저는 2019년 어느 금요일 저녁, 팬데믹이 전 세계적으로 확산되기 몇 달 전에 자리에 앉았습니다. 그 시점에서 저는 다른 많은 것들 사이에서 뉴스에 잠깐 등장했습니다. 저는 제가 느끼고 있던 잠재된 불안을 변화시키기로 다짐했습니다. 내 인생의 궤적은 좀 더 구조화되고 의도적입니다.

나는 이상한 전환에서 벗어났습니다. 나는 여전히 약간 의 노력과 생각을 기울이는 커뮤니티 구축에 대한 프로젝트 에 많은 노력과 생각을 기울였습니다. 그러나 2019년까지 나는 큰 소진을 겪었고 관계, 고용, 주거 변화 및 커뮤니티 구축을 통해 전환했지만 여전히 열망했지만 현실과는 거리가 멀다고 느꼈습니다. 그래서 나는 다시 시간과 노력을 들여 내가 살고 싶은 미래, 즉 의미와 만들기, 의미 만들기의 소우주에 대해 생각했습니다.

나는 많은 목표를 설정했고 그것을 공유하는 것이 부끄럽지만 여기에 있습니다.

단기(1~3년…2020~2023):

개인적인 목표

• 아트 프로젝트 3개 제작 ✅
• Adæpt 웹샵 및 서비스 시작 ✅
• Surf & Write 여행 — 2개국

• 제품 관리자 되기 ✅
• AI/데이터 제품의 제품 관리자
• 공인 클라우드 설계자가 되십시오
• USC에서 석사 시작하기 ✅

개인적인 목표

• 책 쓰기
• 크리에이티브 탤런트 에이전트 및 파트너
• 토지에 대한 지분 구축

• 마그네슘 감독 데이터공학과 & 인공지능 제품
• 3가지 수입원 — 제품, 관리, 법률
• 법률 업무 — IP/M&A/계약/규제

개인적인 목표

• 커뮤니티 청지기, 장로, 고문
• 자녀 양육에 도움
• 여행 및 만들기

• 생산적인 회사 청지기, 장로, 고문
• 교육, 연구, 지도 Lab-Studio
• 프로젝트 파이낸싱 관리 파트너

개인적인 목표

• 커뮤니티 청지기, 장로, 고문
• 자녀 양육에 도움
• 여행 및 만들기

• Product Co-Op 이사
• 연사 및 작가
• AI 제품의 전략적 파트너

2021년에 저는 프로덕트 매니저가 되는 목표를 달성했고 그것에 대해 감사하게 생각합니다. 그리고 2019년과 지금 사이에 AI를 구성하는 모든 것에 대한 능력과 이해를 심화하기 위해 더 많은 일을 했으면 좋았을 텐데, 저는 이 목표를 달성하기로 결심하고 2023년 5월 5일에 이 자리에 섰습니다.

나는 대학원 프로그램에서 기계 학습 과정을 수강하고 모델을 사용하고 데이터를 가지고 놀면서 내가 원하는 방식으로 모델이 응답하도록 하고 그 응답이 어땠는지 다시 보고하는 것은 모두 보람 있는 운동이었습니다. '몰랐다'에 대해 다시 깊이 파고들게 되어 설렌다. 그래서 최근에 저는 이 목표를 달성하기 위해 몇 가지 과정에 등록했습니다.

1. Dan Shipper(Every)가 Open AI API로 챗봇 구축 과정을 가르치고 있습니다.

이 과정을 수강하면서 나는 이 지식을 내가 배우고 있는 다른 것들로 보완하고 그것들을 원칙, 실천, 프로젝트 및 생각으로 통합하기를 희망합니다. 이것은 AI 제품 관리자가 되는 여정에 대한 일련의 게시물 중 첫 번째 게시물이 될 것입니다.

그래서 — 이 경로의 1주 차부터 다시 보고합니다.

Dan 코스의 세션 1은 훌륭했습니다. 저는 Every 커뮤니티의 일원이 되고 이 코호트의 학습자와 함께하게 되어 기쁩니다. 우리는 무엇을 기대하고 어떻게 운영해야 하는지에 대해 몇 가지 고지를 검토했습니다. 우리는 필요한 코딩을 배우는 데 최대한 ChatGPT에 의존할 것입니다 (동일한 방식 + Google 및 StackOverflow와 같은 기존 참조 사용과 함께).

우리는 또한 Replit을 사용하고 있습니다. Replit은 이제 막 시작하고 사랑하고 추천합니다. ChatGPT의 도움으로 만든 코드는 다음과 같습니다(대부분 코드 작성).

import openai
import os

# Set the API key
openai.api_key = os.getenv('OPENAI_API_KEY')

def chat_with_gpt(prompt, conversation_history):
    # Add the user's message to the conversation history
    conversation_history.append({"role": "user", "content": prompt})

    # Generate a response using the conversation history
    response = openai.ChatCompletion.create(
        model='gpt-3.5-turbo',
        messages=conversation_history,
        max_tokens=150,
        n=1,
        stop=None,
        temperature=0.8,
    )

    # Extract the response text and add it to the conversation history
    response_text = response.choices[0].message['content'].strip()
    conversation_history.append({"role": "assistant", "content": response_text})

    return response_text

def main():
    print("Welcome to the GPT-3.5 chatbot! You can start chatting now. If you want to exit, type 'quit'.")
    
    # Initialize an empty conversation history
    conversation_history = [{"role": "system", "content": "You are chatting with a GPT-3.5 powered AI."}]
    
    while True:
        user_input = input("You: ")
        
        if user_input.lower() == "quit":
            print("Goodbye!")
            break
        
        response = chat_with_gpt(user_input, conversation_history)
        print("GPT-3.5: " + response)

if __name__ == "__main__":
    main()

Jon의 AI 제품 관리 수업의 1주 차도 멋졌습니다. AI의 역사를 살펴보면, "인지 기계"를 구축하려는 이 노력이 얼마나 오래 전으로 거슬러 올라가는지 감사합니다.

또한 AI를 구성하는 여러 분야 간의 관계에 대한 훌륭한 맥락도 제공됩니다.

내 목표는 내가 할 수 있는 한 "방법"을 이해하는 것입니다. 그래서 제품 관리자로서 "이유"를 더 잘 정의하기 시작합니다. 또한 AI를 표면화하거나 활용하는 제품을 구축하는 데 적용할 수 있는 UX/UI 원칙과 AI가 사용되는 정도와 AI가 제품 인터페이스의 중심이 되는 정도에 따라 이러한 원칙이 어떻게 달라질 수 있는지 이해하고 싶습니다.