各位觀眾大家好！我是 「PM好聲音」 的主持人Lynne，我們知道現在科技不斷的進步，AI是未來的趨勢，而「機器學習（Machine Learning, ML）」是AI的更深入的領域，本集我們邀請到來賓是在美國矽谷擔任ML產品經理的Bastiane Huang。
讓我們歡迎Bastiane～
自我介紹
Bastiane：大家好，我是Bastiane，目前在舊金山一家新創公司OSARO擔任產品經理的工作。OSARO成立於2015年，專注於機器學習、機器視覺及控制，主要的產品服務場景是應用在倉庫及工廠的自動化。過去是台大資訊管理系/工商管理系學士畢業，碩士就讀哈佛商學院工商管理系。先前曾經在Amazon AWS擔任產品經理，更早在台灣新創競技場及研華工作過。
Machine Learning是什麼？有哪些應用場景？
Lynne：常在科技文章上看到AI、Machine Learning或ML，究竟是甚麼呢？
Bastiane：簡單來說，機器學習（Machine Learning, ML）通常可以這樣定義：「透過從過往的資料和經驗中學習並找到其運行規則，最後達到人工智慧的方法。」現今所執行的系統是一種弱人工智慧的形式 – 系統可以做一件或是多件事情，而做的程度與人類相當，甚至超越人類。比如說我們透過寫程式碼來創建學習系統，訓練它辨識物體或是手勢。舉例來說：自然語言處理、電子遊戲行為的人工智慧、機器學習都是弱人工智慧的形式。例如：1+1=2，過去是透過工程師寫程式碼交給機器去執行規則，而現今的ML則是讓機器透過一些經驗法則主動去學習所謂的規則。
Lynne：ML的使用情境有哪些？
Bastiane：最簡單的日常生活中，當你在觀賞YouTube影片時，會主動推薦你可能會喜歡或有興趣的影片，就是ML的應用。原則上，機器學習最適合用來進行決策或預測。 我們可以將ML應用分為以下三種類型：
- 檢測/檢查 (detection/inspection)：幫助使用者識別缺陷或異常，例如：銀行或保險的欺詐檢測，或生產線上的產品缺陷檢測。
- 模式識別 (pattern recognition)： 幫助使用者篩選大量數據。包括推薦、排序、個人化、分類、預測維護以及人機互動；例如：針對Alexa或Google Home等智慧音箱進行自然語言處理（NLP）。
- 高維認知 (high dimension cognition)： 幫助使用者篩選，處理大量高維感官數據。例如：人工智慧機器人、自動駕駛汽車。
ML PM的職務內容與角色扮演
Lynne：構建ML產品通常需要PM具備更高的技術水平嗎？比一般PM需多具備哪些基本條件？
Bastiane：基本上，PM的核心技能就是去探討使用者需求，然後和RD討論如何去滿足其需求。但如果是做ML的產品則需要對技術有更深的了解，ML 的PM可以分為兩種：一種是從0到1建立ML邏輯（產品即是ML），另一種則是用他人現有的ML邏輯規劃自己產品（產品可能是App或Website）。
另外，ML公司的組織結構也各不相同。對於製造機器學習產品的公司或在機器學習方面投入大量資金的大型公司，例如：Facebook和Google，通常會僱用機器學習研究人員/科學家，並將他們與機器學習工程師配對。另一方面，對於將ML應用於其產品的公司或資源有限的小型公司，最好僱用多學科的ML工程師或培訓您的軟件工程師學習ML，而不是僱用ML研究人員/科學家。
很多ML PM最容易忽略的是產品思維，特別是使用者需求，反而太專注於技術，所以要做好ML PM，就是扮演需求端與技術端的溝通橋樑，想辦法建立共識。
Lynne：PM需要知道使用ML可以做什麼和不能做什麼？如何學習判別？
Bastiane：在以下情況下，身為PM，你應該避免在產品中使用機器學習：
- 可以用更簡單的規則解決問題。
- 正在構建的解決方案不需要因應新數據而改變。
- 無法取得訓練ML模型所需的數據。
- 產品要求高精度，不能容許任何一點出錯。
- 產品需要資訊完全透明。
Lynne：我們謝謝Bastiane來到「PM好聲音」，讓大家對於ML有更一步的了解及ML PM的職務角色，如果大家想聽更多關於ML產品經理的經驗分享，歡迎在底下留言。 我是「PM好聲音」的主持人Lynne，我們下次再見。
About Bastiane Huang
本次專訪內容如下~
歡迎訂閱YouTube頻道 PMTONE
歡迎訂閱線上收聽頻道（Podcast）
🎧Apple : https://apple.co/37fr2f0
🎧SoundOn : https://bit.ly/2UjDqG5
🎧Spotify : https://spoti.fi/30xLCGl
🎧Google : https://reurl.cc/z8403a
若有轉貼需求，請來信（service@pmtone.com）討論。 轉貼時禁止修改內容及標題、須保持所有連結、禁止商業使用，並且必須註明原文標題、連結、及作者訊息。
覺得這篇文章好嗎？ 請分享給您的朋友吧~
