无尽的创造力等待被释放
前几天有朋友给我转了一个乔布斯在1981年接受采访的视频。这段视频没有播出过，是2021年才被“挖掘”出来的，看过的人相对较少。乔布斯在里面说，就像电动机的发明和普及一样，随着成本的下降和使用门槛降低，个人计算机（PC）将从科研、工业、军事等非常昂贵的应用场景开始，逐渐走进中小企业、个人工作者等商业场景，再进入千家万户。他将PC类比成了自行车，就像自行车的灵活自由一样，PC可以成为人们大脑的延伸，让人们从日常繁琐枯燥的工作中解放出来，去做更多更有创造力的工作。
1981年的时候计算机还非常昂贵，不是一般家庭可以负担的，大部分人还无法预见计算机能如何在自己的生活中发挥作用。乔布斯在40多年前讲的这番话，不但预言了计算机的普及，同样可以用来预言智能手机的诞生和普及，放到今天用来预言通用人工智能将会在人们的日常生活中起到的作用，我认为一个字也不用改。
当然，这些都是宏观预测。至于人们会怎么用，还是很难预测的。2023年4月的本专栏中讨论过这个问题。
40年前许多人无法想象计算机真的会进入家庭，15年前也会有许多人无法想象智能手机会人手一部……历史总是在倒车镜中才能看清楚，但同时人类又是健忘的。到今天仍然有许多人无法想象随着成本的下降，通用人工智能最终将成为人们工作、生活不可分割的一部分，释放我们的创造力。
有这种想法也很合理。以GPT为代表的大语言模型已经火了半年了。如果你不是技术爱好者，心里可能会想，为什么好像没有什么我日常可以用得上的产品？的确没有。我算是非常重度的用户，浏览器始终置顶着ChatGPT、Bard、Claude、Pi等直接和不同的大语言模型沟通的应用，但我知道今天使用这些产品的门槛很高，也需要学习一些使用技巧。前两天去一个行业的AI大会，分会场最爆满的是一个教如何写prompt（可以简单理解成和AI说话的技巧）的工作坊，可见即使在技术行业内，许多人也还是无法得心应手地用好现在的人工智能产品。这也是为什么我觉得，通用人工智能的iPhone时刻还没有到来—4月我在专栏中写过这个话题，现在我依然是这个看法。
通用人工智能能不能释放普通人的创造力暂且不说，在此之前可能需要先释放一下技术行业从业者的创造力。
这半年我一边休息一边在积攒和大语言模型有关的各种产品主意。这里面的许多想法在我看来过于浅显，别人应该也很容易想到，做起来应该也不复杂，但我躺平了几个月还没看到有人做出来，以至于常常要怀疑“是不是已经有人做了只是我不知道而已”。
倒也不是没有，只是做得不太好。最近一两个月看到的新产品，包括在各种demo day活动上看到的想法，我都会觉得重合度有些高，很少能看到眼前一亮的东西。其实所谓眼前一亮，我的标准也不高。一个产品，不管是创造性地用新方法解决了一个别人解决过的老问题，还是发现并解决了一个没有人解决过的新问题，我都会觉得很兴奋。至于一些明显的、一定可以被解决的缺陷，我反而可以自动补全（听起来我就是个不错的评价产品的AI）。
比如有一个让我感觉很惊艳的产品叫Rewind，开启后它会不间断录制你的电脑屏幕并保存，就好像身边坐着一个记忆力超群的人盯着你的电脑屏幕一样。听起来很可怕，但你可以向它提问，比如“两周前我都做什么了？”（定这篇文章选题的时候我刚问过），“我上次关于某某的笔记记到什么地方了？”（写这段的时候刚问过）。可以想象普通人对隐私的担忧，所以这个产品以今天这个形态应该很难推向大众。但我反而觉得这是可以解决的问 题。
我最近帮一家AI创业公司做了一个设计工作坊，试图让他们的产品在目标用户的日常工作中可以扮演更重要的角色，“每天都要用”。这个过程中，我觉得“古典”的产品设计“艺能”还是很有用武之地的。
我对此很有信心。
过去几年有一种说法是，“古典”的产品设计方法是要被淘汰的。AI时代技术发展一日千里，更是如此。但我想，恰恰是因为这样，才需要“古典”的方法。
如果有同行在读这篇文章的话，补充一下，由于国内几乎一直将“设计师”和产品的look and feel画上等号，许多本该由设计师负责的产品设计工作是由“产品经理”来完成的，这并不合理。我下面讨论的“古典”的“产品设计”工作，即找到用户遇到的问题并给出解决方案的过程。我管负责这个的人叫“产品设计师”。我想强调这是一个角色，而不是一个岗位。如果你是一名工程师但是你负责定义产品，那你在这一刻就是产品设计师，应当具有产品设计师的思维和技能。
而“产品经理”应该做什么呢？上期专栏中提到过IDEO的设计创新方法论，这一般是我们给其他公司介绍设计思维的材料，有兴趣的读者可以到他们的官网免费下载一读，其中我认为最重要的观点是，创新必须同时满足人的渴求、技术可行性和商业可持续性，缺一不可。我相信读者不难想到一些由于缺少其中的一项而失败的例子。
IDEO强调创新要从人的渴求出发，即所谓的“人本设计”。但实际上，AI给包括我在内的产品设计师带来的兴奋之处是“技术可行性”发生了翻天覆地的变化—过去大量“不可行”的解决方案一夜之间变得可行了。
但这会给产品设计师带来两个挑战。
其一，如何理解AI的技术可行性？能力边界既包括理解AI能做什么意料之外的事情，也包括理解AI能力的局限。移动互联网时代开始时，设计师来说也有同样的挑战，但智能手机的能力边界还是容易弄清楚的。AI的能力边界，即使在AI学界也是炙手可热的研究课题。如果产品设计师是一名科学家或者工程师，理解门槛可能低一些。即使不是，要做好AI产品的设计，就好像画家一定要熟悉画布的特性，还是需要有更多了解的。
如果产品设计师没有技术背景，那就需要去补。我最近开始做产品，还是会自己动手写代码和调校，因为这样子才能理解它的能力边界。
其二，理解技术可行性后，需要重新理解用户渴求。创造力的灵感来自人的故事。如果仅仅是改造现有的产品，由于现有的产品受限于AI出现之前的技术，有许多普通人在日常生活中遇到的问题是没法解决的。就好像从马车到汽车的过渡一样，如果不是重新从人出发，就很难跳出原来的产品形态，创造出新的。
大部分从业者可能习惯于从抽象的宏观概念出发来自上而下地构思产品，而不是从具体的人、具体的故事出发。但只有具体的故事能带来灵感。前面说到的帮AI创业公司做的工作坊，最主要还是邀请了一些属于他们目标人群的个人来讲了许多自己日常在对应工作场景中的故事，这些人不需要已经用过这家公司的产品。只要听和观察他们现在是如何完成工作的，就可以得到很多灵感。
我没有用“需求”这个词。这个词很容易产生误解，requirement、demand和desire都可以翻译成需求。这里说的是desire。但用户喜欢直接上来告诉你“requirement”，即他们想要一个什么什么样的功能，而不是讲自己的故事，讲自己的“desire”。不要听他们的。Desire往往需要通过观察来获得，而不是直接让普通人来告诉你需要的产品。前面讲过汽车和马车。另一个例子，计算器、计算尺、算盘看起来是不同的产品，但要解决的问题是一样的。
这个设计工作坊结束后，团队重新理解了用户的工作流程和“desire”后，用一个晚上就搭出了一个新版产品的原型，第二天拿给用户试用，获得了更多有用的反馈。
你可能会问，AI和过去的那些风口有啥区别呢？我觉得最大的区别就是，AI在今天就已经能在每个人的日常工作和生活中发挥很大作用了，而不是一个想象。只是使用门槛还有点高。“古典”的产品设计师是擅长解决这个问题的，连接人和机器。
这是我们作为产品创造者的工作。但作为个体，如果你对未来感兴趣，我还是强烈建议你一定要认真使用一下。
做一个技术的early adopter需要付出很多代价，但也可以让你更清楚地看到模糊的未来。对我来说，AI产品在我日常工作中的作用可以类比成计算器—以前没有计算器的时候，只有很复杂的加法才会用到算盘，我小学时的一项日常娱乐就是用算盘帮我爸爸算每个班的考试平均分，一般的运算可以靠心算；有了计算器，很多心算或笔算的工作就交给计算器了；现在计算器在手机里面随时都可以拿出来，就我来说可能已经退化到只有九九乘法表里面的不去按计算器了。
类似的，有了AI，大部分“有点费脑子”的脑力劳动，我也可以交给它去做了，比如前面说到自己写代码，作为一个三脚猫功夫的业余程序员，相对较快地写出代码我还是要靠AI帮忙。这还是停留在工作场景的，想象一下，AI的使用门槛进一步降低，每个人都有一个本科学历的、接受过良好通识教育、只是暂时不具有专业知识的助理，它能为你做什么事情？今天我已经把大量自己不想做的脑力劳动交给AI去完成了，而且你知道它不是一个真人，反而可以将更琐碎、更私人的工作给它。
前面讲到好像没有什么日常能用得上的产品—其实你也可以尝试做自己的产品设计师。大语言模型的可塑性，让你只需要写好prompt就可以模拟出各种各样的功能。比如，一个帮你写日记的机器人、一个教你学特定东西的机器人、一个英语配料的机器人、一个帮你写小红书文案的机器人、一个帮4岁小朋友编故事的机器人……等等。
40年前乔布斯认为PC可以释放人类的创造力，40年后我们认为AI可以继续释放人类的创造力。人类的创造力是无穷无尽的，我并不担心将来人类会无所事事—今天的许多工作岗位，40年前都不存在。对于成长于这个时代的小孩而言，更是如此。拿语言学习来说，其实，在LLM时代，语言反而变得更重要了。想象一个成长于AI时代的小孩，将来不必模仿范文写作格式，而是专注在如何用语言来表达自己……那不是很好吗？