剛打開繪圖軟件畫布還是空白系統(tǒng)已經(jīng)預(yù)設(shè)好了圖層和常用筆刷在演示文稿里拖了一張圖進(jìn)來(lái)還沒(méi)找對(duì)齊按鈕工具欄已經(jīng)自動(dòng)展開了對(duì)齊選項(xiàng)復(fù)制了一段代碼切回編輯器AI直接把光標(biāo)停在了你可能要粘貼的位置。這不是科幻場(chǎng)景而是“意圖理解與行為預(yù)知”正在做的事。最近某高校的智能交互實(shí)驗(yàn)室和一家頭部創(chuàng)意軟件公司聯(lián)合發(fā)布了新一代AI系統(tǒng)核心方向就是讓機(jī)器不再停留在“聽(tīng)懂指令”的層面而是往前再走一步根據(jù)你的操作軌跡、上下文信息和使用習(xí)慣提前判斷你接下來(lái)想做什么并主動(dòng)把工具、選項(xiàng)、內(nèi)容準(zhǔn)備好。專業(yè)一點(diǎn)說(shuō)這是一種面向“用戶行為序列”的意圖預(yù)測(cè)系統(tǒng)它要解決的不是“語(yǔ)義理解”你說(shuō)什么而是“行為預(yù)判”你正打算做什么。這個(gè)方向?qū)﹂L(zhǎng)期做軟件交互、做智能助手的人來(lái)說(shuō)幾乎是一眼就能看到重要性的東西。傳統(tǒng)AI助手是“你問(wèn)我答”最多是“你命令我執(zhí)行”而意圖理解系統(tǒng)則希望變成“我猜到你要什么提前幫你做好”。這篇文章我就結(jié)合這次公開的技術(shù)思路拆一拆意圖理解與行為預(yù)知的鏈路、訓(xùn)練方法、落地場(chǎng)景和邊界問(wèn)題最后聊聊我自己的實(shí)操體會(huì)。1. 為什么“意圖理解”突然成了各家都在搶的高地1.1 從“聽(tīng)懂指令”到“搶先一步”預(yù)測(cè)帶來(lái)的價(jià)值躍遷過(guò)去幾年我們熟悉的AI交互主流是“指令式”的。你輸入一段自然語(yǔ)言比如“幫我把這張圖調(diào)亮一點(diǎn)”模型把這句話解析成操作序列去執(zhí)行。這套邏輯其實(shí)已經(jīng)做得很好了但它有一個(gè)天然的效率瓶頸每次都要用戶先發(fā)出指令A(yù)I才會(huì)動(dòng)作。問(wèn)題在于真實(shí)軟件操作里大量動(dòng)作根本不會(huì)被用戶“說(shuō)出來(lái)”。比如用戶連續(xù)三次調(diào)整了同一張圖片的對(duì)比度他大概率還會(huì)調(diào)第四、五次這時(shí)候AI如果能主動(dòng)預(yù)測(cè)并預(yù)加載調(diào)節(jié)面板甚至直接問(wèn)一句“要不要我按這個(gè)方向繼續(xù)調(diào)”整體操作效率的提升會(huì)非常大。這個(gè)價(jià)值躍遷本質(zhì)上是把AI從“響應(yīng)式工具”變成“主動(dòng)式協(xié)作者”。意圖理解與行為預(yù)知之所以在這兩年成為焦點(diǎn)很大程度是因?yàn)榧夹g(shù)積累到了臨界點(diǎn)。早期做操作記錄分析只能靠規(guī)則引擎比如“如果打開PS后5秒內(nèi)點(diǎn)了新建那下一步大概率是選畫布尺寸”。這種規(guī)則覆蓋不了復(fù)雜場(chǎng)景而現(xiàn)在的深度序列模型可以學(xué)習(xí)億級(jí)的操作軌跡把用戶行為放在上下文里理解泛化能力完全不一樣。1.2 行業(yè)已有的探索推薦系統(tǒng)、主動(dòng)助手和它們的瓶頸其實(shí)“預(yù)測(cè)用戶下一步要什么”并不是新概念。電商推薦系統(tǒng)猜的是你想買什么短視頻平臺(tái)猜的是你想看什么輸入法猜的是你想打什么字。但到了生產(chǎn)力軟件尤其創(chuàng)意設(shè)計(jì)、辦公、開發(fā)工具場(chǎng)景這事一直做得不夠好原因有這么幾個(gè)操作空間的復(fù)雜度不同。軟件里的功能節(jié)點(diǎn)動(dòng)輒上千用戶行為是多維度疊加的鼠標(biāo)、鍵盤、菜單、面板、快捷鍵比“點(diǎn)擊購(gòu)買”這種行為序列復(fù)雜幾個(gè)量級(jí)。上下文必須跨模態(tài)。代碼編輯器里預(yù)測(cè)用戶下一步得看懂代碼語(yǔ)義設(shè)計(jì)軟件里得理解圖像內(nèi)容。單看操作日志遠(yuǎn)遠(yuǎn)不夠。誤判的容忍度極低。推薦系統(tǒng)猜錯(cuò)了商品用戶頂多劃走生產(chǎn)工具猜錯(cuò)了下一步把界面搞亂或者彈錯(cuò)提示用戶會(huì)很煩躁。這次某高校實(shí)驗(yàn)室與創(chuàng)意軟件公司聯(lián)合發(fā)布的項(xiàng)目恰好就是在這幾個(gè)瓶頸上做突破既有高校在模型算法上的積累又有軟件公司在真實(shí)用戶數(shù)據(jù)和產(chǎn)品場(chǎng)景上的優(yōu)勢(shì)。數(shù)據(jù)場(chǎng)景模型三者湊齊意圖理解這個(gè)概念才真正有了落地的可能。2. 這套AI系統(tǒng)到底是怎么“猜”到用戶意圖的2.1 行為序列建模把操作軌跡當(dāng)成一句“話”來(lái)讀這套系統(tǒng)最底層的思路是把用戶的操作行為轉(zhuǎn)換成一個(gè)序列然后用類似自然語(yǔ)言處理的方式去讀。你在軟件里的每一次點(diǎn)擊、按鍵、拖拽、菜單展開都會(huì)被編碼成一個(gè)“行為令牌”。連續(xù)一段時(shí)間的操作就變成了一串令牌序列。比如打開圖層面板 →open_layer_panel新建圖層 →new_layer選擇畫筆 →select_brush調(diào)整筆刷大小 →resize_brush模型的任務(wù)就是根據(jù)這段“話”預(yù)測(cè)下一句“話”最可能是什么。具體做法上公開資料顯示他們用了一種改進(jìn)的Transformer架構(gòu)來(lái)建模這個(gè)行為序列。普通Transformer處理自然語(yǔ)言而這里是處理“用戶操作語(yǔ)言”。關(guān)鍵在于行為動(dòng)作之間的依賴關(guān)系比自然語(yǔ)言更稀疏、更跳躍所以他們?cè)诰幋a層增加了時(shí)間窗口注意力機(jī)制做法上大致是模型不會(huì)只看最近幾步操作而是會(huì)回頭去結(jié)合整個(gè)會(huì)話的早期動(dòng)作同時(shí)對(duì)不同操作類型的令牌做類型嵌入比如“導(dǎo)航類動(dòng)作”和“編輯類動(dòng)作”在模型內(nèi)部走不同的注意力通道。這個(gè)細(xì)節(jié)很關(guān)鍵。用戶在軟件里的行為有很強(qiáng)的周期性和習(xí)慣性早上打開設(shè)計(jì)稿會(huì)先隱藏參考線周末寫代碼會(huì)先跑一遍測(cè)試。序列模型如果只做局部注意力學(xué)不到這種長(zhǎng)期習(xí)慣意圖預(yù)測(cè)的準(zhǔn)確率會(huì)差很多。2.2 上下文編碼與多模態(tài)對(duì)齊環(huán)境信息一起納入判斷光有操作軌跡信息仍然太單薄。同一個(gè)“把圖片拉大”的動(dòng)作用戶可能是在調(diào)整排版布局也可能是在做素材摳圖——意圖完全不一樣。所以模型必須引入上下文信息這里的上下文分為兩層第一層是界面狀態(tài)。當(dāng)前選中的是什么元素剪貼板里有沒(méi)有內(nèi)容菜單是否展開光標(biāo)在畫布的哪個(gè)區(qū)域系統(tǒng)把界面狀態(tài)當(dāng)成“環(huán)境快照”每隔幾百毫秒采樣一次和操作序列一起送入模型。這樣一來(lái)同樣的操作發(fā)生在不同狀態(tài)下模型能學(xué)出不一樣的意圖表達(dá)。第二層是內(nèi)容本身。在創(chuàng)意軟件里這一步尤其重要。如果你正選中的是一張有透明背景的素材AI會(huì)傾向于預(yù)測(cè)“導(dǎo)出為PNG”如果你選中的是嵌入式的表格AI可能會(huì)預(yù)測(cè)“調(diào)整列寬”。這意味著模型除了行為序列還要對(duì)畫布中的圖像、文檔里的表格、代碼里的變量名做特征提取然后再把那些特征與行為特征對(duì)齊到同一個(gè)向量空間里做聯(lián)合判斷。這里有一個(gè)很實(shí)用的工程化做法值得講。他們并不是把所有模態(tài)的特征都塞到一個(gè)大模型里去硬學(xué)而是采用了“分塔編碼門控融合”的方式來(lái)實(shí)現(xiàn)意圖特征向量的對(duì)齊與融合圖像塔、界面塔、行為塔各自編碼通過(guò)一個(gè)Gate網(wǎng)絡(luò)動(dòng)態(tài)決定當(dāng)前時(shí)刻應(yīng)該更相信哪個(gè)模態(tài)的信號(hào)。剛打開軟件準(zhǔn)備工作的時(shí)候界面狀態(tài)權(quán)重更高連續(xù)編輯的時(shí)候行為序列權(quán)重更高拖拽素材到畫布時(shí)圖像語(yǔ)義權(quán)重升高。這種設(shè)計(jì)比一味堆參數(shù)量更輕量訓(xùn)練也更好收斂工程落地時(shí)優(yōu)勢(shì)非常明顯。2.3 預(yù)測(cè)頭與決策機(jī)制從“下一步操作”到“意圖級(jí)”輸出模型最后輸出什么直接決定了系統(tǒng)能做什么。如果只做“下一步操作預(yù)測(cè)”那充其量是個(gè)高級(jí)版的快捷鍵推薦這套系統(tǒng)有意思的地方在于它的預(yù)測(cè)是分層的操作級(jí)預(yù)測(cè)用戶下一步最可能點(diǎn)的按鈕、下的菜單、用的快捷鍵。對(duì)應(yīng)的是毫秒級(jí)的界面響應(yīng)比如把某個(gè)菜單提前展開。任務(wù)級(jí)預(yù)測(cè)用戶當(dāng)前正在完成的目標(biāo)。比如“正在批量調(diào)色”“正在導(dǎo)出多張圖片”“正在給多個(gè)圖層重命名”。對(duì)應(yīng)的是秒級(jí)到分鐘級(jí)的支持比如自動(dòng)串聯(lián)一批重復(fù)操作。目標(biāo)級(jí)預(yù)測(cè)用戶這一次會(huì)話最終想要的成品。比如“把這一組照片統(tǒng)一調(diào)整成暖色調(diào)”。這個(gè)級(jí)別的預(yù)測(cè)會(huì)觸發(fā)更主動(dòng)的介入比如彈出建議卡片。這種分層輸出方式我非常認(rèn)可因?yàn)樵酵显诫y預(yù)測(cè)對(duì)應(yīng)的風(fēng)險(xiǎn)也越大。操作級(jí)預(yù)測(cè)錯(cuò)了頂多菜單多彈一下目標(biāo)級(jí)預(yù)測(cè)錯(cuò)了會(huì)讓用戶覺(jué)得自己的創(chuàng)作被“越俎代庖”。所以系統(tǒng)設(shè)計(jì)上不是只做單一預(yù)測(cè)而是對(duì)每個(gè)層級(jí)獨(dú)立建模最后由一個(gè)決策模塊綜合判斷“該不該主動(dòng)介入、以什么方式介入”。這其實(shí)就是把預(yù)測(cè)和產(chǎn)品交互策略解耦開技術(shù)預(yù)測(cè)歸技術(shù)產(chǎn)品決策歸產(chǎn)品整體可控性強(qiáng)很多。3. 訓(xùn)練數(shù)據(jù)與評(píng)測(cè)怎么證明AI不是瞎猜3.1 數(shù)據(jù)從哪里來(lái)真實(shí)操作日志、模擬器生成與隱私脫敏行為預(yù)測(cè)類系統(tǒng)最大的瓶頸通常不是模型而是數(shù)據(jù)。真實(shí)操作日志有但直接用會(huì)涉及隱私模擬器合成的數(shù)據(jù)又跟真實(shí)的操作習(xí)慣有偏差。這個(gè)項(xiàng)目在數(shù)據(jù)上做了一個(gè)比較均衡的設(shè)計(jì)大致可以歸納為三個(gè)數(shù)據(jù)源一是脫敏后的真實(shí)操作日志用于學(xué)習(xí)真實(shí)用戶的操作習(xí)慣。做法是剝離所有能關(guān)聯(lián)到具體用戶身份的字段只保留操作類型、時(shí)序關(guān)系和低頻的界面狀態(tài)特征敏感內(nèi)容比如涉及圖片內(nèi)容、文檔文字一律在預(yù)處理階段做模糊化處理。二是公開數(shù)據(jù)集。創(chuàng)意軟件領(lǐng)域有一些行為序列的數(shù)據(jù)集把這些數(shù)據(jù)拿來(lái)當(dāng)預(yù)訓(xùn)練語(yǔ)料用讓模型先學(xué)會(huì)通用模式。三是模擬器生成數(shù)據(jù)。團(tuán)隊(duì)用強(qiáng)化學(xué)習(xí)里的“模擬環(huán)境策略玩家”思路讓AI驅(qū)動(dòng)的智能體在軟件環(huán)境里執(zhí)行任務(wù)比如“把圖片格式改成WebP”從而生成海量的、帶明確標(biāo)簽的操作序列。智能體本身也會(huì)犯錯(cuò)而這些“合理的錯(cuò)誤軌跡”對(duì)意圖模型同樣重要它讓模型見(jiàn)過(guò)“偏離常規(guī)”的操作習(xí)慣提升魯棒性。3.2 評(píng)測(cè)指標(biāo)的取舍準(zhǔn)確率、提前量與用戶確認(rèn)成本做AI的人都知道評(píng)測(cè)指標(biāo)選錯(cuò)了模型做得再好都是白搭。意圖預(yù)測(cè)系統(tǒng)有一個(gè)特殊的評(píng)價(jià)維度叫“提前量”意思是系統(tǒng)能在用戶的真實(shí)動(dòng)作發(fā)生之前多久給出正確預(yù)測(cè)。同樣是預(yù)測(cè)“用戶下一步要點(diǎn)導(dǎo)出”在用戶鼠標(biāo)移到文件菜單時(shí)就預(yù)測(cè)和用戶已經(jīng)點(diǎn)開菜單再預(yù)測(cè)價(jià)值完全不同。這套系統(tǒng)的團(tuán)隊(duì)在公開材料里提到了一個(gè)很誠(chéng)實(shí)的指標(biāo)設(shè)計(jì)意圖預(yù)測(cè)的綜合得分 預(yù)測(cè)準(zhǔn)確率 × 提前時(shí)間權(quán)重 ÷ 用戶被打擾頻率。如果系統(tǒng)頻繁彈預(yù)測(cè)準(zhǔn)確率再高用戶的體驗(yàn)也會(huì)被打擾。所以他們把“用戶主動(dòng)關(guān)掉預(yù)測(cè)的次數(shù)”也當(dāng)成負(fù)面指標(biāo)放進(jìn)評(píng)估體系。這里我插一句經(jīng)驗(yàn)之談這類系統(tǒng)上線后一定會(huì)遇到“指標(biāo)好看但用戶反饋不佳”的尷尬期。原因通常是提前量做得過(guò)頭了預(yù)測(cè)動(dòng)作快得讓用戶覺(jué)得自己被監(jiān)視。比較穩(wěn)妥的落地節(jié)奏是系統(tǒng)先以低介入度的形式運(yùn)行比如在角落顯示一個(gè)淡化的預(yù)測(cè)圖標(biāo)數(shù)據(jù)累積后再逐步提高介入級(jí)別。好在他們的產(chǎn)品和技術(shù)背景確實(shí)夠深相信這一塊應(yīng)該磨合得比較到位。3.3 模擬驗(yàn)證在受控環(huán)境里驗(yàn)證行為預(yù)知的落地效果訓(xùn)練和指標(biāo)都只能證明模型“在數(shù)據(jù)上有效”真正判斷這套系統(tǒng)有沒(méi)有用還得在真實(shí)用戶場(chǎng)景里做模擬驗(yàn)證。這個(gè)項(xiàng)目引入了“沙盒環(huán)境”的做法由測(cè)試用戶在沙盒環(huán)境里完成一組典型任務(wù)比如“用模板做一個(gè)社交媒體海報(bào)”系統(tǒng)實(shí)時(shí)給出行為預(yù)知和界面建議。沙盒環(huán)境的操作日志會(huì)被全程記錄用來(lái)和模型上線后的推理結(jié)果做對(duì)照。這類模擬驗(yàn)證的數(shù)據(jù)本身體現(xiàn)的也正是該技術(shù)路徑最核心的交付邏輯。從我們看到的測(cè)試結(jié)果和理解來(lái)看這套系統(tǒng)在實(shí)際操作中確實(shí)能提前識(shí)別用戶的下一步意圖并在操作前預(yù)加載所需界面元素。對(duì)于重復(fù)性較強(qiáng)的任務(wù)比如批量導(dǎo)出、統(tǒng)一調(diào)整格式、多圖層命名提示的準(zhǔn)確率和提前量都比較理想而針對(duì)高自由度創(chuàng)意場(chǎng)景比如從空白畫布開始自由發(fā)揮、顏色風(fēng)格來(lái)回試探等場(chǎng)景預(yù)測(cè)的準(zhǔn)確性會(huì)明顯下降——這不意外因?yàn)檫@類場(chǎng)景缺乏既有的操作軌跡可依。真正考驗(yàn)系統(tǒng)的是它能不能坦然地承認(rèn)自己“不知道”而不是強(qiáng)行給一個(gè)荒謬的預(yù)測(cè)。4. 能落地的場(chǎng)景從創(chuàng)意工具到通用助手4.1 界面智能化工具欄主動(dòng)調(diào)整與菜單預(yù)加載意圖預(yù)測(cè)最直接、最安全的落地方式是優(yōu)化界面交互。有了行為序列預(yù)測(cè)能力軟件界面的默認(rèn)狀態(tài)從“靜態(tài)的”變成“動(dòng)態(tài)的”你連續(xù)在調(diào)色面板里操作系統(tǒng)預(yù)測(cè)你還會(huì)繼續(xù)于是把滑塊的步長(zhǎng)調(diào)整為更細(xì)的精度你在排版時(shí)反復(fù)用到對(duì)齊功能系統(tǒng)把對(duì)齊快捷方式提前移到一級(jí)菜單。這種改變不打斷用戶的操作流用戶甚至不會(huì)察覺(jué)系統(tǒng)“做了什么智力活動(dòng)”他只會(huì)覺(jué)得軟件變順手了。這背后有一個(gè)交互設(shè)計(jì)的原則智能界面不是要把按鈕變多而是要把用戶下一個(gè)要用的按鈕變近。菜單預(yù)加載、面板預(yù)展開、工具欄動(dòng)態(tài)調(diào)整本質(zhì)上都是縮短這個(gè)空間距離。等到這套系統(tǒng)再成熟一點(diǎn)它甚至可以預(yù)測(cè)你的鼠標(biāo)軌跡把光標(biāo)的目標(biāo)控件“吸”到更近的位置也就是所謂的“智能加速”交互現(xiàn)在已經(jīng)有產(chǎn)品在做類似的事情意圖層的加入會(huì)讓它更精準(zhǔn)。4.2 工作流自動(dòng)化重復(fù)操作的自動(dòng)串聯(lián)在創(chuàng)意軟件和辦公軟件里大量時(shí)間被浪費(fèi)在重復(fù)操作上。比如每張圖片導(dǎo)出前都要調(diào)一遍色彩空間每個(gè)頁(yè)面都要統(tǒng)一調(diào)整行距這類“機(jī)械但必須做”的動(dòng)作是意圖預(yù)測(cè)的最佳戰(zhàn)場(chǎng)。這套系統(tǒng)的預(yù)測(cè)機(jī)制和歷史上那種“宏錄制”完全不同。宏錄制需要用戶手動(dòng)定義規(guī)則而且一旦界面變化規(guī)則就失效意圖系統(tǒng)則是從行為中實(shí)時(shí)推斷出正在形成的模式并及時(shí)提示“你剛剛連續(xù)做了三次同樣的操作要不要我?guī)湍惆咽Ｏ碌耐瓿伞?。自?dòng)化的粒度也因此可以更智能預(yù)測(cè)用戶當(dāng)前是把三張照片改成同樣的風(fēng)格還是要把一整組圖片各做不同的風(fēng)格。前者可以一鍵串聯(lián)后者則不應(yīng)該擅動(dòng)。4.3 協(xié)作與多應(yīng)用聯(lián)動(dòng)意圖成為跨程序“膠水”單個(gè)軟件內(nèi)的意圖理解已經(jīng)很有價(jià)值但更有想象力的場(chǎng)景發(fā)生在多應(yīng)用協(xié)作里。比如用戶在瀏覽器里查資料高亮一段文字切到文檔編輯器里系統(tǒng)能理解這個(gè)“跨應(yīng)用行為”的整體意圖是“引用材料”于是主動(dòng)把引用格式設(shè)置好甚至貼心的幫用戶帶上來(lái)源鏈接。實(shí)現(xiàn)跨應(yīng)用意圖理解比單應(yīng)用難的不是模型能力而是數(shù)據(jù)權(quán)限與格式統(tǒng)一。不同軟件的操作日志不互通界面狀態(tài)更是異構(gòu)。所以比較現(xiàn)實(shí)的路徑是先做“系統(tǒng)級(jí)剪貼板窗口焦點(diǎn)”這一類輕量級(jí)全局信號(hào)用行為序列把用戶在多個(gè)應(yīng)用之間的切換順序串起來(lái)。能做到“從A軟件復(fù)制、切到B軟件粘貼”這一層意圖理解已經(jīng)能覆蓋非常多辦公場(chǎng)景了。在這類通用場(chǎng)景里系統(tǒng)的前提依然是不越權(quán)、不改變用戶既有習(xí)慣能用行為預(yù)測(cè)提升跨度較大的隱性操作效率就已經(jīng)領(lǐng)先了當(dāng)前絕大多數(shù)助手一大截。5. 邊界與風(fēng)險(xiǎn)行為預(yù)知的紅線在哪里5.1 隱私邊界預(yù)測(cè)不能以監(jiān)控為代價(jià)意圖理解與行為預(yù)知天然就需要采集大量用戶行為數(shù)據(jù)。這是一個(gè)無(wú)法回避的矛盾沒(méi)有行為數(shù)據(jù)預(yù)測(cè)就是無(wú)源之水但行為數(shù)據(jù)的采集一旦越界用戶就會(huì)覺(jué)得“背后有一雙眼睛”。從公開材料來(lái)看這個(gè)項(xiàng)目在隱私架構(gòu)上有幾個(gè)設(shè)計(jì)是值得借鑒的處理方案整體傾向于“設(shè)備端優(yōu)先”的架構(gòu)思路首先是低延遲處理鏈路讓基礎(chǔ)的操作序列編碼與預(yù)測(cè)推理盡量在本地完成只有需要大規(guī)模重訓(xùn)練的聚合特征才上傳其次是數(shù)據(jù)最小化服務(wù)端只保留“行為類型時(shí)間戳模糊環(huán)境狀態(tài)”三元組不關(guān)聯(lián)用戶身份和內(nèi)容信息再就是“可退出機(jī)制”用戶可以一鍵關(guān)閉所有行為預(yù)測(cè)功能而且關(guān)閉后系統(tǒng)就真正停止采集不做“假關(guān)閉”的流氓設(shè)計(jì)。這里我想強(qiáng)調(diào)一個(gè)觀點(diǎn)意圖預(yù)測(cè)的體驗(yàn)好壞很大程度上取決于用戶對(duì)它的信任感而信任感的前提是“用戶知道系統(tǒng)什么時(shí)候在預(yù)測(cè)、預(yù)測(cè)的依據(jù)是什么”。如果系統(tǒng)在后臺(tái)默默收集行為又偷偷彈出“貼心提示”用戶不會(huì)覺(jué)得貼心只會(huì)覺(jué)得毛骨悚然。透明性不是合規(guī)負(fù)擔(dān)而是產(chǎn)品體驗(yàn)的一部分。5.2 錯(cuò)誤預(yù)測(cè)的代價(jià)從“貼心”到“添亂”只差一個(gè)誤判意圖系統(tǒng)最大的困境是錯(cuò)誤預(yù)測(cè)比沒(méi)有預(yù)測(cè)更糟糕。用戶本來(lái)打算自己一步步操作系統(tǒng)的錯(cuò)誤預(yù)測(cè)可能會(huì)打斷他的思路。在創(chuàng)意工作里思路一旦被打斷損失是無(wú)法量化的。所以好的意圖預(yù)測(cè)系統(tǒng)必須學(xué)會(huì)“克制”。這套系統(tǒng)的做法是給預(yù)測(cè)結(jié)果配了一個(gè)置信度閾值只有當(dāng)模型認(rèn)為用戶意圖的置信度超過(guò)80%時(shí)系統(tǒng)才會(huì)主動(dòng)介入置信度在50%到80%之間時(shí)系統(tǒng)只做靜默準(zhǔn)備比如預(yù)加載資源置信度低于50%時(shí)什么都不做。這和我個(gè)人的實(shí)踐心得完全一致。AI能力強(qiáng)的系統(tǒng)往往更需要“自我抑制”的設(shè)計(jì)因?yàn)槊恳淮沃鲃?dòng)介入都是一次風(fēng)險(xiǎn)博弈。寧可少做一次預(yù)測(cè)也不能多做一次錯(cuò)誤預(yù)測(cè)這句判斷值得每一個(gè)做智能交互的團(tuán)隊(duì)刻在墻上。5.3 可解釋性與用戶控制權(quán)最后是控制權(quán)問(wèn)題。意圖預(yù)測(cè)系統(tǒng)的介入動(dòng)作必須讓用戶清晰感知到并且能夠隨時(shí)撤回。系統(tǒng)彈出一個(gè)預(yù)測(cè)卡片用戶可以一鍵“以后別這樣”系統(tǒng)自動(dòng)串聯(lián)了重復(fù)操作用戶必須能按ESC取消而且取消后系統(tǒng)要學(xué)到“這種場(chǎng)景不該介入”?？山忉屝栽谶@個(gè)場(chǎng)景里沒(méi)有想象中那么難做到因?yàn)橐鈭D預(yù)測(cè)的基本單元是用戶自己的行為軌跡。系統(tǒng)完全可以向用戶展示“因?yàn)槲铱吹侥氵B續(xù)做了三次復(fù)制所以推測(cè)你可能要粘貼到另一個(gè)表格”這種解釋是天然可理解的。真正復(fù)雜的是任務(wù)級(jí)和目標(biāo)級(jí)預(yù)測(cè)的解釋——系統(tǒng)推測(cè)“你正在給圖片批量調(diào)色”時(shí)用戶可能自己都沒(méi)意識(shí)到自己正在做這件事這時(shí)候解釋行為反而容易引發(fā)對(duì)抗情緒。歸根到底都是以人為本的交互設(shè)計(jì)技術(shù)必須往人性順滑的方向傾斜。6. 我的一些實(shí)操體會(huì)與后續(xù)思考作為一個(gè)長(zhǎng)期關(guān)注智能交互和AI產(chǎn)品化的人我看了這個(gè)項(xiàng)目之后最大的感受是行為預(yù)知這個(gè)方向終于從一個(gè)不靠譜的“噱頭”走到了可落地的“產(chǎn)品能力”。過(guò)去幾年市面上不是沒(méi)有類似的嘗試但多數(shù)死于數(shù)據(jù)和場(chǎng)景脫節(jié)有的團(tuán)隊(duì)模型很強(qiáng)拿到的卻是實(shí)驗(yàn)室數(shù)據(jù)一上真實(shí)用戶就崩壞有的團(tuán)隊(duì)產(chǎn)品很激進(jìn)預(yù)測(cè)準(zhǔn)確率不夠就硬推最后用戶全跑光了。這次某高校實(shí)驗(yàn)室與創(chuàng)意軟件公司的搭配明顯是認(rèn)真做過(guò)功課的學(xué)術(shù)界貢獻(xiàn)前沿模型架構(gòu)工業(yè)界貢獻(xiàn)真實(shí)場(chǎng)景數(shù)據(jù)與產(chǎn)品克制力這種互補(bǔ)的合作模式值得效仿。如果大家想跟進(jìn)這個(gè)方向我給幾個(gè)實(shí)操層面的建議不要一上來(lái)就做目標(biāo)級(jí)預(yù)測(cè)。先把操作級(jí)預(yù)測(cè)做扎實(shí)比如“猜用戶下一個(gè)點(diǎn)哪個(gè)菜單”這個(gè)層次的預(yù)測(cè)數(shù)據(jù)充足、驗(yàn)證成本低、誤判危害小是最合適的第一步。行為序列建模的起點(diǎn)不要直接堆Transformer大模型。先用經(jīng)典的序列模型比如LSTM或者簡(jiǎn)單attention跑通端到端流程確認(rèn)數(shù)據(jù)質(zhì)量和評(píng)測(cè)指標(biāo)沒(méi)問(wèn)題再追求模型規(guī)模否則很容易陷入數(shù)據(jù)和模型的歸責(zé)循環(huán)。把“用戶主動(dòng)關(guān)閉預(yù)測(cè)”當(dāng)成比“預(yù)測(cè)準(zhǔn)確率”更重要的北極星指標(biāo)。因?yàn)闇?zhǔn)確率是模型視角的關(guān)閉率才是用戶視角的。跨應(yīng)用意圖理解可以早一點(diǎn)開始布局但要從剪貼板、窗口切換這類“最小共享信息”做起權(quán)力和能力之間保持一條清晰邊界才比較穩(wěn)。最后分享一個(gè)我自己觀察到的細(xì)節(jié)變動(dòng)。我在試類似系統(tǒng)的時(shí)候注意到一代意圖預(yù)測(cè)產(chǎn)品的界面反饋通常是彈個(gè)卡片這個(gè)設(shè)計(jì)還比較初級(jí)等到這套邏輯成熟之后頂級(jí)的意圖預(yù)測(cè)體驗(yàn)應(yīng)該是“無(wú)形”的——用戶感覺(jué)到軟件變聰明了但說(shuō)不清它做了哪一步預(yù)測(cè)。所謂“大音希聲”好的行為預(yù)知系統(tǒng)應(yīng)當(dāng)是潛伏在產(chǎn)品表層之下的水流它讓一切變得順手卻從不跳出來(lái)邀功。這個(gè)方向剛剛起步后面值得期待的東西還很多。