财新传媒
位置:博客 > 财新博客 > 【每日荐读】用四条金律抓住用户 | 你可能活在一个假的世界里……

【每日荐读】用四条金律抓住用户 | 你可能活在一个假的世界里……

 
在设计与人之间,人是不会错的,错的是设计。这是诺曼多年前在剑桥学习时与各种反人性的门把手搏斗之后的灵光一现,今天已成为设计界的金律,虽然总是被忘掉。
 
在日常生活中,我们大约要与两万件物品打交道。交道怎么打?绝大多数时候得靠本能,自然而然,上手即用。我们的大多数日常知识存在于外部世界,而不在脑袋里,不然脑袋早就爆炸了。
 
诺曼说,设计的概念模型(conceptual model)必须要对。它包括以下要点:
 
第一,可供性(affordance),即设计要使得物品的正确使用方法显然呈现,而错误方法根本不可能进入用户的大脑。可供性为如何正确使用物品提供强烈信号,用户一眼即知。
 
第二,限制(constraint),设计师不想让用户做的事,就得把物品设计得让用户做不了,不能靠在物品上写满警示。一句话,简化。自然会用,绝不误用。
 
第三,对应(mapping)。设计是设计师与用户不见面的沟通,而通过设计品的形状完成。设计品的使用方法必须自明,用户所作操控与预期效果之间的对应须得显然。为此,要充分利用形状本身的提示,比如一个把手是推是拉,需要设计得一看即知;也要充分利用用户所处社会中已有的文化标尺,比如空间隐喻、上下左右。
 
第四,反馈(feedback),使用物品必须有反馈,反馈必须即时、明确、清楚。
 
设计师怎样才能根据可供性、限制、对应、反馈作设计?诺曼说,观察,观察,再观察。观察到深处,设计涌现。这就是自然设计。阅读全文
 
 
“个性化推荐”首先是倒逼的产物,目的是解决信息过载。
 
2003年,芝加哥大学法学教授凯斯·桑斯坦注意到这一趋势。他于当年出版的《网络共和国》一书中开门见山地告诉人们:未来某时,科技将能极大地帮助人类过滤他们的所读所看所听。我们现在习惯的报纸、杂志和广播电视多已成为过去式。我们离传播系统完全个人化的时代已经不远了。
 
谁在决定你的屏幕?
 
技术和心理的合力让真实的天平失衡,所有人的屏幕只是过滤后的结果。这种改变相当隐形,个体对其甚难觉察。
 
推荐算法得到广泛应用。“基于内容的推荐算法”和“协同过滤算法”,它们应用最广,也最典型。
 
绝大多数情况下,推荐算法不会单一应用,而是多种算法的组合和优化。推荐算法在实战中升级,进化得更为复杂。
 
你会有一种错觉,最了解你的不是家人,而是手机程序。好像整个世界都为你而转。
 
美国人伊莱·帕里泽想验证一下这些隐蔽的鸿沟。他请几个朋友在Google同时输入“埃及”,结果大相径庭。
 
“丹尼尔(Daniel)的搜索结果首页没有任何埃及抗议活动的新闻,而斯科特(Scott)的则满是这些。这可是当天的大新闻。”在2011年的TED分享中,他为全球观众展示了这个小秘密。
 
帕里泽是美国左翼活动人士,号召更开放、多元、透明的互联网环境,他用各种方式告诫人们,将信息判断权交与算法后,看似省事儿,实则被包进了“信息茧房”,而它们正是封闭、分化、偏见的温床。
 
“你的‘过滤气泡’是你独一无二的信息世界。”帕雷瑟说,“气泡中有什么,取决于你是谁,你做了什么。但你不能决定什么信息被通过,也看不到哪些信息被删除。”
 
我们将选择权传递给了计算机算法,但问题是,它们并没有人类所具备的道德精神。阅读全文
 
 
10月19日,AlphaGo Zero横空出世,碾压围棋界。AlphaGo Zero完全不用人类过去的棋谱和知识,再次打破人类认知。
 
对此,创新工场创始人兼CEO李开复的观点如下:一是AI前进的速度比想象中更快,即便是行业内的人士都被AlphaGo Zero跌破眼镜;二是要正视中国在人工智能学术方面和英美的差距。
 
这个史上最强围棋AI的两位主要开发者,David Silver和Julian Schrittwieser,做客知名网站reddit,展开一场超级问答AMA(Ask Me Anything)。
 
David Silver是AlphaGo团队负责人,也是上一代AlphaGo的主要作者。从首尔到乌镇,都有他的身影。
 
以下内容来自David Silver和Julian Schrittwieser的回答,从量子位(QbitAI)编辑整理问答中摘编。
 
AlphaGo Zero所用的算法,与策略梯度、Q-learning之类的传统(无模型)算法完全不同。通过使用AlphaGo搜索,我们大大改进了策略和自我对弈结果,然后用简单的基于梯度的更新来训练下一个策略和价值网络。
 
这似乎比渐进的、基于梯度的策略改进要稳定得多,梯度策略可能会忘记之前的优化。
 
创造一个完全自学成才的系统,一直是强化学习中的一个开放式问题。我们一开始尝试的方法,以及在文献综述部分提到的很多其他方法,都非常不稳定。我们做了很多实验,最终发现,AlphaGo Zero的算法是最有效率的,好像攻克了这个特定的问题。
 
在某种意义上,AlphaGo的自我对弈训练已经有了对抗:每次迭代都试图找到上一代版本的“反策略”。
 
实际上,我们从来没有为特定的弱点而人为引导过AlphaGo,而是一直专注于原则化的机器学习算法,让算法自己学会纠正自己的错误。
 
想找到围棋的最优解当然是不现实的,所以,弱点总是存在。在实践中,用正确的探索方法来保证训练没有卡在局部最优解中非常重要,但我们没有用上人为的引导。更多是依赖强化学习的力量,让它自己找到更好的解决方案。
 
我们实际上用了一个相当直接的时间控制策略,基于自我博弈中胜率的简单优化。当然可以应用更复杂的策略,性能也应该可以再提升一点点。阅读全文
 
 
主信托模式在英美已经历经了二十几年的实践考验,是信用卡和其他类型的循环资产证券化的主要模式。然而,对于中国而言,主信托模式尚属于新兴事物。这为主信托的落地和本土化带来了诸多挑战。
 
除了银监、证监和保监三会的监管体系,资产证券化市场上一直还存在三会之外的结构融资市场采用资产证券化的结构。对于这个市场,因为一直就没在特别的审批、备案和登记体系下,从法规角度而言,其自身的灵活性可能更大。
 
主信托模式下的资产池是动态池,在信托生效后,信托仍会向发起机构持续取得新的资产。由于动态池是不断自我更新的,在某一时点针对资产池所进行的尽职调查,并不能反映其他时点的资产池的情况。这产生一个是否以及如何对动态池进行持续的跟踪和/或尽职调查的问题。
 
由于市场上已经有了基础资产循环购买的实践,对动态池进行持续的跟踪和/或尽职调查也已有了一定的实践,并为市场所接受。随着这一细分市场的成长,对动态池的尽职调查实践也会进一步发展和成熟。
 
中国资产证券化事业在近几年有突飞猛进的发展,在加剧的市场竞争下,市场细分不可避免。主信托模式独特的优势在于,对于那些具有长期持续稳定可产生大量短期循环基础资产的发起人,可以节约融资成本,配合市场变化,加速发行速度。阅读全文
 
 
国务院总理李克强于9月27日主持召开国务院常务会议,听取推进中央企业重组整合工作汇报以及部署强化对小微企业的政策支持和金融服务。此次会议中特别提到了“要在现有政策落实的同时采取减税、定向降准等手段,激励金融机构进一步加大对小微企业的支持”。
 
关于此次会议中提到的定向降准,市场观点不一。有金融机构认为此次定向降准意味着货币紧缩政策的终结,全面降准可期,市场将释放出大量流动性,债券市场或迎来牛市;也有机构认为货币政策并非转向,只是结构性调整,货币政策仍然难言宽松。
 
我们认为,本次定向降准的关键是对冲前期金融去杠杆对中小企业融资的影响,不应被理解为货币政策转向。名义利率或许会继续在较高水平保持震荡,实际利率的下降可能来自于通胀水平的缓慢上升,债券市场牛市恐怕比想象中慢得多。阅读全文
 
推荐 1