应用程序可能很快就会变得冗余

生成式人工智能的快速发展引发了新一轮关于其对技术未来以及我们日常生活影响的激烈讨论。我想介入并推测这将如何改变数字最终用户产品的未来。

这是我的主要假设:如果人工智能助手像 将来,当我可以要求助理点“酸味小吃配啤酒”时,我可能不想在智能手机上安装单独的应用程序来点餐。当我可以让助手计划我的行程时,为什么还需要一个单独的应用程序来搜索机票和酒店?因此,将服务提供商链接到我的助手并以最直观的方式与之交互(即人类对话)要方便得多。

未来的数字产品似乎将转变为现实世界的人工智能适配器之类的东西。它将为人工智能助手提供各种线下服务的访问权限,例如订购商品和服务、预约健身房或理发店以及访问新闻和娱乐内容。

为什么我会这样看?在我看来,ChatGPT、Siri 或 Alexa 有很大潜力成为通用界面,通过它们我们可以轻松地使用大量服务。显然,现在它只能通过语音和文本进行交流,但我几乎可以肯定,在未来,它将能够以更简单、结构更好的方式显示信息:以产品卡、带有图钉的在线地图的形式,日历、交互式小部件、视觉说明等。通过这样做,人工智能助手市场将提供一种与服务交互的终极方式。

服务提供商应如何应对?很简单:他们应该将自己的解决方案整合到这些不断发展的生态系统中。 iOS SDK 允许为 Siri 创建自定义命令,Alexa 开发人员允许使用 API 为第三方应用程序创建语音命令。许多产品已经可以与语音助手集成,以执行播放音乐、管理智能家居以及查看新闻或天气等任务。然而,这些用例都非常基础;它们只涉及直接请求和响应。这些工具的未来发展可以带来更先进的方案:

摘要请求→分析和供应商选择→个性化响应。

在我看来,这种发展的潜在优势之一是它允许服务创建者直接关注重要的事情,例如产品的质量及其盈利模式,而不是浪费时间不太相关的功能,例如推荐系统或产品展示。所有这些服务和产品都可以通过一个界面获得。

这些助手的本质可能看起来与流行的超级应用程序相似,只是更加模块化,但方法仍然有点不同。超级应用一开始就向用户提供其所有功能,而人工智能助手只有在用户需要时才会提供任何功能。

这会导致另一个问题:如果用户与助手界面交互的时间多于与广告平台交互的时间,您如何宣传您的服务?我认为这可能受到我们所知道的相同市场法则的调节——需求创造供给。很可能想象每天早上你的助手都会为你提供一份付费摘要,其中包含基于供应商广告的新功能。

必须适应新格式的产品范围相当广泛,但仍然有一些不太可能受到影响,至少不会以我上面描述的方式受到影响。其中包括以用户交互为体验中心的应用程序,例如视频游戏和其他类型的交互式娱乐。事实上,这还包括任何基于主动输入/输出周期的产品。

我们还可以想象仅在线提供的产品将如何适应新规范。让我们以社交网络为例。我认为使用它们不仅可以通过滚动和双击来使用,还可以通过询问人工智能助手诸如“我的朋友斯蒂芬妮怎么样了?”之类的事情来使用它们会很方便。并得到这样的回复:“根据斯蒂芬妮的最新帖子,她感到情绪低落,因为人工智能正在夺走工作。您想了解更多吗?”

在企业环境中,大型语言模型在编译和解释报告、分析数据以及协助日常任务方面已经显示出巨大的潜力。事实上,现在积极使用现代生成人工智能的人们更有可能使用它来提高工作效率,而不是促进他们下班后的日常生活。

现在发生了什么?

Humane 最近发布的 AI Pin 是一个能够部分说明我愿景的产品示例,这是一款具有内置 GPT 访问权限的智能 pin。它有一个非常规但奇怪的交互界面——激光投影仪和语音助手的组合,没有第三方应用程序支持。该机器人与允许播放音乐的 Tidal 服务集成——这本质上是我上面提到的“现实世界的适配器”概念的例子。

我同意现在这个产品看起来很奇怪而且很难使用,但在我看来,它很好地体现了我的想法:由于现代个人设备市场的发展,现代个人设备市场可能很快就会走到尽头。人工智能助手。交互界面将变得越来越直观,例如通过语音、手势或图像。我们现在所知道的服务接口可能会变得不那么重要。用户体验方法可能会将焦点从文本和按钮转移到数据标记。

我已经举了一些例子,说明了目前这个想法是如何以语音助手的形式发展起来的。它们已经上市很长时间了,但很快,由于生成性的集成,它们可能会变得更加有用 人工智能

是什么阻碍了这种情况?

语音助手已经让许多人能够更快地解决日常任务,但真正的智能助手仍处于发展的早期阶段。

未解决的主要问题之一是数据安全。现在许多大公司禁止员工在工作中使用ChatGPT,因为泄密风险很大。尽管 OpenAI 已经启动了其企业计划,根据该计划,他们有义务不使用收到的数据进行模型训练,但对于普通用户来说,这仍然是一个尖锐的问题。您确实不希望人工智能意外地告诉每个人您的个人喜好和习惯或泄露任何机密信息。

第二个问题是性能。目前,微软表示,由于 OpenAI,他们必须重新考虑其服务器基础设施。训练和运行大型语言模型,尤其是 GPT-4 级别的模型,需要大量的计算资源。它可能根本不足以实现速度和服务可用性的质的飞跃。这就是为什么真正能解决数据安全问题的离线助手的能力还相当有限。

第三个问题是大型语言模型(LLM )发展得太快了。用户根本没有时间去习惯它们并了解所有的可能性。许多人仍然更多地将其视为玩具。即使前两个问题明天就得到解决,市场也可能需要相当长的时间来适应这种范式转变并了解新一代人工智能的真正潜力。

虽然所有这些问题都在得到解决,但我建议密切关注当前的趋势。果然,OpenAI、Anthropic、谷歌和其他公司似乎在创新方面处于领先地位,我们无法预测一年后这一切会是什么样子。不幸的是,由于拥有庞大的基础设施,行业巨头垄断了该领域的大规模研究。

但是,服务所有者和服务提供商可能应该开始估计他们的产品未来将如何转变。

您对于AI助手的发展有何想法?它们如何影响最终用户的生活和整个数字解决方案市场?

Comments are closed.