1. 因技術(shù)領(lǐng)域而異的人工智能產(chǎn)品

首先，要說明的是，每個人工智能產(chǎn)品都因其所屬的行業(yè)不同以及其應(yīng)用的相關(guān)技術(shù)不同，有著很大的差異。比如，機器視覺產(chǎn)品和自然語言處理產(chǎn)品從行業(yè)數(shù)據(jù)特征、業(yè)務(wù)場景以及算法模型等方面都顯得大相徑庭，雖然同屬于人工智能行業(yè)，但兩個細(xì)分領(lǐng)域下產(chǎn)品經(jīng)理所需的背景和知識完全不同。

2. 人工智能產(chǎn)品分類

通常來說，人們從技術(shù)角度，將人工智能產(chǎn)品細(xì)分為：語音識別產(chǎn)品、自然語言處理產(chǎn)品、機器視覺產(chǎn)品和機器學(xué)習(xí)產(chǎn)品。此外，還有一類終端應(yīng)用產(chǎn)品，它通過各種終端載體形式，綜合應(yīng)用了上述的多項技術(shù)。比如，對于車載智能終端上的語音助理，它主要應(yīng)用了語音識別和自然語言處理兩個領(lǐng)域的技術(shù)，它的產(chǎn)品需求除了涉及到這兩個領(lǐng)域技術(shù)的應(yīng)用策略外，還涉及語音助理客戶端上相關(guān)的產(chǎn)品設(shè)計。

本文嘗試以“智能車載終端語音助理”產(chǎn)品為例，從語音識別、自然語言處理兩類AI產(chǎn)品的角度出發(fā)，去盡可能的介紹人工智能產(chǎn)品需求與傳統(tǒng)互聯(lián)網(wǎng)產(chǎn)品需求的異同，也許無法完整的概括人工智能產(chǎn)品需求的方方面面，還請各位讀者見諒。

AI產(chǎn)品和互聯(lián)網(wǎng)產(chǎn)品PRD的異同

既然是PRD，AI產(chǎn)品的PRD也不外乎由文檔描述、需求背景、競品分析、需求范圍、需求內(nèi)容幾大部分組成。其中，從文檔描述到需求范圍的部分，AI產(chǎn)品PRD和傳統(tǒng)互聯(lián)網(wǎng)產(chǎn)品PRD并沒有太大的不同，二者的差異主要集中在需求內(nèi)容的部分。而需求內(nèi)容這方面的差異又因PM角色的不同而有所不同，因此在展開這一部分之前，先簡要介紹一下車載語音助理產(chǎn)品的分工。

一般來說，一個車載語音助理可以由聲學(xué)前端&ASR、客戶端及Bot Framwork三部分組成，分別對應(yīng)著聲學(xué)交互PM、客戶端PM及技能PM。

1. 車載語音助理的產(chǎn)品分工

1）聲學(xué)交互PM

通過制訂應(yīng)用語音識別技術(shù)時的一些策略，來實現(xiàn)端上的一些產(chǎn)品特性。聲學(xué)交互PM有點類似傳統(tǒng)互聯(lián)網(wǎng)的策略PM，但需要PM對語音識別的各項技術(shù)及其應(yīng)用的場景較為了解。

2）客戶端PM

主要對語音助理框架性的交互（GUI及CUI）體驗負(fù)責(zé)，過程中，往往需要形成一套交互規(guī)范供技能PM參考，保證端體驗的一致性。語音客戶端PM相比于傳統(tǒng)互聯(lián)網(wǎng)的客戶端PM，除了要對GUI交互熟悉之外，更需要對CUI交互有獨到的理解。

3）技能PM

基于Bot Framwork，設(shè)計各個技能的意圖、會話及服務(wù)，來實現(xiàn)端上的一些產(chǎn)品特性。技能PM需要對語義技術(shù)、語義設(shè)計有自己的理解，同時在服務(wù)設(shè)計上需要對CUI交互有自己的理解。

如果將語音助理比作一座大廈，那聲學(xué)交互PM就像是負(fù)責(zé)打地基的，提供了最基礎(chǔ)的語音交互能力；而客戶端PM，則像是用鋼筋搭起了整個建筑的框架；而技能PM，則是用混凝土們將整個建筑填充的更加豐滿。

2. 車載語音助理的產(chǎn)品需求

由于聲學(xué)交互PM、客戶端PM和技能PM的分工不同，他們的需求文檔在需求內(nèi)容方面的側(cè)重就有所不同。

1）聲學(xué)交互類需求

這類需求，首先對技術(shù)提出了能力方面的要求，其次選取合適的場景將能力落地，形成一定的語音交互上的產(chǎn)品特性。一方面，產(chǎn)品需要在需求文檔中說明“要運用的技術(shù)需要達到的能力”，并將這個能力包裝為接口，指定相應(yīng)的輸入和輸出，同時規(guī)定一些性能指標(biāo)。另一方面，產(chǎn)品也會結(jié)合一些場景，制訂一些策略，從而產(chǎn)出一些新的交互特性。這些特性，往往可能不是由一個單一的技術(shù)來實現(xiàn)的，可能需要將多種技術(shù)綜合應(yīng)用。

例如，語音助理的多音區(qū)，其實包含了兩種技術(shù)能力。首先是聲源定位，即分辨車內(nèi)發(fā)音人的來源是在主駕、副駕還是后排，其次是波束成形，即可以只對喚醒人所在方向進行收音，對過程中非喚醒人的聲音信號進行抑制。在這個能力上，產(chǎn)品可以指定將多音區(qū)的聲源定位能力加入車控指令，從而實現(xiàn)副駕說打開車窗，僅開啟副駕側(cè)車窗的特性；也可以指定將多音區(qū)的波束成形能力接入語音交互的流程，使得主駕喚醒之后只接收主駕的指令。

2）客戶端類需求

一般來說，語音助理是圍繞一個bot來運作的，這個bot接收文字輸入，輸出語義或服務(wù)結(jié)果，過程中可能會涉及到多輪和應(yīng)答。而客戶端類需求，就是針對bot從輸入到輸出的整個過程去定義框架性的交互體驗，同時，還會涉及到一些端上常規(guī)模塊的功能設(shè)計。

首先，需要定義bot接收文字輸入前所有流程的設(shè)計，主要是喚醒和識別流程中的GUI和CUI設(shè)計，以及過程中的異常流程處理，例如用戶不說話時如何處理、超時時如何處理、網(wǎng)絡(luò)異常時如何處理等。

其次，需要定義在bot運行過程中，包括語義解析、多輪會話及相應(yīng)多輪應(yīng)答以及最終輸出語義及服務(wù)結(jié)果時所需的框架性GUI設(shè)計，如顯示區(qū)域定義、顯示模板定義、GUI交互定義等。

值得指出的是，這兩部分需求的提出，往往伴隨著設(shè)計規(guī)范一起產(chǎn)出。對于GUI而言，類似于傳統(tǒng)互聯(lián)網(wǎng)的客戶端PM，需要給出整個界面的原型設(shè)計，不同的是，這里往往需要給出模板化的設(shè)計，來盡可能的滿足各類場景下GUI展示的需要。CUI方面，會給出回復(fù)語設(shè)計應(yīng)該遵循的一些原則，例如合作原則、禮貌原則等，同時，也會根據(jù)語音助理的設(shè)定提一些語氣方面的要求。

最后，是語音助理客戶端上一些常規(guī)模塊設(shè)計。例如用戶登錄、設(shè)置、幫助等，而后者和傳統(tǒng)互聯(lián)網(wǎng)產(chǎn)品基本上是一致的。

3）技能類需求

這類需求側(cè)重于技能相關(guān)的語義 、會話及服務(wù)設(shè)計。

語義設(shè)計

語義設(shè)計，分為語義表示定義、模板定義和語料定義三個部分。

語義表示定義，即定義技能所屬領(lǐng)域Domain、領(lǐng)域下的意圖Intent、意圖內(nèi)的參數(shù)Slot以及參數(shù)對應(yīng)的實體。例如，為了讓語音助理聽懂并回答“今天天氣怎么樣？”這一問題，技能PM需要設(shè)計一個天氣查詢的技能，定義它屬于語義所屬的領(lǐng)域 - 天氣、意圖 - 查詢天氣，定義用戶query中可能會出現(xiàn)的參數(shù) - 地點、時間等，同時還要定義參數(shù)對應(yīng)的實體庫。

模板的設(shè)計，其實就是寫一些正則表達式來保證冷啟動時的召回。這一部分可能會在專門的語義平臺上進行，不一定會在需求文檔中體現(xiàn)。

語料的定義，即語料的收集及標(biāo)注。需要產(chǎn)品在需求中說明語料收集的場景、示意的問法等等給到專門的團隊，同時說明標(biāo)注的規(guī)則，供標(biāo)注人員在語料收集完成后進行標(biāo)注工作。而標(biāo)注好的語料，會給到語義模型進行學(xué)習(xí)，來提升意圖的準(zhǔn)召率。
? ? ? ?模板和語料的定義，直接關(guān)系到了語音助理在意圖上的泛化能力，也是需求中不容忽視的部分。不論是在語義表達的設(shè)計還是在語料定義的時候，都需要盡可能的考慮用戶的表達方式，盡可能的去覆蓋更多的說法。

會話設(shè)計

會話設(shè)計，主要是針對多輪對話過程中的CUI及GUI設(shè)計，即根據(jù)當(dāng)前所處的對話狀態(tài)對用戶進行引導(dǎo)，從而明確用戶的指令。如果用戶提供的信息還不足以執(zhí)行任務(wù)，需要設(shè)計相應(yīng)的澄清話術(shù)引導(dǎo)用戶完成填槽，過程中，可能會配合必要的視覺展示，供用戶進行決策。同時，GUI有時候還承擔(dān)了一定的用戶引導(dǎo)作用，提示用戶當(dāng)前可以說些什么指令來繼續(xù)對話。

服務(wù)設(shè)計

服務(wù)設(shè)計，即最終服務(wù)結(jié)果呈現(xiàn)時的回復(fù)話術(shù)設(shè)計及GUI的設(shè)計。還是以天氣舉例子，用戶聽到的“深圳今天是晴天，氣溫21到26攝氏度”就是典型的回復(fù)話術(shù)設(shè)計，而看到的天氣卡片就是GUI的設(shè)計，上面可能顯示了天氣、氣溫、濕度、空氣質(zhì)量指數(shù)等。

回復(fù)話術(shù)的設(shè)計，包含成功執(zhí)行和異常時的回復(fù)。由于語音具備輸入高效，輸出低效的特點，因此在回復(fù)語的設(shè)計上需要盡可能簡潔地給出必要的信息。

在結(jié)果的呈現(xiàn)上，需要產(chǎn)品在需求中定義視覺展示時頁面的信息如何排布，是否涉及二次交互等等。這一部分的內(nèi)容類似傳統(tǒng)互聯(lián)網(wǎng)的原型設(shè)計，只是在設(shè)計的時候需要考慮車載端的交互特性。

結(jié)語

最后想說，無論是什么領(lǐng)域的需求文檔，它都是一份產(chǎn)品需求文檔，和傳統(tǒng)互聯(lián)網(wǎng)的需求文檔在結(jié)構(gòu)上并沒有什么不同，具體的差異因為產(chǎn)品經(jīng)理角色的不同體現(xiàn)在了需求內(nèi)容的部分。