最得力助手!語境運算才是科技的未來?!

十年前定義的語境運算(contextual computing)接下來將會面臨轉變。無所不在電腦能對各種情形的主客觀形式做出分析,使得我們的對環境的判斷和反應能力大大提升。它們也成為人類意識的延伸,成了我們的第六、第七甚至是第八感。

大陸新聞中心/綜合報導

想像一下夜裡獨自走在一天安靜的街上,身後有腳步聲朝著你靠近。你的大腦旋即調動各種可用的感知來做出下一步行動的判定。你可能會用耳朵去聽或者扭頭撇上一眼,然後結合過往的經驗去做出改變行走路線、正面迎接這個人或者就乾脆當做沒事發生的決定。無論結果如何,你的大腦都已經將記憶裡類似場景都瞬時掃了一遍並做出了評估。

根據36氪報導,這就是態勢感知。我們對周遭世界做出反應的方式是如此自然以至於常常在無意識間完成了一系列分析。各種知覺在眨眼間捕捉各維度上的資訊,從音、形到氣味,將這些資訊與存儲在記憶中的經驗和個人特質結合分析得出一份『可行性報告』,然後從這份報告中篩選並執行最合理的行動。這是一種與環境溝通的原始語言,自打從我們靈長類祖先那兒繼承來之後就沒怎麼進化過。問題是,這種溝通方式和現代化的生活融合的並不好。

語境運算:我們第六感,第七感,第N感…

很大程度上由喬治亞理工大學學者Anind Dey和Gregory Abowd在十年前定義的語境運算(contextual computing)接下來將會面臨轉變。無所不在電腦能對各種情形的主客觀形式做出分析,使得我們的對環境的判斷和反應能力大大提升。它們也成為人類意識的延伸,成了我們的第六、第七甚至是第八感。

這種趨勢早已進入我們的日常生活。行動設備上的GPS功能可以透過提供適地性的服務為你的手機提供更好的資訊獲取方式;Amazon和Netflix的推薦引擎可以你的口味和記錄推薦書籍和影片;Facebook和Twitter則希望對你的交際圈和興趣愛好進行分析從而把更準確的內容和廣告送到你眼前。

這些只是冰山一角而已。語境運算的正隨著新平台的出現而廣泛傳播,硬體、軟體、網路和服務的結合可為用戶提供個性化和更先進的解決方案。坦白來講,我們得靠智慧手機來普及這種服務。行動科技還不是焦點所在,因為這是個正在崛起的平台,但是由於其貼身以及配備了各種感應器等特性,這將成為一個有趣的話題。為語境運算量身打造的未來行動平台會讓行動設備看起來更像個玩具而不是一部擁有眾多功能的手機。

但首先,科學家、科技企業和用戶必須理解並且相信這種技術的潛力和價值。這就如當年圖像技術和聯網技術從概念和實驗室裡的作品變為一種商業產品一樣。

語境運算所需的四類資料

進行語境運算所需的四種關鍵資料為:社交、興趣、行為和個人。這四方面中有些已經相當成熟,而有些才在這幾年開始流行。能自如地掌握並運用這四項資料的玩家將在互聯網行業的競爭中占據極大的優勢。

以上四個方面或多或少都有一些道德方面的擔憂。它們屬於一個更大的論題──隱私問題:過多地透露社交方面的資訊會讓你的朋友覺得被出賣給了那些公司;興趣方面資料的公布則讓你的個人愛好展覽看上去像一場商業秀;行為類的資料可能會危及人身安全;最後,大量地展示個人資訊會讓外界對你的想法一覽無餘。因此,從個體和法律立場來理解這個現象是個極待解決的問題。

與語境運算道德方便考量的含糊不清不同的是,那些企業們已經積極地從各方面建立業務了。目前出現在市場的產品和服務中,很大一部分只以這四方面的其一或其二作為目標。也有志在全面覆蓋的,但飽受技術不成熟和目標不足之苦。這樣一來,由於語境運算的優點得不到有效展示,無形中它的劣勢就遭到了放大。上述四方面的資料必須結合起來使用以開發出語境運算的潛力。

 

社會資訊──鏈結,鏈結,還是鏈結

社會類的資訊的功能一句話來概括就是用來說明你和你的交際圈是怎樣互相連接的,並解釋此類鏈結的本質和其所以來的情感因素。很多人以為 Facebook 這類網站就包括了一個人的社會資訊,其實這是個遠大于社交的概念。在一個理想的語境運算情景下,社會資訊可以解釋和演示個體之間有意識和無意識的互動。比如一定的服務和軟件可以將兩個陌生人帶到一起;也可以是兩個共有一個朋友的個體之間的互動。

利用平台和服務全面調動和充分利用是發揮出這類資訊最大潛力的必須條件。另一方面來說,對個體的信仰、行為和興趣的理解也是發掘社會資訊有效價值的前提之一。

個體資訊──你的信仰,性格和價值觀

個體類資訊包括你的信仰,你看待世界的角度和你的性格。這類屬性使得每個人都是獨一無二的存在,這與社會類資訊解釋個體之間共性的特點正好相反。由於這類資訊的高度概念化和抽象化,對個體類資訊的收集和利用之法尚在開發之中。

考慮到心理學尚且在解釋個體特性方面進展緩慢,以電腦資料形式記錄和分析此類資訊的技術停滯不前也就不難理解了,但是改變的跡象也不是沒有。以Proust.com為例, 一個社交行業裡較新的玩家,他們以普魯斯特問卷的方式從用戶處收集極其私人的生活細節和個人信仰等資訊。大多數情況下人們是不情願在如此公開的社交網路上透露此類資訊的。

一個更成功的例子就是Evernote,以易用和安全做賣點的Evernote已經有相當大的用戶群, 這些用戶正用這款軟體記錄著包括消費記錄和心理活動等隱秘資訊。但是從這裡資訊中提取資料言在NSA的眼中還是個灰色區域,我們需要一個全新的解決方案來發掘出其中的價值。

興趣資訊──你的品味和偏好

興趣類資訊圍繞在一系列互相關聯的事物存在,不同個體間重疊的興趣愛好也在此列。不少公司已經在此領域進行投資;Twiiter就正自信地走在這條路上,他們堅信能將各種話題之間的聯繫繪製出來。

但是這種應用的範圍還是非常的有限。例如像Goodreads.com這樣的在線書店雖然可以根據公開的口味偏好向你推薦你可可能感興趣的書籍,但這還比較勉強,因為對那些未公開的、更貼近你真實興趣的資訊進行解讀非常重要,但對他們來說還是大難題。他們還無法搞清楚好奇心會對你的選擇做出怎樣的影響,更別提從你的閱讀中分析出其他方面的興趣了,比如餐廳和度假地點等。

 

行為資訊──最容易分析的部分

行為部分的資訊是最易於記錄的。如上文所述,無所不在的感應器和電腦擔當了這項任務,當然這也包括了自我報告機制。機械的電腦難以對你的興趣做出准確預測,與此不同,行為類資訊的記錄和分析對電腦來說輕而易舉。試想你對朋友說想要去大陸度假,但是事實上歐洲從來都是你的唯一選擇。一個聰明的旅行類應用會十分明智地為你推薦巴黎或柏林的旅行折扣,而不是傻傻地告訴大陸的商家正在做怎樣的活動。行為類的資料在某種程度上為 Google搜索、Netflix、Amazon、iTunes Genius、Nike+、FourSquare和FitBit等『數字量化自我』服務提供了基礎。在和其他三方面的資料充分混合後,這類資料能為行為解密做出有效注解。

合適的時候,語境運算會是你最得力助手

這四類資訊間的鏈結將是發揮它們最大潛力的關鍵,正是相互間的關聯使它們產生共鳴。最新的產品如Google的Now和Glass, Highlig.ht以及Siri都在試圖開拓這條途徑。Xerox PARC的夢想家們早在1973年便開發滑鼠和圖形計算技術,但卻無法將這些領先之處作為長期的競爭優勢保持下去,同樣地,現在去說哪種平台或應用將會成功還為時過早。成功將建立在很多有趣的失敗經驗上。

語境運算到來的可能會比那些行業大佬們聲稱的日期再晚一點兒,但別誤會,它遲早會來的。比爾蓋茨的妙語是,『我們總是把高估了兩年內的可能性而低估了十年內將會發生什麼改變。』(值得一提的是,他在2001年便已做出的平板電腦概念直到2010年iPad的上市才取得商業上的成功。)

十年內,語境運算將會發展成科技界裡的主導概念。拿辦公效率來說,透過將具體任務和從所在環境中汲取的資料結合分析,電腦可以為我們提供一系列可行的選項,就如開頭例子中我們的大腦同時給出數種選擇一樣。到了那時候,現在所謂的可穿戴設備將會變成『可穿戴的人工智慧』。