【极客公园 IF 2024】王小川:AGI时代产品创新的起点,从PMF到TPF

发布时间:2023年12月20日

原文链接

01 国王与画匠,寻找 AI Native 的寓言

PMF(Product-Market Fit,产品市场契合度) -> TPF(Technology-Product Fit,技术产品契合度)

  • 技术范式的迭代和现状,很多过去行业的常识、惯性的做法,不再适用于大模型应用的创业。
  • 机器有幻觉也可以用。最后还是回到具体技术要匹配到什么需求上。
  • 现在的产品经理,应该明确 AI 技术有所长,有所不长,去做 TPF 这样的匹配和兼顾。
  • eg:国王的画像(瘸一腿瞎一眼),拉弓打猎图,既不诋毁,又不美化,两者兼顾。

拉远重构

  • 不把市场当作是这个 super app 的远期目标,而是对人的根本诉求的满足(健康、快乐、创造力
  • 当前很多大模型的应用,并没有真正扣应用户的需求,继续做下去会卷到大厂的竞争赛道里。
  • 以前造工具,现在造伙伴,或者说是一个新的『物种』(为人提供信息,提供知识,甚至是智慧)

拉近TPF

  • AI 技术有许多的不完美,那就不应该是先派出一堆产品经理去想市场,洞察完了回来就开始做,而是应该先思考这么一个目前不完美的(大模型)技术,适合用来做什么产品
    eg:Character.AI,他们公司的创始人(Noam Shazeer),Transformer 论文作者之一,并非产品背景出身。他非常清楚大模型这种底层技术,知道它肯定会犯错,因此他先拿大模型来做娱乐向产品,再之后,他想到这个技术首先能承载自然对话的形式,于是他就把产品做成一个个角色,一个个人设。

02 PMF 考核用户量,TPF 要看测试集

  • PMF 产品经理更多是写个文档,描述功能、定义和要求,画个结构设计图。产品长这样就能满足用户什么样的需求,功能又是如何每步都精确做到的。
  • 在大模型场景里不适用。输入的输出是不确定的,面对这种非唯一的对应关系,你很难用一套演绎规则就能做好。
  • 模型在什么输入上,能给什么输出的一个测试集合。产品经理不仅要去定义这个产品,还要把定义的产品转化成评测集。
  • 产品经理去定义评测集,技术算法寻找数据集训练系统,以满足评测集。
  • 算法驱动型的产品,用的就是评测集驱动的方式。
  • AI Native:「设定目标 - 转化评测集 - 让数据集有效训练出满足评测集的要求」,把 AGI 的模型能力更加深入融合进去。
  • TPF 如何评价?TPF 对产品经理有要求,在产品面世之前,要满足两条。
    • 要能够把需求转化成一个测试集,这个测试集能够使得技术工程师在满足过程(目标)的时候,也发现结果是在进步的。
    • 一旦做好 demo,也能发现用户提的需求,用户需求分布跟产品经理的评测集的分布是一致的,而且评测集的结果是满足用户需求的。
      所以 TPF 是用测试集的形式来满足的,一方面内部指标满足,然后面世的时候,PMF 反馈会反应用户的需求反馈跟测试集的分布是不是一致,用户是否满意。
  • 如果是创业公司,做出的 AI Native 应用,一开始就要让用户用得爽。在满足特定类的需求中,你的产品必须提供 10 倍于竞品的爽感,不是好一点,要让人有惊喜感
  • 因为在今天,大模型并非全能,你只能选亮点,做出 10 倍优秀的来,周边(功能)是 5 倍、3 倍甚至更差的,这样你的波峰就拉得足够高了,后面再逐步将它拓宽。如果一款产品一开始不让你爽,不到一定高度,只是比原来好一些,是不够用的。

03 新时代的创业者,首先要是大模型的超级玩家

  • 成为大模型用户,就是要把自己当成一个大模型时代的粉丝,去狂热的体验,去感受大模型给你带来了什么样的不同之处,先去好奇,去欣赏,去感受(它)做的好不好。
  • 先成为一个大模型的超级用户。
  • 要把市面上的产品都用到了,有这样的动力,充满这样的好奇心的。用起来之后,你的灵感就会冒出来,就会知道这件事情什么是它擅长的,由此再把它变成你后面产品的构思。

新范式下的变化

  • 先成为用户,再去造应用
  • 先吃几口猪肉,再去造猪
  • 技术涨潮过程中,跟着一起涨

产品经理的基本功和关键气质

  • 抛出来产品的画面感
  • 有想象力,有推动心
  • 既有之前的成功经验,又能够把自己的经验打散,去滋养大模型,还能想象出大模型的新样子,是既要又要的阶段。
  • 未来的两年时间内,更多的是加入一家大模型公司,能够获得平台级的支持,帮助你把原有经验打散融入,这样做超级应用成功的概率要大很多。做小应用不一定,但做大的事情要与大模型公司有充分的互动。

04 今天的大模型是「快思考」,AI 需要「慢思考」

快思考,慢思考

  • 大模型其实是「学」,其实并不「思」
  • AlphaZero 代表思,内部对抗博弈
  • 大模型(LLM)代表了「学」,AlphaZero 代表了「思」,如果这两个系统结合在一块就会很厉害。
  • 学而思,学而不思则罔,思而不学则殆
  • 大模型也能判断围棋的输赢,可以写代码来判断围棋的输赢,状态转移代码
  • 大模型有机会写出 AlphaGo 的代码,运行代码后它就会下棋了,这件事是有可能发生的。因此我们在想 Q*的时候,在内部猜想大模型是有机会生产出一些用来思考的框架,然后用传统方式来「思」。

05 理想上慢一步,落地上快三步

  • OpenAI的理想很大,想探索 AGI 的边界
  • 人和公司都要找到自己的定位
  • 不同的土壤长出不同的东西来
  • 同样是创新,是公平的,相对而言,我们在理想往前走这方面会比他们弱,但我们应用上会更加的快,面临着一个更好的机会。
  • OpenAI 一家独大的情况下,做应用的公司得迎着 OpenAI,它的技术做到什么样,你才能做什么样的应用。但国内是模型公司自己在做应用,这种端到端的连贯性,是有机会在一些领域里把应用比他们更快落地跑出来的。
  • OpenAI可能是前锋,在突破边界;我们把技术落地下来变成有意义的东西。
  • 他们的发明我们尊重,我们该追赶,但我们也可以有自己独有的贡献,而不是我认为我需要自己,但这世界并不需要我。

06 百川创业八个月,开始沉淀大模型方法论

  • 好的状态:每次看一个月前的自己,都觉得是傻子。以前工作的时候,是以周的速度在迭代,现在没到那么敏捷的状态,以月为状态看待自己的不足
  • 大家一起共同去调整自己原有的工作方法,去获得大模型时代的方法论。
  • 每天自己都在进步,而且还有多维的成长。不只是说自己会了这些事情,想法比事情要领先半步。但有时候,你会发现走一走,又会有更好的想法出来
  • 能够抱有的信念:超级应用,像互联网时代给人类带来的巨大的帮助和希望一样,两年内帮助大家体验到、用到。
  • 5 年时间太长了,能够想到 2 年后的画面,我就挺满足了。
文章来源:https://blog.csdn.net/liluo_2951121599/article/details/135083096
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。