有勁的基因資訊

AI軟體產品研發的注意事項

作者：張凱迪/有勁基因

　　如果你是一個軟體產品經理，而你的部門正打算要開發人工智慧(AI)或是機器學習(ML)相關的軟體產品；那麼，身為產品經理的你就需要想辦法整合來自設計端、研發端、與執行端等各方的大小事。有別於產品經理自身在設計、評估市場需求、以及產品釋出方面的工作，AI相關領域的專案涵蓋了更多方位的挑戰；例如：未知結果或非固定結果 (non-deterministic)的設計輸出、新的服務基礎建設、新的處理流程、新的第三方工具整合等等。產品經理若能習得以上這些知識技術，就能利用導入AI來開發出更多具獨特性且價值更高的產品。

　　除此之外，AI產品經理也需要暸解機器學習軟體開發的營運面、並瞭解軟體的實際執行能力與限制。無論要建立的是客戶端的產品、或是公司內部的工具，都需先確認專案和公司的商業目標一致。換句話說，你所建立的AI專案，都必須和公司現有的商業價值推動模式與策略一致。

　　AI系統與傳統軟體有一些不同；最大的不同在機器學習方面。AI系統的機器學習會將整體設計從固定性流程轉變成「機率性流程(probabilistic process)」。也就是說，AI系統的機器學習，其流程在設計時並不是寫下固定流程的演算法和規則，而是收集具有輸出和輸入配對的大量樣本來當作特定模型的訓練資料。因此AI系統在做軟體研發時，要特別注意以下幾點：

一、不確定性

　　拿簡單的計算來看，採用統計模型的機器學習其所取得的結果雖然大多時候都是正確的，但總或多或少會出現一些錯誤的預測結果，而且有時還無從知道為什麼會出現這樣的錯誤輸出。像這類的預測差異若出現時，就得慎重考慮是否需要調整一下軟體開發的方法。例如：相同的類神經網路程式碼用在看起來類似的資料集上，仍有可能得到完全不同的預測效果。這是因為即便是採用相同的程式碼，也可能由於訓練樣品的數量、網路訓練的參數、訓練遞迴次數等項目的設定不同，而產生出不同的模型來。這些變化都有可能會對軟體開發過程中的驗證、版本管理、部署等造成重大影響。

　　在這些充滿不確定性的基礎下，軟體開發的過程本身也會變得複雜不定，以致難以去預測一個AI專案的完成到底需要耗費多久的時程。事實上，要預測傳統軟體開發的完成時間就已經很難，但是基於既有經驗，我們多少還能大概估算出一個時間來，因為我們知道傳統軟體開發所謂的「進度」是指什麼，也知道該如何進行評估。但是在AI專案裡，除非是重複之前曾經試過的方法模型，否則一般很難預知有什麼問題會突然蹦出來。

二、AI專案評估策略

　　如果你想將曾成功使用在某領域AI產品的演算法，應用在處理其他不同領域的AI產品上，要直接移植前者的專案計畫和評估方法到後者去，其實是蠻困難的。試想，假如你是一個任職於迪士尼影音製作的資料科學家，被交代要建立一個影片推薦系統時，有可能你會拿常見的協同過濾模型去建立系統，讓興趣相投、擁有共同經驗的觀眾群，依照其喜好來推薦使用者會感興趣的影片。同樣的，人力銀行網站的資料科學家也可能想把同樣的協同過濾系統移植到人力銀行的推薦系統上。表面上，人力銀行職缺推薦系統要處理的問題和迪士尼影片推薦系統很類似，同樣有一組資料以及使用者清單，利用使用者職業偏好方面的資訊、或是曾經應徵過的工作，就可以去跟使用者推薦類似的新工作。但人力銀行推薦系統比較難處理的是使用者應徵資料和徵才單位工作資料的配對，尤其是使用者的工作資歷和徵才單位的地理位置等屬性，對於應徵配對來說就非常重要。

　　此外，工作職缺刊登的時間通常最多半年，比影集或電影上映時間要短很多，上述影片推薦系統功能所倚賴的瀏覽紀錄不足以配合職缺推薦的需求。對職缺推薦系統來說，徵人業主本身的屬性或是知名度、不同職缺所要求的各項技能、教育程度等等，這些需求的屬性與資訊在推薦的排序優先順位上便相對重要。因此，職缺推薦網站所採用的演算法，其豐富性、偏移和離散程度，自然也就和視頻網站電影推薦功能所採用的演算法有所不同。

三、適用於AI的組織文化

　　在公司剛開始接觸AI之初，協助公司建立能適應AI系統的公司文化是AI產品經理的任務之一。傳統公司軟體系統的開發，公司要承擔的風險多少都是已知或可以預測的；但AI系統的開發不一樣，需要能夠接受跳脫框架、能致力挑戰並擁抱實驗性文化的公司和員工。就如同亞馬遜CEO佐伯茲所說的：如果你只去做預先知道答案的事，你的公司很快就會消失。

　　假如你有在關注媒體訊息的話，就會發現「機器學習」經常被捧成能賦予公司在預測、規劃、銷售等商務領域的實質競爭優勢。只是如果機器學習這麼厲害，為什麼不是每一家公司都採用並給予投資？機器學習不是魔法粉末可以直接灑到既有專案中就神奇見效；也別期待雲端現成的應用程式介面(API; Application Programming Interface)一導入你的軟體就能讓你的產品變聰明。機器學習需要根據你的產品以及作業模式重新做規劃考量，甚至還有可能需要從頭到腳徹底修改；而AI產品經理就是要負責引領這些改變的人。身為AI產品經理若不把基礎功夫打穩，你的AI產品就很難成功。而這裡所指的「基礎」，就包括公司內部的文化轉變、以及資料的基礎建設等等；這些，留待下篇再來跟大家說明。

參考文獻

1. Skomoroch, P. and Loukides, M. (2020 March 31). What you need to know about product management for AI: A product manager for AI does everything a traditional PM does, and much more. O′Reilly Media, Inc.  Retrieved from https://www.oreilly.com/radar/what-you-need-to-know-about-product-management-for-ai/