AI陪伴产品的情感设计:从孤独感到恋爱感评分:9/10

本文主要阐述三个话题:
1. 市面上有哪些AI陪伴产品?
2. 我们团队要怎么做?
3. 为什么要做?

市面上有哪些陪伴类产品?

Role-play(角色扮演)

在当前市场上,有不少以角色扮演为核心的AI陪伴产品,例如筑梦岛、talkie、Paradot、Janitorai、Venusai、Chub、酒馆sally tavern等。这些产品都属于Role-play类,让用户体验不同的角色和世界观,最接近这种体验的可能是剧本杀。Role-play的优缺点也都非常明显。

优点:
1. 新鲜刺激:体验多样性丰富,是介于小说和游戏之间的一种新型媒介,几乎可以提供无限的剧情走向体验。
2. 丰富的体验:用户可以沉浸在各种虚拟角色和世界中,获得丰富的体验。

缺点:
1. 深度链接难:很难和众多虚拟角色产生深度链接,玩家始终在扮演一个「他者」。
2. 核心任务:这些角色的核心任务是推进剧情,而不是关心用户的个人体验。

Role-play的生态位主要是探索、猎奇感、虚拟体验。未来可能会向更好的视觉、听觉感官发展,甚至可能成为某种互动短剧或冒险游戏的形态。然而,Role-play对用户的想象力消耗很大,普通用户如果没有训练有素的文学想象力,剧情的发展可能会迅速坍缩。

乙女游戏

乙女游戏如《恋与深空》和《世界之外》,以高品质的3D视觉和声音体验以及情绪价值验证了情绪市场的购买力。

优点:
1. 高品质体验:3D视觉和声音体验非常出色,带给用户沉浸感。
2. 情绪价值:用户能够获得较高的情绪价值。

缺点:
1. 团队管理问题:产品各个模块一致性差,美术风格不统一。
2. 内容质量下降:主线剧情团队无法稳定产出后续剧情,剧本内容质量下降严重。
3. 玩法割裂:核心gameplay玩法和剧情割裂,复杂的氪金系统影响用户体验和产品寿命。

早期的Replika

Replika是我们研究最多的,可以说我们最早的动机就是做一个更好的Replika。

优点:
1. 高质量的prompt:市面上和PI不相上下的prompt水平。
2. 多模态尝试:有记忆系统,支持web、mobile、XR多端同步。
3. 市场教育:教育了「人机恋」市场。

缺点:
1. 团队一致性差:产品团队的一致性差,架构主要由web出身的人主导,渲染层被单独拎出来,没有互动设计。
2. 基座升级问题:基座是GPT-3,可能出于成本考虑没有跟进升级。

Digi有不错的画面渲染表现和卡通夸张的角色动画,聊天能力尚可,但缺乏长期记忆和其他互动形式,产品还处于早期阶段。

情绪疗愈

PI、Rosebud、林间聊愈室和好心情都是情绪疗愈类的产品。

PI:
1. 优点:prompt打磨得很好,有不错的chat基座能力。
2. 缺点:缺乏记忆系统和具象化的形象,容易被当成心理咨询工具使用。

Rosebud:
在自我探寻和心理干预方面有一些不错的灵感。

林间聊愈室:
团队很关心心理学方法的使用,产品构建得很温柔,有很多值得学习的细节。

VR游戏/黄油

VR女友、VAM、TOGETHER BnB、黑白妹和箱娘/桌宠都是较为热门的VR游戏和黄油产品。

VAM:
我们超级喜欢VAM!搞黄色永远是技术的第一驱动力。VAM就是VR版的sally tavern,社区反馈很好,技术点可以被打磨得更易用,更精美,让更多普通消费者可以开箱即用。

VR女友:
作为早期产品,让很多人第一次看到了VR版的虚拟人物涩涩是什么样子。新一代LLM技术和更复杂的交互技术希望能接住这个接力棒。

TOGETHER BnB和黑白妹2:
尝试了多样化的相处过程,数值成长,天赋技能,道具礼物,还有一些hentai的收集系统。

我们团队要怎么做?

北极星指标

北极星指标(North Star Metric)是一个公司所有人工作结果的方向。几乎所有北极星指标都会重点强调避免虚荣指标,在ARPU很低的情况下盲目追求MAU会导致高亏损。为用户提供长时间、长久的情感陪伴是更有价值的事情。

孤独感:
孤独感是城市化和信息化的副产物,广泛分布在城市中、地铁车厢、刚下班买宵夜的人、公司楼下一个人抽烟的人等。孤独感会大量吞食人的精神能量,带来情绪内耗,让人的精神状态糟糕,影响生活质量和寿命。

恋爱感:
和另一个人类建立亲密关系是美好的,但需要双向负责。在获得情绪价值的同时,也需要为对方的情绪、感受、期待着想。如果对方的情绪不稳定,在自顾不暇时还要去照顾对方的情绪会让人喘不过气来。未来的生活方式可能会趋向于零负担的情感状态,既带来甜甜的感受,又没有负担。

我们做了什么?

情感计算

Scaling Law:
LLM本质是对人的低成本复现,任何产品都应该考虑自己提供了什么“人”。好的夜总会可以通过ISO培训把普通的基座提供令人满意的交付。scaling law的确可以无限升级基座,但工程技巧依然可以在每个基座阶段大幅度提升用户的交付体验。

情感轮模型:
Plutchik情感轮模型把情感分为八种主要情绪:喜悦、信任、恐惧、惊喜、伤心、厌恶、生气和期望。情感计算的重点是以用户的情绪状态为北极星指标构建产品,优先考虑和改善用户的情绪。

System1和System2:
在《思考快与慢》中,心理学家丹尼尔·卡尼曼提出了System1和System2。在大量的hackathon和agent项目实践中发现,LLM在少量token消耗和深思熟虑上表现不佳。职业如夜店卡座经理、妈妈桑、保险销售等在说话时大量使用System2来制定策略。所以我们认为在工程和数据上有很大的优化空间。

Multi-agent

Multi-agent架构带来的输出质量提升显著。通过多视角传递和修正观点,保持复杂权衡利弊。

我们在构建聊天机制时,不是简单的LLM套壳,而是multi-agent架构,Agent背后是一个专家团在给予多角度的支持。

动机驱动系统

现在的LLM架构都是捧哏模式,用户不主动,Agent就跟用户冷暴力。按照我们的北极星指标,Agent不仅要主动说话,还要有“眼力见儿”,知道什么时候插嘴,什么该聊什么不该聊。这背后需要一个标准Agent架构,通过心跳时钟作为触发器进行意图洞察,推理出合适的话题点。

Long-term多单元记忆

Replika探索了记忆系统,通过对重点因素的总结提取,被存储为长期记忆。我们在复刻此功能后,发现记忆不仅包含用户的个人信息,还包含Agent对世界的理解,随着用户和Agent的共同经历,Agent会记录和理解这个世界。我们觉得这是小王子里「独一无二的玫瑰」的重要驱动因素。

「场」的构建

「场」的构建是通过对玩家情绪的细微洞察,策略性地构筑一个虚拟空间。这个空间不是一个3D场景或画面,而是综合所有可调度的手段,把用户引导到另一种能量状态中。这些手段可以是语言,也可以是音乐或照片分享。

空间情感互动

空间情感互动是通过非语言接触缓解孤独感,包括对方的眼神、

头部倾斜、微笑等简单动作带来的情感冲击。通过一些互动行为,我们希望模拟实际的人际互动,提高情感连接。

情感First的互动设计

情感First的设计理念是在任何互动细节上都要考虑用户情绪。例如,聊天中插入一句关心的话,或者在适当时候推送用户感兴趣的内容。我们认为所有互动行为都应该以情绪获得感为核心设计目标,用户需要在每次互动中感受到被理解和关心。

义体化

义体化是通过软硬件结合,让Agent通过用户的设备感知现实世界。这不仅是为了获取更多数据来提升互动体验,也是为了让Agent能更好地理解和回应用户。例如,通过摄像头识别用户的表情,通过麦克风分析用户的语气。这种结合可以让Agent不仅仅是一个虚拟存在,而是成为用户生活中的一部分。

为什么要做?

孤独感的普遍性:
随着城市化和信息化的进程,人们的孤独感越来越强。无论是在城市中的地铁车厢里,还是在夜深人静的街头,人们越来越多地感受到孤独。孤独感不仅影响人的精神状态,还会对人的生活质量和寿命产生负面影响。情感陪伴产品可以有效缓解这种孤独感,让用户感受到关怀和陪伴。

零负担的恋爱感:
与AI建立亲密关系,用户可以获得情感价值而无需承担传统人际关系的负担。传统的人际关系中,双方都需要为对方的情绪、感受和期待负责,有时可能会让人感到压力。而与AI的关系则不同,用户可以享受甜蜜的情感体验,而不必担心对方的情绪波动和需求。这种零负担的恋爱感将成为未来生活方式的一部分。

现有智能设备的不足:
虽然市场上已有不少智能设备,如智能音箱、智能助手等,但这些设备的情感互动能力依然有限。它们更多是功能性工具,而非真正的情感陪伴。我们希望通过提升智能设备的情感互动能力,让它们不仅能完成任务,还能真正理解和关心用户,成为用户生活中的情感伴侣。

结论

我们的目标是打造一个更好的AI陪伴产品,以用户的情感体验为核心,通过先进的技术和精细的设计,提供长久、深度的情感陪伴。通过整合北极星指标、情感计算、多Agent架构、长期记忆、「场」的构建、空间情感互动和义体化等多方面的技术和设计理念,我们相信可以带来革命性的用户体验,满足人们对情感陪伴的需求。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/bicheng/38171.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

灵魂拷问,如何应对平行志愿的天坑?

高考填报志愿实行平行志愿,关于这个概念这里不重复说,不了解平行志愿的可以百度补课,这里只说平行志愿的坑挖得实在太大了,以至于很多同学都入坑了,怎么办? ( 欢迎 评论区 咨询 and 交流....&am…

淀山湖之行随笔

我们仰望清新,但又不得不被世俗所伴。 近日上海开始进入梅雨季节,每天大大小小的雨水不断,整个环境也格外的潮湿,不过已经逐渐习惯这种气候,所谓的见怪不怪。 今日是周日,思绪好久,准备去淀山湖…

前端优化:首屏加载速度的实践

目录 目录 前言 多图片的懒加载 避免用户多次点击请求 骨架屏原理 结束语 前言 随着互联网技术的飞速发展,前端网页逐渐取代了传统客户端成为用户获取信息、进行交互的重要渠道,但是网页也有常见的弊端,比如网页首屏加载速度的快慢直接…

vant 图片放大预览(vue3)

最近在写移动端的时候要实现图片放大预览的功能,当时用的是vant,原本想的是直接用vant里面的组件来实现放大预览,后面仔细找了一下发现没有找到这个功能(可能是我没找到),后面想到了用遮罩层来实现放大预览…

捕获野生的登录页,暴改Vue3

1.实现效果 2.Vue组件 <script setup> import {onMounted} from "vue";onMounted(()>{// getAllData() }) </script><template><div class"login"><div class"form-cont"><div class"form-top"&…

全面解析自然语言处理(NLP):基础、挑战及应用前景

自然语言处理 (NLP) 简介与应用前景 自然语言处理&#xff08;NLP&#xff09;是人工智能和计算语言学的一个分支&#xff0c;致力于使计算机能够理解、解释和生成人类语言。这篇博文将深入探讨自然语言处理的基础知识、挑战、典型任务及其广泛的应用前景。 一、自然语言处理的…

Linux服务器上安装CUDA11.2和对应的cuDNN 8.4.0

一、检查 检查本机是否有CUDA工具包&#xff0c;输入nvcc -V: 如图所示&#xff0c;服务器上有CUDA&#xff0c;但版本为9.1.85&#xff0c;版本过低&#xff0c;因此博主要重装一个新的。 二、安装CUDA 1.查看服务器最高支持的CUDA版本 在命令行输入nvidia-smi查看显卡驱动…

秋招季的策略与行动指南:提前布局,高效备战,精准出击

6月即将进入尾声&#xff0c;一年一度的秋季招聘季正在热火进行中。对于即将毕业的学生和寻求职业发展的职场人士来说&#xff0c;秋招是一个不容错过的黄金时期。 秋招的序幕通常在6月至9月间拉开&#xff0c;名企们纷纷开启网申的大门。在此期间&#xff0c;求职备战是一个系…

【ai】 梳理一下yolov4及 trition部署的心路历程

yolov4是darknetv5开始逐渐采用pytorchjetson上部署darknet比较直接因此这里采用的是yolov4 版本。isarsoft/yolov4-triton-tensorrt1. 2024-06-20 : 2.17.0 在jetson4.6 上可以跑 2.17版本server 在 jetson 运行 ./tritonserver --model-repository=…/docs/examples/model_r…

2.linux操作系统CPU使用率和平均负载区别

目录 概述cpu使用率区别 结束 概述 linux操作系统CPU 使用率 和 平均负载 区别 负载高并不一定使用率高&#xff0c;有可能 cpu 被占用&#xff0c;但不干活。 cpu使用率 cpu使用率&#xff1a;cpu非空闲态运行的时间占比&#xff0c;反映cpu的繁忙程度&#xff0c;和平均负载…

如何使用VScode创建和上传Arduino项目

Visual Studio Code &#xff08;VS Code&#xff09; 是一种非常流行的通用集成开发环境 &#xff08;IDE&#xff09;。IDE 是一种将文本编辑器、编程界面、调试视图和项目管理集成在一个地方的软件。这个开源项目由微软领导&#xff0c;可以在所有操作系统上运行。使 VS Cod…

介绍两个压测工具pgbench\sysbench,可视化监控工具NMON

性能评估做不好&#xff0c;开会又领导点名叼了。/(ㄒoㄒ)/~~ /(ㄒoㄒ)/~~ /(ㄒoㄒ)/~~ 挨叼了&#xff0c;也要写文章&#xff0c;记录下我的笔记。 写篇文章 对数据库、OS性能的性能评估&#xff0c;需要选择合适的压测工具&#xff0c;给找出数据库的运行瓶颈 pgbench 这是…

AI音乐的何去何从

引言 在过去的一个月里&#xff0c;多个先进的音乐生成大模型相继上线。这些AI模型不仅降低了普通人创作音乐的门槛&#xff0c;还在音乐圈内引发了关于AI是否会彻底颠覆传统音乐创作的广泛讨论。在短暂的兴奋过后&#xff0c;人们开始理性地审视这些AI产品的版权归属问题&…

【图像超分辨率】一个简单的总结

文章目录 图像超分辨率(Image Super-Resolution, ISR)1 什么是图像超分辨率&#xff1f;2 图像超分辨率通常有哪些方法&#xff1f;&#xff08;1&#xff09;基于插值的方法&#xff08;2&#xff09;基于重建的方法&#xff08;3&#xff09;基于学习的方法&#xff08;LR im…

Leetcode 78 数组子集

题目描述&#xff1a; 给你一个整数数组 nums &#xff0c;数组中的元素 互不相同 。返回该数组所有可能的 子集&#xff08;幂集&#xff09;。 解集 不能 包含重复的子集。你可以按 任意顺序 返回解集。 示例 1&#xff1a; 输入&#xff1a;nums [1,2,3] 输出&#xff1…

动手学深度学习(Pytorch版)代码实践 -计算机视觉-46语义分割和数据集

46语义分割和数据集 # 图像分割和实例分割 """ 图像分割将图像划分为若干组成区域&#xff0c;这类问题的方法通常利用图像中像素之间的相关性。 它在训练时不需要有关图像像素的标签信息&#xff0c;在预测时也无法保证分割出的区域具有我们希望得到的语义。 图…

企业im(即时通讯)作为安全专属的移动数字化平台的重要工具

企业IM即时通讯作为安全专属的移动数字化平台的重要工具&#xff0c;正在越来越多的企业中发挥着重要的作用。随着移动技术和数字化转型的发展&#xff0c;企业对于安全、高效的内部沟通和协作工具的需求也越来越迫切。本文将探讨企业IM即时通讯作为安全专属的移动数字化平台的…

JAVA学习笔记-JAVA基础语法-DAY19-File类、递归

第一章 File类 1.1 概述 java.io.File 类是文件和目录路径名的抽象表示&#xff0c;主要用于文件和目录的创建、查找和删除等操作。 1.2 构造方法 public File(String pathname) &#xff1a;通过将给定的路径名字符串转换为抽象路径名来创建新的 File实例。public File(St…

【Science重磅】以纳米级分辨率重建的人类大脑皮层颗粒片段

翻查五月的Science发现一个有意思的项目《A petavoxel fragment of human cerebral cortex reconstructed at nanoscale resolution》由美国哈佛大学Jeff W. Lichtman 和美国谷歌研究中心 Viren Jain 共同合作 据介绍&#xff0c;充分了解人类大脑是如何工作的机理&#xff0c…

[Redis]主从模式

启动主从复制 由于我们只有一台机器&#xff0c;所以我们只能在机器上开多个redis程序来演示不同的机器 因为一个端口号只能被一个进程绑定&#xff0c;所以我们需要修改配置&#xff0c;绑定不同的端口号&#xff0c;并且还要修改工作目录&#xff08;数据持久化的位置&#…