產品經理要懂哪些 AI 名詞，以 AI 自傳生成為例｜EP54
產品經理想做 AI 產品要懂哪些基本名詞？這篇整理我過往參與 AI 自傳生成時，和 NLP 工程師有討論到的概念，AI 應用目前還尚未普及，未來我會再陸續整理不同功能或產業需要知道的 AI 基礎知識。
誰適合看這篇文章？
✔ 對產品經理、產品企劃、產品策略、產品規劃有興趣的朋友
概念階段
⠀⠀
1. 自然語言處理（NLP, Natural Language Processing）
- NLP 是理解、解釋和生成人類語言的技術。例如當使用者提供履歷時，NLP 技術能夠識別關鍵文字，如工作經歷、教育背景、技能等，並能理解理解斷詞、分析句子，並轉成自然流暢的自傳。
2. 機器學習（Machine Learning）
- 機器學習是一種使系統能夠自動從數據中學習並改進性能的技術，例如要讓 AI 判斷圖片是貓還是狗，會透過「特徵擷取 Feature Extraction」，由人類先提供臉型、耳朵等基本動物特徵，將資料輸入模型中，讓機器分析大量資料後，進而精準識別出我們想要的答案。
3. 深度學習（Deep Learning）
- 深度學習是一種基於人工神經網絡的機器學習技術，不須透過人工提供特徵，就能夠藉由大量數據來進行特徵擷取，例如 Facebook 可以在使用者還沒在照片 tag 好友之前，就自動顯示小方塊並指出好友。
⠀⠀
模型選擇
4. 大型語言模型（Large Language Model, LLM）
- 大型語言模型是一種深度學習模型，是指已經經過大量文本訓練，擁有識別、匯總、翻譯、預測、生成文字和其他內容的能力，目前已知的模型像是 ChatGPT（OpenAI）、Bard（Google）、Llama (Meta) 和 Bing Chat （Microsoft）。
5. GPT（Generative Pre-trained Transformer）
- GPT 是 Generative Pre-trained Transformer 的縮寫，一種基於 Transformer 架構的生成預訓練模型，Transformer 是 Google 在 2017 年提出的一個深度學習模型，GPT 正是基於這個基礎更進一步發展的模型，目的用於生成資料。
6. Token
- Token 是 NLP 中的基本單位，可以是單詞、字符或子詞，因為模型對於輸入和輸出的 Token 數有限制，例如 GPT3 模型的最大 Token 數為4097，但 Token 如何計算取決於各家廠商的標記化（Tokenization）法，幫助模型處理不同語言、詞彙表和格式。
- 一個 Token 並不是對應一個英文單字或一個中文字，像是 OpenAI 的Token 計算工具，hamburger 是拆成 ham、bur 和 ger 三個 Token，每1000 Token收費是 0.002 美元
7. 詞嵌入（Word Embedding）、詞向量(Word Vector)
- 詞嵌入是一種將詞語轉換為數值向量的技術，使其能夠被機器學習模型理解和處理，可以用於瞭解詞與詞之間關係，例如：「跑」與「走」、「英文的 Hello」與「法文的 Bonjour」等。
⠀⠀
模型訓練
8. 訓練數據（Training Data）
- 訓練數據是用於訓練機器學習模型的數據集，在 AI 自傳生成的過程中，需要準備大量的自傳樣本作為訓練數據，這些可以幫助模型學習如何生成高品質的自傳。
9. 超參數調整（Hyperparameter Tuning）
- 超參數調整是指選擇和優化模型參數的過程，以提升模型性能。超參數包括學習率、批次大小、層數等，它們對模型的訓練過程和最終性能有重要影響。
- 例如調整學習率可以控制模型的收斂速度，過高的學習率可能導致模型發散，而過低的學習率可能導致收斂過慢。
10. 過擬合（Overfitting）
- 過擬合是指模型在訓練數據上表現良好，但在新數據上表現不佳的現象。這通常是因為模型過度學習了訓練數據中的噪音和細節，導致其在新數據上的泛化能力下降。
- 在生成自傳的過程中，過擬合會導致生成的自傳過於特定，缺乏通用性。舉例來說，如果模型過度擬合某些特定的自傳樣本，可能會生成結構和語言風格過於一致的自傳，缺乏變化。
11. 正則化（Regularization）
- 正則化是一種防止模型過擬合的技術，通過在模型的損失函數中添加懲罰項來約束模型的複雜度。常見的正則化方法包括 L1 正則化和 L2 正則化。
- 在生成自傳的過程中，正則化技術能夠幫助模型避免過度擬合訓練數據，從而提高其在新數據上的泛化能力。舉例來說，通過添加 L2 正則化，可以抑制模型權重的過大變化，從而提高模型的穩定性。
⠀⠀
模型評估
12. 交叉驗證（Cross-Validation）
- 交叉驗證是一種評估模型性能的方法，通過將數據集劃分為多個子集進行測試，以更準確地評估模型的泛化能力。
- 在生成自傳的過程中，交叉驗證可以幫助評估模型在不同數據集上的性能，從而選擇最佳模型。舉例來說，K 折交叉驗證將數據集分為 K 個子集，並進行 K 次訓練和測試，每次使用不同的子集作為測試集，其餘的作為訓練集。
13. 準確率（Accuracy）
- 準確率是衡量模型預測正確樣本數佔總樣本數的比例，是評估模型性能的基本指標之一。
- 在生成自傳的過程中，準確率可以用來評估模型生成文本的正確性和自然度。舉例來說，當模型生成的自傳中，正確描述了用戶的工作經歷和技能，這表明模型具有較高的準確率。
⠀⠀
總結
非 AI 背景的產品經理如何跨到做 AI 產品是我最近在研究的題目，除了要先了解基本知識外，還需要確認要走「AI 模型」還是「AI 應用」，以我過往背景有參與過「AI 應用」，但仍覺得自己對於一些基本名詞不太熟悉，因此未來也會陸續整理文章，讓想踏入 AI 產業的產品經理可以參考。
如對這系列文章有興趣可以再觀看：
82會員
148內容數
《思維的創意想像》是工作之餘發起的 Side Project，因為近期快速吸收各種資訊跟商業知識（Input），但一直沒有地方輸出（Output），因此想透過這系列記錄學到的內容，包含商業知識、產業洞見，或是職場分享等等，目前已有產品開發、客戶成功、社群行銷、思維增長、職場日記等系列文章。
留言0
查看全部
你可能也想看
1.加權指數與櫃買指數
週五的加權指數在非農就業數據開出來後，雖稍微低於預期，但指數仍向上噴出，在美股開盤後於21500形成一個爆量假突破後急轉直下，就一路收至最低。 台股方面走勢需觀察週一在斷頭潮出現後，週二或週三開始有無買單進場支撐，在沒有明確的反轉訊號形成前，小夥伴盡量不要貿然抄底，或是追空
近期的「貼文發佈流程 & 版型大更新」功能大家使用了嗎？
新版式整體視覺上「更加凸顯圖片」，為了搭配這次的更新，我們推出首次貼文策展 ❤️
使用貼文功能並完成這次的指定任務，還有機會獲得富士即可拍，讓你的美好回憶都可以用即可拍珍藏！
產品經理在企業中扮演著重要的角色，需要具備清晰的思維和溝通能力，以及對市場需求的洞察力和專案管理的能力。這篇文章分享了產品經理的工作職掌以及所需的能力，更重要的是思考，自己真正的目標，以及可採取的行動。
你可能會想：什麼？業務人員不是每天都在賣東西嗎？為什麼還要由我這個產品經理教他們怎麼賣？有沒有搞錯？答案是：沒！有！因為基本上沒有業務天生就會賣東西，所以你需要辦教育訓練、籌備訓訓練內容、找講師教業務人員怎麼賣。而在辦教育訓練之前，你必須先瞭解：業務人員需要什麼樣的教育訓練？
公司裡沒有人要鳥你？正常，因為「新」意味著改變。大家習慣舊有的思考方式和做事方法後，要再花力氣去適應新東西，許多人也因此容易產生抗拒的心理，這也是為什麼推動新品的初期會格外艱難。我自己就曾經歷過這樣的階段，所以在這邊要分享三個方法，給身為產品經理的你，希望能幫助你更順利地在公司內推動新產品的上市。
我自己一直都很提倡「以終為始」的思考方式，也就是，我們必須先想清楚每個職涯不同的階段，想在哪個行業，從事什麼樣的工作。如果你對於產品經理這個職位是感興趣的，那接下來就是要決定「我要去哪裡做產品經理？」以及「我要做什麼產品？」
互聯網產品基本上都會涉及到軟體的開發，而互聯網產品經理很重要的工作就是：定義軟體要開發哪些功能，並確保這些功能在要求的標準下順利發布，提供給目標用戶價值，進而帶來商業利益。而在管理整個產品週期的過程中，主要的工作流程會包含5個步驟……
「以用戶為中心」，這是每個產品經理都必須把握的原則，產品的誕生就是為了要解決目標用戶的痛點，那麼，如何挖掘出用戶的需求呢？我們需要具備哪些能力模型以勝任這份工作呢？
如果有閱讀之前文章的朋友，相信對於數位產品經理崗位，以及面試準備技巧都有一定的認識了，那順利應聘上產品經理後，我們要怎麼進行接下來的工作呢？(摩拳擦掌ing…)
1.加權指數與櫃買指數
週五的加權指數在非農就業數據開出來後，雖稍微低於預期，但指數仍向上噴出，在美股開盤後於21500形成一個爆量假突破後急轉直下，就一路收至最低。 台股方面走勢需觀察週一在斷頭潮出現後，週二或週三開始有無買單進場支撐，在沒有明確的反轉訊號形成前，小夥伴盡量不要貿然抄底，或是追空
近期的「貼文發佈流程 & 版型大更新」功能大家使用了嗎？
新版式整體視覺上「更加凸顯圖片」，為了搭配這次的更新，我們推出首次貼文策展 ❤️
使用貼文功能並完成這次的指定任務，還有機會獲得富士即可拍，讓你的美好回憶都可以用即可拍珍藏！
產品經理在企業中扮演著重要的角色，需要具備清晰的思維和溝通能力，以及對市場需求的洞察力和專案管理的能力。這篇文章分享了產品經理的工作職掌以及所需的能力，更重要的是思考，自己真正的目標，以及可採取的行動。
你可能會想：什麼？業務人員不是每天都在賣東西嗎？為什麼還要由我這個產品經理教他們怎麼賣？有沒有搞錯？答案是：沒！有！因為基本上沒有業務天生就會賣東西，所以你需要辦教育訓練、籌備訓訓練內容、找講師教業務人員怎麼賣。而在辦教育訓練之前，你必須先瞭解：業務人員需要什麼樣的教育訓練？
公司裡沒有人要鳥你？正常，因為「新」意味著改變。大家習慣舊有的思考方式和做事方法後，要再花力氣去適應新東西，許多人也因此容易產生抗拒的心理，這也是為什麼推動新品的初期會格外艱難。我自己就曾經歷過這樣的階段，所以在這邊要分享三個方法，給身為產品經理的你，希望能幫助你更順利地在公司內推動新產品的上市。
我自己一直都很提倡「以終為始」的思考方式，也就是，我們必須先想清楚每個職涯不同的階段，想在哪個行業，從事什麼樣的工作。如果你對於產品經理這個職位是感興趣的，那接下來就是要決定「我要去哪裡做產品經理？」以及「我要做什麼產品？」
互聯網產品基本上都會涉及到軟體的開發，而互聯網產品經理很重要的工作就是：定義軟體要開發哪些功能，並確保這些功能在要求的標準下順利發布，提供給目標用戶價值，進而帶來商業利益。而在管理整個產品週期的過程中，主要的工作流程會包含5個步驟……
「以用戶為中心」，這是每個產品經理都必須把握的原則，產品的誕生就是為了要解決目標用戶的痛點，那麼，如何挖掘出用戶的需求呢？我們需要具備哪些能力模型以勝任這份工作呢？
如果有閱讀之前文章的朋友，相信對於數位產品經理崗位，以及面試準備技巧都有一定的認識了，那順利應聘上產品經理後，我們要怎麼進行接下來的工作呢？(摩拳擦掌ing…)