大語言模型的最早應(yīng)用是Chatbot，其實(shí)我最早接觸語義理解在2014年，2014年做智能音箱的時(shí)候，那時(shí)也是國(guó)內(nèi)第一批做智能音箱的，在現(xiàn)在看起來當(dāng)時(shí)的智能音箱比較傻，很多問題無法回答，長(zhǎng)下文效果也不好，多輪對(duì)話效果就更差了，那時(shí)對(duì)話使用的主要技術(shù)是基于規(guī)則+知識(shí)圖譜，所以主要還是停留在命令詞識(shí)別基礎(chǔ)上的交互，比如放音樂類、操控智能家電以及問天氣等有限的幾個(gè)范疇，更多的扮演的事assistent角色，開放式聊天做的并不好。
當(dāng)時(shí)是設(shè)計(jì)階段就決定了對(duì)話的上限，雖然我們當(dāng)時(shí)模仿的Amazon Alexa如今“進(jìn)化”出了數(shù)以萬計(jì)的技能，但是相對(duì)于LLM，這些技能顯得有些過時(shí)，如何將LLM接入Alex也是亞馬遜不得不面臨的事。

時(shí)至今日大型預(yù)訓(xùn)練的語言模型（如GPT、BERT等）使得對(duì)話機(jī)器人取得了顯著的進(jìn)展。這些模型通過在大規(guī)模文本數(shù)據(jù)上進(jìn)行預(yù)訓(xùn)練，可以生成具有語法正確性、語義連貫性、具有記憶能力多輪對(duì)話的文本回復(fù)，除了生成自由對(duì)話回復(fù)的模型，還有一些任務(wù)導(dǎo)向的對(duì)話系統(tǒng)，如客服機(jī)器人、智能助理等。這時(shí)在運(yùn)行時(shí)才會(huì)決定對(duì)話的上限，聊天機(jī)器人再次被認(rèn)為是客戶服務(wù)、營(yíng)銷和內(nèi)部運(yùn)營(yíng)的潛在游戲規(guī)則改變者。

在訓(xùn)練模型的時(shí)候，常常提到模型的泛化能力，泛化能力使得模型可以高質(zhì)量回復(fù)訓(xùn)練集中并不存在的內(nèi)容，即可以將模型的訓(xùn)練過程看成是記憶+學(xué)習(xí)的過程，記憶是可以記住訓(xùn)練集中的內(nèi)容，而學(xué)習(xí)就是根據(jù)訓(xùn)練集中的內(nèi)容舉一反三、觸類旁通。在一個(gè)訓(xùn)練好的模型，如果觸發(fā)高質(zhì)量的記憶+學(xué)習(xí)能力以獲得高質(zhì)量的回復(fù)是信息獲取類的核心競(jìng)爭(zhēng)力之一。

就當(dāng)前的大語言模型的產(chǎn)品形態(tài)而言，基于我所處的行業(yè)和工作性質(zhì)認(rèn)知，我認(rèn)為集成大語言模型的工具類應(yīng)用將是第一波享受大語言模型紅利的應(yīng)用場(chǎng)景。盡管微軟基于大語言模型的代碼補(bǔ)全github copilot還處在虧損的階段，但是150萬這一龐大的付費(fèi)用戶規(guī)模，已經(jīng)驗(yàn)證了大量用戶愿意為此買單，對(duì)于copilot生產(chǎn)代碼的質(zhì)量是至關(guān)重要的。

大語言模型的用戶價(jià)值

總結(jié)來說，使用大語言模型的目的可以歸為一下幾類：

1.信息獲取：提供及時(shí)、準(zhǔn)確、可信的信息和答案，用戶可以問問題、需求建議獲取特定領(lǐng)域的知識(shí)，這好處在于可以快速獲取信息而不需要再瀏覽搜索結(jié)果或者在工具間切換，突出優(yōu)勢(shì)是方便，這在信息爆炸的時(shí)代是非常突出的重點(diǎn)的，

2.娛樂和消遣：重點(diǎn)是消遣，這里必須突破的點(diǎn)是如何促進(jìn)用戶的多巴胺分泌，顯示生活中黃賭毒都能促進(jìn)大量的多巴胺分泌，同樣一樣?xùn)|西，具有兩面性，取決于人怎樣使用，好比刷抖音/快手，有些人是獲取知識(shí)，而有些人就是為了看不費(fèi)腦子的爽圖和短視頻，如何在這一個(gè)過程中讓用戶不費(fèi)腦子的消遣是產(chǎn)品設(shè)計(jì)的重點(diǎn)，但凡需要一些思考，就可能流失一部分用戶，但是如果能夠挖掘用戶的興趣點(diǎn)，比如有些小朋友喜歡腦筋急轉(zhuǎn)彎，雖然費(fèi)腦子，猜不中，但是小朋友卻很喜歡玩，并且樂此不疲，雖然猜不中，但是總想征服下一個(gè)謎底，這個(gè)游戲的設(shè)計(jì)非常有挑戰(zhàn)性。

3.社交互動(dòng)：這是人的情感需求，需要提供的事情緒價(jià)值，高質(zhì)量的共情是這個(gè)點(diǎn)必須突破的核心所在。這是滿足人的社交需求，在一些情況下，如孤獨(dú)感、需要傾訴和陪伴是，對(duì)話機(jī)器人可以提供一種無壓力和包容性的交流環(huán)境。

不同用戶在不同場(chǎng)景對(duì)于時(shí)間的看法是不一樣的，對(duì)于互聯(lián)網(wǎng)等科技工作者，在工作的時(shí)間，需要高質(zhì)量的信息獲取以便提升工作的產(chǎn)出和結(jié)果，而在下班之后的時(shí)間有些人人用來社交、有些人用來娛樂，有些人用來進(jìn)修，不同的選擇對(duì)于時(shí)間的價(jià)值期許是不一樣的。

以高鐵候車大廳為例，坐在凳子上等車的人中，約85%都盯著手機(jī)，其中以30歲左右的人比例最高，在干的事情，主要為聊天（人面對(duì)面聊天），和手機(jī)交互，和電腦pad交互（極少），吃喝、帶娃以及發(fā)呆（盯著大屏或者其他場(chǎng)景看），手機(jī)占了90%的時(shí)間，主要使用的APP主要為微信、抖音、微博、游戲、電話、購(gòu)物等這幾大類，如果想要占據(jù)這些人的時(shí)間，那么娛樂類是重點(diǎn)。

如果是辦公室的白領(lǐng)場(chǎng)景，那么這些人溝通外界的方式更多的是電腦，且在家也多有個(gè)人電腦，辦公場(chǎng)景更多的需要高做出高質(zhì)量選擇，高質(zhì)量的信息獲取就至關(guān)重要，對(duì)于程序員、財(cái)務(wù)、律師、金融、醫(yī)療等不同的類型的白領(lǐng)又需要特定領(lǐng)域的知識(shí)。

所以在設(shè)計(jì)一個(gè)ChatBot的時(shí)候，需要想清楚服務(wù)于什么用戶（核心用戶），剛性需求是什么（痛點(diǎn)），典型的場(chǎng)景（什么時(shí)候用，就是你想吞噬用戶什么場(chǎng)景的時(shí)間，是高鐵候車大廳還是程序員辦公室工作場(chǎng)景？）以及競(jìng)品優(yōu)勢(shì)是什么。

大語言模型現(xiàn)狀

像GPT-4這樣的LLM的出現(xiàn)徹底改變了聊天機(jī)器人的設(shè)計(jì)格局，這些高級(jí)模型利用人工智能來理解上下文并生成類似人類的響應(yīng)。這種轉(zhuǎn)變對(duì)聊天機(jī)器人設(shè)計(jì)具有重大影響。

當(dāng)前各家的模型還處在初始階段，基本上是模型即服務(wù)的狀態(tài)，通過測(cè)試在模型層面上回復(fù)質(zhì)量就是層次不齊的，而對(duì)于相同的模型，采用不同retrieve方法引導(dǎo)生成的回復(fù)，質(zhì)量也是不一樣的。這種retrieve方法是交互范式的改變。

很多產(chǎn)品將對(duì)話機(jī)器人以web主打的形式接入公司的官網(wǎng)或者是瀏覽器插件的形式提供AI功能，web仍然是構(gòu)建對(duì)話機(jī)器人的最簡(jiǎn)單、最干凈的方式，并提供設(shè)計(jì)對(duì)話機(jī)器人的最大自由度。圍繞著的也會(huì)有各類平臺(tái)的app，以增加對(duì)話機(jī)器人的觸及度。

不同的場(chǎng)景中，用戶對(duì)對(duì)自身時(shí)間價(jià)值的看法是不一樣的，期望產(chǎn)生的價(jià)值也是不一樣的，當(dāng)前大一統(tǒng)的對(duì)話機(jī)器人并不能很好的覆蓋通用的日常場(chǎng)景，就目前而言并不認(rèn)為大語言模型會(huì)一統(tǒng)所有場(chǎng)景，比如現(xiàn)在吃飯會(huì)打開一個(gè)APP，購(gòu)物會(huì)打開一個(gè)app，比如餓了么，現(xiàn)在的交互范式是我主動(dòng)搜索，然后下拉一個(gè)個(gè)看評(píng)分看詳細(xì)介紹，個(gè)性化并不智能，大模型可以做到更了解一個(gè)人

商業(yè)盈利當(dāng)前仍不是重點(diǎn)，圈地是重點(diǎn)，但是商業(yè)化已經(jīng)在流量以及會(huì)員制付費(fèi)的模式上嘗試，并取得了一些進(jìn)展。

設(shè)計(jì)師現(xiàn)在可以更專注于完善聊天機(jī)器人的對(duì)話能力，在特定領(lǐng)域訓(xùn)練它，并確保它為最終用戶提供價(jià)值，從而產(chǎn)生更具吸引力和更有效的用戶體驗(yàn)。

信息獲取類都是如此，信息的質(zhì)量將是大語言模型之間競(jìng)爭(zhēng)的核心，為了提升大語言模型的回復(fù)質(zhì)量，由此引出了擴(kuò)充高質(zhì)量數(shù)據(jù)集、Fine-tune、RAG、聯(lián)網(wǎng)信息獲取都是在提升回復(fù)質(zhì)量。

大模型進(jìn)化的方向

用戶將從聊天中獲取怎樣的價(jià)值，或者說聊天機(jī)器人給用戶在什么場(chǎng)景提供怎樣的潛在價(jià)值是是出發(fā)點(diǎn)，換句話說滿足了了人性中哪點(diǎn)或哪幾點(diǎn)，相對(duì)于本我、自我、超我的馬斯洛分層模型，我更喜歡用人性劣根性的七宗罪來提煉價(jià)值。

設(shè)計(jì)對(duì)話機(jī)器人是藝術(shù)和科學(xué)的融合，結(jié)合了用戶界面設(shè)計(jì)UI、用戶體驗(yàn)UX、交互設(shè)計(jì)ID和大模型訓(xùn)練。是用戶針對(duì)其痛點(diǎn)場(chǎng)景的第一解決方案，產(chǎn)品自始至終的設(shè)計(jì)都應(yīng)該牢記對(duì)用戶提供價(jià)值。最核心的是理解用戶需求，用戶是不懂技術(shù)的，讓用戶學(xué)習(xí)如何寫好prompt的產(chǎn)品體驗(yàn)是不合理的，如果在用戶不感知的情況下幫助用戶生成高質(zhì)量的prompt，表面上式我想要，深挖到最后，都可以歸結(jié)到人性層面，所以有時(shí)候用戶的問，并不是用戶真正想的問題，所以挖掘背后的問并為用戶寫出正確的Prompt是產(chǎn)品設(shè)計(jì)中必須考慮的點(diǎn)。

從表面的形式上看，未來大模型發(fā)展的趨勢(shì)如下：
1.各種插件引入，給大模型補(bǔ)充數(shù)據(jù)、技能，搜索、地圖、財(cái)經(jīng)、天氣數(shù)據(jù)等；增加在數(shù)據(jù)專業(yè)性和時(shí)效性；
2.應(yīng)對(duì)隱私和幻覺，隱私包括個(gè)人電話、地址相關(guān)賬號(hào)登信息的泄露，也包括公司的一些文檔、信息、資料等泄露，幻覺是生成可靠的回復(fù)，當(dāng)前的大語言模型是可能生成實(shí)事性的錯(cuò)誤或者捏造相關(guān)事實(shí)。
對(duì)于幻覺，當(dāng)前采用如下兩種方法居多。

•   Fine-Tuning
  

•   Retrieval Augmented Generation (RAG).
  

3.由于部分大語言模型對(duì)話已經(jīng)退出，因而當(dāng)前已經(jīng)收集到了海量的真實(shí)對(duì)話數(shù)據(jù)，理解機(jī)器人失敗的原因仍然至關(guān)重要。分析見解不僅增強(qiáng)了用戶體驗(yàn)，還揭示了聊天機(jī)器人設(shè)計(jì)中的潛在陷阱。通過研究機(jī)器人在用戶旅程或?qū)υ捔鞒讨械牟蛔阒?#xff0c;我們可以相應(yīng)地完善和改進(jìn)設(shè)計(jì)。
4.頭部互聯(lián)網(wǎng)公司繼續(xù)領(lǐng)跑，并且在已有業(yè)務(wù)和通用對(duì)話機(jī)器人繼續(xù)嘗試，具有行業(yè)數(shù)據(jù)（金融、醫(yī)療、法律、軟件等）將會(huì)構(gòu)建行業(yè)大語言模型并司內(nèi)嘗試使用；
5.預(yù)計(jì)24年底到25年上半年，頭部互聯(lián)網(wǎng)通公司根據(jù)已有對(duì)話機(jī)器人收集的數(shù)據(jù)分析后，大概率會(huì)反應(yīng)過來其以前的通用大模型全品類聊天注定是失敗的產(chǎn)品，構(gòu)建個(gè)人助理（類似企業(yè)高管的個(gè)人助理，只不過這里是大語言模型）大模型才是出路，并且即可可能成長(zhǎng)為一下阿里、騰訊、字節(jié)，如果是上面三家中的一家，那么市值翻個(gè)好幾倍也不在話下，個(gè)所以如何構(gòu)建好個(gè)人場(chǎng)景的衣食住行等相關(guān)服務(wù)至關(guān)重要，這對(duì)于大公司是有優(yōu)勢(shì)的，比如字節(jié)跳動(dòng)，旗下的抖音有電商、本地生活、休閑娛樂以及住房等多個(gè)維度的產(chǎn)品矩陣，當(dāng)然在一兩個(gè)領(lǐng)域里能成功已經(jīng)是非常大的成功了，比如食這個(gè)領(lǐng)域里干掉美團(tuán)，其實(shí)美團(tuán)的體量很大，但是美團(tuán)的壁壘并不高。
6.當(dāng)前規(guī)模的大模型門檻越來越低，生態(tài)會(huì)越來越好，更多的中小公司會(huì)依靠大模型帶來的能力，將企業(yè)提升一個(gè)等級(jí)，這在民營(yíng)企業(yè)中最有可能出現(xiàn)。
7.未來大模型的規(guī)模會(huì)越來越大，涌現(xiàn)的能力會(huì)令人越來越吃驚，全民擁抱大模型的時(shí)代將在10年后來臨，當(dāng)前正處于大模型的進(jìn)化、技術(shù)應(yīng)用普及階段。