隨著人工智能技術(shù)的飛速發(fā)展，語(yǔ)言用戶界面（LUI）逐漸成為人機(jī)交互的新寵。然而，這種看似自然直觀的交互方式是否真的適合所有場(chǎng)景？本文通過(guò)深入探討ChatGPT等LUI形態(tài)的局限性，提出了一系列引人深思的問(wèn)題，并提供了當(dāng)前的一些解決方案。

從ChatGPT開(kāi)始到現(xiàn)在，似乎我們默認(rèn)了所謂的LUI（Language User Interface），不過(guò)黃叔從來(lái)沒(méi)有覺(jué)得這是應(yīng)該的，也隨著對(duì)于AI產(chǎn)品研究的逐漸深入，在5月份情感陪伴這篇文章，就清晰的指出：

大部分人被ChatGPT和C.ai騙了！

那今天，我們進(jìn)一步闡述Chat這種LUI形態(tài)是如何的“反人類”，更多是提出問(wèn)題，也給出當(dāng)前的一些解決方案，希望能為從業(yè)者們提供一些靈感，歡迎大家互通有無(wú)。

有位朋友總結(jié)的挺好的：“Chat更像是早期尋找PMF的交互形態(tài)， 給人曠野而非軌道?！毕Ｍ蠹夷芨玫恼业阶约旱能壍溃海?/p>

Q1：Chat對(duì)話的自然性和信息效率之間存在矛盾？

我們都知道目前的AI產(chǎn)品大部分很容易遇到天花板問(wèn)題，比如Kimi的增長(zhǎng)已經(jīng)非常明顯卡住了：

這背后當(dāng)然存在多個(gè)層面的因素影響了，但AI應(yīng)用至少在國(guó)內(nèi)，我們能很明顯看到還處在一個(gè)早期階段，有一點(diǎn)很明顯的是：

Chat對(duì)話是很自然的，很符合日常交流的，但是和信息的效率（包含輸入和獲?。┲g，似乎存在很大的矛盾。

這是一個(gè)很大的話題，作為本篇文章的起始，后面黃叔會(huì)嘗試從多個(gè)角度拋磚引玉：文字是線性的！Prompt的存在就是逆天開(kāi)放性vs目標(biāo)導(dǎo)向文字輸入vs多模態(tài)輸入不適合用Chat的形態(tài)文字輸出vs多模態(tài)輸出用戶認(rèn)知和預(yù)期管理問(wèn)題個(gè)性化和定制化能力不足大家都被ChatGPT和Cai騙了

Q2：文字是線性的。。。

平克說(shuō)過(guò)非常有名的一段話：

寫作之難，在于將網(wǎng)狀的思想，通過(guò)樹(shù)狀的句法，用線性的文字展開(kāi)

我們大腦中有無(wú)數(shù)碎片化的想法，你要找到一條最佳的文字線串起來(lái)，這件事情對(duì)于人類來(lái)說(shuō)，是普遍非常難的，所以在搜索這個(gè)人類最大的輸入框里，大量的Query都是短詞。

如果無(wú)法用文字清晰的表達(dá)自己究竟想要的是什么，意味著Chat形態(tài)不是老百姓最好的和AI交互的形態(tài)。

這里還會(huì)有進(jìn)一步的影響：認(rèn)知負(fù)荷和互動(dòng)深度。

一個(gè)是用戶在上下文中，自己就需要記住之前的對(duì)話內(nèi)容，這增加了認(rèn)知負(fù)擔(dān)，另一個(gè)是線性文字限制了互動(dòng)的深度和廣度，難以實(shí)現(xiàn)復(fù)雜的交互和多層次的信息傳遞。

Q3：Chat需要Prompt功能才能獲得好結(jié)果？

Prompt是什么？Prompt是Chat交互形態(tài)下自然長(zhǎng)出來(lái)的一個(gè)玩意。

Andrej Karpathy在2023年5月，微軟build大會(huì)上，分享過(guò)《State of GPT》，其中具體說(shuō)了Prompt是人類語(yǔ)言和機(jī)器語(yǔ)言之間的橋梁，我們需要用Prompt來(lái)彌補(bǔ)人類思維與機(jī)器處理方式之間的差異。

這也是因?yàn)榇竽Ｐ捅旧砭突诤Ａ康臄?shù)據(jù)做的訓(xùn)練，你需要更加細(xì)致的描述，才能讓它知道你具體需要什么。

對(duì)應(yīng)的，用戶如果希望獲得更高質(zhì)量的AI生成的內(nèi)容，也需要輸入更高質(zhì)量的Prompt，現(xiàn)在你理解為何會(huì)有提示詞工程師這么一個(gè)職業(yè)存在的原因了吧：

Q4：在 Chat 對(duì)話中融入 GUI元素是否可行？

既然輸入那么難，那么能不能在Chat對(duì)話中融入GUI元素？

舉一個(gè)具體例子大家可以更清晰的理解，比如你去看病，醫(yī)生肯定會(huì)問(wèn)一些關(guān)鍵信息，但會(huì)問(wèn)你哪些關(guān)鍵信息其實(shí)是背后大量的診療經(jīng)驗(yàn)，以及基于望聞問(wèn)切，甚至是病歷做出的，這個(gè)過(guò)程，用一個(gè)對(duì)你過(guò)去信息知道不多的大模型來(lái)多輪對(duì)話，顯然效率很低，在夸克瀏覽器里，我們就看到一個(gè)不錯(cuò)的案例：

這個(gè)就是GUI（GUI是”Graphical User Interface”的縮寫，中文通常翻譯為”圖形用戶界面”）比起LUI的好處：

GUI是點(diǎn)擊操作，可以觸發(fā)預(yù)置好的信息，關(guān)鍵在【預(yù)置】，用選擇代替輸入，效率上比Chat高很多倍。 （from @杜昭）

有和夸克的同學(xué)交流過(guò)，AI健康問(wèn)答這個(gè)場(chǎng)景，也是他們著重發(fā)力的，拿了大量的數(shù)據(jù)以及找了專業(yè)的醫(yī)生團(tuán)隊(duì)做了驗(yàn)證后，抽象出來(lái)的補(bǔ)充信息模塊。

另外，即刻上的@申悅 也給了個(gè)案例，智譜的智能體里，輸入也增加了表單，可以更方便的用戶知道應(yīng)該輸入什么信息：

可以看到，GUI對(duì)于Chat的開(kāi)放性是有很好的約束作用的，面對(duì)空白的輸入框，用戶很容易發(fā)懵：“我到底應(yīng)該輸入啥才能獲得好答案？”，GUI限定條件后，用戶能更明確一些。

Q5：除了文字輸入，還有哪些更便捷、高效的輸入方式能夠應(yīng)用于 Chat 對(duì)話，以降低用戶的表達(dá)門檻？

有很多方式，不是所有的方式都依賴于文字輸入。

我們?cè)谇楦信惆橐晃牡目偨Y(jié)中，提到了情感陪伴實(shí)際上是內(nèi)容消費(fèi)的邏輯，那對(duì)應(yīng)的，抖音是一種上下滑和雙擊屏幕就能完成的輕互動(dòng)內(nèi)容消費(fèi)產(chǎn)品，那AI生成的內(nèi)容產(chǎn)品里，如何借用呢？

美團(tuán)WOW的互動(dòng)故事就提供了一種可能性，AI先生成一個(gè)章節(jié)，然后給出選項(xiàng)用戶點(diǎn)擊選擇（也可以手動(dòng)輸入），AI繼續(xù)生成，循環(huán)如此：

除了上面這種，最典型的就是語(yǔ)音輸入，甚至是實(shí)時(shí)語(yǔ)音互動(dòng)，最為典型的就是GPT-4o，非常炸裂的發(fā)布會(huì)我們都看到了，300ms以內(nèi)的低時(shí)延，擊穿了“實(shí)時(shí)性”這個(gè)人類能感知到的節(jié)點(diǎn)。

大量的AI助手，也強(qiáng)依賴于語(yǔ)音交互，典型的比如Siri、小愛(ài)同學(xué)，車機(jī)上的“理想同學(xué)”“Nomi”等等。

當(dāng)然難度也是語(yǔ)音識(shí)別的準(zhǔn)確性，以及環(huán)境噪音、用戶有口音，以及用戶輸入意愿度的問(wèn)題，特別是語(yǔ)音交互里，長(zhǎng)文本的對(duì)話就不現(xiàn)實(shí)了，比如MiniMax的海螺AI，當(dāng)打開(kāi)實(shí)時(shí)語(yǔ)音對(duì)話時(shí)，AI的人設(shè)就會(huì)變成傾向于短回答來(lái)保證交互效率。

除此之外，圖片、視頻輸入更為典型，圖片輸入比如前陣子的網(wǎng)紅應(yīng)用胃之書(shū)：

它的輸入并不需要輸入文字，點(diǎn)擊拍照，然后大模型就會(huì)自動(dòng)解析，幾乎全自動(dòng)的完成了錄入。

再比如360AI搜索，增加了拍照上傳功能：

更經(jīng)典的解決方案是雷鵬眼鏡，在鏡框上面增加攝像頭，真正做到了所見(jiàn)即所得，用“Hi，meta”作為喚醒詞即可調(diào)用AI完成交互：

所以，AI眼鏡是蠻有未來(lái)機(jī)會(huì)的一種新硬件載體。

Q6：有不適合用Chat的形態(tài)么？

很典型的，Notion AI推出之后，大家也更能理解對(duì)于寫作，inline非常重要，即：在文本中間整合加入AI能力，才能更有效的幫助用戶完成創(chuàng)作：

同樣是文字處理，但是直接在內(nèi)容里嵌入AI能力，并且點(diǎn)選即可完成，這種效率似乎提高了不是一星半點(diǎn)。

當(dāng)然，Notion AI同樣加入了Copilot，用對(duì)話來(lái)幫助用戶更好的使用更多AI能力。

這種呢，就是比較復(fù)雜的文字處理，不便于在Chat線性的交互形態(tài)里完成，所以需要inline的邏輯來(lái)做，對(duì)應(yīng)的，我們可以引申一下：

• 復(fù)雜的數(shù)據(jù)分析和可視化（Excel等）
• 長(zhǎng)篇文檔編輯和排版（Notion AI）
• 實(shí)時(shí)協(xié)作和團(tuán)隊(duì)溝通高度專業(yè)化的技術(shù)開(kāi)發(fā)（Github Copilot）
• 設(shè)計(jì)和創(chuàng)意工作（視頻工作流單純的Chat不好做）
• 教育和培訓(xùn)（高度互動(dòng)的教學(xué)）

Q7：AI除了輸出文字，不能輸出其他形態(tài)的內(nèi)容么？

ChatGPT誕生至今，大量的ChatBot都以文字輸入輸出為核心，這也導(dǎo)致我們?cè)谏弦黄妒畣?wèn)AI搜索》中提出一個(gè)問(wèn)題：

AI搜索是一種退化？結(jié)論：搜索從10個(gè)鏈接到1個(gè)答案是進(jìn)化，但從視頻到文字是退化

我們可以看一下抖音的AI搜索，如上~

抖音的日活達(dá)到7個(gè)億以后，我相信已經(jīng)有非常多所謂下沉市場(chǎng)的用戶在使用了，他們已經(jīng)非常的習(xí)慣于刷短視頻來(lái)獲取信息了，那上面的文字版本的抖音AI搜索是不是一種所謂的倒退呢？或許用戶在看到抖音里出現(xiàn)大片段文字的時(shí)候，會(huì)直接關(guān)掉。

交叉對(duì)比，我有和小紅書(shū)的運(yùn)營(yíng)交流過(guò)，小紅書(shū)其實(shí)鼓勵(lì)我多去發(fā)圖文筆記，因?yàn)橐欢€的用戶對(duì)于圖文筆記的吸收效率是最快的，想想圖文筆記的結(jié)構(gòu)化和信息提取速度，一目十行，可以非常快的就理解到你表達(dá)的意思。但是視頻內(nèi)容其實(shí)就更加的線性，只能隨著視頻內(nèi)容的按時(shí)間展開(kāi)：

兩者結(jié)合，會(huì)發(fā)現(xiàn)一個(gè)有意思的現(xiàn)象：

• 一二線城市受過(guò)高等教育的用戶更容易接受圖文結(jié)構(gòu)化的信息；
• 三四線城市/農(nóng)村的用戶，只能接受視頻信息。

這也意味著，AI產(chǎn)品想要突破當(dāng)前的圈層，勢(shì)必要延展出去，有更多模態(tài)的內(nèi)容呈現(xiàn)，才能讓用戶更加容易吸收。

我們會(huì)發(fā)現(xiàn)很多產(chǎn)品開(kāi)始逐漸增加對(duì)多模態(tài)的支持，比如Genspark重新組織了Sparkpage在內(nèi)容形式的組織上，比如一些AI游戲，把AI融入到游戲中的嘗試，都非常的有趣。比如百川也做了碟鏡Dreamland：

還有AiPPT類內(nèi)容的組織，也很好的實(shí)現(xiàn)了Query to PPT方式的形態(tài)，比如做得很好的Gamma：

這塊隨著技術(shù)的成熟也會(huì)逐漸開(kāi)始發(fā)展起來(lái)，值得期待。

除了上面輸入輸出方面的的問(wèn)題之外，還有下面的問(wèn)題：

Q8：用戶認(rèn)知和預(yù)期管理問(wèn)題？

ChatBot形式的交互界面，很容易讓用戶高估 AI 的理解和解決問(wèn)題的能力。

那我自己舉例子，作為一名蔚來(lái)車主，在看到蔚來(lái)宣傳Nomi接入大模型，升級(jí)為NomiGPT后，就嘗試做一些交流，但會(huì)發(fā)現(xiàn)很多問(wèn)題給的答案都很差，就會(huì)默認(rèn)覺(jué)得NomiGPT不行，下意識(shí)的會(huì)拒絕使用。

其實(shí)作為車機(jī)里的GPT，應(yīng)該非常清晰的給出一些關(guān)鍵指引，比如用車相關(guān)，車控相關(guān)，這樣更容易讓用戶找到Good Case，而不是面面俱到，很容易就遇到Bad Case，宣傳角色扮演、樹(shù)洞情感陪伴，這種非常不好。

假如說(shuō)1000萬(wàn)次的總聊天互動(dòng)次數(shù)，那角色扮演和情感陪伴只占到總數(shù)的千分之二三，并且這兩點(diǎn)其實(shí)最先進(jìn)的大模型都滿足的不好，何況一個(gè)接入了國(guó)產(chǎn)大模型的Nomi。

這背后就涉及到，要明確產(chǎn)品定位和功能邊界: 讓用戶清楚地知道 AI 產(chǎn)品能做什么，不能做什么。同時(shí)加強(qiáng)用戶的引導(dǎo)，再不斷提高用戶常見(jiàn)Query的效果。

Q9：個(gè)性化和定制化能力不足？

既然是Chat，用戶會(huì)把AI當(dāng)成某個(gè)角色在腦海中進(jìn)行演繹，但目前許多 Chatbot 產(chǎn)品就像流水線生產(chǎn)的“標(biāo)準(zhǔn)化”機(jī)器人，缺乏“個(gè)性”和“溫度”，無(wú)法滿足用戶對(duì)獨(dú)特體驗(yàn)的需求。

比如，很多 Chatbot 的語(yǔ)言風(fēng)格過(guò)于機(jī)械、生硬，缺乏情感和個(gè)性，無(wú)法與用戶建立情感連接。用戶難以感知到 Chatbot 的“人設(shè)”，更像是在與一個(gè)冰冷的機(jī)器對(duì)話。

比如，理想情況下，Chatbot 應(yīng)該像一個(gè)貼心的朋友一樣，記住用戶的喜好和習(xí)慣，提供更加個(gè)性化的服務(wù)。但現(xiàn)實(shí)是，很多 Chatbot 缺乏記憶能力，無(wú)法根據(jù)用戶的歷史行為和偏好進(jìn)行個(gè)性化推薦或服務(wù)。

能部分做到這一點(diǎn)的，拿到了OpenAI投資的Dot，在即刻已經(jīng)發(fā)現(xiàn)一些朋友對(duì)這款產(chǎn)品極度的喜愛(ài)：

當(dāng)然，受限于前面說(shuō)的幾個(gè)問(wèn)題，也會(huì)影響它被大眾接受的廣泛度。

再比如，很多 Chatbot 產(chǎn)品的功能和服務(wù)都是固定的，用戶無(wú)法根據(jù)自己的需求進(jìn)行定制化設(shè)置。例如，用戶無(wú)法選擇 Chatbot 的語(yǔ)言風(fēng)格、對(duì)話主題、信息推送頻率等。

還有，很多 Chatbot 產(chǎn)品的設(shè)計(jì)目標(biāo)是服務(wù)于大眾用戶，缺乏對(duì)特定場(chǎng)景和用戶群體的針對(duì)性設(shè)計(jì)。例如，面向老年人的 Chatbot 產(chǎn)品應(yīng)該是什么樣的？或者說(shuō)并不需要一個(gè)ChatBot，而是一個(gè)人形機(jī)器人？

總而言之，個(gè)性化和定制化是 Chatbot 產(chǎn)品未來(lái)發(fā)展的重要方向。

Q10：大家都被ChatGPT和Character.ai騙了？

這個(gè)問(wèn)題的核心在于，ChatGPT和Character.ai等聊天型AI產(chǎn)品是否在某種程度上誤導(dǎo)了用戶對(duì)AI的期望和認(rèn)知。

首先，Chat這種形態(tài)的引入，還是把AI模擬成了人類，從圖靈測(cè)試開(kāi)始，似乎大家對(duì)于AI就有了這種感性的認(rèn)知，似乎Chat是必然的智能表現(xiàn)的形態(tài)：

特別是ChatGPT和Character.ai流暢的對(duì)話能力，給用戶帶來(lái)了高度智能的錯(cuò)覺(jué)。

所謂的LUI范式出現(xiàn)了。對(duì)應(yīng)的問(wèn)題一直沒(méi)有答案：

LUI是不是符合用戶需求的最佳范式？

沒(méi)有答案，大家都一直在探索，個(gè)人認(rèn)為，LLM的智能，只用Chat來(lái)表達(dá)是非常狹隘的，隨著GPT4o和Gemini 1.5的多模態(tài)能力出現(xiàn)，我們也發(fā)現(xiàn)了GPT5遲遲無(wú)法發(fā)布的前提下，大模型仍然在進(jìn)化，也出現(xiàn)了更多的應(yīng)用落地可能性。

把思考抽出來(lái)，重新理解Chat的局限，也有助于我們更好的設(shè)計(jì)產(chǎn)品。