内容简介
· · · · · ·
回看历史，技术革新周期通常可被分为三个阶段：技术先于产品、产品先于技术、运营先于产品。目前，人工智能周期正在由第一阶段向第二阶段过渡，这个时期不仅是技术为社会生活带来巨大改变的时期，更是产品经理们尽情发挥创造力来影响这个世界的时期。实际上，成熟人工智能产品经理的缺乏，正是当下人工智能技术真正落地、改变人们生活的主要瓶颈。
《人工智能产品经理：人机对话系统设计逻辑探究》以帮助读者构建人机对话/人工智能产品经理的完整知识体系结构为主脉络，阐述了人工智能对未来社会的影响；举例说明了产品经理应该如何培养抽象、归纳及系统的思维能力；通俗讲解了人工智能方向下蓬勃发展的机器学习、深度学习及自然语言处理技术的必备知识；详细介绍了人工智能技术在人机对话领域的具体应用实践；细致剖析了市面上主流的人机对话开放平台的经典设计，并深入探究了其在设计之初意欲求解的问题。
不论是转行从事人机对话/人工智能领域的产品经理，还是希望在人机对话领域深耕的非技术从业者，阅读《人工智能产品经理：人机对话系统设计逻辑探究》都能获得更全面的认知和更独到的见解。
作者简介
· · · · · ·
朱鹏臻
滴滴出行AI Labs产品经理，人人都是产品经理社区特邀作者，起点学院导师。
在任务型人机对话领域积累了丰富的经验，曾先后负责或参与平台型、用户型和商业型人工智能产品的设计工作，擅长人机对话平台设计和多轮对话系统构建。
曾研究机器学习、深度学习、自然语言处理、语音识别、推荐系统、搜索引擎、数据挖掘和知识图谱8个AI领域的基础技术理论，写了大量的技术总结文章，累计20余万字。获得了简书“互联网优秀作者”认证，相关微博浏览量超70万次。
微博@我偏笑_NSNirvana
目录
· · · · · ·
第1 章 绪论 / 1
1.1 人工智能与未来 / 2
1.1.1 DeepMind 与强化学习 / 3
1.1.2 生物与算法 / 4
1.1.3 被撼动的自由主义 / 5
1.1.4 被取代的工作 / 8
1.1.5 新的社会契约 / 12
1.2 人机对话的意义 / 14
1.3 人机交互的变迁 / 15
1.4 需求、风口、周期 / 16
1.4.1 需求与风口 / 16
1.4.2 周期三段论 / 17
1.4.3 周期中的产品经理 / 19
1.4.4 人工智能周期 / 20
第2 章 产品经理与系统设计 / 22
2.1 产品经理与技术 / 23
2.1.1 产品经理的技术了解层级 / 23
2.1.2 技术型产品经理的定位 / 25
2.1.3 技术型产品经理的价值 / 27
2.1.4 技术型产品经理的思维能力 / 29
2.2 系统与系统思维 / 33
2.2.1 系统之美 / 33
2.2.2 优秀软件系统的特征 / 35
2.2.3 系统设计的基本问题 / 38
2.3 平台设计通用工作流程 / 39
第3 章 人工智能技术 / 42
3.1 机器学习 / 43
3.1.1 机器学习简介 / 43
3.1.2 k-近邻（kNN）算法 / 45
3.1.3 ID3 决策树算法 / 46
3.1.4 朴素贝叶斯分类算法 / 47
3.1.5 逻辑回归算法 / 50
3.1.6 支持向量机（SVM） / 53
3.1.7 AdaBoost 元算法 / 55
3.1.8 线性回归及树回归算法 / 58
3.1.9 K 均值聚类算法 / 61
3.1.10 Apriori 及FP-growth 算法 / 63
3.1.11 PCA 与SVD / 64
3.1.12 主题模型 LDA / 66
3.2 深度学习 / 68
3.2.1 深度学习与机器学习 / 68
3.2.2 感知机模型与前馈神经网络 / 69
3.2.3 深度神经网络的训练 / 72
3.2.4 卷积神经网络（CNN） / 79
3.2.5 递归神经网络（RNN）与LSTM / 84
3.3 自然语言处理 / 87
3.3.1 自然语言处理简介 / 87
3.3.2 熵 / 88
3.3.3 形式语言 / 90
3.3.4 语言模型 / 91
3.3.5 马尔可夫模型（MM） / 93
3.3.6 隐马尔可夫模型（HMM） / 94
3.3.7 最大熵模型（MEM） / 96
3.3.8 最大熵马尔可夫模型（MEMM）与条件随机场（CRF） / 96
3.3.9 词法分析 / 98
3.3.10 句法分析 / 100
3.3.11 语义分析 / 102
第4 章 智能交互技术 / 104
4.1 智能搜索 / 105
4.1.1 搜索命中方式 / 107
4.1.2 SMT 与词义相似度 / 109
4.1.3 词向量与 word2vec / 109
4.1.4 利用DNN 优化搜索结果 / 113
4.1.5 利用 CNN 计算语义相关性 / 116
4.1.6 利用 RNN 构建语言模型 / 118
4.1.7 基于知识图谱的知识推理 / 120
4.1.8 知识图谱的局限 / 122
4.1.9 其他智能搜索技术 / 123
4.2 对话交互 / 124
4.2.1 对话交互概述 / 124
4.2.2 自然语言理解与填槽 / 125
4.2.3 开放域上下文理解 / 127
4.2.4 自然语言生成与 seq2seq / 128
4.2.5 人机对话与强化学习 / 132
4.3 问答匹配技术的发展 / 134
第5 章 Bot Framework 设计探究 / 138
5.1 多轮对话初探 / 139
5.2 对话系统与语义表示 / 140
5.2.1 对话系统的组成 / 140
5.2.2 语义表示的三种方式 / 141
5.2.3 Bot Framework 的产生 / 145
5.3 Bot Framework 设计 / 148
5.3.1 国内外开放Bot Framework 一览 / 148
5.3.2 Bot Framework 的组成 / 150
5.3.3 意图（Intent） / 150
5.3.4 实体（Entity） / 158
5.3.5 训练（Training） / 163
5.3.6 基于分布语义的平台设计 / 173
5.3.7 基于对话流/图设计的 Bot Framework / 174
5.4 基于Bot Framework 的多轮对话 / 180
5.4.1 基于分布语义的人机对话 / 181
5.4.2 基于模型论语义的人机对话 / 182
5.4.3 基于框架语义的人机对话 / 183
5.4.4 Bot Framework 下的人机对话逻辑 / 184
5.4.5 寻找设计与对话逻辑的最优解 / 194
第6章 对话服务管理与数据分析平台 / 212
6.1 人机对话平台基本模型 / 213
6.2 对话服务管理 / 215
6.2.1 服务部署与模拟测试 / 215
6.2.2 发布上线与版本管理 / 218
6.2.3 特殊类型对话服务管理 / 220
6.3 对话数据分析平台 / 221
· · · · · ·