回一下 @Szhans 之前的邀请

回一下 @Szhans 之前的邀请 有很多人将 ChatGPT 与 iPhone 的诞生视为同一种性质的变革，通常这类变革需要具备以下条件： • 改变了人们的生活或工作方式 • 满足市场需求：iPhone 与 ChatGPT 满足了消费者对于更便捷人机交互形式的需要 • 全球性的影响 • 技术突破 …… 我们可以从人机交互的转变，或是从技术创新等视角去看 iPhone 与 ChatGPT 带来的变革。在这里我想从助理概念的角度出发，去挖掘这两者之间相通的地方。 首先工具和助理的差别：工具概念上是指任何帮助人们完成特定任务的物品或程序；助理则指帮助人们完成任务并管理信息的程序或设备，助理可以利用工具或工具集合来帮助完成工作，但更多指代协助人们进行信息或任务的计划、组织和管理。 所以在这里将 iPhone 和 ChatGPT 分类到助理而不是工具，是因为工具更多是指完成某种特定任务的定义。从一个比较底层的角度看待设备的演进，iPhone 到 iPad 到 Mac 的发展路线恰好是助理形态的深化过程，iPhone 服务更生活化和日常的主体，例如Todos，时间管理，大设备的功能性扩展（PC & Mac），内容获取，碎片化娱乐和信息处理等等，iPhone 发展到现在，一直是占据着人们时间线中片刻性质、突发的、弹性的行为和交互。 iPad 则定位稍许有些不同，涉及了一些基础创作的交互和行为，甚至在现在或将来，作为更纯粹的创作工具，尤其是偏向通用的以文本、图片、音频或是视频等经典富媒体格式生产。Mac 则不同，它正是综合了几乎全部能力的通用型设备。 iPhone 中的 Siri 则正好是一种它助理人格化隐喻的最佳体现，它甚至成为iPhone/iPad/Mac 的理想化形态的化身。Siri 的交互中关键的信息容器元素（即对话盒子），可以承载多格式多形式的信息，而人们只用通过类似搜索的语义化交互就可以唤起这种信息查询。实际上已经可以完整承载各种 GUI 交互结构和逻辑了。 说到 GUI，我认为当今的 GUI 存在的核心问题是，它在完成任务过程中，更多指向了一种「操作技术」的逻辑，例如我要在 PS 中将彩色照片修改为黑白图片，我需要打开该软件，找到图像相关的操作，然后找到图像色彩相关操作，接着要进行数值的调整，然后才能确认该处理结果，GUI 看似让事情变得简单，同时也把问题变得复杂，甚至有时候复杂到抢夺了人们对事情本身的关注。 我一直认为 GUI 与信息可视化是有边界的，信息可视化的交互逻辑是「展开更多信息」，而现存的 GUI 则是「操作」兼展开更多信息。这其中的操作有很多类型，中间涉及了屏幕中各种交互组件与外置的输入设备（键盘，触控屏/板， 鼠标）之间的映射，以及要适应或解决映射造成的认知提升的成本及可用性问题相关研究： • Reducing Cognitive Load in the Classroom: The Promise of Personalized Adaptive Learning" by Philip J. Guo, Juho Kim, and Rob Rubin (2014) • Simplifying Mobile Search Input: A Field Study of Voice and Gesture Input" by Daniel Vogel, Yang Li, Ravin Balakrishnan, and Anthony Tang (2013) • A Study on the Effect of Voice Interface on Mobile User Experience" by Yuexin Ma, Shuai Wang, Xiaojuan Ma, and Yanan Li (2017) …… iPhone/iPad/Mac 这类设备的发展历程，正是在人机交互发展到以 PC 为标准的模型基础上，不断简化的成果，即是在 GUI 为基础上，去掉映射，可用性问题，冗余操作……等等的过程，让人们能够更快速有效的「展开更多信息」从而更短时间，更小成本实现用户目标。 GUI 另一个问题是，它带来了颇有局限性的「技术化思维」，它打造了一个又一个封闭的技术部落，虽然创造了各种工种及就业机会，但也影响了技术创新的进程，人们要为不同技术之间的信息阻隔付出多余的代价，并且这种技术引用逻辑，成为了创造行为中一个又一个的断点（人们不得不在创造过程中花费更多金钱和时间引入各种外包技术支持）打断了创造的流畅性。这里交互的核心区别在于： • GUI 永远给你的都是一个空白元素，例如空白画布，空白的文本输入框，空白的文档等等，它预设人们天生具备「填充空白」的耐心、能力、成本。 • ChatGPT 代表的下一代人机交互，在创作一开始就通过提示快速给出一个大致的结果，如果不满意，可以不断的通过指令或提示去修正到满意为止，这极大解决了大家对创造的恐惧。也是为什么我认为，它更像一种真正意义上的「人机交互技术革新」，也更能体现「生成式交互」的野心。 技术化思维的弱点还在于，它本身的技术逻辑导致了各方面成本的成倍增加，甚至可以说随着人类社会的发展，大部分的任务逻辑已经超出了以往水平，更多是系统化的、有机的，开放的任务组合，要处理的复用、异常、关联的逻辑越来越多，越来越复杂，可以这么说，在过往的工具认知体系中，我们用「众包」的形式精简复杂性，催生出了现有的社会分工机制，但同时，技术逻辑/技术型社会加深了社会的分化，另外，某种技术的发展受到其他技术发展与技术文化的限制，导致因技术发展不均等而产生的创新疲软和重复发展等各种问题，最大的问题在于人与社会与自然的矛盾得不到积极地推动和解决，即所谓大的课题、大的命题得不到解决，，社会/技术发展被锁死在「历史问题堆」里，现有的技术发展滞后使得精英与民众的裂缝增强，人们因许多基础的民生及供需矛盾得不到保障导致对大课题产生失望甚至厌恶的情绪和态度。这大概就是技术逻辑和工具思维导致的一些恶果。 ChatGPT 的发展和 iPhone 的发展逻辑是反着来的，iPhone 是先提供平台，然后细化人们的工具需求，一个巨大的问题是因为细化的过程是单独的，所以 App 之间是封闭的，导致许多有关联价值的数据和信息无法流通，也就代表着因数据和信息无法流通而导致的更深层次的分化现象， ChatGPT 和搜索引擎其实都基于语料，但搜索引擎的语料无法自主地生成交互，搜索引擎为了解决这个问题，直接指向语料提供方所有的交互逻辑中，核心只提供了链接，中间却多了很多障碍，出错的机会以及各种安全风险。我对ChatGPT 抱有很大兴趣的点是在于，语义化交互天生具有「可生成性」，我认为GUI 核心也是在表达语义，不过过程过于曲折冗余，这里面的中介对象几乎就是一个开发团队的规模（产品、调研、研发、设计、测试、运营）。类似的探讨可以查关键词：CLI vs. GUI。 Noam Chomsky 说人类是「语言动物」。 记得和朋友聊到搜索的本质时，我们都认为最干净透彻的交互也就是如此了，我搜索的即是我表达的、我表达的即是我需要的、我需要的即是我要达成的，曾经接近这一理念的是 Google ，但问题就是，它无法在过程中解决一致性人体，人们因为不一致产生了太多不必要的麻烦和花销。 我们甚至认为「交互的最终目的就是干掉交互」，交互的极致就是用最低成本达成最大目标。 人们发现创造的过程从原来的「众包/分包/外包」通通转变为「引用」，人们在该引用的地方，注释上相关的 Prompt 或链接，就能快速生产出有效内容。工具从技术黑箱变为真正意义上的内容节点，创作的轻而易举加强了人们沟通和表达的清晰度和准确度，这也许能启动一系列飞轮效应，在这样的背景下人们重新面临大课题大命题时，也许就不再那么手足无措。 当今社会最大问题也许是「分化」，信息的流通、开放、祛魅与解蔽也许就是克服分化的良药。而GPT 就像是将 iPhone 还没有完成的愿景推进下去，在一种更新的理念、环境基础上，在新的起点上，提供一种新的可能性。