微信号:infoqchina

介绍:有内容的技术社区媒体

AI系列课|AI工程师vs产品团队,如何从相杀到相爱?

2018-01-18 08:00 洪亮劼

点击关注 InfoQ,置顶公众号

程序员的 8 点技术早餐

作者|洪亮劼
出处|极客时间专栏《AI 技术内参》
1 作者简介

洪亮劼,电子商务平台 Etsy 的数据科学主管(Head of Data Science),AICon 演讲嘉宾,前雅虎研究院(Yahoo Research)科学家、资深科学家和高级研发经理职位。长期担任多个国际著名会议及期刊的评审委员会成员和审稿人,并且组织过多个关于推荐、搜索、用户体验优化的国际研讨会。他拥有 3 项美国专利。

今天我们来聊聊 AI 工程师和产品团队的关系这个话题。

作为 AI 工程师或者算法专家,不知道你有没有遇到过这样的场景:

  • 你正在开发最新的推荐算法,产品经理找到你说,希望给在北京的女性用户推荐一款红色的高跟鞋;

  • 你正在研究如何使用最新的深度学习技术来提高搜索结果,产品的设计师告诉你,产品团队现在决定在近期做一个推广,需要在搜索结果上方展示一个很大的条幅,使得整个搜索页面往下移动了不少;

  • 你正在给公司的广告系统设计新的模型,产品的营销人员告诉你,这周需要展示给用户的折扣信息,广告位从以前的 6 个变成了 3 个。

相信类似的场景你应该不陌生。这也就是我们今天要探讨的问题,AI 工程师如何在一个更加广阔的环境中协作。

2 AI 工程师和产品团队的关系会出问题吗?

AI 工程师和产品团队究竟有着怎样的关系呢?先理清楚这个问题,我们才能去探讨这样的关系会有怎样的互相依赖以及可能存在的问题。

在很多数据驱动的互联网公司,产品团队(Product Team)和工程团队(Engineering Team)往往是实施一个具体产品的两个关键的力量。

产品团队通常情况下是产品经理领军,拥有各类不同的产品负责人、设计师、UI 设计师等人员对整个产品的设计、理念进行把关和掌控。

工程团队则主要是工程经理领军,各类架构师、算法工程师、前端工程师、数据库工程师等人员对整个产品的工程技术甚至运行维护进行把关和掌控。

在这个产品的图谱里,AI 工程师所组成的“人工智能”团队有可能是独立于产品团队和工程团队的第三方力量,也可能是属于工程团队的一部分。这两种情况其实也略有不同。我们在这里就简化讨论一种情况,那就是 AI 工程师所在的团队和产品团队并不完全是一个团队的情况。

从大的格局来说,不管是什么团队,产品人员也好,工程师人员也好,都是为了产品的进步和提高出谋划策的,都是希望产品能够越做越好的。这一点毋容置疑。

然而,由于不同的团队分工以及各类人员不同的专业背景,在如何能够让产品做得越来越好这一点上可能就会存在不同的意见,甚至是严重分歧。设计人员可能认为产品下一步最大的可能性来自于更加简洁明亮的设计风格;产品营销人员可能认为用户应该会对下一场促销更感兴趣;工程师可能认为下一步需要整个团队重写一个重要框架代码,让页面渲染速度得到提升从而使得用户体验得到改善;AI 工程师或者算法工程师正在考虑开发一个更加复杂的机器学习模型,来提升产品的智能响应;产品经理也许在想着如何做一个全新的手机界面,来体现一种新的用户生活体验。

这些想法也许都对产品有益,甚至都能让产品或多或少有所进步。但是,我们经常看到的是,不同背景的人员都对自己的专业很自信,有时候甚至是"过度"自信,从而只相信自己所处岗位所能发挥的作用。从 AI 工程师这个角度来说,因为大数据、机器学习以及其他人工智能技术手段的不断进步,可能就会导致我们过分强调算法和模型对产品带来的影响,而忽略了产品是一个非常有机的整体。

在这样的情况下,作为 AI 工程师,往往会遇到我们今天开始提及的情景。一方面你在做着自己认为能让产品有最大收益的事情,而另一方面,整个产品有机整体的各个部分都在运作着,有可能会“破坏”掉你所做过的或者正在做的努力。如果这时候 AI 工程师以一种算法第一的心态看待产品,就会发现自己的工作非常难以展开,也会和产品的其他部门产生矛盾。

另外一种情形是,产品经理或者产品部门对机器学习或人工智能抱有不切实际的幻想,认为这是解决一切问题的灵丹妙药。于是所有和产品进步相关的想法都希望通过人工智能来得以实现,这无疑给 AI 工程师增加了很大的压力。

然而不管处在哪种场景中,我们都可以看到,数据科学作为一个技术工程范畴和其所从事的人,数据科学家,无疑都是在一个复杂的环境中对产品起着作用。要想充分发挥出数据科学的作用,我们必须深入理解 AI 工程师和产品团队的关系,从而打造一个有机的产品团队生态体,使得处于各个职能的人员都能够在一个和谐竞争的状态下对产品有所贡献。

3 如何把握 AI 工程师和产品团队的关系

既然我们聊到了 AI 工程师和产品团队之间的微妙关系,那么,有没有什么方法能够让这种关系变得更加明朗,更有利于数据科学发挥出更大的作用呢?

首先有一点很重要,也是整个团队需要先明确的是,数据科学、人工智能在现阶段来说,依然是大多数产品的“奢侈品”。什么意思呢?也就是说,没有很多基础设施的建设,没有一些最基本的产品功能,没有最简单的数据链路,就不可能应用最基本的数据科学,也不可能对产品进行持续提高。正因为此,AI 工程师其实应该和产品经理建立好关系,从而能够从一开始就心系整个产品的发展,能够有一颗包容的心,为产品能够快速达到这个最基本的状态出谋划策,同时也要让整个产品时刻都处于这个状态。

这里面涉及到一个“教育”和“再教育”的问题。不是所有的产品人员都对人工智能有所了解,也不是所有的产品人员对数据链条的概念都有所耳闻。比方说,产品的数据是通过前端的一段 JavaScript 代码进行数据传输的,而这段代码可能和某一个产品的界面设计有紧耦合。当设计人员“突然”对现在的设计进行了更改,满心希望这样的更改可以改进产品,哪知道这也许反而“破坏”了这段收集数据的代码,从而使得数据链条断裂,而机器学习的某些代码可能就无法正常运行,或者模型接收到的是垃圾数据。在传统的观念里,一位设计师,可能很难理解为什么自己的工作会和机器学习紧密结合。所以,这就需要 AI 工程师和各个岗位的人员去交流、去沟通,让更多的人能够理解数据产品的涵义。

其次,数据科学和人工智能让产品成为一个有机整体。我们一定要去理解产品效果的复杂性和组合性。比方说,在很多互联网产品中,通过经验我们经常能够发现,产品外观设计的改变,常常能够带来比纯算法改变好得多的效果提升,而很多营销手段又常常能够几倍地提高用户对产品的转化率,也使得产品的效果得以提升。当然了,这并不是说,夸大任何一方面就能够让产品有更大的提高。实际上,产品的最优情况往往是各个方面的一个复杂的协调平衡状态。因此,理解数据科学在整个大环境中的位置就十分重要。

最后还有一个可以去做的,那就是看如何利用人工智能和数据科学去帮助产品团队的其他人员,比如能否帮助设计师和前端找到更好的创意,能否帮助产品经理找到更好的产品迭代方法等等,让人工智能和数据科学融入到整个产品完整的图谱中,要比提高单个算法更有意义。


以上内容,选编自《AI 技术内参》。如果你关注 AI 领域,或希望在 AI 领域深入研究。这个专栏,都是你的不二之选,它会成为你的 360 度人工智能信息助理。

「阅读原文」,免费试读精品文章


 
InfoQ 更多文章 一篇文看懂加密货币的本质 AI论文99%是灌水,99%的媒体在吹牛?AI从业者们怎么看? 左耳朵耗子:聊聊分布式系统架构 2018年不可不知的云技术趋势:FaaS、Serverless、边缘计算 Q新闻丨吃鸡外挂被开源;Dubbo 3.0来了;工信部约谈百度、支付宝、今日头条;内地iCloud服务将转由云上贵州运
猜您喜欢 阿里巴巴尝试浸没液冷服务器集群-PUE逼近1.0 R语言入门第二讲:读取数据------函数read.table第二讲 留给人类的时间不多了?现在不学机器学习更待何时! 强化版mvc设计模式 游戏上手度与策略性该如何取舍?大咖畅谈均衡之道丨广州站回顾