AI与人在「应用」中的角色！

AI在产品中所扮演的角色决定了应用的开发方式及其需求。苹果公司提供了一份出色的文档，阐述了AI在产品中的不同应用方式。以下是与当前讨论相关的三个关键点。

一、关键性与辅助性

如果一个应用在没有AI的情况下仍然可以运行，那么AI对该应用而言就是辅助性的。例如，Face ID如果没有AI驱动的人脸识别功能就无法运行，而Gmail即使没有智能撰写（Smart Compose）功能也仍然可以使用。

AI对应用越关键，用户对AI的准确性和可靠性的要求就越高。当AI并非应用的核心功能时，用户对AI犯错的容忍度通常会更高。

二、被动式与主动式

被动式功能是在用户请求或进行特定操作后才做出响应，而主动式功能则是在有机会时主动提供响应。例如，聊天机器人属于被动式功能，而Google地图的交通提醒则属于主动式功能。

由于被动式功能是针对事件做出的响应，因此通常（但并非总是）需要快速反应。另一方面，主动式功能可以提前计算并在适当时机展示，因此对延迟的敏感度较低。

由于用户并未主动请求，如果主动式功能的质量较差，用户可能会觉得这些功能具有侵入性或令人厌烦。因此，主动式预测和生成通常对质量有更高的要求。

三、动态与静态

动态功能会根据用户反馈持续更新，而静态功能则是定期更新。

例如，Face ID需要随着用户面部随时间变化而不断更新。然而，Google相册中的物体检测功能可能只在软件升级时才会更新。

在AI的情境下，动态特性可能意味着每个用户拥有自己的模型，模型持续根据用户数据进行微调，或者采用其他个性化机制，例如ChatGPT的记忆功能，使其能够记住每个用户的偏好。

而静态特性可能是多个用户共享一个模型，在这种情况下，只有在共享模型更新时，功能才会更新。

四、人在回路

此外，明确人在应用中的角色也很重要。AI是为人类提供后台支持，还是直接做出决策，抑或两者兼而有之？以客服机器人为例，AI的回答可以有以下几种使用方式。

• AI提供多个回答选项，供人工客服参考，以便更快地撰写回复。
• AI仅处理简单请求，将更复杂的请求转交给人工客服。
• AI直接处理所有请求，无人工介入。

将人类纳入AI决策过程的方式称为人在回路（human-in-the-loop）。

微软曾提出了一个逐步提高AI产品自动化程度的框架，称为“爬行-行走-奔跑”（Crawl-Walk-Run，参见“From discussion to deployment: 4 key lessons in generative AI”）。

1. 爬行：必须有人类参与。
2. 行走：AI可以直接与内部员工互动。
3. 奔跑：自动化程度提高，可能包括AI直接与外部用户互动。

随着AI系统质量的提高，人类的角色可能会随之变化。

例如，在初期评估AI能力时，可以使用AI为人工客服生成建议。如果人工客服对AI建议的接受率很高，比如95%的建议被直接采用，那么你就可以让客户直接与AI互动，处理这些简单请求。