如果你還不瞭解AI的準確含義，請查看我之前的文章：
寫完如上4篇文章我其實是挺冷靜的，因為AI不過如此，沒什麼太值得著急的，社會肯定是要進步的，AI也肯定會滲透到各行各業；
但是看完FastAI的介紹，我不淡定了，突然覺得世界上竟然還有這麼聰明的人，開發出了一套這麼聰明的框架，然後用這麼聰明的教學方式，在教我們用最聰明的方式訓練出前沿水平（state of the art）的深度學習模型。
這裡得再強調下這個前沿水平，就是前沿到有些論文中還沒有出現過的技術，後面的文章中會說到。
1. 為什麼要起這樣一個標題不知道你們會誤會成什麼樣子，反正我想表達的就是，這是一個易用性極高的代碼級的工具，但是有點基礎的產品經理也可以掌握，掌握之後的效果就是：但凡有個想法，你只需要15分鐘，或者半個小時，就能
訓練出一個準確度還不錯的深度學習模型，甚至可以一鍵部署到線上。2. 為什麼產品經理需要學會這項技能產品經理的職責我會分成3部分：需求分析，產品設計，開發推進，然後結合AI First的發展趨勢，我們看下這3項核心技能會發生什麼變化。
首先人機交互這件事兒會越來越接近人人交互，AI的終極目標就是讓人分辨不出來為你提供服務的是機器還是真人，而現在，科技正在加速這一趨勢的演化，比如語音識別，機器翻譯，電腦正在越來越懂人類的語言，並且以指數級的速度進化，後面的實踐中會有專門的一個案例講自然語言處理，你就可以清晰的看懂機器是怎麼以普通人無法想象的科學高效的方式學習。（額外收穫：研究深度學習真的可以讓你重新認識學習這件事兒，明明是機器在和人類學習學習方法，但很多人類的學習方法真的不如機器）
人人交互的發展趨勢會讓
用戶體驗這件事情變得更加的幕後，不再需要一個笨拙的界面，還要專門設置個引導界面來告訴用戶點這裡代表什麼，點那裡代表什麼。舉個例子：“訂機票”這件事情，以後的交互方式，就是通過語音，告訴AI我需要幾號到哪裡的機票，界面的作用最多就是個選項列表，用戶找到自己喜歡的價格，點擊確認就ok了。
所以產品設計這件事情正在被弱化，以後的交互方式就是人和人對話的方式，不需要產品經理按照主流的設計規範，再去設計交互動畫，再去思考用戶怎麼能更容易理解這個按鈕背後的意思……不需要了，以後的交互界面可能最主要的就是個選項列表。
其次是需求分析，這依然是PM的核心技能，在AI項目中，PM的核心價值就是告訴團隊該做什麼，詳見
人人都能搞懂的AI（三）- 企業中搭建AI
-4.AI在團隊中的角色。但是要搞清楚做什麼，就得清晰理解AI的邊界，雖然之前的文章中泛泛的講解了很多AI能做什麼不能做什麼，但商業場景中，我們需要尋找的就是：如何把有點難實現的東西，變成可以實現的，這才是創造價值。這就很微妙了，需要建立在非常靈敏的
AI產品直覺上，所以學習FastAI就是不斷的通過實踐，來培養產品直覺。最後是開發推進，FastAI是可以幫助我們最快度的搭建一個AI，但這並不能成為一個商業應用，商業應用還需要考慮穩定型、可擴展性、安全性等一系列維度，所以這時候還是要依賴AI工程師做出一個更健壯的AI模型，而這時候一個AI demo，加上對深度學習方法的運作方式的理解，就可以非常順利和工程師建立順暢的溝通，一個良好的溝通勝過一切。
所以，綜上理解了深度學習的內核，加上快速搭建一個可用的AI demo，將是AI產品經理一個強大的利器。
3. 怎麼學習FastAIJeremy老師給出了非常清晰的介紹
首先你需要有高中數學的基礎，1年coding的經歷（最好是Python），7周的時間，最後還需要的英語閱讀的基礎（當然你能借助翻譯搞定也是ok的）
其次你需要一個有GPU的開發環境，為了運行Jupyter Notebook（一個超級易用的代碼演示的工具，因為可交互和調試）和裡面的代碼，如何配置-官網有全面的介紹，這裡不過多介紹，當然他最推薦的是Google Cloud Plantform，第一年有免費的300美金，足夠用來學習。
最後就是打開他的視頻課程，不斷的動手實踐。我從Youtube上把視頻弄下來了，加了機器翻譯的字幕，放到了bilibili（點擊閱讀原文），如果想看原版，頁面上也有鏈接。
4. 為什麼選擇FastAI首先簡單介紹下它的創始人，Jeremy Howard：19歲，別⼈才剛開始上⼤學的年紀，Jeremy 已經在⻨肯錫年⼊20萬美元了；⼀個管理諮詢界的⼈物，跑去 Kaggle 參賽，結果因為成績太好，⼀年後就成了 Kaggle 的主席和⾸席科學家；他用FastAI展示的語⾔模型遷移學習分類效果，許多已經超過⽬前最優⽔平。
然後再介紹FastAI，這是一套在Pytorch基礎上封裝的框架，主要是讓Pytorch更易用。其實FastAI的誕生還挺曲折，一開始Jeremy一直在用Keras，一套基於TensorFlow的框架，但是當他想要把深度學習的運作過程拆解出來給學生看的時候，發現是個黑盒，沒法講，這是第一點；而第二點是因為TensorFlow無法很好的處理NLP（自然語言處理）中的注意力模型，而NLP又是一個很核心的研究方向。
而當時Pytorch剛出沒多久，並且願意給Jeremy提供更詳細的文檔，更透明的技術支持，所以他放棄Keras，自己開發了一套FastAI，而實際效果也非常出眾：更精簡的代碼，更高的運行效率，更好的演示解構內核，更多最佳實踐，更容易理解，更好的處理表格數據，更好的和python結合……還有很多更學術的，放到之後再講吧。
5. 聰明和善意最後再說一點，非常喜歡Jeremy這個人，不僅僅是非常聰明，真的，看看他的文檔，看看他說話的方式，授課的思路，不得不佩服，一個免費的公開課，我覺得比大部分的付費課程都要好，真的認真思考，我覺得學到的不僅僅是如何實踐AI這件事兒。
其次說說他的善意：專注於讓更多人用上AI，並且用AI改善生活，解決工作中遇到的問題；他說：我們的商業模式，是花⾃⼰的錢做事，幫⼈們學深度學習，連資助我們都不要。
還有一點，沒心沒肺到什麼程度了（前文提到了沒有發表的技術），他不喜歡寫論文，但特別喜歡實踐，所以整個教程都在圍繞實踐，甚至在課程⾥⾯直接講解還沒有在學術期刊上發表的前沿內容，就是為了讓學生們能得到更好的模型，比如這篇ULMfit 語⾔模型論⽂。
最後附上這張帥氣的大腦門
，下一篇會從第一個案例開講，就是圖片分類器，比如我做了個貓咪分類器，的確特別好用。
閱讀更多 增長浩克 的文章
