首页科技快讯 AI新规则（二）：在这个容易分心的时代，微软希望AI能成为你的同事

AI新规则（二）：在这个容易分心的时代，微软希望AI能成为你的同事

来源：晰数塔互联网快讯时间：2019年09月27日 13:02

神译局是36氪旗下编译团队，关注科技、商业、职场、生活等领域，重点介绍国外的新技术、新观点、新风向。

编者按：人工智能诞生至今已有60多年，美国的一些最大型的科技公司（Amazon、微软、Google、Facebook等）才刚刚开始挖掘AI的潜能，并设法弄清楚人工智能将如何改变我们的未来。本文是《Fast Company》汇编的系列文章“AI的新规则”的第二部分，介绍的是微软打算如何让自己生产力套件去适应这注意力不容易集中的世界。原文作者是Mark Sullivan，标题为：In an era of distractions, Microsoft wants AI to be your coworker

AI的新规则（一）：亚马逊的AI正在向不良UGC宣战

“比Wite –Out修正液好点。”

从亿万富翁和大人物比尔·盖茨嘴里说出来的这话，可不是你预期对商业软件现状的评价方式——尤其是鉴于微软的生产力工具（包括Word和Excel在内）帮他发了大财。

但是盖茨认为，当今的商业软件并不比数字时代之前的商业工具好多少。在去年七月份举行的Microsoft Research Summit（微软研究峰会）上，他对着一群微软研究人员和学者说：“我曾经说过，让计算机改进我们的工作的大部分机会就摆在我们面前，而不是身后。”

尽管Microsoft Office肯定比Wite -Out 的功能更加强大，但盖茨对计算机可以继续改变我们工作方式的手段持乐观态度是正确的。人工智能很快就可以将生产力工具带到一个拐点。经过多年对文字、数字和图片进行苦力般的数字化和格式化之后，未来版本的Word、Excel和PowerPoint会更加了解你的工作以及你的工作方式。智能算法会在数据里面找到模式和含义，并利用这些见解来帮助你更高效地度过一天。

向更智能工作软件的过渡已经开始。微软的Cortana 个人助理可以扫描你的电子邮件，并提醒你所做出过的承诺。该公司的企业软件Microsoft 365里面有个MyAnalytics 工具，它会了解你的时间是怎么度过的。一项PowerPoint的新功能会就演讲的节奏向你提供建议。

但是微软的研究人员眼光已经不局限在特定功能上，他们想向当今的知识工作者伸出援手。他们还在努力去了解21世纪工作本身的性质是什么。该公司希望借助AI将工作拆分为更小的任务从而让它们适应日益碎片化的工作日当中的可用时间片段里面。微软希望开发工具来帮助大家在这个容易分心的时代为我们挤出更多的时间。这种策略可能是新一代更智能的Office的关键。

信息过载时代的软件

在互联网时代，办公商业软件已经发生了很大变化，并且还会随着AI的发展，合同工的大量使用以及零工经济的兴起而发生进一步的改变。移动设备让我们可以在办公桌以外的地方完成更多的工作，但它们也把我们的个人生活与工作生活搅和到了一台设备上。

随着移动电话以及跨设备工作的兴起，不管是在办公室还是外面，因为技术导致的分心已经达到了极高的程度。在一项对500多名员工的调查中，RescueTime 发现只有10％的受访者觉得自己可以控制自己的工作时间。加州大学尔湾分校教授格Gloria Mark的研究表明，大家平均每天切换计算机屏幕的次数为566次，每天检查电子邮件的次数是77次。在她的样本里，Facebook用户平均每天要查看社交媒体网站38次。

分散注意力的不仅仅是互联网的信息过载。

在微软研究峰会的一个演讲中，Mark表示：“在信息工作场所，大家要不断地兼顾互相竞争的各种需求，要不断重新设定任务的优先级。研究表明，工作的范围已经扩大，因此大家实际上要完成更多不同的项目，要做一天之内不断地切换项目。”

这意味着工作节奏比以往任何时候都要快，信息要更加丰富，而且更加变化多端。我们要大量不同类型的工作，而且都是分成小块去做。

但是Mark的研究表明，人们似乎在用一个比较旧的指标来衡量自己的生产力：分配给单一任务的持续时间有多长。与此同时，他们需要想方设法给这种需要埋头苦干的工作腾出时间。

对于我们很多人而言，专注投入的深度工作时代可能已经远去了。微软研究院首席科学家Jaime Teevan 认为，我们不应该再去尝试让旧的工作流程去适应工作日碎片化的新现实。

Teevan 说：“我们对要进入‘心流’状态的顾虑太多了，但实际上，完成大任务是很难的；进入心流也是很难的。另一方面，我们又有很多碎片化的时间，这样我们可以把任务设置得很小，从而去适配我们的时间碎片化。”

自2014年以来，Teevan 一直在发表有关微生产力（microproductivity）方面的研究，并且一直在谈如何将其应用到技术产品上面。她说“我们很努力地去思考如何帮助大家带着这样的意识去完成工作……也就是对任务他们是怎么想的意识，尤其是带着我们的生活是碎片化的意识。”

微生产力理论

Microproductivity 意味着要把工作分成一系列只需要很少时间来完成的小任务（“microtasks（微任务）”），然后朝着完成一个更大的目标而努力。

哪怕不是以系统化的方式，其实我们也已经这么做了——比方说，我们会利用从这栋楼走到另一栋楼的五分钟时间来回复电子邮件。Teevan建议，更多的工作可以分为以下几类的微任务。

Teevan的研究表明，执行微任务可能是慢慢完成需要更长时间高要求任务的好方法。该研究还表明，你可以通过完成一些要求没那么高的微任务来开展大型项目的工作，然后等你对项目习惯之后再转移到要求更高的任务。

这也是AI可以开始发挥作用的地方。Teevan 说，大型项目的某些部分也许可以分解为微任务并实现自动化，从而让人去从事更具创造性和更需要投入的工作。

不过，微软研究员Shamsi Iqbal认为，微生产力能定义每个人整个工作日的状态。有些人的一天可能是高度碎片化的任务和长时间从事单一任务的混合。微软已经开发了一些功能来帮助大家投入到更大的任务里面。比方说， Windows 10的Focus Assist功能可以配置为当你需要继续维持心流时阻止各种通知和提醒。

如果说微生产力在你看来就像是个企业阴谋——把工作任务融入到每一天的每一分钟的话，你并不是唯一有这种看法的人，这是对这个概念的普遍反应。但是研究人员说，微生产力其实跟工作没有太大关系。它关系到的是更高效地完成相同数量的工作。已经过充分证明的对业余时间和家庭时间的需求并不会改变。密歇根大学研究人员Walter Lasecki说，其实同样的微生产力方法一样可以用于个人的生活任务，比如组织假期或筹划晚餐等。

微生产力并不会偷走你的自由时间，相反，这更多关乎的是让给大家控制自己如何去度过工作时间。他说：“这是在为大家提供设计自己的工作流所需的工具。让大家可以去控制自己的工作方式、工作时间以及工作表现，这让我感到兴奋。”

数据驱动的工作日

微软刚刚开始把自己掌握的大量AI专业知识应用到它的生产力工具上面。你会不断看到该公司引入更多的新功能，那些新功能都是由它的算法中了解了你的偏好和工作流以及工作本身之后所驱动的。

其实它现在已经在收集一部分这些数据，并通过Microsoft 365的MyAnalytics 工具对其进行组织，这项工具可以告诉你在“专注”模式下投入了多少时间，跟其他人协作以及进行除工作以外的事情所花的时间。它会通过扫描你的电子邮件、会议、电话以及聊天来收集这些数据。如果你有同事的未解决请求它还会提醒你，或者当你在下班后打算向他人发送电子邮件时会警告你最好等到第二天早上。

AI新规则（二）：在这个容易分心的时代，微软希望AI能成为你的同事

微软的MyAnalytics仪表板让我们对该公司打算如何通过数据来改善工作有了一些了解。[图片：由微软提供]

许多功能主要由电子邮件收集而来的数据驱动的——如果你同意的话。Cortana 可以到收件箱去查看你所做出的承诺，并提醒你去兑现这些承诺。Outlook的“Focused Inbox”可帮助你确定电子邮件的优先级，其方法是识别与你经常合作的人潜在的重要电子邮件，并识别新闻通讯以及机器生成的邮件，然后转移到靠下面的位置。

像Teevan这样的微软研究人员及其在学术界的合作伙伴也在考虑机器学习如何帮助提高微生产力的事情。Lasecki 说AI也许可以分析你正在做的工作，然后跟你一起把它分解成较小任务组成的待办事项清单。如果你是程序员，正在开发新的网站功能，则该项目逻辑上可能可以分解为这样一些子任务，比如界面设计，文档编制，拉取开源代码并进行研究等。根据它对这些任务的了解以及你的喜好、工作习惯和时间安排，人工智能还可以帮助你弄清楚什么时候做什么样的工作比较合适。比方说，它可能了解到你一天中最有生产力的时间是上午中段和下午较晚时候，然后建议你在那些时段从事最需要创造力和专注力的任务。

这种野心勃勃的AI还没有渗透到你的Office工具里面。如何才能将研究成果转化为真实产品，微软希望先要认真考虑清楚。尽管Teevan 说微软正在努力缩短将研究想法引入Word、Excel、PowerPoint和Outlook等核心应用程序的过程，但这样的未来不大可能一蹴而就。

为此，微软正在请求研究界提供帮助，以将其微生产力研究转化为实际技术。微软已经为研究人员提供100万美元的资金，这笔钱将用于开发利用机器学习和人工输入将大型项目划分为微任务的技术。它希望为那些能够弄清楚哪些任务在移动设备上更容易做，或者哪些任务可以在一个设备上开始并在另一设备上完成的工具提供资金。

尽管这些研究的目标旨在超越当今的商业软件，但它们并非纯粹是推测性的。Teevan 在最近的播客中说：“我们大家正在进行的对生产力未来的研究，其实跟实际的未来无关，而是跟我们正在开发的产品直接相关。”

译者：boxi。