未來 AI 驅動的人機交互與行為模式會是什么樣的？或許我們可以從一款智能記憶 APP「Dot」中看到一些痕跡。在這篇文章里，作者就對「Dot」這款 AI-Native 產品做了分析拆解，一起來看看。

喬布斯 2015 年在斯坦福大學演講時說過一個非常有名的「連點成線」的故事，過往的各種經歷都會在未來的某一天連點成線。計算機和軟件的出現，幫助人類擴充了腦中知識的容量，但并沒有從根本提高人類對信息的處理能力，人類仍然反反復復地重復學習和遺忘的過程，更擅長處理和記憶關聯度高、相似的知識，而不善于不同時刻記憶之間的聯想和發散。

然而，連點成線的背后是大腦神經元對過往信息的存儲，LLMs 展現出的通用語義理解和推理能力使得其天然能夠幫助人們實現大腦記憶。由OpenAI Fund 340 萬美金投資的一家舊金山的公司 New Computer 剛剛發布一款智能記憶 APP「Dot」，用極其優美簡潔的方式讓我們看到了未來 AI 驅動的人機交互與行為模式。

將記憶連點成線，甚至卡片組合成詩，筆者昨天看到這款產品后連夜寫了這篇文章，應該算是 SenseAI 最近看過最驚艷的 AI-Native 產品了，像詩一樣的。曾經離家上學前外婆手寫的燒餅菜譜，或許會在多年后的周五下班回到家彈出，“想念家鄉的味道了吧，做一個外婆的燒餅吃吧”。

思考：

我們嘗試基于文章內容，提出更多發散性的推演和深思，歡迎交流。

從生產力工具到個人伙伴（her）：早期 Gen-AI 產品最容易想到的是工具，寫文字、代碼或者畫圖，而 LLM 具備的通用語義理解和推理能力使得其天然更適合了解“你”。從用工具解決點狀問題，到縱向深入理解用戶，幫助用戶專注于真正重要的事情，做人類的延伸，而非取代人類。

不僅僅是人與信息的關系：Dot 展示了 AI 如何重塑人和信息關系的可能性，而非單純做一個更好的筆記工具。這種思考方式或許也能遷移到別的領域，如對社交關系的重塑，人和人之間總是先認識，再了解、交換信息，最后判斷契合。然而當 AI “比你先認識你自己”，主動意圖識別需要的信息，先分發、再認識。AI 可能會重塑未來的雙邊關系。

AI Native 產品分析——Dot

1. 產品：Dot，一個智能指南/個人助手，幫助用戶記憶、管理并且主動引導用戶的生活

2. 產品上線時間：測試中，年底在 iOS 和 Web 端上線

3. 創始人：

Sam Whitmore：New Computer 的 CEO / CTO，同時是 LangChain 的早期核心貢獻者之一。在此之前是 Kensho 的前工程負責人，Kensho 于 2018 年被 S&P Global 以 $5.5 億美元的價格收購。隨后擔任 Maximus 的工程主管，該公司是一家與 IMAX 合作開發視頻超分辨率軟件的初創公司。

Jason Yuan：前 Apple 設計團隊成員，MakeSpace（現稱為 Sprout）的創始人，mercuros.com 的創建者并開拓了生成式界面的想法。與 Blackpink、Chanel、Vogue、Jackson Wang、The MET Gala、Nike、Christina Aguilera、FKA Twigs 和 The Weeknd 等文化創造者合作過項目。

一、Dot 是什么？

Dot 來自舊金山的創業公司 New Computer 打造的智能指南（Intelligent Guide），由聯合創始人 Jason Yuan（Apple 設計團隊前成員）設計，并由 Sam Whitmore（S&P Globoal 人工智能創新部門 Kensho 的前工程主管）和一個小的開發團隊完成，幫助用戶記憶、管理并且引導用戶的生活。

Dot 的理念也許來自己 2005 年喬布斯在斯坦福演講時說過的一句話，「You can’t connect the dots looking forward; you can only connect them looking backwards. So you have to trust that the dots will somehow connect in your future.」

而 Dot 則說，「Making sure my Dots stay connected. Looking forward is easier that way. When you help me see what’s come to pass，it sheds light on what’s yet to come.」

簡單解釋，Dot 是一個 Chatbot 形式的信息導航產品（Information Navigator），像用戶的外置大腦，幫助用戶連點成線「向前看」，成為更好的自己。

Dot 致力于成為用戶的長期伴侶，而非更好的任務管理（Task Management）工具，聯合創始人 Yuan 說 「Dot 的感覺是，當你不知道該去哪里、該做什么或該說什么時，你就會求助于 Dot」。

那么用戶具體如何使用 Dot？Dot 給出了幾個具體的場景。

場景 1：

Mei 是一個大學新生，今天是她離開家的最后一天，外婆交給了 Mei 一份手寫的食譜，記錄了她最愛吃燒餅的做法，于是 Mei 可以將這份食譜分享給了 Dot，Dot 會自動將圖片中的內容轉化為結構化的電子食譜，并和其他食譜筆記歸類到一起。

場景 2：

Mei 提前一天將課程大綱的文件發給了 Dot。當 Mei 來到書店時，向 Dot 提問自己需要買哪些教材。Dot 會自動將任務關聯之前的課程大綱，為 Mei 提供一份可交互的待買清單。

場景 3：

Mei 已經習慣了將生活和學習中的種種都保存至 Dot，于是當考試來臨時，Dot 可以根據考試科目和過往上傳過的所有相關學習資料，為 Mei 出題測驗，并在測驗過程中隨時回答 Mei 的問題。

場景 4：

在用 Dot 輔助學習的過程中，Mei 對于某個概念不太理解，Dot 可以根據 Mei 的習慣，使用用戶更適應的風格，來解釋這個概念。

場景 5：

在某一次的對話中，Mei 曾經和 Dot 提及想要更好地融入學校的社區，于是 Dot 根據用戶的興趣愛好，主動推薦了一些和用戶興趣相關的選項來幫助用戶。

場景 6：

Mei 在今天有一場重要的試鏡，Dot 已經為用戶安排好了所有日程，并且關聯了所有日程的待辦事項，這樣她只需要全心全意專注于要做的事情。

場景 7：

最后，連點成線。Mei 通過了試鏡，并且要參加社團的歡迎會。Dot 考慮到 Mei 曾經想要融入社區的意愿，推薦 Mei 根據奶奶的配方，做一些家鄉食物帶去，來更好地融入集體。

二、Dot 的 7 大核心能力

在上述的幾個場景中，展示了 Dot 的幾個核心基本能力：自動文件管理（Automated File Management）、自適應智能（Adaptive Intelligence）、上下文多模態理解（Contextual Multimodal Understanding）、自我編程（Self-Programming）、個性化顯示和檢索（Personalized Display and Retrieval）、概念復合（Conceptual Synthesis）和心智理論（Theory of Mind）。

1. 自動文件管理：動態文件系統（Dynamic File System）

與大多數現有的 Chatbot 不同的是，Dot 具有長期的記憶能力，幾乎會記住用戶說的一切，無論用戶和 Dot 的對話是否發生在同一個會話（Session）中。同時，Dot 支持用戶用多種不同的方式來添加內容，如圖片、PDF、語音、鏈接甚至是多種類型的混合。

同時，Dot 會通過一個稱之為動態文件系統（Dynamic File System）的功能，自動創建、組織和檢索結構化和非結構化的信息。動態系統中的一切，從分類到信息展示的格式，都是基于用戶的使用習慣個性化的。

舉例來說，當用戶和 Dot 分享了足夠多的笑話之后，Dot 就會自動創建一個針對笑話動態文件類型，來追蹤用戶所有的笑話、笑點和主題。

2. 上下文多模態理解：語境意識（Context Awareness）

Dot 具有極強的上下文處理能力，可以根據語境，從大量的記憶樣本中，找到最重要的相關信息，并對相關的任務進行優先級排序，甚至結合用戶的位置和日程，來為用戶的日程安排給出建議，比如，用戶可以向 Dot 提問今天最適合去快遞點退貨的時間是什么時候。

3. 個性化顯示和檢索：動態 UI（Dynamic UI）

Dot 可以根據材料和用戶當下的需求，自動選擇最合適的信息呈現方式，如引導用戶進行小測驗，創建交互式任務列表，甚至將用戶發送的照片拼貼成精美的拼貼畫。

4. 自適應智能：個性化（Personalization）

隨著用戶使用 Dot 的時間變長，Dot 會學習用戶偏好的模式，并適應這些模式來和用戶交流。舉例來說，如果用戶是一個偏好視覺的學習者，在過去和 Dot 的溝通中使用了大量圖片，Dot 就會在表達時使用更多圖片輔助；或者，Dot 可以察覺用戶對某個特殊的隱喻或概念有共鳴，則會在后面的對話中更頻繁地使用這些概念，來幫助用戶建立這些概念和新的主題之間的聯系。

5. 心智理論：主動作為（Proactive Agency）

Dot 持續判斷用戶的需求，并自發地行動。舉例來說，如果 Dot 知道用戶正在嘗試素食主義，它可能會自發地研究同樣營養價值的食物，為用戶找到附近的素食餐廳，甚至推薦一些專注于素食烹飪的 YouTube 頻道。除此以外，Dot 還會根據用戶的興趣定期問一些問題，幫助用戶從新的角度理解舊的話題，甚至引導用戶嘗試原本不會想到的解決方案。

6. 自編程：自動化工作（Automations & Routines）

用戶可以要求 Dot 在特定的時間執行特定的任務，因為 Dot 可以自動編寫和存儲一些例行任務程序。通過讓 Dot 來記錄和處理日常，用戶可以更專注于重要的事情上。舉例來說，用戶可以設置 Dot 在每天早上生成一天的日程安排，在每周末對前一周發生的事情生成總結和反思等，也可以讓 Dot 提醒用戶每 3 個月更換一次電動牙刷刷頭，以及每次親朋好友生日時提前準備好祝福。

7. 概念復合：連點成線（Connecting the Dots）

Dot 可以將對用戶重要的事情聯系起來，即使是用戶很久沒有提起的事情。通過找到不同記憶之間的關聯，并自然而然地展示這些內容，Dot 幫助用戶用一種全新的視角看待生活。

三、Dot 有何不同？

比起其他 LLM 產品專注于通用的智能能力，來試圖代替人類能做的工作，如創作文學作品或者寫代碼，Dot 則更專注于更縱向的方向，即如何深入理解用戶，并幫助用戶專注于真正重要的事情，做人類的延伸，而非取代人類。

計算機和軟件的出現，幫助人類擴充了腦中知識的容量，但并沒有從根本提高人類對信息的處理能力，人類仍然反反復復地重復學習和遺忘的過程，更擅長處理和記憶關聯度高、相似的知識，而不善于不同時刻記憶之間的聯想和發散。

而隨著大模型逐漸展示類似人類的推理能力，Dot 試圖成為用戶知識的管理者來改變人類和知識的關系。通過幫助用戶做信息的存儲、檢索、展示和關聯，做用戶活的歷史（A living history），并通過高效利用用戶每天攝入的信息，來提高用戶的思考能力，而非單純幫助用戶讀得更多，讀得更快。

參考材料：

https://www.fastcompany.com/90975882/meet-dot-an-ai-companion-designed-by-an-apple-alum-here-to-help-you-live-your-best-life

https://new.computer/