我们每天的生活工作, 具体到出行, 消费, 社交, 娱乐的每一个场景, 都已经无法离开手机这个中心. 每天有海量的个人数据与交互信息输入手机, 又有无数内容从手机输出, 于是人们开始很自然的假设: 手机是不是可以利用这些数据做些什么? 比如, 更懂它的用户主人?
'让手机更懂你' 一直都是智能机时代的主攻方向. 当人工智能代表的机器学习技术和拟人交互特征部署在手机上之后, AI顺理成章的成为了这个方向的主要手段.
随着麒麟970诞生以来, 苹果, 华为先后发布了搭载AI处理器的手机产品, 谷歌, 三星等品牌也陆续发布了手机AI计划. 也许现在是时候来回看一下, 在理解用户这个角度AI手机们交出了怎样的答卷. 我们对于 '懂你' 这个需求, 是否本身就有一些无法解决的问题?
为了了解普通用户是如何看待 '手机懂你' 这件事, 我们首先做了一个小范围问卷调查, 得到的结果还是很有趣的.
恐怖谷效应: 关于 '手机懂你' 的人类纠结
为了让问卷调查具有代表性, 我们在2个人工智能社群和2个手机社群中各随机抽选了25名来自各个行业的被访问者, 组成了100人的受访群体, 受访者对于手机和人工智能的话题基本都有了解.
我们的调查包括四个问题, 两个判断题和两个选择题.
首先我们的提问是, 是否期待更懂你的手机? 不出所料, 绝大部分人选择了 '是' .
但接下来我们提问, 是否愿意在有安全保障的情况下, 让手机读取并理解你的所有个人数据, 包括购买行为, 聊天记录, 出行信息等等. 结果有超过70个人表示 '不愿意' .
接下来的选择题中, 我们首先让受访者回答具有怎样能力的手机算是 '更懂你' . 选项包括: 1读懂你的兴趣爱好, 2读懂你的手机使用习惯, 3读懂你的生物特征 (包括虹膜, 指纹, 运动数据, 身体机能数据等) . 这里有超过一半的人选择了1, 即读懂用户的兴趣爱好.
最后我们的问题是, 下面哪种功能是你最需要的: 1智能秘书, 2智能节电, 3智能硬件清理, 4智能电商推荐. 结果有些出乎意料, 得票最多的是第二项智能节电, 而智能电商推荐是得票最低的.
从这样的结果, 似乎能感受到一点纠结: 我们希望手机更懂自己, 但是却不愿意把自己的信息交付给手机. 我们希望手机能理解自己的兴趣爱好, 但真正期待的功能却是对个人信息需求最少的 '省电' .
随后与受访者的沟通也印证了我们的看法. 大部分受访者认为, 手机更懂自己当然是好的, 但是让手机去理解自己的隐私信息还是有非常大的安全担忧. 对于这几个功能而言, 智能秘书很多人认为并没有实际用处, 电商推荐则很可能加入商家的利益驱动, 反而是省电和清理内存, 真的挺有必要的.
这或许是一个很有代表性的矛盾: 一方面我们认为手机更加智能, 可以更好的理解我们必然是正确的. 但另一方面, 对于开放所有隐私信息的不安全感, 以及那种似乎在被手机监控的不舒适感, 又让我们无法真正接受来自手机AI的 '爱与理解' . 这或许是人类在面对手机时的恐怖谷心理.
重要的非关键信息: 手机AI理解用户如何开始?
那么, 手机读懂用户就彻底是个伪命题吗?
或许也未必, 毕竟在用户的隐私担忧和机器学习带来的体验升级之间, 还是存在漫长的边缘地带. 这一块或许才是AI在手机上释放学习能力的最好舞台.
这里我们要先来理解一个问题: 我们每天到底给手机输入什么数据?
用户对手机的数据灌输, 从重要程度上来说可以划分为两类. 第一种是关键型数据, 其中包括生物关键数据 (指纹, 虹膜, faceID等) , 数位关键数据 (账号, 密码, 电话, 证件号等) , 行为关键数据 (购买信息, 社交信息, 出行信息等) . 而另一类是非关键数据, 其中包括音频数据 (打电话, 语音时输入的声音) , 环境数据 (手机周围的冷热, 空气质量等) , 人机交互数据 (用户每一次点击和滑动操作) .
而我们真正担心泄露和容易产生不适心理的, 基本是关键型数据被收集和利用, 但真正手机每天收集最多的却是非关键型数据. 这部分数据对于用户来说基本毫无意义, 却可能让手机搭载的AI系统从中学习, 理解很多用户相关信息, 并通过算法来回馈个性化解决方案.
基于此, 手机懂你的纠结或许可以从非关键型数据的应用来破解.
首先解决用户与移动AI交互的从0到1, 才有后面的一切可言.
Mate10独特的懂你姿势
当然, 这里不是说手机理解和学习部分关键型用户数据不可取. 事实上即使手机不做, 应用和软件也将学习这些数据, 反而集成在手机端可能带来的想象力更广阔.
但是今天大部分用户对于手机全面学习自身信息还是存在担忧的. 类似功能很难在必须为市场认可的旗舰机上大规模部署, 以免激发不必要的舆论争端和市场抵触.
此前作为前瞻性技术的实验产品, 荣耀magic曾经搭载过主动学习用户数据的人工智能系统, 让系统具有感知能力, 理解分析能力和主动服务能力. 但即使定位为前沿产品, 荣耀magic依旧要让用户自行选择是否开启这一能力, 以及层层搭建保护措施. 可见手机读懂用户的命题真正落地相当艰难.
刚刚开始发售的iPhone X, 即使作为苹果全面面向未来的一款产品, 搭载了单独AI处理单元和大量AI功能, 却依旧选择在理解用户习惯这个层面不进行部署. 只是将AI技术集中在摄像头和拍照与识别单元中.
相比较成熟的AI解决方案, 比如语音交互和机器视觉, 理解和学习用户习惯可能是一个很难讨喜, 又存在隐性风险的技术端口. 苹果的态度基本是绕过去, 但好在华为没有.
我们注意到, 华为Mate10刚刚掀起的众多关于移动AI的讨论中, 并没有选择对手机理解用户这件事 '知难而绕' . 在没有选择学习用户核心数据的激进方案前提下, Mate10似乎在非关键型用户数据的理解与个性化输出下了不少功夫.
比如这次华为Mate10中搭载了基于AI技术的Easy Talk功能. 这个功能直接依赖于麒麟970的NPU处理单元. 功能在于学习用户日常通话的音量, 音色, 音准等习惯. 通过AI算法来优化个人声音模型, 据此提高麦克风灵敏度.
这个功能最大的意义, 在于通过对用户声音这种非关键型数据的学习 (毕竟说话声肯定不是隐私) , 实现了AI去噪音的目的. 要知道对于机器系统来说, 用户声音和其他人声, 环境噪音是没有任何区别的. 想要在远距离或者嘈杂环境中把用户声音 '摘' 出来, 就必须要理解用户声音是怎么样的, 用户的语言习惯, 声量控制习惯如何. 才能最终实现准确的去噪和抓取. 这次Mate10推出的驾驶场景通话质量优化功能, 应该也是使用了这样的技术思路.
另一个重要的用户数据学习领域, 是用户的用机习惯. 这其中包括用户的手机使用频次, 唤醒时长, 软件使用习惯等多个方面. 对于用户来说, 这些习惯并不涉及任何隐私, 但对于手机来说, 学习和理解这些习惯并进行反向输出, 可能会影响整个手机系统的使用体验.
通过麒麟970的AI处理能力, 来实现对人机交互习惯的机器学习与理解, 释放出了Mate10在系统优化上的AI能力. 在消费者体验来看, 最大的改观首先是安卓自带的陈冗文件卡顿问题被规避掉, 其次就是通过配合用户习惯来智能调节软件工作频次, 降低了用电消耗, 变相获得了持久的待机体验.
通过挖掘这些非隐私, 却又十分重要的用户信息. 对那些看似无关, 稍纵即逝的数据倍加留心, Mate10可谓首创了AI时代手机读懂用户的全新模式.
但这只是第一步, 几个关键功能上的新姿势, 并不是Mate10可能打开的移动AI生态的全貌.
预演未来: 渐塑mobile AI生态的下一步?
当电力产生的时候, 人们并没有惊叹于它的价值, 而是首先质疑它带来的危险. 直到交流电带来了人造光明, 人类才被彻底征服. 那之后电依旧是危险的, 但合理保护和安全常识让它走入了每一户人家.
今天的移动AI, 很可能也在经历这样一个过程. 想要让机器更懂人类, 更好的为人类服务, 我们终有一天会全面开放人机交互, 让AI无处不在. 但必须有足够大的价值去不断说服人类才行.
说服的方式无非来自于两条线索: 无可置疑的安全, 以及越来越丰富的应用想象力.
前者反应在iPhoneX, 华为Mate10这些AI手机上, 最显著的一点就是移动AI芯片带来的本地化AI处理能力. 只有有效的云端协作搭配云, 端数据完全分离, 个人隐私根本无从扩散, 才能让用户相信人机数据共享的安全前提.
而更重要的是应用想象力不断扩张, 通过AI处理单元的算力支持, 加上Mate10这样的适配机型在感知, 学习, 理解能力上的集成体现, 构筑了一个非常理想的开发平台. AI的未来永远都在开发者的想象力中, AI读懂用户的各种巧妙方式也有待进一步完善.
麒麟970搭配发布的HiAI人工智能开发架构, 就是给开发者预留的舞台. 加上Mate10本身的功能示范, 通过应用撬动用户习惯或许才是未来的主战场.
移动AI命题是个无法一步到位, 必须逐渐雕塑的城堡. 而麒麟970的硬件基础与HiAI的平台准备, 已经对更远的未来进行了一些预演. 在开放式开发结构和本地化AI的安全保障下, 手机读懂用户习惯接下来最可能在一些垂直领域达成拓展.
比如在健康领域, 用户选择性共享健康信息, 出行信息和医疗历史, 系统将可以自我学习用户健康习惯, 给出更智能的膳食, 运动, 营养习惯, 以及看护治疗与康复进程. 这一点对于开发者来说极富诱惑.
再比如商务应用领域, 通过学习用户的行程安排, 场景更迭以及工作习惯, 移动AI将可以扮演非常关键的行业助手角色. 这个能力可能对于普通用户来说不是必要的, 但对于商务人群来说却有着巨大吸引力.
另一个可能的手机读懂用户方式, 来自手机AI与其他硬件的协同化. 比如手环, 手表, VR器材与手机的感知能力一体化后, 手机作为处理中心达成协同数据的手机和反馈. 通过终端计算能力建立硬件体系的AI闭环, 可以带来的应用想象力的大幅飙升.
讨论了这么多, 只是希望能够帮助大家更加立体化的认识手机AI到底如何读懂用户. 这个过程可能发育方式跟我们想象中不同, 但绝非没有意义. 人机交互永远以人为本, 机器懂人当然比人懂机器更加天经地义.
让手机懂你, 不是不行, 只是很难, 但好在Mate10这样的挑战者始终都在.