我們每天的生活工作, 具體到出行, 消費, 社交, 娛樂的每一個場景, 都已經無法離開手機這個中心. 每天有海量的個人數據與交互資訊輸入手機, 又有無數內容從手機輸出, 於是人們開始很自然的假設: 手機是不是可以利用這些數據做些什麼? 比如, 更懂它的用戶主人?
'讓手機更懂你' 一直都是智能機時代的主攻方向. 當人工智慧代表的機器學習技術和擬人交互特徵部署在手機上之後, AI順理成章的成為了這個方向的主要手段.
隨著麒麟970誕生以來, 蘋果, 華為先後發布了搭載AI處理器的手機產品, 穀歌, 三星等品牌也陸續發布了手機AI計劃. 也許現在是時候來回看一下, 在理解用戶這個角度AI手機們交出了怎樣的答卷. 我們對於 '懂你' 這個需求, 是否本身就有一些無法解決的問題?
為了了解普通用戶是如何看待 '手機懂你' 這件事, 我們首先做了一個小範圍問卷調查, 得到的結果還是很有趣的.
恐怖穀效應: 關於 '手機懂你' 的人類糾結
為了讓問卷調查具有代表性, 我們在2個人工智慧社群和2個手機社群中各隨機抽選了25名來自各個行業的被訪問者, 組成了100人的受訪群體, 受訪者對於手機和人工智慧的話題基本都有了解.
我們的調查包括四個問題, 兩個判斷題和兩個選擇題.
首先我們的提問是, 是否期待更懂你的手機? 不出所料, 絕大部分人選擇了 '是' .
但接下來我們提問, 是否願意在有安全保障的情況下, 讓手機讀取並理解你的所有個人數據, 包括購買行為, 聊天記錄, 出行資訊等等. 結果有超過70個人表示 '不願意' .
接下來的選擇題中, 我們首先讓受訪者回答具有怎樣能力的手機算是 '更懂你' . 選項包括: 1讀懂你的興趣愛好, 2讀懂你的手機使用習慣, 3讀懂你的生物特徵 (包括虹膜, 指紋, 運動數據, 身體機能數據等) . 這裡有超過一半的人選擇了1, 即讀懂用戶的興趣愛好.
最後我們的問題是, 下面哪種功能是你最需要的: 1智能秘書, 2智能節電, 3智能硬體清理, 4智能電商推薦. 結果有些出乎意料, 得票最多的是第二項智能節電, 而智能電商推薦是得票最低的.
從這樣的結果, 似乎能感受到一點糾結: 我們希望手機更懂自己, 但是卻不願意把自己的資訊交付給手機. 我們希望手機能理解自己的興趣愛好, 但真正期待的功能卻是對個人資訊需求最少的 '省電' .
隨後與受訪者的溝通也印證了我們的看法. 大部分受訪者認為, 手機更懂自己當然是好的, 但是讓手機去理解自己的隱私資訊還是有非常大的安全擔憂. 對於這幾個功能而言, 智能秘書很多人認為並沒有實際用處, 電商推薦則很可能加入商家的利益驅動, 反而是省電和清理記憶體, 真的挺有必要的.
這或許是一個很有代表性的矛盾: 一方面我們認為手機更加智能, 可以更好的理解我們必然是正確的. 但另一方面, 對於開放所有隱私資訊的不安全感, 以及那種似乎在被手機監控的不舒適感, 又讓我們無法真正接受來自手機AI的 '愛與理解' . 這或許是人類在面對手機時的恐怖穀心理.
重要的非關鍵資訊: 手機AI理解用戶如何開始?
那麼, 手機讀懂用戶就徹底是個偽命題嗎?
或許也未必, 畢竟在用戶的隱私擔憂和機器學習帶來的體驗升級之間, 還是存在漫長的邊緣地帶. 這一塊或許才是AI在手機上釋放學習能力的最好舞台.
這裡我們要先來理解一個問題: 我們每天到底給手機輸入什麼數據?
用戶對手機的數據灌輸, 從重要程度上來說可以劃分為兩類. 第一種是關鍵型數據, 其中包括生物關鍵數據 (指紋, 虹膜, faceID等) , 數位關鍵數據 (賬號, 密碼, 電話, 證件號等) , 行為關鍵數據 (購買資訊, 社交資訊, 出行資訊等) . 而另一類是非關鍵數據, 其中包括音頻數據 (打電話, 語音時輸入的聲音) , 環境數據 (手機周圍的冷熱, 空氣質量等) , 人機交互數據 (用戶每一次點擊和滑動操作) .
而我們真正擔心泄露和容易產生不適心理的, 基本是關鍵型數據被收集和利用, 但真正手機每天收集最多的卻是非關鍵型數據. 這部分數據對於用戶來說基本毫無意義, 卻可能讓手機搭載的AI系統從中學習, 理解很多用戶相關資訊, 並通過演算法來回饋個性化解決方案.
基於此, 手機懂你的糾結或許可以從非關鍵型數據的應用來破解.
首先解決用戶與移動AI交互的從0到1, 才有後面的一切可言.
Mate10獨特的懂你姿勢
當然, 這裡不是說手機理解和學習部分關鍵型用戶數據不可取. 事實上即使手機不做, 應用和軟體也將學習這些數據, 反而整合在手機端可能帶來的想象力更廣闊.
但是今天大部分用戶對於手機全面學習自身資訊還是存在擔憂的. 類似功能很難在必須為市場認可的旗艦機上大規模部署, 以免激發不必要的輿論爭端和市場抵觸.
此前作為前瞻性技術的實驗產品, 榮耀magic曾經搭載過主動學慣用戶數據的人工智慧系統, 讓系統具有感知能力, 理解分析能力和主動服務能力. 但即使定位為前沿產品, 榮耀magic依舊要讓用戶自行選擇是否開啟這一能力, 以及層層搭建保護措施. 可見手機讀懂用戶的命題真正落地相當艱難.
剛剛開始發售的iPhone X, 即使作為蘋果全面面向未來的一款產品, 搭載了單獨AI處理單元和大量AI功能, 卻依舊選擇在理解用戶習慣這個層面不進行部署. 只是將AI技術集中在攝像頭和拍照與識別單元中.
相比較成熟的AI解決方案, 比如語音交互和機器視覺, 理解和學慣用戶習慣可能是一個很難討喜, 又存在隱性風險的技術通信埠. 蘋果的態度基本是繞過去, 但好在華為沒有.
我們注意到, 華為Mate10剛剛掀起的眾多關於移動AI的討論中, 並沒有選擇對手機理解用戶這件事 '知難而繞' . 在沒有選擇學慣用戶核心數據的激進方案前提下, Mate10似乎在非關鍵型用戶數據的理解與個性化輸出下了不少功夫.
比如這次華為Mate10中搭載了基於AI技術的Easy Talk功能. 這個功能直接依賴於麒麟970的NPU處理單元. 功能在於學慣用戶日常通話的音量, 音色, 音準等習慣. 通過AI演算法來優化個人聲音模型, 據此提高麥克風靈敏度.
這個功能最大的意義, 在於通過對用戶聲音這種非關鍵型數據的學習 (畢竟說話聲肯定不是隱私) , 實現了AI去噪音的目的. 要知道對於機器系統來說, 用戶聲音和其他人聲, 環境噪音是沒有任何區別的. 想要在遠距離或者嘈雜環境中把用戶聲音 '摘' 出來, 就必須要理解用戶聲音是怎麼樣的, 用戶的語言習慣, 聲量控制習慣如何. 才能最終實現準確的去噪和抓取. 這次Mate10推出的駕駛場景通話質量優化功能, 應該也是使用了這樣的技術思路.
另一個重要的用戶數據學習領域, 是用戶的用機習慣. 這其中包括用戶的手機使用頻次, 喚醒時長, 軟體使用習慣等多個方面. 對於用戶來說, 這些習慣並不涉及任何隱私, 但對於手機來說, 學習和理解這些習慣並進行反向輸出, 可能會影響整個手機系統的使用體驗.
通過麒麟970的AI處理能力, 來實現對人機交互習慣的機器學習與理解, 釋放出了Mate10在系統優化上的AI能力. 在消費者體驗來看, 最大的改觀首先是安卓自帶的陳冗檔案卡頓問題被規避掉, 其次就是通過配合用戶習慣來智能調節軟體工作頻次, 降低了用電消耗, 變相獲得了持久的待機體驗.
通過挖掘這些非隱私, 卻又十分重要的用戶資訊. 對那些看似無關, 稍縱即逝的數據倍加留心, Mate10可謂首創了AI時代手機讀懂用戶的全新模式.
但這隻是第一步, 幾個關鍵功能上的新姿勢, 並不是Mate10可能開啟的移動AI生態的全貌.
預演未來: 漸塑mobile AI生態的下一步?
當電力產生的時候, 人們並沒有驚歎於它的價值, 而是首先質疑它帶來的危險. 直到交流電帶來了人造光明, 人類才被徹底征服. 那之後電依舊是危險的, 但合理保護和安全常識讓它走入了每一戶人家.
今天的移動AI, 很可能也在經曆這樣一個過程. 想要讓機器更懂人類, 更好的為人類服務, 我們終有一天會全面開放人機交互, 讓AI無處不在. 但必須有足夠大的價值去不斷說服人類才行.
說服的方式無非來自於兩條線索: 無可置疑的安全, 以及越來越豐富的應用想象力.
前者反應在iPhoneX, 華為Mate10這些AI手機上, 最顯著的一點就是移動AI晶片帶來的本地化AI處理能力. 只有有效的雲端協作搭配雲, 端數據完全分離, 個人隱私根本無從擴散, 才能讓用戶相信人機數據共用的安全前提.
而更重要的是應用想象力不斷擴張, 通過AI處理單元的算力支援, 加上Mate10這樣的適配機型在感知, 學習, 理解能力上的整合體現, 構築了一個非常理想的開發平台. AI的未來永遠都在開發者的想象力中, AI讀懂用戶的各種巧妙方式也有待進一步完善.
麒麟970搭配發布的HiAI人工智慧開發架構, 就是給開發者預留的舞台. 加上Mate10本身的功能示範, 通過應用撬動用戶習慣或許才是未來的主戰場.
移動AI命題是個無法一步到位, 必須逐漸雕塑的城堡. 而麒麟970的硬體基礎與HiAI的平台準備, 已經對更遠的未來進行了一些預演. 在開放式開髮結構和本地化AI的安全保障下, 手機讀懂用戶習慣接下來最可能在一些垂直領域達成拓展.
比如在健康領域, 用戶選擇性共用健康資訊, 出行資訊和醫療曆史, 系統將可以自我學慣用戶健康習慣, 給出更智能的膳食, 運動, 營養習慣, 以及看護治療與康複進程. 這一點對於開發者來說極富誘惑.
再比如商務應用領域, 通過學慣用戶的行程安排, 場景更迭以及工作習慣, 移動AI將可以扮演非常關鍵的行業助手角色. 這個能力可能對於普通用戶來說不是必要的, 但對於商務人群來說卻有著巨大吸引力.
另一個可能的手機讀懂用戶方式, 來自手機AI與其他硬體的協同化. 比如手環, 手錶, VR器材與手機的感知能力一體化後, 手機作為處理中心達成協同數據的手機和反饋. 通過終端計算能力建立硬體體系的AI閉環, 可以帶來的應用想象力的大幅飆升.
討論了這麼多, 只是希望能夠幫助大家更加立體化的認識手機AI到底如何讀懂用戶. 這個過程可能發育方式跟我們想象中不同, 但絕非沒有意義. 人機交互永遠以人為本, 機器懂人當然比人懂機器更加天經地義.
讓手機懂你, 不是不行, 只是很難, 但好在Mate10這樣的挑戰者始終都在.