聽需求，做個幾年的產品經理都大概就能梳理出運作流程，抓到要解決的用戶痛點，接著去規劃、執行就好了。

但 AI 產品不是這麼簡單，你得摸清楚演算法的邊界在哪，否則你可能根本不知道這個功能到底能不能做得出來，甚至連「可能性」都無法判斷，這就是為什麼 AI 產品更需要技術深度和對邏輯的精準掌握，別指望靠模糊的方向感去亂撞。

我舉個例子，今天你收到一個需求：從圖片中來文字識別，用來做什麼什麼……，這時候你可能第一步就是去 Google 查資料、問問 ChatGPT，看看目前有哪些技術原理、哪些工具可以用，到這裡，一切都還算順利，問題不大，感覺就是個簡單的技術研究，沒什麼特別難的。

但問題是，當你跟「演算法工程師」討論時，你們雙方的理解程度差得十萬八千里，這可不是簡單的溝通不良，而是你根本不知道問題出在哪，而且你也聽不懂演算法工程師在說什麼。

假設，你已經知道在要在圖片中進行文字識別，可以依靠 CNN 負責找出圖片的特徵值，而 LSTM 可以用於處理序列數據（如文字序列）。這種技術架構理論上能夠開發出圖片中的文字識別功能，然後呢？這樣就完了嗎？絕對不是。

現在你得開始想，這些技術能解決真實問題嗎？例如：圖片中的模糊、光線過暗或過亮導致CNN 無法準確提取特徵，導致識別錯誤，又或是手寫字跡或字體過於特殊，LSTM 難以正確理解文字序列呢？

你不可能指望工程師憑空去解決這些問題，你必須深入理解工程師的卡點在哪裡，我們才能知道這個需求能不能真正被開發出來，能不能在預期的時間內完成，讓你的老闆去賣大餅的時候才不會被洗臉。

你做產品，永遠不能只停留在需求定義和痛點上，你得夠清楚，這些技術不會像你想像中那麼簡單，如果你對技術一無所知，你就會在討論過程中迷失，最後讓自己陷入做不出來的困境。

做 AI 產品，千萬別以為技術不關你的事！這項功能能不能做？怎麼做才對？做出來會不會出現預料之外的問題？如果你對這些問題都沒把握，那你不過是在帶領一群人在沙灘上堆城堡，等著被大浪淹沒。

AI 領域要先搞清楚

什麼是 AI ？這問題聽起來簡單，但其實很難用一句話回答清楚，你可以不要先想得太複雜，讓我用一個簡單的比喻來解釋。

AI 就像「食物」。

臭豆腐是食物，豆花也是食物，肉粽還是食物，食物有非常多的種類，而 AI 就像是「食物」這個總稱，底下可以細分成很多種不同的類別，每個類別有它的特點和用途，AI 不是單一的東西，而是一整個「家族」，裡面有各自的「菜系」，而每個菜系的工具和技術，解決的都是不同的問題，而以下項目，也被稱為 AI ：

• 自然語言處理（NLP）：讓電腦能理解、分析和產生自然語言，就像模仿人類的語言能力一樣。
• 電腦視覺（Computer Vision）：讓電腦看得懂並解讀影像資料，像是圖片或影片中的內容。
• 機器學習（Machine Learning）：透過數據訓練，讓機器能學會模式和規則，並用來做出預測或判斷。
• 深度學習（Deep Learning）：機器學習的一種進階方法，透過多層神經網路模擬人腦的學習過程，用來處理更複雜的數據。
• 推薦系統（Recommendation Systems）：根據使用者的喜好和歷史行為，推薦適合的商品、服務或內容，例如線上購物或串流影音平台。
• 語音辨識與合成（Speech Recognition and Synthesis）：讓機器能聽懂我們說的話，還能用自然的語音回應。
• 自動駕駛技術（Autonomous Vehicles）：讓車輛能自主判斷路況並進行安全駕駛。
• AI 醫療應用（AI in Healthcare）：運用 AI 技術協助醫生進行病狀的診斷、治療方法設計或藥物的研發。
• 機器人（Robotics）：設計讓機器人能執行人類指派的各種任務，例如搬運、清潔甚至手術。
• AI 藝術創作（AI in Art）：利用 AI 創造藝術作品，像是繪畫、音樂或文章，讓科技和藝術等等。
• 生成對抗網路（GANs）：用來創造虛擬數據，例如生成逼真的圖片、影片或音樂。

好，落落長的寫那麼多，你喜歡哪一個？對，這個就是和一般傳統產品經理在做產品的時候不一樣的地方，你不可能什麼都精通，所以，在跳入 AI 產品領域時，就要先想好了，因為領域你一旦選好之後，就要開始往那個方向去研究，才能在面試的時候跟人說的頭頭是道，講出對方現在做產品是不是遇到了什麼卡點，或是用戶不喜歡現在工程師自已土炮做出來的產品，你今天會怎麼改。

我的 AI 產品，幾乎都是文字互動

從對話機器人開始

我的 AI 產品之路，最早就是從客服機器人開始。當時老闆的需求很明確：想減少人力和資源的消耗，又想打造一個對外看起來像「AI」的平台。結果，那時候的技術環境根本還是非常「土炮」，完全靠關鍵字觸發來回應用戶，但老實講在還沒有 ChatGPT 的年代，這類產品還真的解決了不少客服的痛點，我來講講當時幾種方式：

一、關鍵字觸發
像是當使用者輸入：「你家產品是垃圾」，機器人會觸發預設回應：「你才是垃圾，你全家都垃圾。」

二、特定句型或意圖匹配
例如，使用者說：「我覺得很難過。」機器人識別到「我覺得X」這個句型，回應：「為什麼你會覺得X？」

三、決策樹導引
像是：「請選擇服務項目：1. 查詢訂單 2. 更改地址」這種選項式對話，但我超討厭這種，很浪費使用者的時間。

但這些設計最大的痛點就是，需要大量手動設定，一旦沒有把所有可能的情況窮舉完，就會變成無法回應的「死路」，現在回頭看，當時這些方法已經很有突破，但和現在的 AI 對話能力相比，還是天差地遠啊。

但說實話，這些方式還是很局限，像是關鍵字無法被觸發，或是句型設計得不夠全面，就會漏掉很多變化，尤其是當用戶輸入一些不在我們預設句型範圍內的內容時，系統又會回不出來，雖然比完全依賴關鍵字觸發更進一步，但還是感覺像是在拿湯匙挖坑，效率非常低。

再做語音對話機器人

後來，在技術上稍微有了進展，我們可以利用「斷詞」技術來分析使用者的意圖，當意圖分析完成後，再根據匹配的結果從內部系統取出答案回覆給用戶即可，但是，流程超繁瑣：

1. 語音轉文字：要處理音訊辨識，準確度還參差不齊。
2. 文字斷詞：中文斷詞工具當時少得可憐，還要自己微調詞庫。
3. 意圖匹配：得手動標註語料，一點一點去訓練模型，還常常誤判。
4. 找到答案回應用戶：得靠決策樹或關鍵字回應，還要一條條設定。
5. 被用戶罵：因為匹配不準或回答太機械，被罵爆是日常。

結果進入無限迴圈 → 被罵 → 改規則 → 再被罵 → 再修 → 還是被罵，相比之下，現在各種 AI API 直接讓產品開發「速成」，真的讓我感慨萬千啊。

聲音偵測、聲音識別

但就在這個時候，我又同時接觸到了「聲音偵測、聲音識別」的相關的產品需求，簡單來說，需要做出一個產品，能判斷此時此刻的聲音是否屬於小嬰兒的哭聲，接著再進一步分析，這個哭聲究竟屬於什麼類型（飢餓、疲憊還是疼痛等），為了完成這個產品，我們採用了以下方法來實現：

我們利用了傅立葉轉換，提取出聲音的關鍵特徵，例如頻率分布、振幅變化等，這些數據可以幫助我們捕捉到聲音的細微差異，接著，我們結合了大量的用戶聲音標註數據，構建出一個「有效的、且乾淨」的訓練數據集。

在特徵值取得的工程完成後，我們利用了一些方法，把用戶標註回來的聲音進行分類，再送進模型當中，簡單講就是幾個階段：

1. 聲音偵測階段： 分析聲音頻率特徵，判斷是否為嬰兒哭聲。
2. 聲音識別階段： 訓練分類器，將不同類型的哭聲（如飢餓、疲憊、疼痛等）進行分類。
3. 持續最佳化： 結合用戶反饋與新增數據，定期重新訓練模型，提升正確率。
4. 自動化測試：人工測試反饋品質或是等用戶在APP上反饋是一種方式，但我們選擇的是另外寫一套自動化測試正確率的機制。

但是，剛上線的時候正確率還是很低，但多虧了「很多很多」用戶的反饋，一點點的把正確率往上拉上來，最終也做到了「很好」的成果。

隨後，來到了一些高偽善、低道德的台灣公司，讓外界看來有在試著和一些學校教授交流，讓股東以為自家也有在做 AI 相關的研究，但實際上，這些研究對用戶、對內部研發單位，一點貢獻也沒有也沒有任何進展，這促使我開始自己探索 AI 領域，並選擇了專注於文字互動的相關技術，因為文字始終是我更熱愛的方向。

開始利用 Llama 3 來做擬人化

這個手上快收尾的產品，受了 OpenAI 的啟發，直接選用 Meta 的 Llama 3 來提升用戶體驗。Llama 3 在語意理解這塊確實不錯，還能根據用戶需求，生成幾乎像真人講出來的內容，讓個性化服務更到位。

像我希望打造的「擬人化」平台，就是靠 Llama 3 的多輪對話能力，讓對話更自然、更順暢，盡量別讓用戶一開口就發現是機器人。

但最後還是交給了一個沒碰過對話機器人的團隊來接手，接下來的發展會變成什麼樣子……說真的，我也只能等著看了。

我的 AI 產品經理學習路線

我自己的 AI 學習歷程，老實說，真的很感謝當初在學校教授教的 Transformer 概念，這些基礎讓我在實際應用中能快速上手，不管是看懂未來趨勢，還是解決工作中遇到的各種問題，都幫了大忙。

1.搞懂為什麼電腦能讀懂文字？

電腦無法直接理解文字，必須將文字轉換成數字，才能進行處理和運算，而在執行這件事之前，句子必須先進行「斷詞」，單單是「斷詞」這件事情，在很早很早以前就把我們搞到瘋掉，例如下面兩句意思完全不同：

• 全「台大」停電
• 「全台」大停電

而一個句子「斷詞」完成之後，就需要將詞轉換為詞向量 (Word Embedding)，詞向量的目的是將詞轉換為數字形式，方便模型進行計算和理解詞語之間的關係，這是現代自然語言處理 (NLP) 的重要步驟之一。

2.為什麼要用類神經網路來模仿人類？

接下來，我著重在搞懂 AI 的運作邏輯，從模擬人類神經元結構開始。我花時間了解感知器（Perceptron）和早期的神經網路模型，還有它們的局限性。但我更關注的是「背後的技術邏輯」，例如，神經網路是怎麼透過調整權重來模仿人類大腦的連結，以及這些基礎技術如何真正在「應用」層面可以發揮作用。

3.機器學習，讓它做中學，怎麼做的？

機器學習就像小朋友學東西一樣，重點是讓電腦能從數據中找到規律，然後運用到新的情況中，例如，傳統的機器學習中，我們需要人工提取圖片的特徵，像是顏色、形狀或材質，然後把這些特徵交給模型進行訓練。

但如果這些特徵是由工讀生來標註，結果的準確度可能會比較有限，若由專業人士來標註，模型的表現自然會更精確，因為數據的品質直接決定了模型的水準。

4.深度學習讓電腦自我學習，但怎麼自動的？

深度學習（Deep Learning）和機器學習（Machine Learning）的差異是一件很重要的事。簡單來說，機器學習像是教孩子學走路，先給幾個基本的規則讓他學起來，但深度學習比較像是給了一個「自我學習的工具」，讓它從大量的經驗中自己摸索怎麼走得更穩、更快。

而這個「自我學習的工具」的核心，就是反向傳播（Backpropagation），這是一個用來「修正錯誤」的機制。每次模型做出預測後，我們都會把結果跟實際答案比較，產生一個誤差，接著用反向傳播的算法，讓模型自己調整內部的權重（就像修正自己的判斷方式）。

這過程就像訓練一個射箭手，每次沒射中靶，就會稍微改變手臂的角度或拉弓的力度去重新調整。

5.大型語言模型，為什麼現在才紅？

LLM（大型語言模型）的原理，可以想像成一個讀過超多書的 AI 它透過 Transformer 架構來學習語言，重點在「注意力機制」（Attention）。這機制有點像聊天時專注聽你說話，會根據前後文找出重要訊息，來理解你真正的意思。

模型在訓練時會不斷「計算」下一個要出現的詞，比如看到「今天天氣」，模型會想：「後面是『很好』，還是『不好』呢？」經過數百億次這種訓練，模型就能生成邏輯通順的句子。

訓練 LLM 非常燒硬體和電力，因此早期只有科技巨頭能負擔得起，直到 GPU 和基礎設施成本降低，再加上 OpenAI 用 ChatGPT 成功讓大眾看到 LLM 的強大，這才引爆了熱潮。

我也是在 ChatGPT 出現後，才更深入研究這些模型背後的技術。Transformer 架構中的「注意力機制」，是讓 LLM 能理解對話上下文的關鍵。它會不斷「回顧」之前的對話內容，來保持語意連貫，像你問問題時，它能精準記住前面的提問，再給出相關回應。

不過這機制也有極限，對話太長時，模型就會「忘記」開頭的內容。所以，如果哪天 ChatGPT 開始瞎回答，八成是記憶容量滿了。

八成是記憶容量滿了？是什麼意思？LLM 在一次對話中只能記住一定長度的文字，這段記憶的長度取決於模型的設計和訓練時設定的參數，例如 GPT-4 的記憶上下文窗口約為 8,000 到 32,000 個 token（一個 Token 大約等於4個英文字母）。

當對話過長、超過這個限制時，之前的內容就會被丟棄或忽略，導致模型在回答時「失憶」，也就是無法再考慮到對話最開始的上下文。

所以當 ChatGPT 開始答非所問或變得不連貫時，很可能就是因為對話長度超過了它的上下文容量，模型只能依據最近的對話片段來回應，無法再回顧一開始的內容。這時候，你可以試著簡化對話或重新提問來幫助模型找回重點。

簡單講，LLM 就是金魚腦啦。

6.LLM 和 RAG的結合超好用，公司搶著建立本地的

因為 LLM 是基於「過去的資料」進行訓練，且主要用於「生成內容」，而 RAG 可以即時檢索當前的資料來輔助生成內容，這使得這樣的組合在即時性和準確性的場景中特別有價值，且我覺得是一個值得長期研究的有趣課題。

我科普一下，想像你要寫一篇文章，內容是「台北有什麼好吃的牛肉麵？」：

1. 檢索外部資料

• 想像你在回答問題時不記得答案，所以你去查字典、Google 或看書，找到了有關的內容。
• 在 RAG 中，這些查到的資料是由檢索系統提供的，叫做「檢索片段」。
  • 例子：你問 AI：「台北有什麼好吃的牛肉麵？」
    • 檢索系統找到以下資料：
      1. 「永康街牛肉麵湯頭清爽。」
      2. 「林東芳牛肉麵以辣油出名。」

2. 把檢索結果交給 LLM（生成式模型）

• 這時候，檢索到的內容（像前文檢索系統找到的的 1 和 2）會送進 LLM（像 ChatGPT 這樣的模型），當作它回答問題的輔助資訊。
• LLM 的任務是：
  • 理解你的問題（「台北牛肉麵？」）。
  • 根據檢索到的資訊，重新組織答案，讓它變成更清楚、更有條理的句子。

3. 生成結合檢索內容的回答

• LLM 把檢索到的資訊「重新包裝」成一段自然語言回應，像這樣：
  • 「台北有很多好吃的牛肉麵，例如永康街牛肉麵湯頭清爽，林東芳牛肉麵則以辣油著名。」

為什麼 LLM 和檢索資料要合作？

• LLM 的優點：它會「說話」，能生成自然語言。
• 檢索資料的優點：它有即時的、最新的資訊。

但是：

• 如果 LLM 不知道最新的資料，它可能會「瞎編」，這也就是所謂的幻覺（hallucination）或是稀有的 token 導致的 hallucination。
• 如果只有檢索資料，沒有 LLM，回答可能會生硬、缺乏條理。

兩者結合，既有準確的資料，又能給出流暢的回答！

7.這些影片、圖片，怎麼生成式的？

生成式 AI (Generative AI) 也是 AI 的一個子領域，它就是透過模型「生成新的內容」，例如文字、圖片、音樂、或影片，而不是僅僅對數據進行分析或分類。

而生成式 AI 是利用了擴散模型，這是生成式 AI 的核心技術，用於生成影片、圖片或其他形式的內容，它模仿了物理中「擴散」的過程，可以參考我這篇Sora 解鎖人類的文字力量，搞懂生成式 AI文章，有比較詳細的解說。

8.未來就是AI 代理人的戰爭了嗎？

最近，我將注意力轉向了AI 代理 (AI Agents) ，這是一種能「自主執行任務」的 AI 系統，它具備「感知」環境、進行決策和執行行動的能力，這些代理我的能力，能夠根據目標或環境變化動態調整策略，並以更高的效率完成複雜任務。

簡單講，就是 AI 代理能在沒有用戶介入的情況下，完成更複雜的多個步驟任務。

給想轉職為 AI 產品經理的建議

其實這些是我自己給我自己的建議，各位參考就好，因為每個人的個性不同，要找的 AI 產品領域也不同。

要學習 AI 基礎知識

熟悉機器學習（Machine Learning）、深度學習（Deep Learning）、自然語言處理（NLP）、計算機視覺（Computer Vision）等領域的基本原理和運用場景。可以從以下入門：

• Coursera、Udemy 上的入門課程。
• 學習 AI 相關書籍。
• 看論文。

不要逼自己要會寫程式

不要強迫自己一定要學會寫程式。現在很多與 AI 相關的需求，常常會用到像 TensorFlow、PyTorch、Scikit learn 這類的 Python 框架，你只需要了解的是這些工具的用途，以及為什麼要用它們，而不是執著於學會每一行程式碼的細節。畢竟，別忘了你的身份角色，清楚自己該專注在哪些事情上才是最重要的。

要學習 AI 的限制、邊界

AI 並非萬能，你需要了解演算法的邊界，例如，模型的訓練數據不足時會出現偏差，或者處理某些任務時可能需要結合多種技術。

不要呆呆的一直逼問工程師，因為真的做不到。

要瞭解工程師的工作內容

你過去可能都是和前端、後端、全端或其他種類的工程師合作，但你接下來會是與演算法工程師、數據科學家，和原始的開發團隊協作合作時，你需要能夠理解他們的語言，並能清楚地表達產品需求和邏輯。

持續追蹤 AI 業界動態

了解當前流行的大型語言模型（如 GPT-4、Llama），並掌握其 API 的使用，例如，學習如何結合 Generative AI 與 RAG 技術運用到真實場景。

找一個具體的 AI 子領域

AI 涉及範圍廣，選擇你感興趣的細分領域（例如 NLP、語音處理、推薦系統等），進行深入研究。這樣不僅能提高面試成功率，也更容易在實際工作中表現出色，也做的更有興趣。

參加相關社群與活動

參與產品經理與 AI 技術相關的社群與同行討論和分享經驗等等，只是我目前看到的社群都在割韭菜，我實在不敢推薦。

我個人推薦的 AI 學習資源

• DataSci Ocean
• 李宏毅 YouTube 頻道
• 陳縕儂 YouTube 頻道
• 林軒田 YouTube 頻道
• Foundations of Large Language Models

常見問題

「AI 產品經理」必讀的相關文章

1. AI 對話時，他在想什麼呢？看懂系統提示的規則
2. Sora 解鎖人類的文字力量，搞懂生成式 AI
3. 連你阿嬤都會用的本地 LLM 模型｜我只是想玩不同的LLM 模型
4. Prompt Engineering不學，就無法發揮GPT的實力