至顶网CIO与应用频道 06月05日 北京消息:人工智能(AI)通过预测消费者的行为、提高真实世界体验并完成特定的任务来丰富消费者的生活,而用户不用费吹灰之力。Strategy Analytics用户体验战略(UXS)服务近期发布的研究报告《UXS技术规划报告:人工智能》通过研究未来AI用户的需求、行为和期望发现,有效的机器学习对把用户参与降到最低,并创造完美AI体验至关重要。
消费者利用人工智能来完成每日任务的热情高涨。但由于有限的性能和功能令当前解决方案达不到理想预期。Strategy Analytics的 UXIP多用户研究总监暨报告作者Chris Schreiner表示 “有效的学习对创造完美的用户体验至关重要。许多AI解决方案要求用户进行过多的前端操作——手动输入数据或从不同的应用程序中链接配置文件到一个服务中,这对用户来说非常繁琐而费时。”
在一个生态系统中正确识别用户个体同样影响基本任务的执行,尤其是当解决方案不能识别请求指令的个体时。比如,一个用户选择播放音乐,但音乐却在另一个家庭成员的手机中播出,这会令用户和音乐播放的被接受者感到非常沮丧。Strategy Analytics的UXIP多用户研究总监Chris Schreiner补充道,“AI的有效学习要求能够深入访问用户个人信息,以及获得共享AI资源中改进的用户配置信息。从错误中学习的能力将对这些设备的用户体验产生巨大的差异化影响。没有这些因素,AI将不会那么‘智能’。”
好文章,需要你的鼓励
OpenAI明确表示要成为互联网一切事物的主导界面。AI智能体正在改变用户的数字习惯,从健康记录分析到购物指导,ChatGPT已经在多个领域扩展影响力。用户快速采用AI工具,但企业和生态系统的适应速度滞后。电商领域的权力分配尚不明确,用户偏好AI驱动的答案优先体验,品牌则推动生成式引擎优化。研究旨在了解用户与企业在AI变革中的适应差异。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。