不怎么夸張的說，今天一個普通人類的父母子女伴侶債主上司加在一起，也不如手機更了解 ta。 　　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信息輸入手機，又有無數內容從手機輸出，于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么？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。當人工智能代表的機器學習技術和擬人交互特征部署在手機上之后，AI 順理成章的成為了這個方向的主要手段。 　　蘋果、華為先后發布了搭載 AI 處理器的手機產品。谷歌、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。我們對于“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范圍問卷調查，得到的結果還是很有趣的。 　　恐怖谷效應：關于“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 個人工智能社群和 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。受訪者對于手機和人工智能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，是否愿意在有安全保障的情況下，讓手機讀取并理解你的所有個人數據，包括購買行為、聊天記錄、出行信息等等。結果有超過 70 個人表示“不愿意”。 　　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、讀懂你的生物特征（包括虹膜、指紋、運動數據、身體機能數據等）。這里有超過一半的人選擇了1，即讀懂用戶的興趣愛好。 　　最后我們的問題是，下面哪種功能是你最需要的：1、智能秘書；2、智能節電；3、智能硬件清理；4、智能電商推薦。結果有些出乎意料，得票最多的是2，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，但是卻不愿意把自己的信息交付給手機。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信息需求最少的“省電”。 　　隨后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信息還是有非常大的安全擔憂。對于這幾個功能而言，智能秘書很多人認為并沒有實際用處，電商推薦則很可能加入商家的利益驅動，反而是省電和清理內存，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，對于開放所有隱私信息的不安全感，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谷心理。 　　重要的非關鍵信息：手機 AI 理解用戶如何開始？ 　　那么，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臺。 　　這里我們要先來理解一個問題：我們每天到底給手機輸入什么數據？ 　　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（購買信息、社交信息、出行信息等）。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。這部分數據對于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、理解很多用戶相關信息，并通過算法來回饋個性化解決方案。 　　基于此，手機懂你的糾結或許可以從非關鍵型數據的應用來破解。 　　幾家手機的嘗試 　　當然，這里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，應用和軟件也將學習這些數據。反而集成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于手機全面學習自身信息還是存在擔憂的，所以 AI 化的手機廠商，在面對這個問題時選擇了不同的解決方案。 　　此前作為前瞻性的實驗產品，榮耀 magic 曾經搭載過主動學習用戶數據的人工智能系統，讓系統具有感知能力、理解分析能力和主動服務能力，可以說是在手機讀懂用戶上最激進的解決方案。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，理解和學習用戶習慣可能是一個很難討喜、又存在隱性風險的技術端口。蘋果的態度基本是繞過去。 　　而華為 Mate10 似乎選擇了折中方案，一方面嘗試對用戶數據進行收集和學習，一方面也繞過用戶隱私數據這個最麻煩的雷區。比如 Mate10 中搭載了基于 AI 技術的 Easy Talk 功能，其價值在于學習用戶日常通話的音量、音色、音準等習慣。通過 AI 算法來優化個人聲音模型，據此提高麥克風靈敏度。 　　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，充分說明了很多對用戶不重要的數據，對手機卻是重要的。要知道對于機器系統來說，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么樣的、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。 　　類似的功能 Mate10 還有一些，但總體不夠突出，也沒有作為核心功能宣傳。想要真正改變手機學習用戶這件事，關鍵很可能在開發者生態和終端安全這兩件事上。 　　慢慢來，比較快：漸塑 mobile AI 是唯一方法？ 　　當電力產生的時候，人們并沒有驚嘆于它的價值，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。那之后電依舊是危險的，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，很可能也在經歷這樣一個過程。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于兩條線索：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 芯片帶來的本地化 AI 處理能力。只有讓云、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享的安全前提。 　　而更重要的是應用想象力不斷擴張。通過 AI 硬件的算力支持，加上有效的開發者生態，或許會激發開發者去思考，通過學習用戶，手機還能做什么。 　　當這個價值輸出來到某個奇點，手機真的可以說服用戶放心開放自身，達成更高效的人機交互，或許才有真的手機讀懂人類可言。 　　移動 AI 命題是個無法一步到位，必須逐漸雕塑的城堡。開放的開發生態和本地化的 AI 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，用戶選擇性共享健康信息、出行信息和醫療歷史，系統將可以自我學習用戶健康習慣，給出更智能的膳食、運動、營養習慣，以及看護治療與康復進程。 　　再比如商務應用領域，通過學習用戶的行程安排、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。 　　另一個可能的手機讀懂用戶方式，來自手機 AI 與其他硬件的協同化。比如手環、手表、VR 器材與手機的感知能力一體化后，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件體系的 AI 閉環，可以帶來應用想象力的大幅飆升。 　　討論了這么多，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，只是慢慢來，可能比較快。 來自: 鈦媒體 廣州小程序開發：達美設計