Category: AI

今天 Humane 正式发布了超酷的 Humane AI Pin / AI 智能胸针，精神上实现了 Star Trek / 星际迷航里的通讯胸针，这算是三录仪、平板电脑之后，又一个成为现实的 Star Trek 技术😂 我从 Humane 的产品发布视频里，剪辑了一段和人机交互有关的部分，从 UX 设计特别是交互设计的角度说几句这个跨时代的创新设计。 1，自然语言交互 这是整个产品里最具竞争力的部分，也难怪微软、OpanAI 的 Sam Altman 都投资了 Humane。 视频里的 AI 回答错了，下一次日全食应该是 2024 年 1 月 8 日而不是 4 月 8 日，这也代表了目前 ChatGPT 等 LLM AI 在产品设计层面的固有障碍：用户和 AI 都无法判断输出结果的准确性。解决这个障碍的能力在 OpenAI 等等 AI 公司手上，设计对此无能为力。 2，语音交互 语音、自然语言和 LLM AI 是天然的最佳搭配，如果说以前问 Siri 就像是问一个私人助理，那么以后凡事问 ChatGPT 基本上就是问全人类的集体智慧。 但脱离纯个人的电脑和手机，到了在公共场合、社交场合佩戴可穿戴设备的这种使用场景里，语音交互的感觉就不那么自然了。 Humane Ai Pin 呼出 AI 的方式很有意思，刻意设计得特别保守，用户需要用手指按压胸针。这避免了Siri 们一直悄悄地听你呼唤的尴尬，也避免了“小爱同学”总是莫名其妙自动搭话的戏精“人格”。 3，激光投影 UI 技术上这很神奇，居然能在那么薄的设备里集成一个亮度不低的激光投影仪。 不过从演示视频来看，因为手掌不平整、手掌会自然地晃动、手掌角度和眼睛观看角度不会很理想，激光投影的显示效果一般般。因此 Humane AI Pin 的激光投影只能像传统 HUD 那样，在 UI 里用很简洁的方式、显示很少量的信息。 按照 Humane AI Pin 这个“摆脱手机依赖”的产品定位，像 HUD 一样显示极简信息可能反而是一大优点。但以后的类似设备得想想清楚：手不是一个好显示器。 另外，我用 pretotype（注2）的方式模拟测试了激光投影的体感、手感，说实话我很不喜欢举着手掌、低头斜眼看自己手掌的这个交互动作，举着手掌很累，低头斜眼很不舒服。我没把我低头斜眼的姿势和动作拍下来，可以想想，那个造型和表情都不会太好看。 4，手势交互 哈哈这个不用多想了，我从来记不住手势，我连用了 20 多年的 Photoshop，都记不清几个快捷键。 也有人觉得弯曲手指、捏手指的动作很别扭，我手指比较灵活，这方面没有障碍。 从 Humane 的演示视频里看不出 AI Pin 有多少日常操作仅仅依赖手势这一种操作方式，也不清楚有没有其他替代方案来解决不方便手势操作的场景（比如冬天带了肥厚的手套）。好在今天的视觉识别已经很强大了，手势操作肯定会成为人机交互的新常态。 Humane 的愿景是设计一套全新的、不依赖手机屏幕的操作系统，所以未来 Humane AI Pin 在操作系统和 APP 这两级，都会使用手势来实现交互 – 我对操作系统级别的手势没什么意见，但我绝对不相信那些缺心眼安卓程序员瞎折腾出来的手势。 ok，记忆各种手势的任务，还是留给生下来就要天天使用手势交互的下一代人类吧。以后他们用手势交互，就跟意大利用手指说话一样自然。 5，隐私性和私密性 Humane Ai Pin 显然记住了谷歌眼镜早年的悲剧，它用很明显的 LED 亮光显示工作状态，以此来提醒周围的人：我没有偷拍哦！我没有偷偷录音哦！ 不过如前面所说，在公共场合、社交场合使用 Humane Ai Pin 主打的语音交互，天然地无法保护隐私、隐秘。这方面我完全相信人类偷懒的天性和强大的适应能力，以后很快会有一种多数人都能接受的公共场合、社交场合语音交互礼仪。 btw，因为语音交互的不断普及，我们能在公司里、学校里、小区里听到更多别人的隐私，这还的确符合人类好奇、八卦的天性。 6，摆脱对智能手机的依赖 为什么 Humane Ai Pin 是独立设备而不是一个手机配件，这是我对它最好奇的地方。 类比一下，苹果 Vision Pro 眼镜是个巨大的、布满了传感器、CPU 和 MacBook Pro 一样强大的 VR/AR 眼镜，运行一整套改变世界的“空间计算”系统…我可以理解苹果把它设计成不依赖电脑的独立设备。 在几十克的胸针里集成一部完整的电脑，why 啊？（注3） Sam Altman 接受 The Wall Street Journal 记者采访时说过，他们在尝试用新的硬件形态来发挥 AI 的作用（大意，我记不清原话了）。 这么说的话，Humane Ai Pin 作为独立存在的胸针，应该只是一种早期的 AI 产品形态，估计很快能出现为 AI 和自然语言交互、语音交互优化的 AI 耳机、AI 手镯、AI 戒指、AI 纹身、AI 成人玩具…… 围绕 AI 的 UX 设计刚刚开始 只看演示视频，Humane AI Pin 的 AI 已经部分实现了 Star Trek 里“Beam me up, Scotty”的效果。 但说到人机交互和使用体验，它酷炫的人机交互之下，使用体验似乎更像“Terminator 3”里施瓦辛格伸着手说“Talk to the hand”（注4）。 Humane 的这些设计问题将来都可以解决，类比一下， iPhone 也不是一蹴而就，技术、产品形态、交互方法、用户的使用习惯、公众的文化认同…也都经过了多年才不断完善。 也许等到 Humane AI Pin 3.0 版，围绕

不用下载 APP、不用注册密码、直接在 iPhone 里使用 ChatGPT 是什么体验？ 整体设计 以前专门介绍过，怎么在 iOS、Android 的全局层面使用 ChatGPT。当时的方案需要下载 APP、安装一个特殊的 ChatGPT 键盘，而后在 iOS 里各种输入框里呼出 ChatGPT 键盘、进行 ChatGPT 操作。略微有点繁琐，键盘区的人机交互也有点怪异。 现在有了一个简单而优雅的神奇方案：把 iOS 自带的 iMessage 消息，直接变成 ChatGPT 客户端！ 使用方法超简单：打开 iMessage，给 [email protected] “这个人”随便发一条消息，它其实就是 TextGPT 提供的 ChatGPT 聊天机器人。它会简单介绍注意事项，然后就可以开始试用 ChatGPT 咯。 拿到各种 AI 工具，我都要测试一下。那我先来问问它：有什么经典的 UX 设计书籍可推荐的？ 它和 ChatGPT 一样等了几秒返回了答案，我一看……这个答案明显就是胡说八道啊！幸亏这些书我都看过，否则明明被它蒙蔽、我还得感谢它！ 不过我又仔细看了一下，发现它给出的答案其实属于驴头不对马嘴，基本信息其实基本是正确的，但是不知道为什么把书名、书籍介绍和作者姓名等信息错位了。 OK，那我就用我“多年”和 ChatGPT 战斗的经验再试一次 – 如果遇到莫名其妙的问题，那就换成英文，把刚才的问题重新问一次。 第二次用英文询问之后，它给我返回的结果很正常。谢谢！ 接着第二组测试，我得判断一下这个用 iMessage 对话的 ChatGPT 智商怎么样。 我来问一个菜谱吧：教我做一道法国大餐鱼香肉丝丸子汤吧！merci！（see，我也会说一两句法语） 结果它居然没有一本正经地胡说八道，而是一本正经地纠正了我问题里的错误，不但告诉我“鱼香肉丝”是中国菜，还教我怎么做“法国肉丸子汤”！ 智商超出了我的预期！ 而且我还真琢磨了一下法国肉丸子汤的做法，看起来没什么不正常的，除了跟我预期的法国菜不太一样，做法本身没什么问题。而且做法似乎很简单，也许哪天我可以真的来做一个，试试法国肉丸子汤的感觉。这次真要跟 iMessage 里面的 ChatGPT 说 merci 了。 解决了什么问题 TextGPT 的使用 iMessage 作为 ChatGPT 客户端的方法非常巧妙： 无门槛：既不用下载 APP、不用注册密码、直接就能在 iPhone 里使用 ChatGPT。 无学习成本：因为 iMessage 是 iPhone 自带的 APP，无论男女老少都会用它聊天，平时怎么跟人聊天、以后就怎么跟 ChatGPT 聊天，依靠 ChatGPT 带来自然语言交互能力，完全无缝衔接了以往和人聊天的体验。 天然可扩展：iMessage 天然是富媒体的，按照 LLM 大模型 AI 时代的说法就是“多模态”，它可以轻松支持文字、图片、音频、视频。还研究什么接入 Siri 啊，Siri 已经在 iMessage 里服务了“一万年”了。即便是以后苹果在 AR 眼镜上再次创造新的交互体验，利用 iMessage 把 ChatGPT 和 AR 打通也毫无阻力。 怎么改进设计 TextGPT 这种基于 iMessage 的人机交互模式当然也有缺点。 1，不支持多个对话 最明显的缺陷就是每次只能和同一个机器人对话，缺失了一层信息架构、不支持多个对话，用户就不能为机器人指定多个固定身份（你是一位翻译、你是一位情感专家、你是一位投资高手……），无法在每个对话里解决特定问题……这就无法更有效地利用 ChatGPT 的潜力来回答问题了。 当然，这个信息架构只有一层的问题，理论上也可以解决，比如给用户分配一个新机器人，或者新建一个群聊……等等等等。 2，不支持 Stream mode 基于 iMessage 实现 ChatGPT 的人机交互，另外一个缺点是不支持 Stream mode，即不能一个字一个字输出结果，只能干等几秒、十几秒才能得到结果（感谢 @MasterDang 的提醒）。 这个缺陷骨子里还是因为 ChatGPT 本身太慢，无法彻底解决，比较实际的 UX 设计方法是为系统增加提示，即在标准的 ChatGPT 对话之外，增加自然语言的对话、台词、提示语，来提醒和安抚用户耐心等待、避免焦虑。 3，不支持长期记忆（已解决） ChatGPT 可以支持上下文、支持短期记忆，而 TextGPT 原本不支持记忆。之后开发者用向量存储 、langchain、embedding 等技术，自行实现了对话的长期记忆（开发者的说明）。 相信这个设计模式，很快会被其他开发者和厂商学习，成为 ChatGPT 带来自然语言交互能力后的新人机交互标准。

解决了什么问题 大公司 HR 经常一天处理成百上千份简历，每份简历只能扫一眼，很容易漏掉信息。 这个 Resume-GPT 工具用 GPT 来阅读 pdf 格式的简历，并把简历内容标准化，自动从简历中抽取出有用的信息，输出为方便电脑程序处理的 YAML 格式…下一步就可以用程序分拣、分析、推荐标准化之后的简历了。 https://resume-gpt-html.onrender.com GPT 加持的工具可以高效、有效地筛选出简历中所有有用的信息，而人类眼睛只能看到什么算什么，效率和准确性都没有保证，所以在初步筛选阶段，AI 读简历的效果大概率会比真人 HR 还好🙄 而 Resume-GPT 展示了 GPT 这类 AI 的一大特长：从非标准结构/非标准组织形式的信息里，整理和筛选出标准化的信息。 比如用户调研，总有很多基于用户主观感受的资料，用户用自己的语言来描述遇到的问题、潜在的需求。以往需要大量人力去二次处理这些非标准的原始信息，再手工筛选出有用的信息，现在可以用 AI 来自动识别出其中有价值的信息。 比如市场部和产品部都有用户调研，双方资料记录了不同的字段，形式上也出现了视频、文字、调查表格混杂的情况，AI 就很适合在这里抽取双方资料中有用的部分，再整合成一个综合的新资料。 这里的想象空间几乎是无限的，GPT 把数据标准化的能力，能把原始资料的利用率，提升到一个新高度。

目前在 iOS、Android 上使用 ChatGPT 的方法，要么是浏览器访问 ChatGPT 官网页面， 要么使用某个 ChatGPT APP，要么使用捷径呼出 ChatGPT，有没有一个更加全局层面的用法，让我们在“任何地方”使用 ChatGPT？ 的确有个方法：使用 ChatGPT 键盘 / ChatGPT 输入法。 下面以 Smarty 这个 iOS APP 为例，解释一下 ChatGPT 键盘的设计。 Smarty APP 安装后，会在 iOS 里安装一个名为 Smarty 的新键盘。以后只要界面里有输入框，你就可以像呼出 emoji 键盘一样呼出 Smarty 键盘。 Smarty 键盘呼出后，屏幕下方约 50% 的区域会变成 ChatGPT 功能区，你可以像所有 ChatGPT 客户端一样，使用 ChatGPT 的摘要、改写、翻译等等功能。 Smarty 键盘输入信息的方式有点笨，它并没有提供输入框！你得先在 Notes、浏览器地址栏等输入框里选好文字，而后再点一下 ⬆️ 键把选中的文字黏贴进 Smarty 键盘，而后开始实际的摘要、改写、翻译等等操作。 OK 拿我的工作室网站的“关于”页面测试一下：在地址栏里选中 url，点 ⬆️ 再点“摘要”，Smarty 调用 ChatGPT，为“关于”页面生成了两种格式的摘要，先是段落形式的文字摘要，再提供列表形式的要点。 生成结果还不错，可见 Smarty 键盘背后的 Prompt 还挺实用。 再补充一个开发者自己推荐的使用案例：在微信聊天里，点姑娘的话 – 转入 Smarty 生成套话 – 黏贴回微信聊天 – 完成一次完美对话！ 在这个例子里，可以看出开发者自己对 Smarty 键盘的定义：并非整合进来的 copilot，而是为现有产品助力的外挂😂。 解决了什么问题 用 iOS 或者 Android 系统键盘的方式提供 ChatGPT 功能，只要有输入框就能用 ChatGPT，这种设计思路一方面为手机提供了全局的、系统级别调用 ChatGPT 的能力，方便用户在“任何地方”使用 ChatGPT。 另一方面键盘的产品形式比较轻量，弱化了“又得下载一个 ChatGPT 客户端”的心理障碍。要知道现在每个用户手机上都有多个 ChatGPT、每个都既有用又有缺点，“又得下载一个”的心理压力很不舒服。 另外国内使用 ChatGPT 有障碍，Smarty 键盘以收费服务的方式提供 ChatGPT 服务，也算避免了一系列的折腾。 怎么改进设计 Smarty 键盘的 UI 和 UX 设计有严重的问题，因为产品定义更像一个 AI “外挂”， 所以相比一般的 ChatGPT 产品，它操作起来特别不自然，甚至说不正常。 主要问题之一是呼出键盘很简单、但启动 ChatGPT 的步骤较麻烦。 问题之二是没有内置的输入框，无法直接跟 ChatGPT 对话。利用界面里现有的输入框作为输入框，把键盘区作为输出窗口，这表面上看似工整，其实产品逻辑有漏洞，本质上说，这个设计剥夺了 ChatGPT 最重要也最受欢迎的功能：聊天/对话式人机交互。（注：也有另一个可能，或许因为试用额度用完了、订阅之后就能出现输入框？不得而知） 问题之三是一组单纯的 UI 设计问题：操作区太小、显示区太小、按钮太小…所有操作都很局促；UI 配色、排版、交互都很业余…不展开说了。 产品设计想象空间 考虑到搜狗输入法们早已升仙，把基本的输入功能扩展成马斯克梦想的“超级APP”，苹果也早就把 Siri 整合进了键盘区，估计以后 ChatGPT 键盘、AI 键盘、Copilot 键盘都会变成常态，各大公司会把这个功能都实现一遍。创业团队、独立开发者如果仅仅提供通用的 ChatGPT 键盘、而不能提供某项专用功能，估计很快就被淘汰了。 同样的 ChatGPT 键盘思路当然也可以用在桌面电脑上。电脑的屏幕更大，还有物理键盘和鼠标，呼出键盘、启动 ChatGPT、内置输入框、宽敞的操作区…这些手机上难以实现的用户体验，在桌面电脑上很容易实现。 一旦在电脑里“任何地方”引入 ChatGPT，并且引导用户开始跟 AI 聊天，后面就该卖广告卖广告、该分发流量就分发流量、该乱收会员费就乱收会员费，说不定那几个“一万年”都做不好社交的大公司，还能利用键盘、输入法和 ChatGPT 再试一次社交呢！ 补充 本文发布的同时，微软正式在 SwiftKey 键盘里，为 iOS、Android 新增了 Bing Chat / ChatGPT 功能。 参考 ZDNET 的新闻，微软在 SwiftKey 键盘里集成了搜索、修改语调、聊天三个功能，和 Smarty 键盘一样，SwiftKey 键盘也是在约占屏幕大小 50% 的键盘区里进行操作，UI 和交互设计也是说不上来的奇怪，或者说以前并没有太好的设计模式（design pattern），来在这么小的操作区域里做这么复杂的操作，所以怎么看、怎么用都觉得别扭。

整体感觉 ChatGPT 展示了无与伦比的自然语言交互能力后，沉寂数年的 Chat Bot 聊天机器人又成了产品设计的宠儿。比如 HackrHQ 这个网站，它用聊天的方式帮你寻找自由职业开发者/程序员。 https://hackrhq.com/ 网站还在极早期阶段，我测试时假设自己是设计师，正在寻找 js 程序员帮我搞定静态网站。 HackrHQ 的聊天机器人从我的需求入手，一步一步提问、引导我描述我需要什么，同时聊天机器人会给我各种选项，帮我厘清要求、让我的要求更具体。开始的对话和传统聊天机器人类似，但随着对话的深入，类似 ChatGPT 的交流能力越来越明显。 几轮对话后，我说出了打败传统聊天机器人的咒语：我也不知道，我又不懂技术！ 传统聊天机器人遇到这种无法回答的话，就会用从知识库里胡乱选几句话应付你。 在 HackrHQ 的测试里，很显然机器人它理解了我的话，不但给出一堆建议，而且不再废话，立刻向我推荐了一位适合我的开发者。 紧接着，这位开发者也加入了对话，以他的身份直接跟我交流。注：我第一次测试时，这里的设计有问题，机器人和开发者的身份没有明显区隔，逻辑上和体验上都错了，而且产生了不信任感。之后 HackrHQ 的开发者看到本文，主动联系到了我，特地解释说这个 bug 已经改好。 整体测试下来其实还行，被所谓的智能聊天机器人折磨多年之后，感谢 ChatGPT，现在终于有了“自然语言人机交互”的感觉。 解决了什么问题 很多企业和个人会雇佣自由职业开发者，来完成一些短期开发项目，比如做一个小 APP、创建一个网站、甚至改几行 js 代码。 问题一是雇佣开发者是个单调乏味又充满挫败感的事。 这些临时雇主往往不了解技术，也不清楚到底要雇佣什么样的开发者。看到 Upwork、Freelancer 上密密麻麻的自由职业开发者列表，甚至不知道从哪儿下手，更别说是提出具体要求了。所以传统雇佣程序员、设计师等等涉及到专业技能的自由职业者，雇佣过程是个体力活，需要来回交流多次、挑选多人，才有可能找到一个合适的候选人。 这时候往往需要一个“雇佣专员”，来帮助雇主和自由职业者沟通。ChatGPT 的自然语言交互能力，让自动化的、智能的、极低成本的“雇佣专员”成为可能，在非标准化的雇佣需求和相对标准化的自由职业者数据之间，实现了一个相对简单、也相对靠谱的撮合工具。 问题二是开发者也缺少基本的沟通能力。 自由职业开发者相当于一个“一人公司”，除了正常的开发工作之外，还要处理推广、客服/技术支持、客户关系管理等等各种工作，而且开发者自己也得不断学习新技巧、新工具、新方法…实际上很难留出足够的精力，来回应每个潜在雇主的每个含糊的问题。更不用说今天的自由职业开发者通常是远程工作，跨时区也很常见，开发者本人很难及时响应潜在雇主的咨询。 这时候 ChatGPT 可以担任自由职业开发者的“个人助理”，来帮助自由职业者应答潜在雇主的各种问题。开发者可以异步地处理这个“个人助理”获得的信息，而后再决定是继续与潜在雇主沟通，还是婉言谢绝这个雇佣请求。 问题三是传统聊天机器人的“愚蠢”。 传统聊天机器人基于知识库和少量的 AI，理解能力、表达能力都有限。在客服系统这样任务相对简单的系统里，传统聊天机器人还算勉强胜任；到了雇佣自由职业者这种非标准化的、复杂的场景下，传统聊天机器人的 AI 根本处理不了，只能要么转人工服务、要么糊弄用户。 不清楚 HackrHQ 的技术到底怎么实现的，也不知道其中是不是真的使用了 ChatGPT，不过毫无疑问这个聊天机器人明显更聪明了，而且的确能有针对性地提供帮助，这显然是聊天机器人正确的发展方向。 更新 本文第一版发布后给 HackrHQ 带去了访问量，因此 HackrHQ 开发者回来找到了我，而且特地跟我约了视频会议。 他是在加州创业的法国人（说话口音很正常，不像电影电视里夸张的法国式英语），很爽朗、直率的人，一看就是程序员😆。之前我不知道他在哪儿，辛苦他一大早六点多钟起来跟我交流。他们有一个团队，正在很正式地做这个项目。他本人就是开发者，HackrHQ 也属于“eating your own dog food”，解决的就是他和其他开发者的实际问题。 他们还在积极开发中，最近在 HackrHQ 平台里新增了开发者 profile 功能，一方面是未来雇主可以在 profile 里了解开发者概况，另一方面未来雇主也可以直接和开发者的 AI “个人助理”交流，先把前期沟通进行起来。 开发者一般都很不情愿做营销方面的工作，特别是做招聘市场业务，开始总会卡在“鸡生蛋、蛋生鸡”的问题 – 是先找到开发者还是先找到雇主？上哪儿找？怎么建立起市场的知名度和信任度？… 这些问题远比想象中困难，也并非一个技术创业团队的强项，所以作为设计顾问、品牌设计方面的专家，我也建议他们先选择“AI 开发者”这个利基市场/垂直市场，来积累 HackrHQ 的种子用户。这个思路利用 LLM 带来的 AI 热潮吸引种子用户，不但能聚集对 AI、ChatGPT 有需求的雇主，也能聚集在 AI、ChatGPT 方面有专长的开发者。 最低限度，这是一个很好的营销故事 – 想开发 AI 的人、在 AI 驱动的招聘市场里、借助 AI 的力量、找到了熟悉 AI 技术的开发者 – 一个多么具有感染力的画面！ 考虑到 ChatGPT 越来越流行，大到谨慎的日本政府、小到家门口的爸爸妈妈烘焙店，每个人都需要 ChatGPT 来帮我们工作，对 AI 开发者、HackrHQ 这样“AI 开发者招聘市场”的需求，显然也会越来越强烈。

视频编辑工具 NOVA AI 的视频搜索功能，可以在视频里搜索表情、事件、物品、建筑，或者搜索名人、你、你朋友的脸，以及搜索特定单词、句子。 以后编辑视频时，就不需要反复快进、在十几小时的视频素材里寻找特定时刻了，直接搜索一下就行。 按照官网介绍，NOVA AI 使用了 AI 视觉识别来分析视频内容，每 1 小时视频大约需要 10 分钟分析并生成索引。相比在视频剪辑过程中使用“视频搜索”所节约的大量时间，分析视频所需的这 10 分钟完全可以忽略。 我特别希望 Youtube 尽快提供视频内搜索功能。 比如说我快速看了一个 1 小时的教程，其中有几个小节特别重要、但我没有及时做笔记，那么使用视频搜索功能很快就能找到那几个小节，再也不需要反复快进、扫描整个视频了。 以前曾经介绍过一个把 YouTube 视频转为图文的方法，可以勉强应付一下在 Youtube 里进行视频搜索的需求。 原文发表于这里。

播客之类的音频内容，天然地信息密度较低、相对价值也较低。使用 ChatGPT 等 AI 技术加工播客等音频内容，提炼出有价值的信息，将明显提升音频内容的价值。 推友 @GanymedeNil 和“津津乐道播客”合作，利用 ChatGPT 和自定义的 prompt，把 281 期“津津乐道播客”节目转成了 1.8 万个中文问答对，并公开了所有数据。这是已知的第一个中文播客语料库，向社会开放这些数据，会为相关领域的产品开发和设计助一臂之力。 解决了什么问题 相比一般的内容摘要，为播客、谈话、演讲等音频内容生成问答对，好处是处理之后的信息密度更高。 举个最通俗的例子，如果你把大领导两个小时的长篇演讲，汇总加工成演讲摘录，方案 A 是生成 800 字泛泛的会议纪要，估计就是几十句似是而非的车轱辘话，而方案 B 总结出了 20 大问题及其解答，简明扼要还字字珠玑…你觉得哪个摘录显得领导更伟大？ 回到“津津乐道播客”这个例子，给播客内容做摘要其实很困难。 播客本身的特点是信息密度特别低，而且像“津津乐道播客”这种以经验见长的播客，即便有方法能生成内容摘录，很可能只能生成泛泛的摘要，很难从松散、稀疏的内容里挑出高价值的经验。 而其他一些偏想法、偏讨论的播客，节目内容大比例是思想的交流和碰撞，并没有太多明确的观点和结论。大家可以设想一下，如果许知远老师侃侃而谈一小时，一般摘要算法可能只是说一句正确的废话，而完全 get 不到他说的任何要点。 所以把播客内容转化为问答对，这就很有价值了。 按照一般语速、一般节目时长估算，“津津乐道播客”所有音频节目转成文字后大约有 300 万汉字。从这么多文字中生成 1.8 万个问答对，差不多是每 150 字、或者说每 1 分钟对话总结出一对问答，这个效率其实非常之高。 而且问答对的信息质量也相当之高，比如我截屏的这一组问答对，聊的是远程工作的经验，毫无废话、毫无似是而非的观点、也没有 ChatGPT 特有的漂亮屁话 – 每一句都是真正的经验之谈。 @GanymedeNil 曾利用 ChatGPT 把“默沙东诊疗手册” 制作成为专业数据库、问诊 AI，受到业界强烈关注。这次他又着眼于数据，发布基于播客节目的公开语料库。他表示，时机成熟后，他会公布制作中文播客语料库的相关 prompt，非常期待！ 产品设计想象空间 现在还属于 LLM 类 AI 产品设计的早期，除了 ChatGPT 这些基础架构类的产品，多数第三方和独立开发者开发的 AI 产品偏向于工具，而有意无意地忽视了更重要的“数据”。这个中文播客语料库的公布，为音频内容相关的 AI 产品设计带来了新的可能。 例如利用这些数据，开发者既可以自建基于经验、类似 FAQ 的 AI 知识库，又可以针对音频内容的特点，设计数据导向、内容导向的 AI 产品。 又比如创建中文播客语料库的这套方法，还可以用于课程、演讲、会议、演示等等音频和视频内容的转化，多少沉寂的音频内容即将二次投胎。 至于通过以上方法，获得一个播客、课程、演讲、会议、演示…的问答对，二次加工后形成一个独有的垂直知识库之后，到底能有什么具体的应用，那就可以随便想象了。 毕竟数据才是今天最值钱的硬资源。

有国外团队开发了一款特别的新闻 APP，就叫 Boring Report/无聊报道，开发者说它用 GPT 自动过滤掉新闻中耸人听闻的部分，只给读者留下最基本的信息。 进入 App Store 下载。 开发者开发这款 APP 的理由，是说新闻里哗众取宠的干扰信息太多，反而让人忽略了事实。 还真有不少人支持这种概念，还提出了各种产品设计的反馈。不过从产品设计角度来说，虽说它的创意还不错，但我不太看好这个 APP 基本的 idea。 首先今天各种耸动的新闻，往往并不是表述、写法、语言的耸动，而是基本观点本身就是为了利益、为了流量而刻意地耸动，GPT 也许能过滤掉耸动的语言，但无法过滤掉一个观点。 其次这个 APP 本质上只是一个新闻摘要 APP，“过滤掉新闻中耸人听闻的部分”很可能只是一种营销的概念，借助摘要带来的错觉，推销又一款新闻摘要工具。 最后，选择从什么渠道读哪些新闻，这种选择过程本身就是有高度倾向性的，如果读者选择了阅读某个极端媒体，GPT 为这些极端新闻生成摘要，实际上反而会提高她/他吸收这些极端新闻的效率。 在新闻阅读这个产品领域里，太多问题无法通过一个 AI、一种算法来解决。 原文发表于这里。