作者｜洋紫
“夏日午后，休息時凝視遠山或樹枝，直到 ‘靈韻降臨’，人與景物產(chǎn)生一種神秘共鳴。”
德國哲學家本雅明在代表作《機械復制時代的藝術作品》中，如是形容這種獨一無二、物我兩忘的審美體驗。這是一種難以復刻的獨特感受，與AI支配下泥沙俱下、批量生產(chǎn)的虛幻景觀大相徑庭。
人類如蘆葦般孱弱，卻因思想而擁有尊嚴。我們可以聽見聲音、接收畫面、有身體的觸感，也可以知道空間感的放大縮小、呼吸的節(jié)律，以及細默之處未曾言明的情感表達。這些細膩幽微的情緒，是人類最難以被模擬與替代的部分。
“Technology is an extension of life.（技術是生命的一種延伸）”。凱文凱利在《科技想要什么》一書中曾表達過同樣的觀點，如果人類與 AI 發(fā)展的終極理想，是實現(xiàn)人與技術的共生共舞，讓人工智能真正擁有接近人的思考、生命力與表達力，那么一個不容忽視的現(xiàn)實是：時至今日，人與 AI 最主流的交互方式，依然停留在文字層面。
這也成為人機協(xié)同路上一道難以繞開的障礙 —— 我們大量的所見、所思、所感，仍無法與 AI 實現(xiàn)真正的身臨其境。譬如一位癡迷奇石、對石頭懷有極致熱愛的人，若想將他眼中萬千石頭的肌理、氣韻與特質傳遞給 AI，單純的文字描述遠不足夠。一個集圖像、視覺、聲音于一體的 “石頭數(shù)字館”，才能真正支撐他與 AI 并肩鑒賞、共情共鳴。
那么，什么才是對于用戶來說更自然、更具有粘性的交互方式？
過去半年，一款名為Chance AI的app快速在紐約大學（NYU）、南加州大學（USC）等北美校園風靡，學生們用Chance AI看穿搭、逛展覽、比較球鞋和卡牌、記錄皮膚狀態(tài)、觀察植物與寵物，甚至看圖寫詩。其獨特性在于，Chance AI 提出了一個新的產(chǎn)品形態(tài)，即Visual Agent：在視覺之上建立解釋層，讓AI不僅看到事物，更參與解釋其意義，進而幫助用戶形成判斷與品味。
在Chance AI看來，視覺不是輸入方式，而是人類的認知系統(tǒng)?！皩θ祟悂碚f，視覺才是最直覺的操作系統(tǒng)，而不是輸入框?！盋hance AI創(chuàng)始人兼CEO曾熙告訴霞光社，“從第一天開始做產(chǎn)品，我們的首頁就是沒有任何輸入框的。在我們的產(chǎn)品里面唯一的輸入框就是出現(xiàn)在評論區(qū)，但是現(xiàn)在更多人是用語音，點開只有一個拍照按鍵，進來以后用戶不用輸入prompt，one tap，因為這才是人類最直覺的方式?！?/p>
使用方式也很簡單，只需要通過Chance AI拍攝任何圖片，Chance AI就會快速將圖片內容轉為對于圖片深層次含義的解讀。每一個圖片都不只限于“閱讀”，更多在于“理解”，即在認識的基礎上解釋看見事物的意義；
此外，Chance AI也有Live模式，即實時視覺交互系統(tǒng)（Real-time Visual Intelligence System），在Live模式中，用戶可以一邊看，一邊與Chance AI交流，它還會做出對于畫面的實時視覺理解（Real-time perception）以及連續(xù)推理（Continuous reasoning，而非單次響應）。
巴塞爾藝術周現(xiàn)場，觀眾使用Chance AI「Visual Agent – Live」，在觀看作品的過程中與AI實時交流與理解
Chance AI的交互方式，打破了過去兩年間，AI通過輸入框提問、隨后獲得答案的主流形態(tài)。曾熙向霞光社表示，產(chǎn)品設計的差異源自年輕人認識世界的底層邏輯不同，對從小使用emoji、meme和縮寫溝通的Gen Z來說，他們本身就是visual native：更習慣通過圖像和直覺理解世界，而不是先組織語言再提問。也就是說，越來越多的年輕人對于現(xiàn)實世界的認知方式是從“先提問再理解” 轉變?yōu)椤跋瓤匆娫倮斫狻薄?/p>
對圖像的精準理解離不開Chance AI的技術突破。MMMMU-Pro 是目前最嚴苛的多模態(tài)基準測試之一，它通過過濾純文本可解題、增加選項干擾，并將問題嵌入圖像中，真正考察 AI 是否具備人類級別的視覺理解與跨學科推理能力，而非依賴模式匹配或文字捷徑。Chance AI Visual Agent 在 MMMU 相關評測中以 86.07% 的準確率位列世界第一，在藝術理解、結構分析與跨語境解釋等任務上表現(xiàn)優(yōu)秀，甚至超越了人類在2024年的成績。
實際操作上也可見Chance AI的出色表現(xiàn)，如下圖所示，為一塊坐標于洛杉磯的市中心的石頭，在Chance AI的“看見”里，不只有關于石頭的來歷故事——即一位藝術家把這個石頭從內華達州搬過來花了1300萬美金，還有這一故事背后的意義：這場搬運是為了體現(xiàn)美國的種族和階級對立的問題。
更重要的是，Chance AI真正意義上做到了千人千面地幫助人理解世界。在Chance AI，每個人的頁面都是個性化的，因為不同人看見、感受的世界存在差異。而在Chance AI已經(jīng)布局的不同國家/地區(qū)，用戶之間的差異化也能反饋出地區(qū)的特性，這是Chance AI的獨特價值——勾勒用戶眼中的世界。
在效率工具泛濫的當下，Chance AI的魅力在于，當用戶以主動探索的方式理解事物，他會逐漸形成自己的判斷：什么是好的，什么是有價值的。也正因此，人們在使用AI過程中常出現(xiàn)的顧慮，如是否會面對更為千篇一律的AI流水線產(chǎn)品、AI是否會讓人喪失思考的能力，似乎不再需要猶疑。個性化的反饋、對事物更深的理解，都能讓用戶開始重新激發(fā)好奇心——那些曾經(jīng)習以為常的東西，會再次變得值得被解讀。
一些北美高校學生們表示，“有時候我不是想問什么，我只是想看看它會怎么看?！薄癐 started noticing things I used to ignore”，這或許也符合了Chance AI對于年輕一代認知世界的判斷：“視覺讓理解更直接，也讓好奇心重新成為驅動力。用眼睛理解世界，正在成為一種新的基礎行為。”而這一“主動探索”的體驗感，形成了用戶與Chance AI的持續(xù)使用粘性。
事實上，人類對現(xiàn)實的認知，往往始于視覺，先看見，再感受，然后逐漸形成判斷。“visual reasoning是幫助你找到它的Perception跟knowledge，然后再加上connection就是它的社會共識，這樣組成了今天的產(chǎn)品形態(tài)。”曾熙告訴霞光社。
與此同時，行業(yè)層面也展現(xiàn)出了年輕用戶傾向于使用視覺交互的趨勢：其一是，多模態(tài)交互（Lens / Circle to Search / AI Overviews）在年輕用戶中的增長最快；其二，Google Lens每月產(chǎn)生超過三十五億次級視覺搜索請求。
截至目前，Chance AI的全球年輕用戶已突破20萬，在iOS歐美多個國家進入下載榜Top 3，并在Product Hunt上兩次獲得當日最佳產(chǎn)品（Product of the Day）。在剛剛過去的香港Art Central藝術展上，Chance AI也作為官方創(chuàng)新合作伙伴，深度融入觀眾的觀展體驗，這一能力也首次得到了真實場景的驗證。
面向未來的可能性，曾熙表示，手機拍照分享目前是圖片數(shù)據(jù)來源最直接、量最大的場景?！艾F(xiàn)在我們的數(shù)據(jù)是，每個北美的女生每天會拍2.8次的穿搭，這是非常海量的數(shù)據(jù)?！倍曈X數(shù)據(jù)本身就創(chuàng)造了價值，“我們想把Visual Agent engine這‘發(fā)動機’給搭好，以后我們會有更豐富的數(shù)據(jù)，會形成視覺的社區(qū)，這就是最大的價值?！?/p>
曾熙早年在 University of Barcelona 獲得博士學位，研究方向集中在認知科學與當代藝術，關注人類如何通過視覺理解世界、形成判斷與意義。 隨后，他先后在 OnePlus、OPPO 負責產(chǎn)品與設計，并參與構建面向數(shù)億用戶的硬件定義與系統(tǒng)體驗。 在ByteDance期間，他在Flow擔任產(chǎn)品與設計高級總監(jiān)，參與AI相關產(chǎn)品從0到1的探索（豆包）體系的早期構建。豆包代表了這一代 AI 產(chǎn)品的典型形態(tài)：以對話為核心入口。
這段經(jīng)歷讓他意識到一個結構性問題：當前AI已經(jīng)非常擅長“生成語言”和“回答問題”（尤其是大廠的必爭之地，因為離LLM很近），但對于人類如何在現(xiàn)實世界中形成理解，尤其是基于視覺的直覺判斷——仍然缺乏支持。因為這直接決定了，每一個事物的“意義”。
在他看來，這不是一個功能缺失，而是一個交互范式的空白：AI已經(jīng)很會“說”，但還不夠會“看”。Chance AI正是在這個判斷下誕生：如果AI的下一階段不只是回答問題，而是參與人類理解世界的過程，那么視覺能力可能會成為新的入口。他正在為了下一個時代的AI終端做準備。
我們處在一個科技大發(fā)展的時代，無數(shù)高速迭代的科技產(chǎn)品快速出現(xiàn)、又快速成為舊聞，科技已經(jīng)包圍、席卷了人的工作與生活。對科技產(chǎn)品的贊嘆和恐懼，交織在一起，成為現(xiàn)代人普遍的心理情結。
而在每一場技術的變遷中，一個有趣的現(xiàn)象是：如何落地從來不是由發(fā)明者決定的，而是由用戶和它如何交互決定。比如作為通信工具的手機，最終演變成了觸屏的交互方式，才能變?yōu)橛脩羧杖?、時時無法離身的“肉體外掛”。
AI時代的交互或許也是無處不在的。在談及“Chance”這一名稱的由來時，曾熙表示，這個名字源于他對當下生活方式的一種觀察。在高度算法化的環(huán)境中，人們越來越習慣沿著被推薦的路徑前行，日常經(jīng)驗變得可預測且重復，而真正具有啟發(fā)性的時刻，往往來自那些未被預設的“偶然”。
這些“偶然”的瞬間，或許才是生命特有的視角。不再來自技術的機械和重復，而是一個充滿“人味兒”的生命脈動。
特別聲明：本文為合作媒體授權DoNews專欄轉載，文章版權歸原作者及原出處所有。文章系作者個人觀點，不代表DoNews專欄的立場，轉載請聯(lián)系原作者及原出處獲取授權。(有任何疑問都請聯(lián)系idonews@donews.com)
