这是一篇写给非技术岗的产品经理/运营的文章，阐述了AIGC和Generative AI（生成式人工智能）的概念及关系，并总结了AIGC对产品经理的影响。
一切要从一张AI“名画”说起……
2022年8月，美国科罗拉多州。游戏设计师杰森·艾伦（Jason Allen）借助Midjourney（一款AI绘画工具）创作了一幅名为《太空歌剧院》的画作，最终获得了这次艺术博览会数字艺术类别的冠军。
这幅画作获奖后，引发了艺术界的广泛争议，同时也让AI绘画受到了前所未有的关注，成为了AI绘画发展历程中的一个标志性事件。
这也是AIGC的又一次出圈。
那什么是AIGC呢，在聊AIGC前，我们想先聊聊Generative AI，也就是生成式人工智能。
在说生成式人工智能之前，先问大家一个问题，什么是人工智能？有人可能会说，啊，《流浪地球》里那个MOSS就是人工智能，有人可能会说，额，我觉得可以帮我做家务的机器人就是人工智能，也有人可能会说，什么，我以为现在流行的ChatGPT就是人工智能。可以看到其实每个人对于“人工智能”这件事其实有不一样的想象。
其实人工智能并没有一个标准的定义。如果我们打开wikipedia，上面对于人工智能的定义非常宽泛。
Artificial intelligence (AI), in its broadest sense, is intelligence exhibited by machines, particularly computer systems. It is a field of research in computer science that develops and studies methods and software that enable machines to perceive their environment and use learning and intelligence to take actions that maximize their chances of achieving defined goals. Such machines may be called AIs.
翻译：人工智能，从广义上来讲，指机器，特别是计算机系统表现出的智能。它是计算机科学的一个研究领域，主要开发和研究能让机器感知周围环境，并利用学习和智能采取行动，最大限度地实现既定目标的方法和软件。这些机器可能可以叫做人工智能们。
一句话简单概括，就是由人制造出来的机器所表现出来的智能，它不是一个单一的技术，更像是一个目标。因为每个人对于机器做到什么程度才算是“智能”可能都会有自己的理解。
回到我们的问题，那什么是生成式人工智能（Generative AI）呢？是不是听起来就和人工智能有千丝万缕的关系~ 同样我们打开wikipedia，来看下他们对Generative AI的定义是什么。
Generative artificial intelligence (generative AI, GenAI or GAI) is a subset of artificial intelligence that uses generative models to produce text, images, videos, or other forms of data.These models often generate output in response to specific prompts . Generative AI system learn the underlying patterns and structures of their training data , enabling them to create new data.
翻译：生成式人工智能是人工智能的一个分支，它使用生成模型来生成文本、图像、视频或其他形式的数据。这些模型通常根据特定的提示生成输出。生成式人工智能系统从它们的训练数据学习潜在的模式和结构，从而让它们可以创造新的数据。
注意！关键词，如果用拟人化的方式来说，就是机器学会了“创造”！TA就像一个“学徒”，如果想让TA画一幅画，TA会先观察各种大师的画作，学习他们的技巧和风格，然后尝试自己创造。
我还看到另一种我认为比较容易理解的说法，生成式人工智能就是让机器生成复杂且有结构的东西。有结构很好理解，比如文本是由一串文字组成，图像是由一堆像素组成。那所谓复杂是指复杂到什么程度呢？指没有办法穷举。
举个例子
今天我和ChatGPT说，帮我写一篇中文诗歌，名字叫“秋天的颜色”，100字。人工智能在背后做了什么事情呢？如果你要写一篇100字的诗歌，而诗歌又是由一堆文字组成的，那么想象一下，要把各种各样的中文字组成100字的诗歌，有多少种可能性？
这是一个排列组合问题，假设常用中文字有3000个，那就是3000乘以100次，即3000的100次方。这个数量有多大？可能你很难说出到底有多大，但我相信你一定觉得这已经大到不可思议了。我们打开科学计算器，它显示，无穷大。
换句话说，机器要从几乎无穷的可能中找到一个适当的组合。
作为产品经理，一个重要的技能就是同时用正面和反面来说明一件事情，以确保大家的理解一致。同样，我们说明了什么是生成式人工智能之后，也说一下什么不是生成式人工智能，让我们的理解更加准确。
举例来说，分类（Classification）就不是生成式人工智能，因为它是让机器从有限的选项中做选择。
例如判断一封邮件是否是垃圾邮件，就是一个分类问题，这封邮件要么是垃圾邮件，要么不是垃圾邮件，机器只是在有限的选项中做选择。
例如在一个水果分类的应用中，需要识别图片中的水果是苹果、香蕉还是橙子，这也是一个分类问题。
如果说人工智能（AI）是一个宽泛的目标，那么生成式人工智能（Generative AI）就有一个更具体的目标（让机器创造出复杂且有结构的东西），只要你告诉它你想要什么（比如一篇散文，比如一张风景画），它就能根据你的要求创造出来。
顺便说一下，今天的生成式人工智能大多以深度学习达成。之后有机会另写一篇文章来介绍生成式人工智能和机器学习、深度学习之间的关系。
了解了生成式人工智能（Generative AI）之后，AIGC（AI-Generated Content）就非常好理解了。
AIGC是生成式人工智能在内容创作领域的具体应用，是一种利用人工智能技术来自动生产有用内容，这个内容可以是文本，可以是图片，可以是视频，等等等等。
所有的AIGC都是基于生成式AI，但是不是所有的生成式AI都是AIGC，因为生成式AI还可以用于其他领域。
举个例子，Midjourney是生成式人工智能（以生成图片为目标），利用AI生成图片就是AIGC。
再举一个大白话的例子，
比如，你有一个才华横溢的音乐家朋友，他可以根据不同的风格或者情绪创作出全新的音乐。如果我说，我想听一首关于秋天的歌，因为秋天的颜色比较深沉，所以这首歌最好是轻音乐风格。他就为你即兴创作了一首优美的曲子。生成式人工智能（Generative AI）就像这位才华横溢的音乐家。AIGC更像是一本乐谱，这本乐谱里收录了这个音乐家创作的各种乐曲，你可以用这本乐谱来演奏这些曲子，也可以根据乐谱中的旋律演绎出属于自己的曲子。
其实在利用AI自动生成内容还没有这么火爆之前，即使都是由人来创作内容，也经历了几个不同的阶段，每个阶段也有各自的优势和应用场景。
概念：由专业人士或团队为商业目的创作的内容
特点：专业制作、内容质量把控严格、商业导向
例子：好莱坞电影、《国家地理》杂志、CCTV新闻报道、Coursera的课程等
在这个阶段，创作者需要投入大量的人力、物力和财力，且创作周期较长，这在一定程度上限制了内容的多样性和创新性。
概念：用户在互联网上自发创作并分享的内容
特点：创作主体是普通用户、内容多样化、互动性强、传播性强
例子：Wikipedia、YouTube、Facebook、TripAdvisor酒店/旅行评价等
在这个阶段，虽然生成成本降低了，但是内容质量参差不齐，有些时候需要平台设计规则加以约束或遴选出优质内容。
概念：将UGC和PGC相结合的一种内容生产模式
特点：结合UGC和PGC的优点（多样性&专业性）
例子：喜马拉雅、哔哩哔哩等
在这个阶段，相比UGC内容会更加专业，但又能够满足更多个性化的需求。
2022年底，ChatGPT的发布进一步推动了AIGC的热潮，与前面三个阶段相比，AIGC代表了一种全新的内容创作方式。以自动化和高效率为特点，可以让我们大规模、快速地生成内容。AIGC同样也结合了PGC和UGC两者的优点，以较低的成本和较高的效率满足个性化需求。
想象一下，你要举办一个聚会，需要做一些蛋糕来招待朋友们。要么需要请一个专业的蛋糕师做一个精美的蛋糕（PGC），要么自己亲手做蛋糕（UGC），可能专业的蛋糕师做一个蛋糕要提前3周预约且只能在特定的样式中选择或基于某一款蛋糕做小调整，但是自己做又觉得费时费力还有点拿不出手。有了AIGC后，你拥有了一个会做各种各样蛋糕的智能机器人，你只要告诉TA你想要什么样的蛋糕，包括形状，颜色，怎么装饰，多少人吃等等，这个机器人会根据你的描述自动设计并做出一个蛋糕，不需要你亲自动手，也不需要去找专业的蛋糕师预定，还满足了你的个性化需求。
这就是AIGC的神奇魔力，它能够自动生成你想要的内容，无论是文本、图片、音乐还是视频，不仅速度快、质量高、成本低，还提供了定制化服务。
内容生成的这几个阶段意味着创作方式的不断演进和创新，但随着技术的发展，它们之间的界限也会越来越模糊，互相之间的协作和融合也会越来越普遍。从PGC到UGC，从UGC到PUGC，再到AIGC，每个阶段都为内容创作带来了新的机遇和挑战。
AIGC正在迅速的改变各行各业的内容创作方式，从媒体出版到广告营销，从教育到娱乐，从医疗到科技，AIGC不断的推动创新以及提升效率。
那么对产品经理意味着什么呢？
有时候，当产品有了一个设计方案，可能因为技术的限制，可能因为产品内容本身的限制，即使这个方案应对了行业的痛点，符合了客户的需求，并且客户也有采购意愿，也需要产品经理调整方案让这个产品可以真正的推出。
举例： 在以前，如果我们要做一款学习产品，希望这个学习产品可以根据用户的学习情况自动推荐下一个学习内容，甚至如果搭配测试的时候，我们想要根据学员的测试情况提供一个最适合用户的学习路径，这不仅提升了学习效率，也会有更好的学习效果。这有个专有名词叫“自适应学习”。但是在PGC阶段，我们需要依赖内容专家或者教学专家来产出相关的学习内容，极有可能因为创作时间长，创作成本高，甚至内容专家可能都没有办法创作出我们希望的自适应学习产品所需要的内容量，从而放弃这个设计。但有了AIGC，AIGC可以辅助内容专家提升创作效率，甚至是通过具体的目标、格式、要求等自动生成内容。
产品经理的很大一块工作其实在做分析，因为只有分析到位，你的产品才有可能成功。无论是商业模式的分析、行业的分析、市场的分析、客户/用户的分析、竞品的分析等等，你会需要阅读大量的行业报告、行业数据、政府政策等，同时你也需要找不同类别（核心竞品、一般竞品、外围竞品）的竞品以及相关信息，并整理成册。这会花费你大量的时间，尤其有些信息可能还不都是中文的情况下，这可能是很多高级产品经理的至暗时刻。
举例： 在以前，如果要做行业数据分析，你可能会去易观、艾瑞咨询、Gartner等各个网站去搜索你要的信息，有了AIGC后，你可以让AIGC帮你提炼关键信息，做文章比较，从而提升阅读效率。
我们都知道产品怎么迭代并不是拍脑袋决定的，无论是通过用户的实际反馈，还是客观数据论证，都需要做大量的数据分析，而这些数据分析动作重复性高，让人疲惫于数据分析本身，而不是通过数据讨论并得出洞察/结论用于后续的迭代支持。
举例： 网站上需要一个产品体验的入口，这个入口的目标是可以吸引用户注册并体验我们的产品。用户的注册率和用户的体验深度是我们的衡量指标，当产品发布后，一旦没有达到相关衡量指标，就需要不断的迭代产品以达到产品目标。由于这个过程要观察的数据很多，比如有多少用户到达这个页面，停留了多久，有多少用户注册了，有多少用户体验了，他们怎么体验了，都是体验到哪个步骤流失的等等等等。我想做过这类功能的产品经理都懂这其中的苦，每次发布之后的一段时间都需要分析大量的数据从而调整我们的产品，有时候产品调整可能很容易，可能只是因为某个按钮没有那么明显，或者某些产品亮点没有让用户理解到。但是要得到相应的调整决策需要分析大量的数据，这个动作重复性非常高。有了AIGC后，AIGC可以帮助我们完成这些重复性的工作，让我们可以用有限的时间做价值感更大的事。
产品上线后，无论是GTM、产品发布会，还是产品操作手册。很多时候都需要产品经理的文档工作是必不可少的。如果是一场重要的发布会，可能你的发布稿需要改上二三十遍（相信我，我经常还不止这个数，尤其碰到一个完美主义的市场部搭档）
举例： 如果你要写一篇新品发布会的文章，在以前，你不仅要自己对着发布会目标反复思考，修改，还需要把稿子给到市场部搭档做调整、润色等等。有了AIGC后，你不仅可以让AIGC给到你调整建议，甚至可以让他扮演不同的角色给到你不同的调整建议。比如可以让他扮演一个专业人士给到你建议，比如可以让他扮演一个听众小白看是否可以听懂你要介绍的产品，甚至给他一些目标用户的画像信息，听听这个产品对他的吸引力是什么样子的。
很多企业都要求产品经理有创新能力，或者可以推动产品创新。无论是产品中的单点创新，还是包装创新，甚至是商业模式创新，都希望产品经理来搞定。但是创新这个能力其实满玄乎的，有时候你想创新的时候找了很多资料都没有任何灵感，但是洗完澡准备睡觉突然灵感大爆发。有时候特地举行了一场头脑风暴没有任何好的idea，但是中午和同事一起吃饭瞎聊的时候就有了一个很好的idea。
举例： 在以前，如果想要创新，要么自己学习，无论是参加研讨会还是自己找资料学习，要么组织头脑风暴。有了AIGC之后，你不仅可以让TA扮演不同的角色告诉你对于产品的想法，你也可以直接把自己的观点或目标告诉TA，并让TA提供一些不一样的角度，很有可能就会给到你一些新的灵感。
如果是B端产品经理，无论我们在做一个产品之前，还是在研发产品过程中，或者产品发布后的验证迭代，及时让客户和用户参与反馈都非常重要。
举例： 在以前，如果我们要做客户分析，我们可以上门拜访客户，我们也可以让不同的客户过来做焦点小组，但无论是什么方式，客户分析也是一个花费大量时间的步骤，不仅要准备访谈的内容，也要保证访谈客户的分布。非常的费时费力。有时候可能因为某些区域某些行业的客户很难找，或者时间的限制，要么就放弃这类客户的访谈，要么就是花钱买数据。有了AIGC后，你可以让TA扮演不同的角色，不仅可以弥补之前客户分布有限的问题，还能够在有限的时间内辅助真实客户得到更完整的反馈。
AIGC不仅提升了我们的工作效率，还为创作带来了更多可能性。
但这个过程中，尤其AIGC的特性，作为产品经理，还是要特别注意数据隐私管理及伦理道德的考量。无论是确保数据合规，还是制定相应的规则和策略来避免伦理道理相关问题以符合社会伦理和法律法规。
随着技术不断发展，AIGC的潜力也会越来越大，期待可以给产品经理这个岗位带来更多的正向影响，让我们专注于更有价值的事情，做出更好的产品！
本文由 @AI 实践干货 原创发布于人人都是产品经理。未经作者许可，禁止转载
题图来自 Pixabay，基于CC0协议
该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。