坚果TNT 工作站

在中文互联网圈，锤子发布会的热度似乎不亚于 Apple、Google，甚至还有简书的直播分会场。虽然当时没想过参与观看直播，但架不住这几天网络上对锤子的吐槽太多，处于好奇，周末还是补看了这场发布会。这也是我第一次完整地观看锤子发布会，之前只看过媒体的摘要以及知乎上的花式评论。

锤子发布会

发布会开头老罗介绍坚果手机时，表达了一个观点「微创新并不是无关紧要的」。从 UX/UI 设计师的角度，我无比赞同，因为这是我们本职工作中仅有的、可以用户被感知到的亮点；企业领导人重视细节当然也是好事，因为这会使 UX/UI 的工作有更大的施展空间。但是，我更倾向于将这些微创新、设计细节当做是 Little Big Details 那样让用户感动的贴心关怀、或是会心一笑的惊喜彩蛋，而不应该成为的主要卖点。
不过，这不是本文的重点，R1 也不是本次发布会的主角，重新定义了众多领域的坚果 TNT 才真正是焦点。

TNT 工作站建立了三种新的交互方案分别称作：Touch and Talk、Crystal Ball 以及 Poker Dealer。

对于 TNT 的褒奖，大家可以去看锤子发布会、锤子官网。至于批评，那网上就更多了。我只是在看发布会时，联想到自己公司的产品，有感而发，随便写写。

Action

虽然我从事交互设计，但由于最近做的一直是与 AI 相关的产品，因此在看老罗演示「革命性的交互方式」时，并没太注意交互的表象，而是不由自主地在想它们与 AI 的关联、实现方式。 就 Touch and Talk、Crystal Ball 而言，如果映射到 RL（Reinforcement Learning，增强学习）的概念，这 2 个功能背后的核心设计思想是一致的，都是：减小 Action Space、以得到更精准的推荐 Action。

什么是 Action ？
简单理解就是各种可用操作，点击按钮、填表单、选择元素、语音输入、等等都是 Action。在 RL 的模型中，Action 是可以由机器来自动执行的，因此不只是用户的操作。
什么是 Action Space ？
在某一个状态下，所有的「可用 Action」就是 Action Space。如果 Action Space 中只有一个 Action，可以直接自动执行；如果有多个 Action，可以再通过某种规则选 Top1，或是列出 TopN 个 Action 让用户再做选择。

对于 TNT 工作站的这 2 个功能来说：
Touch and Talk，是先根据「Touch 的元素」通过算法得到一个 Action Space、再通过「Talk 的内容」根据另一种算法进一步缩小 Action Space，最后选择一个匹配度最高的 Action 自动执行；
Crystal Ball，是根据「选中的元素」通过算法得到一个 Action Space，然后让用户去做选择。

算法

前面这样笼统地说概念，似乎很简单的样子，因为我一笔带过了最核心的问题 —— 推荐算法。
算法需要能推荐出来的足够精准的 Action，这才是用户体验的核心，至于以何种方式呈现，是第二位的事情。
比如最近 Google.IO 上所展示的 Smart Compose 功能：

Smart Compose

失败教训

我们做的是一款 PC 端平台类产品，之前每次 Demo 时，效果都不错，有很多强大的功能。但客户的试用效果都不理想，因为我们的算法（在 AI 的时代甚至都不能称之为算法）是比较初级的预设规则、模板，只要碰到「预设」之外的场景时，往往在体验上就会打折扣。
作为一款比较底层的产品，我们很少会针对上层的某一个具体场景去做针对性设计，更多还是考虑全局的兼容、通用性。而产品如果想好用，最理想的情况又是根据每一个细分场景去「量身定制」。

矛盾

在摸索了一段时间后，我们深感一般的规则实在是难以同时兼顾到「通用」与「定制」，所以后来改变了方向、引入 RL 算法，期望通过机器学习，根据用户的实际场景实现「定制」的效果。
虽说要得到一个非常合适的算法，仍是一条漫长的道路，但可以确定的是：至少对我们而言，没有 RL 算法是条死路。

回到锤子

「TNT 工作站」的 Slogan 是「来自未来、改变一切」。
我坚信产品的未来是属于 AI 的，能否「改变一切」，AI 算法的能力是一个关键因素。
我不知道 Touch and Talk、Crystal Ball 背后的实现方案是什么，毕竟我对 AI 的理解还很浅薄、也没有实际体验过锤子的产品，不敢妄加猜测。
但是我注意到一个事实：锤子官网的招牌职位里，似乎没有 AI 相关岗位。