智能化趋势v2.0

hi，大家好~我是shadow，跨界设计师/全栈工程师/算法研究，目前主要研究方向是跨学科技术与体验，包括智能设计、智能产品、智能写作、增强现实等。

在v1.0的指南里，我们梳理了以下的关键趋势：

功能模块化

知识提取、知识计算

AI的能力边界

聊天机器人技术

AI老师（助手）

化繁为简

全流程自动化

AR增强现实技术

人机协作

本次新增推荐系数，补充更多的案例，重新调整了结构，重点从技术落地的角度梳理智能化趋势。

智能化趋势公式：

推荐系数 ( x ) => xxx技术 + 趋势状态描述

欢迎感兴趣的朋友添加我（文末有福利），进一步交流哈~

什么是工具产品？

百科资料描述，使用工具（Tool using）指动物利用外界物体作为身体功能的延伸，以达到某种目的。爱迪生也说过：地球上的一切工具和机器，不过是人肢体的知觉的发展而已。

由此可见，工具是我们达到某种目的所利用的某种”物体“。

在互联网产品里，目的就是”用户需求“，对应的环境是”使用场景“，因而，我们只需判断是什么样的需求及在什么情况下使用某种”工具产品“。

早期的互联网工具产品， 用户需求和使用场景单一。例如，早期的微信是一款通讯工具，即时收发信息；印象笔记早期是一款记笔记的工具，记录我们所有想保存的文字、图片；高德地图早期也只是用来查询路线、定位地址的工具。

工具类产品的使用特点是“用完即走”，用户黏性最弱，用户更换工具的成本非常低。于是工具产品都开始以各种手段提高用户黏性，满足的需求不再单一……争取更多的用户停留。

例如，微信，从最初的通讯工具到目前的超级APP，需求跟场景已经不再单一；高德地图，从最初的地点、路线查询，到现在可以在高德上打车、叫外卖；wifi万能钥匙也不再只是免费接wifi，还可以浏览各种资讯内容。

早期的工具产品慢慢地演变为一个复杂的生态。在演进过程中，有一个明显的特征，即本文重点研究的智能化趋势。

什么是智能化？

智能化包括了人工智能、大数据的应用，比如个性化推荐、软件自动化等，是一个比较宽泛的概念。推荐是智能化明显的一个特点，比如微信读书里的个性化推荐，如下图：

还有非常多的智能化趋势特征，本文主要在工具产品的角度研究其智能化趋势，下文将分别展开。

趋势 1

推荐系数 ( 3.5 ) =>

聊天机器人，重塑用户体验

市面上把聊天机器人技术更产品结合的最好的，我觉得有2款:

statmuse

Instant answers to your sports questions. Stats, scores, schedules — just ask.

产品的形态已经不完全是聊天框（界面），而是我们所熟悉的搜索，此产品可以问任何关于体育的问题，流程如下：

我们测试一个问题，返回的是一个数据可视化的图表，这种查询方式区别于传统的图标，结合了自然语言理解跟数据可视化的方式。如下图：

夸克

浏览器AI化前沿探索最佳实践的一款产品。对网页进行分类，开始打上了：图文、最佳等标签；大家还在搜的内容进行聚合；还有了解界面，根据当前的语境，推荐功能或内容。

趋势 2

推荐系数 ( 4.5 ) =>

知识计算，从数据到知识

「知识」正在成为企业等组织中无法被忽视的重要资源。

Project Cortex

借助AI构建知识网络，对组织内的数据进行梳理，并自动按照项目或者客户等相关性转换为成共享话题。

用人工智能生成的知识图谱能够将有关某主题或内容（例如演示、视频和对话）的概念解释、关联信息、相关专家等都集成到一张类似维基百科的知识主题卡片中，并与组织成员共享，大大提高整个公司或组织在相关员工中共享知识和经验的效率。

通过把用户和信息作为节点，连接这些节点并判断潜在关联，再利用 AI 将节点之间的关系全部梳理清楚，最终形成一个完整的组织图谱。

除此之外，拓展知识，把相关的知识进行关联，也是一个重要的方向。

biying

结合了目标检测的以图搜图，先是识别图里的物体（目标检测），然后点击物体再调用以图搜图。

这个案例，给我们提供了一个灵感，图片或者文本，我们都可以先做自动标注（目标检测、命名实体识别），然后再扩充丰富相似信息。同样的原理，在文本搜索中，我们也可以结合命名实体识别，先识别人物、机构等实体词，然后再搜索。

趋势 3

推荐系数 ( 5 ) =>

自动整理，信息从无序到有序

《必然》，把 “标签” 称为 “数字体制第三阶段中的基本单位” 。标签是对无序信息的分类方法，通过标签可以概括信息，降低信息的冗余度。利用标签的特点，我们可以完成类似于「自动整理」的功能。

RoamResearch

一款大纲工具，然后在大纲工具上融入了Wiki词条的链接功能，通过这些词条链接，将你零散的笔记，串成一个知识网络。

阿里云智能 NPS 工具

自动删除无效样本、用户建议智能聚类，生成调研结果

Google相册

Google相册可以帮助我们重新发现旧照片。自动猜测您可能会找到最有趣的图片，并在滚动时将其放大到Feed中。希望看到的照片、婴儿和地标的图片会更加醒目，而收据、停车位和白底图像则会显示得更小。

在顶部会显示在照片和视频中出现频率最高的人物和宠物。另外还提供了一个巧妙的“事物”视图，该视图试图捕获与您的兴趣相关的照片。

keen

谷歌最新的实验项目keen，一款基于机器学习的pinterest自动化版本的产品。每个感兴趣的领域都被称为“敏锐度”（keen），机器会自动根据每个人设定的keen，每天从互联网上整理图像归类到keen里。

mymind

用户只管收藏，mymind会自动分类各种文件。

趋势 4

推荐系数 ( 5 ) =>

图像算法，技术的商业化落地

一项技术就是一款产品，此类在图像领域比较多，技术包括：超分辨率、人像分割、人体姿态评估等。甚至把各种技术，整理成模块打包成一个编辑器，为满足某一用途的需要，比如基于AI的艺术创作，已经成为一种艺术风格。

upscaler

帮你从低分辨率图像转为高分辨率图像，运用的是超分辨率技术（Super-Resolution），从低分辨率图像重建出相应的高分辨率图像的一种技术。

Trace

使用人像分割，自动抠图

mmhmm

基于人像分割 ，可以让你在开视频时，随意切换背景，并且能让你完美的置身于背景之中。应用场景：视频内容创作、演讲、教师讲课、在线协作等。

infiGro

是一款基于姿势评估的全自动数字私人健身教练应用程序，可通过手机摄像头实时指导，分析，纠正和激励您。

runway ML

下一代艺术创作工具，试图打造一个为艺术家、设计师、电影制作者和其他人提供机器学习应用程序的“应用商店”，这些应用程序和你在应用商店中下载购买应用一样简单，只要简单点击几下就可以使用。

趋势 5

推荐系数 ( 4.5 ) =>

人机协作，与AI的合作表现决定你的薪酬

AI可以帮助我们跳过某些繁琐的工作流，比如裁切各种尺寸的图片，调配颜色等，都需要耗费我们比较多的时间，反复尝试。还有从草图直接生成设计图，从设计图直接生成代码，输入一段文字自动生成讲解视频，本质上都是为了帮助我们自动化地完成某些工作，在智能化的过程中，难免有些工种会被取替（失业）。这里引用《必然》书中的观点，知化：

知化Cognifying

——与人工智能的合作表现决定你的薪酬

讲述的是我们生活中发生的各种智能化的过程，比如看X光方面的专家会被人工智能所取代的，法律方面的AI可以比人类律师助理更高效地阅读文件。还有飞机驾驶员，比如一趟飞机的航程是12小时，人类飞行员只要工作七八分钟就行了，剩下的时间都是AI驾驶飞机等等案例。

AI简历助手

linkedin为word开发了AI助手插件，为用户提供简历修改建议。

grammaly

专注英文写作的智能产品，为用户提供文章修改的建议，包括语法、拼写错误等建议。

get智能写作

我曾经的创业作品，人工智能辅助写作，整个过程帮助用户完成从选题、资料收集、文章整理、文章测试、文章润色的写作过程。过去，写一篇文章要花一天的时间。现在有了人工智能技术，它可以缩短到一小时或几分钟。

brandmark

mixlab之前也介绍过此智能设计工具，其中一款字体生成工具，设置一个变量（参数化），该变量代表字体与所设定的字体偏离的程度。通过滑动条控制其数值，就可以生成字体。

uibot

有点编程语言里的声明式的感觉，只要声明变量，过程自动由软件完成。为我们演示了declarative design tools 的魅力，设计师不用再关注中间过程，只需要关注输入、输出即可。

spark

resize功能很好用，我们可以使用它快速制作适用于第三方社交平台的海报图片，instagram、facebook、twitter、pinterest等。

Luminar

人工智能图片编辑器Luminar的天空一键置换，不用再自己慢慢抠图，调整环境光照了~

facet.ai

新一代图像编辑器，使用AI技术，让你的图像编辑工作流更简单、高效。

uizard

类似于OCR（把纸质的书籍可以自动转成电子书），直接草图生成设计文件，省去了手工绘制设计图（键入文字）的过程。

Synthesia

AI视频生成平台，选择一个角色，输入文本，生成AI视频。

微软数学

如何AI当我们的老师会怎么样？微软的这款应用，把数学解题的步骤让AI可以一步步的拆解，讲解给用户。

从小学、初中到高中的所有级别和类型的数学问题。用户只需拍照扫描一个数学算式便能得到详细的步骤解释和坐标图，此外还可以通过手写输入方便地输入你的数学算式求解，并利用《微软数学》为你生成同类型的习题以供你练习巩固。

有一个细节值得我们学习。AI需要不断地学习，需要用户在使用过程中提供反馈，如下图，一个结果反馈组件就显得非常关键。

趋势 6

推荐系数 ( 4.5 ) =>

AR增强现实，全新体验及场景

AR可以为任何的产品赋能，提供以往所不具备的体验。

Pinterest AR试妆

社交平台Pinterest AR口红试色功能，已经支持超过1万个支持购买的口红颜色，并与4800万个美妆帖子关联，涉及品牌包括雅诗兰黛、丝芙兰、YSL、兰蔻等。

Dually Noted

Adobe一款AR标记工具，它可以让你以AR的形式给纸质图书、杂志做3D的笔记，方面线上远程老师给学生传递笔记、书签等信息、或医疗、法律文件的标记等。

Prezi

Prezi是一款web版本的ppt工具，最大的特色，就是它的 zoom（变焦），它打破了传统 PPT 线性演示的逻辑，可以对页面进行随意的缩放和跳转。

以往对于一场演讲或者会议的直播，我们往往只能采用分屏的方式同时投影演讲人和演示文稿，于是你的视线不得不来回跳跃，影响注意力。通过 A.R. 技术，让演示内容和演讲者镜头更好融合。

虽然，Prezi描绘的AR产品还没有面世，但是这是一个值得我们关注的重要趋势。AR元素需要智能化的技术支持，比如识别手势、人物与背景的自动分离等等。

adobe fontphoria

使用ar自动检测图片，并生成字体样式 直接叠加到现实中，我觉得这才是未来的设计工具。

adobe Aero

这是款AR创作工具新增了一个发现功能，它可显示由其他作者发布的AR内容。这个功能会带你走进一个能够触发灵感的画廊。你可以点击每个项目并感受带来的全新体验。

google AR

谷歌将在搜索结果中加入3D模型，而且还可以直接通过AR的形式直接预览，例如在线购物，或者其它娱乐场景。

谷歌演示了一个基于大白鲨3D模型的案例，并谈到可以让你在真实环境中了解大白鲨的体型有多大。在搜索结果中页面，你可以直接点击这个3D模型，然后进入3D模型预览界面，之后可以选择AR模式实景预览。

趋势 7

推荐系数 ( 3 ) =>

预测技术，探索落地场景

人人都想知道什么时候股票会上涨，什么产品会热销，基于大量的历史数据，通过AI建模及可解释模型技术的发展，预测这一能力产品化逐渐可行。

时尚服饰销量预测

这是一项研究，时尚是潮流驱动的，大多数零售商按季节经营（例如，春季/夏季，秋季/冬季、假期等）。大部分的情况下，连锁店（设计师、买家、售货员）是依靠直觉来进货，由于不准确的需求预测，往往造成库存滞销。

作者为我们展示了一个用于时尚领域的、可解释的具有介入分析能力的预测工具的可行性。通过一个查询的界面，可以设置每个特征的权重，查询到具体的产品示例。

To be continued

聊天机器人、知识计算、自动整理、图像算法、人机协作、AR等智能化的探索仍在继续，欢迎读者跟我进一步交流探讨。