1
我不得不承認,其實我在寫這篇文章的時候心不在焉,因為我正在糾結(jié)到底買哪一款無線耳機,市面上的款式實在是太多了……
你肯定也聽說了,蘋果剛剛把iPhone7的耳機插口給斃了,這意味著如果你想邊充電邊聽歌的話,你必須買一個無線耳機(當然你也可以選擇不買iphone7哈),而且這貨還不便宜。所以問題來了:如何在預算之內(nèi)選擇一款最好的呢?
我們每天要面對太多的選擇——光是吃東西就有200多種——并且商家才不會幫你,因為他們信奉的核心準則似乎是“消費者想要更多的選擇”,商家總是在各個消費領(lǐng)域貢獻出幾乎令人尷尬的多樣化選擇。
但是,更多選擇真的更好嗎?
2004年,心理學家Barry Schwartz 推廣了一個 “選擇悖論”的概念,意思是當面對太多選擇的時候,我們會無從選擇,并感到一種強烈的不滿。可能更隱蔽的問題在于一種“選擇疲勞癥”,就是一種當我們做了太多選擇,消耗掉我們最好的判斷力,變得狂躁而不再想做選擇的腦力耗盡狀態(tài)。
這種腦力耗盡的狀態(tài)也許就導致了我們經(jīng)常不愿意在下午做出判斷,或是正在購物時隨便買垃圾食品來充饑,又或是在睡前瘋狂買買買。實際上如果調(diào)查我們?nèi)粘K鲞x擇的類型,我們發(fā)現(xiàn)它們大部分都是很瑣碎的,比如吃什么、穿什么、看什么等等,這些選擇其實浪費了我們有限的大腦能力。與其被這些小選擇所困擾,何不試試將它們外包給公司和算法程序?
“便捷,而非選擇”
根據(jù)創(chuàng)造性代理商 Huge 總裁 Aaron Shapiro 所說,這樣的生活已經(jīng)初具雛形了。Shapiro 在他的博客中聲明:“設(shè)計和技術(shù)的下一個重大突破將會是那些可以消除我們?nèi)粘V袥]必要的選擇,將人類從瑣碎雜事中解放出來的產(chǎn)品、服務或是體驗。我將他定義為:預期設(shè)計(Anticipatory design)”
總的來說,預期設(shè)計創(chuàng)造了一種新的“生態(tài)系統(tǒng)”,在這個系統(tǒng)里,用戶無需再做出選擇,而是選擇會根據(jù)用戶的偏好自動給出。系統(tǒng)中,AI會根據(jù)用戶的前期行為、偏好和其他數(shù)據(jù),同時用一些基礎(chǔ)的商業(yè)邏輯和常識完善選擇算法,最終決定出最佳選項。在某種程度上,預期設(shè)計是非常個性化的。
我們來舉個栗子。你之前預定機票時,需要在大量的航空公司網(wǎng)站上尋找最佳選擇,衡量性價比,自己一個人完成很多繁雜的工作。但是在預期設(shè)計中,AI助手可以自動檢查你日程上需要出差的待辦事項,自動幫你預定一張機票,并且這張機票是AI根據(jù)你過去訂票記錄精挑細選出來的最佳選擇。當然,Shapiro也解釋道:“像這樣一個系統(tǒng),一開始是需要反饋機制的。但是正如其他機器學習系統(tǒng)一樣,你使用得越多,系統(tǒng)就越貼合你。最終,系統(tǒng)會將你的生活變得十分簡單化,消除所有中間步驟,直達目標——不管是訂票、選餐館、甚至選擇相親對象,我們都不用再讓Siri幫我們叫滴滴打車,AI助手貼心地就幫我們自動規(guī)劃好并直接把我們送到地方了。
預期設(shè)計實際傳遞了一種理念,也是技術(shù)本身的目的所在:使事情變得簡單化。
“流暢,而非摩擦”
Shapiro 說,一些拓荒者已經(jīng)在該領(lǐng)域邁出了第一步,雖然結(jié)果喜憂參半。比如,亞馬遜、Netflix、Pandora會根據(jù)用戶的歷史選擇對其進行購物推薦,但是有人抱怨說這些系統(tǒng)讓事情更復雜,因為他們還是需要用戶在推薦中做出最終選擇。
相反,一個家庭智能電器控制器可以不詢問用戶就完成工作。典型的物聯(lián)網(wǎng)設(shè)備就可以根據(jù)時間和用戶先前的偏好自動調(diào)節(jié)房間溫度。
還有流媒體服務平臺 Spotify,不同于它的競爭對手為用戶提供單獨的歌曲供其選挑選,Spotify會根據(jù)用戶的品味為其提供打包的歌曲列表“Discover Weekly”。該應用的火爆流行可能就歸功于它在服務上遠勝于其他主流音樂應用的統(tǒng)治地位。
Shapiro 寫道:“我們不難看到,今天的服務創(chuàng)新可以輕易地發(fā)展出一個‘預期設(shè)計’的未來。”
也許你對此表示懷疑,其實我也是。我們的行為真的這么容易被預測嗎?一個算法就可以猜測到我們突然間的決定嗎?我們將選擇外包出去后會失去什么嗎?
“效率,而非自由”
像音樂風格如此主觀的事情可以被計算機輕易地預測,這為我們提供了一種希望:我們做出決定的過程,雖然很多變,但卻可以在某種程度上被自動化。但是無論如何,為了使這種系統(tǒng)運行順暢,我們需要訓練用的數(shù)據(jù),大量的數(shù)據(jù)。
幸運的是,我們處在“數(shù)字化自我”的時代。健康追蹤類設(shè)備可以幫助我們解決問題。未來的設(shè)備可以收集我們所有方面的實時生理數(shù)據(jù),比如荷爾蒙分泌、腦電波等,并未用戶的情緒狀態(tài)和偏好建立模型。
目前已經(jīng)有了一個小型實驗案例。去年,日本服裝品牌優(yōu)衣庫建立了一個算法,叫做UMOOD,可以根據(jù)大量的數(shù)據(jù)收據(jù)幫助顧客選擇最完美的T恤。該系統(tǒng)首先根據(jù)調(diào)查數(shù)據(jù)將T恤按風格顏色分成不同的代表心情,比如綠色代表冷靜。接著,顧客會戴上耳機,系統(tǒng)測試他們在觀看代表不同心情的視頻時的腦部活動。最后系統(tǒng)根據(jù)測試結(jié)果為顧客選擇最符合他們心情的T恤。是的,這個案例像是一種商業(yè)噱頭,但是顧客們非常喜歡。
Shapiro 說:“選擇一件T恤可能很簡單,但是相似的技術(shù)可能幫助我們對財務或是其他更大的人生問題上做出選擇。為了達到目標,最初的預期設(shè)計可以先為用戶提供建議方案而不是直接做出選擇。一旦取得信任,系統(tǒng)將來就可以通過各種渠道收集不同的信息流,在后臺自動運行。所有的服務目的在于一個:幫助你專注于工作和生活中最最重要的事情?!?/span>
毫無疑問,Shapiro 為我們描述了一番樂觀前景。但是他也為我們留下了一些問題。
隱私是一個明顯的問題。正如 Anne Quito 所說,“預期設(shè)計在自動化后面給設(shè)計者和程序員們以及消費者提出了新的道德問題。我們可以信任一個系統(tǒng)能保護我們的個人隱私不被黑客或是營銷人員獲取嗎?或者,關(guān)于隱私的討論已經(jīng)變得毫無意義了嗎?”
隱私與便捷之間的平衡其實不僅僅局限于預期設(shè)計領(lǐng)域,在我們現(xiàn)有的智能系統(tǒng)中也普遍存在。關(guān)于它的爭論遠沒有結(jié)束,也許最終還是會歸結(jié)于每個人自己的選擇。
從哲學意義上來說,有些人認為預測本身對我們認識人類行為上產(chǎn)生一些限制,也會產(chǎn)生一些刻板的假設(shè),并限制人類選擇的自由。這個觀點可能是對的,對那些不追求自由的人來說,擁有那些瑣碎事務的選擇權(quán)也許是一種很大的誘惑。
最后,如果這種服務真正達到了解放人類腦力資源的目標,我們就可以在怎么選擇的問題上多下功夫。在放棄一些控制權(quán),讓機器來解決掉雜事之后,我們最終可以專注于處理那些真正意義重大的決定上。
via singularityhub
推薦閱讀:
一家好的人工智能創(chuàng)業(yè)公司需具備哪些要素?
雷峰網(wǎng)原創(chuàng)文章,未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。