这是我们最好的决定吗 让AI帮我们做决定 (这是我们最好的年纪,我们光芒万丈的青春)

我不得不承认，其实我在写这篇文章的时候心不在焉，因为我正在纠结到底买哪一款无线耳机，市面上的款式实在是太多了……

你肯定也听说了，苹果刚刚把iPhone7的耳机插口给毙了，这意味着如果你想边充电边听歌的话，你必须买一个无线耳机（当然你也可以选择不买iphone7哈），而且这货还不便宜。所以问题来了：如何在预算之内选择一款最好的呢？

我们每天要面对太多的选择——光是吃东西就有200多种——并且商家才不会帮你，因为他们信奉的核心准则似乎是“消费者想要更多的选择”，商家总是在各个消费领域贡献出几乎令人尴尬的多样化选择。

但是，更多选择真的更好吗？

2004年，心理学家Barry Schwartz 推广了一个 “选择悖论”的概念，意思是当面对太多选择的时候，我们会无从选择，并感到一种强烈的不满。可能更隐蔽的问题在于一种“选择疲劳症”，就是一种当我们做了太多选择，消耗掉我们最好的判断力，变得狂躁而不再想做选择的脑力耗尽状态。

这种脑力耗尽的状态也许就导致了我们经常不愿意在下午做出判断，或是正在购物时随便买废品食品来充饥，又或是在睡前疯狂买买买。实际上如果调查我们日常所做选择的类型，我们发现它们大部分都是很琐碎的，比如吃什么、穿什么、看什么等等，这些选择其实浪费了我们有限的大脑能力。与其被这些小选择所困扰，何不试试将它们外包给公司和算法程序？

总的来说，预期设计创造了一种新的“生态系统”，在这个系统里，用户无需再做出选择，而是选择会根据用户的偏好自动给出。系统中，AI会根据用户的前期行为、偏好和其他数据，同时用一些基础的商业逻辑和常识完善选择算法，最终决定出最佳选项。在某种程度上，预期设计是非常个性化的。

我们来举个栗子。你之前预定机票时，需要在大量的航空公司网站上寻找最佳选择，衡量性价比，自己一个人完成很多繁杂的工作。但是在预期设计中，AI助手可以自动检查你日程上需要出差的待办事项，自动帮你预定一张机票，并且这张机票是AI根据你过去订票记录精挑细选出来的最佳选择。当然，Shapiro也解释道：“像这样一个系统，一开始是需要反馈机制的。但是正如其他机器学习系统一样，你使用得越多，系统就越贴合你。最终，系统会将你的生活变得十分简单化，消除所有中间步骤，直达目标——不管是订票、选餐馆、甚至选择相亲对象，我们都不用再让Siri帮我们叫滴滴打车，AI助手贴心地就帮我们自动规划好并直接把我们送到地方了。

预期设计实际传递了一种理念，也是技术本身的目的所在：使事情变得简单化。

“流畅，而非摩擦”

Shapiro 说，一些拓荒者已经在该领域迈出了第一步，虽然结果喜忧参半。比如，亚马逊、Netflix、Pandora会根据用户的历史选择对其进行购物推荐，但是有人抱怨说这些系统让事情更复杂，因为他们还是需要用户在推荐中做出最终选择。

相反，一个家庭智能电器控制器可以不询问用户就完成工作。典型的物联网设备就可以根据时间和用户先前的偏好自动调节房间温度。

还有流媒体服务平台 Spotify，不同于它的竞争对手为用户提供单独的歌曲供其选挑选，Spotify会根据用户的品味为其提供打包的歌曲列表“Discover Weekly”。该应用的火爆流行可能就归功于它在服务上远胜于其他主流音乐应用的统治地位。

Shapiro 写道：“我们不难看到，今天的服务创新可以轻易地发展出一个‘预期设计’的未来。”

也许你对此表示怀疑，其实我也是。我们的行为真的这么容易被预测吗？一个算法就可以猜测到我们突然间的决定吗？我们将选择外包出去后会失去什么吗？

“效率，而非自由”

像音乐风格如此主观的事情可以被计算机轻易地预测，这为我们提供了一种希望：我们做出决定的过程，虽然很多变，但却可以在某种程度上被自动化。但是无论如何，为了使这种系统运行顺畅，我们需要训练用的数据，大量的数据。

幸运的是，我们处在“数字化自我”的时代。健康追踪类设备可以帮助我们解决问题。未来的设备可以收集我们所有方面的实时生理数据，比如荷尔蒙分泌、脑电波等，并未用户的情绪状态和偏好建立模型。

目前已经有了一个小型实验案例。去年，日本服装品牌优衣库建立了一个算法，叫做UMOOD，可以根据大量的数据收据帮助顾客选择最完美的T恤。该系统首先根据调查数据将T恤按风格颜色分成不同的代表心情，比如绿色代表冷静。接着，顾客会戴上耳机，系统测试他们在观看代表不同心情的视频时的脑部活动。最后系统根据测试结果为顾客选择最符合他们心情的T恤。是的，这个案例像是一种商业噱头，但是顾客们非常喜欢。

Shapiro 说：“选择一件T恤可能很简单，但是相似的技术可能帮助我们对财务或是其他更大的人生问题上做出选择。为了达到目标，最初的预期设计可以先为用户提供建议方案而不是直接做出选择。一旦取得信任，系统将来就可以通过各种渠道收集不同的信息流，在后台自动运行。所有的服务目的在于一个：帮助你专注于工作和生活中最最重要的事情。”

毫无疑问，Shapiro 为我们描述了一番乐观前景。但是他也为我们留下了一些问题。

隐私是一个明显的问题。正如 Anne Quito 所说，“预期设计在自动化后面给设计者和程序员们以及消费者提出了新的道德问题。我们可以信任一个系统能保护我们的个人隐私不被黑客或是营销人员获取吗？或者，关于隐私的讨论已经变得毫无意义了吗？”

隐私与便捷之间的平衡其实不仅仅局限于预期设计领域，在我们现有的智能系统中也普遍存在。关于它的争论远没有结束，也许最终还是会归结于每个人自己的选择。

从哲学意义上来说，有些人认为预测本身对我们认识人类行为上产生一些限制，也会产生一些刻板的假设，并限制人类选择的自由。这个观点可能是对的，对那些不追求自由的人来说，拥有那些琐碎事务的选择权也许是一种很大的诱惑。

最后，如果这种服务真正达到了解放人类脑力资源的目标，我们就可以在怎么选择的问题上多下功夫。在放弃一些控制权，让机器来解决掉杂事之后，我们最终可以专注于处理那些真正意义重大的决定上。

via singularityhub

推荐阅读：

AI让我们工作更清闲？专家：想多了，你要更努力干活了 、

一家好的人工智能创业公司需具备哪些要素？

原创文章，未经授权禁止转载。详情见 转载须知 。

上一篇：DisruptTC大会直击disruption

下一篇：犯罪的科幻情节将成为现实中少数派报告预测