狗熊有话说 / BearTalk

本期 Bear 聊的是李飞飞的回忆录《我看见的世界》，英文原名 The Worlds I See，2023 年出版。

**这本书是什么**

全书有两条并行的线。一条是个人成长史：李飞飞出生于北京，在成都长大，十五岁随家人移居美国新泽西，靠打工帮家里维持生计，同时在陌生教育系统里寻找位置，最终从普林斯顿读物理，到加州理工取得博士学位，再到斯坦福主持 AI 实验室。另一条是机器学习理解视觉的科学史，核心是 ImageNet，一个把数以千万计的图像组织进大量类别、并通过众包完成标注的项目，它提供了训练数据，也提供了让不同算法可以相互比较的公共基准。

**Bear 读完带走了什么**

最初被移民、AI、亚裔三个关键词吸引，听完有声书之后，真正留下来的还有第四个词：好奇心。这本书最有价值的部分，恰好发生在结果还不存在的时候。

ImageNet 的启发不只在技术层面。团队当年把重点放在数据的规模和多样性，而很多同行在改进算法，这个方向早期显得笨重，甚至不够"聪明"。后来，规模化数据、图形处理器和深度神经网络汇合，计算机视觉才出现标志性跃迁。这件事改变了 Bear 对技术突破的想象：训练材料越狭窄，模型就只会在狭窄世界里聪明。广泛输入的价值，在于它不断逼我们分辨什么属于对象本身，什么只是习惯的背景。

这个思路也影响了 Bear 对词汇学习的规划。生词本里接近八百个词，他想把它们导出，用 AI 帮忙分类，再观察词与词之间的关系。这个计划本身还不能证明效果，但它把任务从重复记忆改成了建立结构。

李飞飞的经历也让 Bear 在中年探索这件事上重新调整了重心。李飞飞十五岁时不可能预知自己会成为重要的 AI 科学家，ImageNet 刚发布时也没有立刻改变世界。每一个节点的人拥有的其实只是下一步。中年并不会自动关闭探索，它只是让试错成本和注意力分配变得更需要选择。

**这本书的边界**

Bear 给四星。它没有回答 AI 时代所有最难的问题，却提供了一份罕见的内部记录，让抽象的技术史重新长出家庭、贫困、导师、病痛和选择。但进入产业伦理和权力结构以后，叙述明显更谨慎，数据劳动的分配、巨型数据集包含的偏见、科技公司与公共利益的冲突，这些内容有出现，却很少被推到最尖锐的结论。

**外部评价**

经济学家 Shane Greenstein 称它"深思熟虑、真诚动人"（自译），并说有技术背景的人会更容易进入。计算机科学家 Ernest Davis 认为它在科学家回忆录里有少见的文学质量，特别赞扬对父母和高中老师 Bob Sabella 的描写温暖而鲜活。《柯克斯书评》则认为，技术细节、专业术语和偏克制的个人叙述削弱了情感影响，李飞飞作为 AI 先驱，本有机会更深入地回应技术的紧迫伦理问题。

**一句话总结**

Bear 尤其喜欢它拒绝把成功写成一个人的神话。ImageNet 常被缩写成李飞飞的代表作，书里却让读者看到标注者、学生、合作者和前辈共同组成的网络。真正改变人生的视野，往往从承认自己还没有看见什么开始。

Advertising Inquiries: https://redcircle.com/brands

Privacy & Opt-Out: https://redcircle.com/privacy

Atlassian 以 6.1 亿美元收购了 The Browser Company，他们现在发布的浏览器已经换成了 Dia。

这件事让我一直在想一个问题：Arc 明明是迄今为止外观做得最好的浏览器之一，身边几乎每个设计师和工程师都爱过它，为什么它从来没有真正出圈？

**第一关：视觉语言答的是身份问题**

打开 Arc 的旧版网站，还没看文字，那种气质就来了。温暖、柔软、圆角、带着一点手工质感的复古风格，和 Notion、Substack 是同一个家族。这类视觉语言通常吸引的是创作者和个人用户，享受打理自己数字生活的那类人。

但 Arc 真正流行起来的社群，完全是另一批人。工程师、设计师、产品经理，重度知识工作者，他们要的是速度、键盘快捷键、复杂工作流里的稳定性。Linear 的受众和这群人大致相同，界面却克制、紧凑、冷静，读起来像一件专业工具。

视觉设计不会单独决定一款产品会不会被大家用起来，但它会在几秒内回答一个问题：这东西是给我这种人做的吗？

**第二关：要记的概念太多了**

传统浏览器要求你理解两样东西：标签页和书签。

Arc 给你的是：Profile、Space、Folder、Easel、Boost、Tab、Command Bar、Pinned Tab。

从设计角度看，这套体系组织得并不差，每个概念有明确用途，信息架构可以说是优雅的。这恰恰是陷阱所在。一个概念能被理解，和用户愿不愿意把它装进脑子里同时记着另外七个，是两回事。

Spaces 是 Arc 最重要的创新之一，把工作、生活、项目分成各自独立的环境。对复杂工作流来说，这个想法真的很有用。但按照团队自己的数据，只有大约 5% 到 12% 的用户真正用上了多个 Space。Calendar Preview 的采用率是 0.4%。多年积累的差异化功能，从来没有成为大多数人日常行为的一部分。

**两个额外的观察**

Bear 提到，大多数作品集在第一屏滚动之前就已经失败了。毛病出在呈现方式上：它把做好的界面当成了故事的主体，可真正的故事，是界面背后的那些决策。早期公司的人看作品集，想知道的是你能不能想清楚一个问题、做出判断，精美的截图回答不了这个问题。同样的逻辑也适用于产品落地页。

还有一点：一个截止日期教会你用一个工具，比教程更快。解释得再好，概念也未必留得下来。有人在那一刻需要它，它才会留下来。

**拿来检验你自己的产品**

把落地页的文字模糊掉，只看视觉语言。它邀请的是谁？那个人是最终付你钱的人吗？然后数一数新用户在第一周会遇到多少个你自己发明的概念，对每一个问问：要让用户不用提前去学，到需要的时候自然就用上它，需要什么条件？

任何需要在被需要之前先被记住的东西，都是你在还没交付价值之前就寄出去的账单。

这一期最早写在 Bear 的英文 Newsletter《Design Decisions》里，英文原文在 newsletter.bearliu.com。

Advertising Inquiries: https://redcircle.com/brands

Privacy & Opt-Out: https://redcircle.com/privacy

本期 Bear 聊的是尤瓦尔·赫拉利 2024 年出版的《智人之上》，英文原名 Nexus: A Brief History of Information Networks from the Stone Age to AI。

**关于作者**

赫拉利 1976 年生于以色列，2002 年在牛津获得博士学位，现任教于耶路撒冷希伯来大学历史系。他以《人类简史》《未来简史》《今日简史》闻名全球，擅长把极长时间尺度压缩成少数可以传播的大命题。《智人之上》延续了这条路线。

**这本书在讲什么**

全书覆盖宗教经典形成、官僚制度、印刷与猎巫、斯大林主义、纳粹制度、现代民主、社交媒体到 AI，提出一个贯穿始终的核心问题：人类拥有越来越强的信息技术，为什么社会仍然会被错误、幻想和自我毁灭的制度控制？

赫拉利的回答是：信息的首要功能常常在于连接，真实性只是其中一个维度。宗教神话、国家叙事和阴谋论都是信息，都能让大量陌生人协调行动。真理需要接触复杂现实，秩序却偏爱简单、可复制的版本。印刷机能传播科学，也能让猎巫手册复制得更快，技术增加了网络容量，却没有替网络选择目标。

**关于 AI 的判断**

书里把 AI 理解成信息网络里的新行动者。过去的技术主要保存和传递人的内容，今天的模型能够生成语言、筛选展示内容、参与决策。推荐算法发现愤怒和冲突更能留住用户，就会在无人明确下令的情况下把社会推向极端。责任来自公司、政策和商业选择，结果却由人和机器共同构成的网络产生。

**Bear 的评价**

四星。Bear 认同把 AI 放回信息制度中思考这个框架，觉得它对喜欢科幻的读者特别友好，因为书里讨论的正是经典科幻母题，而赫拉利把这些问题接回了泥板、印刷机和户籍制度，让未来显得没那么遥远。

同时，Bear 也指出几处局限。第一，资本的角色偏轻。今天的 AI 由具体公司投资、用具体数据训练、为具体市场服务，算力谁拥有、利润流向哪里，这些问题会决定技术真正的方向，书里着墨不多。第二，治理建议比历史诊断更概括。强调责任、分权、纠错都合理，但读懂风险还没有等于找到解决方案。第三，书里对 AI 的警告有洞见，也有放大风险的倾向，算法能做决定，不等于它已经拥有人的目的和道德主体性。

**外部评论参考**

Bear 在节目里也整理了几位评论者的判断，以下均为 Bear 自译：

- 《卫报》Killian Fox 认为全书作为诊断和行动呼吁"总体上是成功的"，同时指出资本主义几乎没有进入论述。
- 同刊 Steven Poole 称赫拉利是"一流的叙事作者"，但不相信他的 AI 末日论，认为宏大概括像先有结论再压进历史。
- 《大西洋月刊》历史学家 Daniel Immerwahr 称他为"灵巧的综合者"，警惕他把历史变成过度顺滑的简化，也批评书中用"我们"谈整个人类的选择，容易遮住真正掌握资本和算力的具体公司。

**本期核心带走**

评价一项技术、一个平台或一套制度，先别数它能生产多少信息，先去看它有没有把发现错误的能力一起放大。一个网络的智慧，在于错误出现以后仍有人能够说出来。

Advertising Inquiries: https://redcircle.com/brands

Privacy & Opt-Out: https://redcircle.com/privacy

### 本期核心主题

AI 聊天界面已经几乎无处不在，但 Bear 看过的大多数产品，中间那一段很强，两侧几乎什么都没有。Bear 以 Google Health 的 AI 健康教练为例，拆解了一个 AI 功能的三段结构：Before（开口之前）、During（对话过程）、After（对话结束之后），并指出更有意思的部分在对话框的两侧。

### 主要观点

**Before：谁先开口，决定了人们会不会开始**

空白输入框是最安静的失败方式之一。无限的可能性反而让大多数人不知道从哪里开始。Google Health 的做法是让系统先开口，比如根据你的睡眠数据提问："你大概在午夜前后上床，看起来这个时间点对你挺管用的。进入周末之后，维持这个规律对你来说还好吗？"再配上几个可以直接点选的答案。你不需要面对空框，只需要点一下。主动发问这一步，从用户身上移走了。

**During：对话体验正在变成基础设施**

读取个人数据、生成图表、引用外部资料、用追问推进对话，Google Health 都做得不错。但这些能力以后也不会再是差异点。只要有足够的模型资源、数据和工程能力，任何公司最终都能做出一个像样的聊天体验。聊天框本身，正在走向基础设施。

**After：留存真正发生的地方**

对话结束之后，系统会主动总结吗？会在睡眠数据开始偏移时提醒你吗？会记住上次的目标并在几天后跟进吗？Bear 观察了三周，几乎没有发生这些。没有自动周报，之前的对话线索很少被捡起来，几乎每一次互动都需要 Bear 自己主动打开应用。产品还很新，主动推送健康建议也确实有风险，一条错误的、或者不必要地让人担心的通知，可能会对信任造成持久的损害。但这个规律超出了 Google 的范围：Before 决定有多少人开始，During 是基本门槛，After 才是把功能变成关系的地方。

### 两个值得记住的补充观点

**第一个月不是真实信号。** 大多数团队在引入 AI 的第一个月体验到效率峰值，然后悄悄进入平台期。前几周感觉像换了一个挡位，因为最明显的低效先被消除了。剩下的是能力缺口和知识缺口，这些靠调整提示词解决不了。AI 从倍增器变成了维持者。

**嫁接不等于重新设计。** 大多数团队还在用人来充当胶水，把信息从一个标签页复制到另一个，让下一个系统能跟上。这看起来像协调，实际上是摩擦穿了一件工牌。蒸汽机改变制造业，要等到工厂主不再把它嫁接到原有的车间布局上，重新设计了整个车间。

### 给自己产品的自查框架

把你的 AI 功能按三段拆开看：

- **Before**：是什么让用户迈出第一步？如果答案是一个空框加一行提示文字，这是你最薄弱的一层。
- **During**：有什么是竞争对手两个季度内复制不了的？
- **After**：在用户什么都不做的情况下，两次使用之间发生了什么？

Bear 看过的大多数产品，中间很强，两侧几乎是空的。

这一期最早写在 Bear 的英文 Newsletter《Design Decisions》里，英文原文在 newsletter.bearliu.com。

Advertising Inquiries: https://redcircle.com/brands

Privacy & Opt-Out: https://redcircle.com/privacy

本期 Bear 读的是 Susan Weinschenk 的《100 Things Every Designer Needs to Know About People》，英文 PDF 版。

**这本书在讲什么**

Weinschenk 是美国行为心理学家，有心理学博士背景，从上世纪八十年代起就把心理学、脑科学和数字产品设计放在一起讲，后来创办了 The Team W，持续为企业做行为科学与用户体验咨询。这本书最早在 2011 年出版，后来出了第二版，全书按一百个短章节组织，覆盖人怎样看、读、记忆、思考、集中注意力、做决定和犯错。

它真正想回答的问题很朴素：我们设计出来的东西，怎样才能更接近人实际思考和行动的方式。

**Bear 觉得最重要的几个点**

这本书最重要的提醒可以压成一句话：设计是在安排屏幕后面那个人的注意力、记忆、判断和行动。

书里有一句话让 Bear 印象深：真正"在看"的，其实是我们的大脑。眼睛只把部分信号送进去，大脑会根据经验填空、预测、忽略。元素存在、用户看见、用户理解、用户行动，这四件事之间隔着很长的距离。

串起全书的核心概念是"认知成本"。工作记忆很小，注意力会游走，识别比回忆容易。界面每要求用户记住一点东西，每引入一个需要解释的新符号，都在从有限的脑力账户里扣钱。书里有一句 Bear 很喜欢的话：如果必须在点击次数与思考负担之间做权衡，宁可增加点击次数，也要减少思考负担。

"心智模型"也是重点。书里写道，设计直观用户体验的秘诀在于，确保产品的概念模型尽可能与用户的心智模型相匹配。所谓直观，很多时候只是新东西没有强迫人把旧世界重新学一遍。

还有一点关于故事。书中提到，故事可能会在不存在因果关系时创造出因果关系。Bear 认为，讲故事是表达技巧，同时也是一种权力，越会讲故事，越应该对自己删掉了什么、连接了什么保持警觉。

以上几句书中原话均为 Bear 根据英文原文翻译。

**读完留下的两条可执行动作**

先减脑力，再减步骤。检查设计时问：用户需要记住什么、找什么、猜什么、在多少选项之间做决定。能改成识别的就别要求回忆，能分阶段提供的就别一次堆满。

先观察行为，再解释动机。看不懂就说用户不认真，这类判断太便宜。更可靠的做法是观察他们停在哪里、回头找什么、怎样理解提示，再去修改概念模型和信号强度。

**这本书的局限**

一百条知识像一百张卡片，适合快速翻阅，却很难自动长成完整方法。部分案例带着网页设计的年代感，一些心理学结论不能脱离情境直接变成规则。Goodreads 上它维持在四星左右，常见好评是实用、清楚、适合入门，常见批评是基础、零散、对资深设计师不够深入。

内容策略顾问 Deane Barker 有句评论很能说明这种两面性，他写道："这是一本很好也很必要的书，但我不知道该怎样消化它。"（Bear 根据英文原文翻译）

Bear 的建议：把它当观察手册，遇到具体问题就翻回去。读完一百条不会自动让设计变好，但会让"用户应该懂"这句话变得更难说出口。对设计师来说，这已经是一种有价值的训练。

**本期提到的资源**

- 《100 Things Every Designer Needs to Know About People》，Susan Weinschenk 著
- Weinschenk 的其他书：《Neuro Web Design》《How to Get People to Do Stuff》《100 Things Every Presenter Needs to Know About People》

Advertising Inquiries: https://redcircle.com/brands

Privacy & Opt-Out: https://redcircle.com/privacy