随着身边的智能设备越来越多、功能越来越全面，便产生了一个哲学问题值得我们去思考：我们应该用什么样的眼光去看待它们？这其实是一个在智能化的道路上无法回避的价值观层面的问题。和智能设备做朋友怎么样？下面就以智能手环Jawbone为例，讲述一段与手环相处的经历。

当戴上手环、完成其与手机的配对后，他（因为在法语中，手环bracelet为阳性，所以称之为“他”）会要求你输入性别、身高、体重和生日等信息，并且需要告诉他你期望的运动目标和睡眠时长。然后他会做一个简短的自我介绍，交代一下彼此沟通的方式。在随后的日子里，他会偶尔跟你确认刚才的运动信息，你也需要在睡前醒后向他“汇报”一下。有时他也会以一个私人教练的身份出现，督促你多加锻炼，或者提供一些作息、饮食上的建议。慢慢地，你会发现他变得很懂你，常常给出一些中肯的建议，同时，你也在学习着与他沟通，学会了登记自己的作息，习惯了查看每天的运动量和睡眠质量。其实，这是一个双向学习的过程，随着彼此学习的深入，生活的质量也有了改善。

（一）用户的学习过程

针对某个特定的产品，用户需要学习一些操作该产品的专用技能，而且对这种技能的学习，往往是伴随着产品的使用而进行的。比如，当我们打开智能手机包装盒的时候，是找不到说明书的，而是通过手机自带的提示语去完成第一次学习的。再如，很多手机应用是没有说明书的，而是通过提示框、半透明蒙层提示等方式，指引着用户进行第一次操作。

当然，苹果公司也意识到了引导用户去学习的重要性，所以在iOS操作系统中，多了一个叫“提示”的自带应用，它每周会介绍一些操作技巧，其中很多都是隐藏的功能。

除了专用技能，用户通过其他产品学到的可迁移的技能，也成为一种基本技能。其实随着电子产品的普及和手机应用的推广，整个社会都在学习很多基本技能。比如，看到二维码后就知道可以扫码，看到按钮图标后就知道长按和滑动，看到触摸屏后就知道拖动或缩放等操作。

另外，这种基本技能的全民教育，更是有从孩子抓起的趋势。这个项目意在通过机器人玩具，教会孩子编程的原理，锻炼其逻辑思维。

首先，孩子可以在应用里进行启发性的学习。通过简单的拖拽和排序，便可以完成初级的编程，甚至可以在简洁的操作界面中，实现if-else判断语句、变量、循环等功能。这非常有助于培养孩子的想象力和算法思维。

然后，机器人会让编写的程序变成现实，而不再是枯燥的纸上谈兵，还可以检验一下刚刚编写的程序，并做一些改进。孩子在玩的同时也体验到了“产品迭代”的快乐。此外，机器人可以变成闹钟，还可以带着孩子跳舞。

随着学习的深入，可以发掘出越来越多的玩法，所以这款产品的适用群体非常广泛，从5岁到12岁的孩子都能有所收获，甚至连成年人都很喜欢。通过这种寓教于乐的方式，孩子了解了智能设备的原理，锻炼了逻辑思维，培养了解决问题的能力以及与科技产品的交互能力。有了这样的基础，智能家居设备的安装和配置都变得简单。相信这一代“未来的用户”将会用更强的基本技能，去拥抱一切新鲜的事物。

（二）智能家居的学习过程

在电影《她》中，智能操作系统Samantha通过高速分析男主角的邮件等信息，完成了对男主角的学习，甚至达到了对他了如指掌的程度。同时通过与男主角的交流，她逐渐形成了自己的性格，也包括与男主角相爱。系统在这个学习的过程中，不断地改进着体验，降低着用户交互的复杂度。

“学习用户的使用习惯”是一句经常被提到的说法，系统真的可以变得那么智能，那么善解人意地给出恰当的建议吗？下面以“提醒用户休息”的功能为例，介绍一下学习的过程。

1.设备使用日志的收集

需要尽可能全面地收集用户所有设备的使用数据，其中包括时间戳、设备状态等信息。这里使用了用户历时15天的设备使用数据，包括5个智能灯、3个墙面开关、1个门窗开关传感器、2个红外传感器的数据。

2.关键事件的识别(www.daowen.com)

通过数据预处理，识别出关键事件。这里的关键事件是指用户回到家中和关灯睡觉。对于回家，可以通过门窗开关传感器的状态去准确判断；对于关灯睡觉，可以通过所有灯的状态，再配合红外传感器去判断。

3.相关因素分析

根据常识和设备的属性，对与睡觉时间相关的因素进行分析。首先，注意工作日和周末的差异，如周五晚、周六晚，与其他几天相比会较晚回家，用户睡得也比较晚，进而推测这是由于周末活动较多所致；由于数据样本有限，只选取周一至周四（共计4天）的数据作为培训集继续研究。其次，如果用户在某个工作日回家较晚，可能意味着当天的工作较繁忙，所以会早些休息。这一步是尝试着为数据分析找出方向，可以大胆地想象与推测。

4.数学模型分析

上面的分析只是一些基于常识的主观猜测，下面将通过简单的数学模型去验证。例如，使用最简单的线性模型y=ax+b，其中y代表睡觉的时间，x代表回家的时间，a和b是常量。通过对培训集的计算，可以解出常量a和b的值，于是当用户回家时，相当于给出了一个x值，进而可以推算出睡觉时间。

5.执行

当到了预测的时间时，系统会执行一个推送，如“您有些累了吧？早些休息吧”。为了达到提醒的效果，推送的形式可以丰富多样，也可以用音箱或者灯光去配合实现。

6.收集用户反馈

通过收集用户的反馈，让整个学习过程变成信息的闭环。若用户在收到推送后点击了“好的”，并稍后睡去，则可确定此次预测是准确的；若用户点击了“再过会儿”，则需要根据用户当天真实的休息时间去优化学习模型。当然，也有可能是在系统推送前，用户便已经进入了休息状态。总之，用户的反馈信息会被收集，并汇总到下一轮的学习中。

当然，上面的模型过于简单，效果也有限，实际上还可以进行更多的分析。例如，分析用户第二天的行程安排，如果用户繁忙的话，建议其早些休息。再如，通过健康类智能设备的数据共享，根据用户的身体状况给出建议。

（三）共同达到默契的体验

在推测“用户休息时间”的例子中，用户“告诉”系统的信息越全面，系统对用户的了解也就越深入。例如，对用户的日程安排和身体状况的信息进行分析，将增加“休息时间”的预测准确度。再如，若用户在个人设置中填写了生日信息，那么生日那天就会收到系统的生日祝福，虽然可能只是一个蛋糕的图标，但足以增加欢乐。

回顾双向学习过程，用户通过学习，其操作技能在逐渐增长；系统通过学习，其交互复杂度在降低。通过用户的技能曲线和交互复杂度曲线的比对，便可得出用户的体验。当用户的技能不能应对交互复杂度时，用户获得良好的体验会很艰难；当用户的技能可以驾驭交互复杂度时，体验会变得顺畅。

其实，市场上不同的产品在用户体验中所比拼的正是这种技能与复杂度。一方面，努力寻找用户熟悉的技能，或者引导用户去学习；另一方面，努力降低交互的复杂度，让系统变得更加智能。