# 加文·米勒：Adobe 研究院

> Adobe 技術長談研究院如何把影象、字型與創意工具背後的技術推向產品。

- 原標題：Gavin Miller: Adobe Research
- 期數：特別節目
- 釋出日期：2019-06-10
- 嘉賓 / 主題：加文·米勒與 Adobe 研究
- 網頁版：https://lex.qiaomu.ai/tw/ep/gavin-miller/
- 官方頁面：https://lexfridman.com/gavin-miller/
- 精讀字數：約 9535 字（閱讀約 21 分鐘）

> 本文為 lex.qiaomu.ai 基於原始訪談的 AI 改寫中文精讀，非官方翻譯；引用請註明出處並連結網頁版。

Henry VIII 派宮廷畫家 Holbein 去給 Anne of Cleves 畫像。畫送回來，國王很滿意，婚事定了。真人到了，國王很失望，婚事很快收場。這段歷史被 Gavin Miller 拿來解釋今天人們對 deepfake 的焦慮：人類修飾自己形象的需求，比 Photoshop 的年齡大得多。

Gavin Miller 是 Adobe 研究院（Adobe Research）的負責人。他手下的人在做影象分割、GAN 生成、風格遷移、自動標註，過去十年深度學習的成果在這裡幾乎都能找到應用場景。他本人 1988 年發過一篇論文叫《蛇和蟲的運動力學》，之後在自家車庫裡造了二十多年蛇形機器人，寫詩，寫劇本，1993 年還把自己住的地方改造成一間會說話的房子。

有個細節先擺出來。他造的蛇形機器人 S5，現在陳列在華盛頓的國際間諜博物館。他在 YouTube 上放過一段 S5 的影片，評論區有人說這是假的。理由是他供職於 Adobe，那麼逼真的東西肯定是電腦特效。他只好一遍遍回覆：是真的，背景不動是因為機器架在三腳架上。

## Adobe 的兩頭：一根鬃毛，一次排版

Adobe 在 AI 上的投入橫跨兩端。

一端極其底層。研究院在做真實的油畫和水彩模擬，每一根筆刷的鬃毛都要按物理規律分開運動，落筆之後水要順著紙的紋理繼續流動、滲透、乾涸。願意花幾個小時調一支筆刷的人，需要的正是百分之百的控制權，他們要的是"我的手在動"這件事本身。

另一端是 Gavin 反覆提到的 content velocity，內容吞吐速度。一張海報定稿之後，還要出手機豎版、網頁橫版、平板方版；語言換成德語，單詞變長，整個版面得重排；同一套素材要在十幾個渠道上保持調性一致。這部分工作吃掉了設計師大量時間，本身卻沒有多少創造性。

AI 在這一頭要做的事，是從第一版裡推斷出意圖：主視覺是什麼，留白是為了放什麼，哪些元素可以挪、哪些不能動。推斷出來之後，其餘格式自動補齊，而且補得足夠好看，不用返工。

兩端之間隔著一大片自動化空間。Gavin 的判斷是，被自動化省下來的時間不會憑空消失，它會回到創意本身。人從"動手的工匠"變成"藝術指導"或者"概念設計者"，電腦變成搭檔，負責把想法做成打磨過的樣子。

## 選區工具的二十年：從圖論到常識

選區的歷史能把這件事說清楚。

早期的快速選擇工具看的是顏色邊界，用圖論裡的泛洪填充去找連續區域。演算法不知道貓長什麼樣，它只知道顏色接近、空間相連的畫素大機率是一夥的。這套規則效果不錯，比一個一個點畫素強太多，但它對世界的理解是零。

神經網路換了個路子。現在可以單擊選中主體，甚至可以完全不用點，讓演算法自己判斷照片中央那個人是主角。Gavin 在 Adobe Max 上演示過：用滑鼠畫一個粗糙的多邊形把目標圈住，演算法就能從一段影片裡摳出遮罩，背景是磚牆、人在跳舞也沒關係。同一條流程過去要幾個小時，現在幾秒鐘。

他把這個演進說得挺實在：有一類需求根本不需要完美邊界。你想假裝自己在夏威夷，做張搞笑圖發朋友圈，單擊一下就夠。另一些場景需要精確的蒙版，那就先給個粗糙的選擇，再讓另一套演算法把它"拉"成精細的邊。工具鏈分層，使用者按需要往下走。

## 發表和出貨，是兩套評價體系

真正難的地方不在演算法，在怎麼變成產品。

Gavin 把這件事歸結成學術研究和工業研究的差別。學術界的評價標準是"誰先想出了這個有前途的點子"，一篇論文只要證明思路可行、在某個資料集上跑出結果，就算成功。工業界還有第二套評價：出貨。出貨的標準從來卡在"夠用"這條線上，正確率要足夠高、高到絕大多數情況下都不用補救，剩下的錯誤得有人能修。

> 如果它必須時時刻刻百分之百自動，那我們的上市時間就會被無限推遲。（Gavin Miller）

Adobe 的使用者群足夠專業。把一個 99 分的結果手工推到 100 分，對他們來說只是點幾下滑鼠。這條退路決定了技術能以多快的速度進入市場，也決定了研究院敢把多少還沒完全成熟的東西推到前臺。

他另外講了一個判斷標準，我覺得比"準確率"更有用：模型得知道自己什麼時候不行。一張圖丟進來，系統先評估自己在這張圖上大概能做到什麼水平，沒把握就不出手，或者提示使用者手動介入。再往後是"專家整合"，訓練一批各有所長的模型，房子歸房子專家，樹木歸樹木專家，上面加一個排程器分配任務。這套東西工程量大，但可以逐步鋪開，先把高頻場景做紮實，再往外擴。

## 工具學會教人用工具

研究院還有一類工作，是研究人怎麼學工具。

他們把 YouTube 上數千小時的 Photoshop 教程餵給模型，讓機器理解這些影片到底在教什麼。CHI 上發過一篇論文：給它你最近三到四步操作，它預測教程裡其他人接下來會做什麼。你在軟體裡卡住的時候，不用退出、開啟瀏覽器、想關鍵詞、翻搜尋結果，建議直接出現在上下文裡。

Gavin 把這套東西和介面設計放在一起談，說了一句挺關鍵的話：給 GUI 加一個功能，新使用者面前就多一層視覺複雜度；給一個助手加一項技能，只要使用者知道它會這個，複雜度並沒有增加。

他說自己理想中的狀態是"一邊肩膀站著藝術家，另一邊站著老師"。這個目標很遠，做法是每個階段都給出足夠有用的東西，讓這一步本身就成立，同時為下一步鋪好地基。

他把學軟體比作在一座城市裡生活。你不需要認識每一條街，你只需要認識自己要走的那些。用久了自然成為某個方向的專家，沒必要樣樣精通。

## 天空替換：把一整套工作流壓成一次點選

Sky Replace 是他自己很喜歡的例子，因為它把一串操作打包成了原子動作。

自動選中天空，從素材庫裡找幾何關係匹配的候選，地平線角度、光照方向、透視都得對得上。為了覆蓋不同情緒給你多個選項，把新天空墊到前景後面，然後用新天空的主色調給原圖的前景重新打光。正午換黃昏，前景會真的染上一層橙。整個過程大約一秒，過去要一兩分鐘。

他提到 Magritte。大學時他牆上貼過《光之帝國》，那幅畫裡房子是夜晚，天空是白天，超現實感正來自這種不可能的組合。Adobe 想做的恰好相反：預設要自然，不要超現實。超現實如果需要，使用者可以自己調；而一個預設就假的結果，使用者得花更多時間去修，這個賬算不過來。

一次點選還有個副作用被低估了：它可以點十次。你不知道自己想要什麼，但看到就知道。十種天空就是十種可能，你可以在接近成品質量的層面上探索設計空間，選定之後回頭微調蒙版，做最後的打磨。這種"先廣後精"的流程，過去只有預算充足的專案才玩得起。

## Concept Canvas 與"奇怪的擁有感"

普通圖片搜尋只認標籤。你說"狗"，它給你一張有狗的照片。但設計任務經常是"人在中間偏左，狗在右下角，左上角留白放標題"。

Concept Canvas 允許把關鍵詞分配到畫面的不同區域，素材庫預先索引了每個重要概念在圖片裡的位置，匹配就變成了空間佈局問題。

Gavin 說這有個副作用很有意思：哪怕本質還是搜尋，因為你在做佈局，你會對結果產生一種奇怪的擁有感，好像是自己畫的。給出足夠的控制權，人對結果的歸屬感就跟著上來了。

## 補丁方法和 GAN，各自能幹什麼

內容感知填充（Content Aware Fill）是老派的補丁方法：從影象其他地方搬來相似的紋理塊，拼進洞裡，再平滑光照，讓填充區域的明暗和周圍自然銜接。碰到碎石路、草地、磚牆這類隨機紋理，效果幾乎無懈可擊，因為這類材質本來就沒有全域性結構，區域性合理等於全域性合理。

它栽在需要推斷結構的地方。一個人擋在房子前面，擋住的那四分之一長什麼樣？演算法沒有房子的概念，只能一塊塊搬紋理，區域性看著像，拉到全域性一看，窗框的線接不上，牆角歪了，整個畫面像被人揉過。

GAN 補的正是這塊。它從訓練集裡學來的東西里，紋理只佔一小部分，大頭是常識：房子有窗，窗是等距的，屋簷是水平的。問題是這份常識只對它見過的東西有效。訓練集裡全是房子，丟一隻章魚進去，它照樣按房子的邏輯去補。Gavin 舉這個例子的時候語氣很平：表現好不好，取決於你的資料夠不夠雜。

還有解析度的限制。生成方法現在只在低解析度下穩定，再往上要麼靠另一套演算法上取樣，要麼等研究突破。他沒說這條線什麼時候能過。

## 把資料給我，我得先讓你看見好處

要做到這一步，缺的根本是資料。Adobe 手裡有幾千萬人的工作流，問題是怎麼拿。

Gavin 的答案很直接：得先讓使用者看見自己得了什麼好處。短期好處是意圖理解更準、推薦更合拍；長期好處是你靠這個工具吃飯，你希望它快點變聰明。兩者都成立，人才願意分享。他還提到一些技術方向，比如在本地學、不上傳、不長期留存記錄，邊用邊學但走的時候什麼也不留下。

這段話裡他講了一個對比，我覺得是整場訪談裡最有意思的一句：

> 我對自己在社交網路上產生的資料，比在 Photoshop 裡產生的資料警惕得多。前者我看不出給我帶來了什麼，後者至少明顯在改進我下次的工作流。（Gavin Miller）

他也承認有不能碰的地方。給律師準備證據材料的人，不希望任何一步操作回傳到伺服器。未來的方向可能是分層：大多數人只貢獻粗粒度的高層行為，願意的人貢獻細粒度資料，雙方各取所需。他補了一句，信任是 Adobe 最值錢的東西之一，為了一點資料把它賠進去不划算，公司有首席隱私官，AI 的隱私問題從一開始就在桌面上，沒被當成事後才補的環節。

## Puppetron 和一張臉的分量

Puppetron 是 Gavin 主動提的專案，因為外界容易把 Adobe 想成一家只做 2D 的公司。這個專案的輸入是一段真人說話的素材，加一幅別人物的畫作，輸出是把那幅畫的風格套到說話的人臉上，嘴型、表情、頭部動作全都跟著走。

它跟常見的濾鏡有本質區別。濾鏡是在畫面上蓋一層膜，人一動就露餡；Puppetron 是先推斷臉的三維結構，把特徵點綁到三維模型上，再讓畫面跟著模型動。看著像那張畫真的活了過來，沒有貼紙浮在表面那種感覺。

為什麼非得做 3D？因為純 2D 的風格化根本不知道哪塊是鼻子、哪塊是臉頰，筆觸一流動就糊成一團。有了三維先驗，才知道哪裡該保持剛性、哪裡該跟著形變。

人臉的容錯率是所有應用裡最低的。差一點點就是恐怖谷，觀眾立刻不適。Gavin 說這塊必須做對，沒有中間狀態。他的判斷是，3D 視覺演算法會先在臉這種先驗知識密集的領域成熟，因為可以拿引數化模板去擬合，再逐漸推廣到一般物體。使用者甚至不會察覺底下在做三維重建，只會覺得編輯變可靠了。

## VR 是把你帶走，AR 是把東西搬來

Gavin 把兩者分得很清楚。VR 的作用是把人整個搬進另一個世界，不管你現在身處什麼環境，戴上就是一個新的。它更像一塊無限寬的螢幕，把人從現在的情境裡拔出來。AR 反過來，是把數字資產從螢幕裡拿出來，放到你的桌子上、牆上、面前的空氣裡。

他從 90 年代就做過 VR，當時攻的是延遲和眩暈，問題解決了，成本太高，太早。這一波他覺得時機對了，裝置從拴在主機上變成一體機，市場正在分成消費級和專業級兩塊。專業級裡他舉了建築：一棟樓就是你的產品，看模型、看圖、看影片都不如走進去感受比例和空間關係。

AR 的難點卡在適應上，渲染反而是相對成熟的一環。資產放進真實環境，得知道什麼能改、什麼不能改，桌子小、客廳大，構圖怎麼變。他打了個比方：就像一整個劇團到你家裡演《哈姆雷特》，得根據你家的格局重新走位，甚至帶著觀眾從一個房間挪到另一個房間。

那保真度重要嗎？他的回答分情況。如果是請一位大師復刻一段芭蕾，你希望每一幀都原樣保留，最多整體縮放；如果是一隻青蛙在講王子和公主的故事，它怎麼走動其實無所謂，能講好就行。這段判斷背後是個更大的想法：遊戲行業幾十年積累的"自適應角色"經驗，會因為 AR 的需求溢位到更廣的商業場景裡。

## 改動老產品，是在約束條件下求解

Adobe 的使用者基數太大，任何改動都要面對"我用習慣了"這四個字。Gavin 承認這層壓力，但他的劃分方法很清晰：拿控制權換便利，老使用者一定不買賬；便利和控制一起增加，才可能被接受。所以已有的隱喻不能隨便打破，Photoshop 從來不是靜態的，但也從沒推倒重來。

真正的突破反而好辦。單擊選中一個物體，替代描很多筆，這個變化不需要使用者重新學習，它可以是一個可選模式，也可以是一個起點，嵌在原有工具鏈裡。

想要徹底簡化，就得換容器。要麼換裝置，比如手機，互動方式本來就不同；要麼換場景，比如另一個更強調速度和即興、精度要求沒那麼高的工具。他舉了 Premiere Rush：拍完假期的片子，半小時在家剪完，用不上四小時的專業流程。做四季電視劇的專案，還是老老實實開啟 Premiere。兩個工具服務兩種心態，同一個使用者可以在兩者之間切換。

智慧預設值在他的描述裡不只是省事，還是教學。引數太多的時候，人其實不知道幾根滑桿之間怎麼聯動，也不知道最優解長什麼樣。一個"給我個起點"的按鈕，等於讓懂行的人先替你調一遍，你在此基礎上改。他甚至設想過給出一組預設，你不需要在一堆引數裡做單選題，挑一個順眼的繼續就行。

## 把手機留在家裡的那天

訪談裡穿插了幾首詩。有一首寫他把手機留在家、一個人走到海邊：沙子是軟的，海面像玻璃，但我還是我。

Gavin 由這首詩聊到了另一件事。AI 讓人越來越容易造出比現實更好看的版本，無論是一張自拍還是一次旅行，人的形象和真實之間的縫隙正在被工具化地拉大。

他的態度不激烈。他說人想把自己最好的一面拿出來，這個需求一直存在，18 世紀的貴族請名畫家畫像，畫出來多半也比本人好看。關鍵在意圖：挑一張好看點的照片當頭像，沒什麼問題，反正見面就知道了。真正有害的是另一頭，是人拿一個不可能達到的標準去對照自己，然後因此難受。

他還講了一層擔心，關於探索。他說自己小時候在模糊的黑白電視上看登月，那種想知道"到了那兒到底長什麼樣"的衝動，是驅動力的一部分。現在視覺技術太強，去之前就能把那裡看得清清楚楚，那份衝動可能會被提前消耗掉。等人類真到了火星，第一反應也許是：哦，跟片子裡一樣。

然後他自己把話拉了回來。冥王星是個反例，之前沒人知道它長什麼樣，等照片傳回來，複雜和美麗遠超想象。所以他的結論是：人類想象和表達的工具變強，總體是好事，濫用確實存在，得認真對待，但不必因此把工具本身當成問題。

## 實習生是研究院的呼吸

談到研究院的文化，Gavin 說了一句很實在的話：一個研究實驗室能保持活力，秘密在實習生。

理由有三層。

第一層是想法的新鮮度。他說人在職業生涯的某個階段會和某些想法繫結，然後反覆回去找它，運氣好的話那個問題五年內沒被解決，你還有得做；運氣不好，別人搶先做完，你就沒牌了。每年換一批新人進來，等於每年換一批沒被路徑依賴汙染過的腦子。

第二層是風險結構。工業研究裡，一個想法走到能出貨，要投入巨大的工程資源，投入越多，人越保守，越傾向於選那些"產品團隊肯定要"的題目。實習生提供了一條輕量通道，可以拿一個還很飄、沒被驗證的想法試三個月，成了是一篇論文，不成也沒傷筋動骨。這些嘗試彙總起來，就是一個專案組合，研究院從裡面挑一兩個，用一兩年時間做成真正穩的產品功能。

第三層是人才和關係。很多最強的研究員是當年的實習生轉正，實習生也把實驗室和高校院系連了起來，教授們因此認識公司，公司因此認識學生，迴圈往復。他說一個實驗室真正的遺產還包括流出去的人，他們把那套工業研究的模式帶到別的公司去。他承認這讓自己招聘更難，但這是成功的標誌，水漲船高。

那專案誰定？他的答案把權責說得很清楚：研究方向的選擇權基本交給研究員和實習生，但獎勵按影響力算，做出論文、影響了產品，才算數。反面模型他也描述了一遍，一個實驗室主任自認天才，指使所有人幹活，成了攬功，砸了甩鍋，這種模式他們不要。

公司的戰略優先順序不是不存在。做法是往下滲一點、往上冒一點，在中間會合：不指定你必須做 X，只說今年做 X 會特別受重視，然後每個人按自己的興趣重新解釋 X。他說神奇的是，多數時候這麼運轉下來，結果都不錯。Adobe 產品線足夠寬，一個好想法總能找到感興趣的產品團隊，這讓前期不用過度篩選成為可能。偶爾產品團隊會額外掏錢贊助一個實習生，去解決一個他們特別在意的問題，這種算錦上添花，算不上常態。

他也承認預測不了。夏天開始時每個專案都讓人期待，最後有的變成功能，有的只是一篇好論文，有的發現根本不夠新但很適合做成功能，還有的做了一點就發現坑比想象中深，隔幾年回頭再做，才終於突破。

## 2019 往後看：助手、生成、和光共舞

問到未來幾年最期待什麼，他給了三樣。

最熱的是創意和分析助手，也就是前面說的那種持續猜你想幹什麼、主動給建議的東西。他坦白說不好什麼時候能成，正因為說不準，才想看著它往前走。

第二是 GAN 這類生成技術走向實用。高解析度、高質量、主流場景可用，這條路還有多遠，他很期待。他順口說了一句觀察：生成模型出錯的方式很有意思，那種錯法像在做夢。

第三件是內部的基礎設施，Sensei 平臺。過去是有了好想法就找一個產品團隊，針對那個用例單獨定製；現在正在把這些模型收進統一平臺，用統一介面提供給所有產品線。一個產品做出來的能力，別的產品可以直接呼叫，好想法到產品的週期被大幅壓縮。他自己說，這講的是"怎麼做"，跟"做什麼"關係不大，但它的意義在於把整個組織的效率抬了一檔。

把這些和技術圖形學那頭的變化合起來看，他描繪了一個畫面：實時光線追蹤讓陰影和反射實時算出來，畫面已經接近真實世界；AI 再疊上去，讓畫面根據你對創作意圖的理解自己調整，該亮的地方亮，該改的地方改。

> 那基本上就是在和光跳舞。（Gavin Miller）

## 蛇：從布料模擬到婚禮紅毯

訪談後半段聊蛇，是 Gavin 最放鬆的部分。

源頭在 80 年代的計算機動畫。他當時做布料模擬和軟體模擬，一塊布掉下去彈兩下，然後就不動了。他想，如果把彈簧的長度也做成動畫、模擬肌肉收縮呢？能做這個的最簡單物件，是一條蚯蚓。

於是他讀了蛇和蚯蚓運動的生理學文獻，1988 年發了一篇論文，叫《蛇和蟲的運動力學》，做了最早的計算機動畫演示。圖形學的好奇心，就這樣變成了二十年的機器人愛好。

第一臺蛇形機器人只會橫著滑，不會往前。後來加了輪子。他說親手在現實裡做東西會讓人對摩擦力保持誠實，這句話在整場訪談裡分量很重。

真正讓他著迷的是"生命的錯覺"。一條機器人只要有足夠多協調的自由度，動起來的方式接近生物，就會跨過恐怖谷，從"一個東西"變成"一隻生物"。第三代 S3 做到了：能側行（sidewinding），也能直著往前。他把 S3 帶去婚禮，做戒指使者，從紅毯上滑過去遞戒指，還上了當地報紙。

那時候板載算力極其可憐。他說自己是玩分立邏輯電路長大的，第一臺控制器是用離散邏輯搭的；第二代第三代用上八位微處理器，256 位元組記憶體，勉強塞得進去。所以早期那些還停留在遙控階段，離自主差得遠，重點在機械結構和協調運動，不在智慧。

他也栽過一次跟頭。想過把蛇做成便宜的玩具，結果發現鐘錶機構是另一個魔法領域，齒輪間隙、回程差這些東西，寫程式碼的人根本不會考慮，看起來絕妙的設計到手上就是不轉。他說那次挺受打擊的。

第五代 S5 是他最偏愛的一臺。比前代長一倍，更像個生物。技術上他做了一件大多數機器人工程師不做的事：把蛇身做成前端細、後端粗的錐形。理由一半是機械的，能省重量、改善槓桿；一半是視覺的，看起來更像真的蛇。代價是每一節都不一樣，不能批次複製，所以沒人願意這麼幹。S5 現在在華盛頓的國際間諜博物館展出。他在 YouTube 上放過影片，結果招來陰謀論：這人給 Adobe 幹活，影片肯定是電腦做的。他一條條回覆：是真的，背景不動是因為架子固定。

最新一臺是 S9，用 Raspberry Pi 做主控。他順勢開了個關於 Python 的玩笑，然後講到了真正的變化：現在可以加視覺加速晶片，在本地跑神經網路、做物體識別。桌面級的算力、板載電池、加上仿生的外形，三者湊齊，真正的自主性才算有了門。

孩子的反應和大人完全相反。大人覺得瘮人，孩子覺得可愛。他去 Girls Who Code 講過幾次課，就是想把這個反應利用起來。他也坦言這類東西現在的價格仍然超過它帶來的價值，所以它當愛好極好，當產品還差得遠。他還想過下一步：如果有一天能有真正的人工肌肉材料，蛇身就不用馬達和齒輪箱，更輕、更強、更連續，這又回到了他早年在 Alias 做的一件事，改肌肉靜止長度來驅動機器人。

他說了一句我印象很深的話：

> 做研究是一張可以保持好奇的許可證。（Gavin Miller）

愛好給了他同一張許可證。為了造蛇，他去讀生物學，去研究側行蛇在沙地上留下的痕跡，看自己造的蛇會不會留下一樣的紋路。這些東西本來只是《國家地理》紀錄片裡一掃而過的畫面。

## 圖靈測試的門檻太高了

蛇最終會走向哪裡？Gavin 的答案是人格。

視覺、語音合成、智慧體研究，三條線會在同一個東西上會合。他對"人類級別智慧"這個目標本身沒什麼興趣，反而覺得圖靈測試的門檻設得太高，有點自我挫敗。他想要的是一種有限度的理解：能不能聊得有內容，得放在具體關係裡看，作為主人，你知道它能想什麼、能推理什麼，這比讓陌生人隨便走上來都能對上話更有意義。

他把這比作養狗。你跟狗說話，多半是單向的，但那種連線是真實的、有意義的。

他在做的一段示例音訊裡，重點放在讓推理系統能解釋自己為什麼知道某件事、為什麼決定這麼做。兩個作用：對外，這讓它顯得真的懂自己在說什麼；對內，行為越來越複雜的時候，除錯靠的就是問它"你剛才為什麼那麼決定"。

至於機器人在這套體系裡的位置，他說得很清楚：機器人是他的繆斯，幫他想清楚 AI 的未來該往哪走、下一個該發明什麼。真正把虛擬生命帶進物理世界，眼下還只是個念頭。他更相信另一條路：透過 AR 把虛擬物件放進現實，造一臺機器人要花五年的想法，用數字資產幾周就能做出來。等到真正智慧的機器人普及那天，人們不會太驚訝，因為那些人格已經在虛擬世界裡陪了大家很多年。到時候大家的反應大概是：哦，會走路的 Siri。

## 最後幾句詩

訪談的結尾，Gavin 唸了他最喜歡的一首詩的末幾句，關於死亡，也關於某種意義上的不朽：思想會活在別人的思想裡，作品會活在別人的作品裡。

> 不要哭泣，不必哀悼。已經夠了。那些小小的敵意，允許了僅僅一支舞，就把它們撒向目力所及的最深處。我心滿意足。它們還會有下一次機會，掃攏更靠近中心的碎片，加入一個推擠著上升的人群，就像曾經有人在我體內起舞。（Gavin Miller）

把這場對話串起來看，會發現他講的其實一直是同一件事的不同側面。選區、天空替換、蛇形機器人、會說話的房子、寫給合成語音的詩，做法都一樣：先想清楚一個東西該有什麼行為，然後想辦法讓它真的動起來，再讓它看起來像活的。技術在變，這條線索沒變。

- 把"自動化"和"替人做決定"分開看。先做智慧預設值，讓人一鍵拿到一個不錯的起點，再讓人在此基礎上改。別一上來就做全自動，使用者失去控制權的那一刻，工具就從幫手變成了對手。
- 評價一個 AI 功能，別隻看準確率，看它出錯時能不能被修。99 分加一個順手的修補入口，比 99.9 分但沒有退路更接近能出貨的產品。
- 如果你的模型要在開放場景使用，先做一件事：讓它評估自己在這張輸入上有多大把握。沒把握就明說，這比硬著頭皮給一個像模像樣的錯誤答案強得多。
- 收集使用者資料之前，先回答"使用者得到了什麼"。答不上來就別收。答得上來，也要給不願意共享的人留一條完整可用的路。
- 想做長期研究，就把一部分資源留給註定會失敗的專案。實習生、內部小專案、三個月的探索期，都是低成本試錯的口子，全部砍掉就等於只做短期最佳化。
- 找一件和主業看似無關的事認真做下去，做到能上手做的程度。Gavin 為了造蛇去讀生物學，那些知識最後反過來影響了他對 AI 的判斷。跨界的價值不在簡歷上，在你提問的方式上。
- 給新產品留幾個不同重量的入口，別隻留一個。同一個使用者，做長期專案時想要滿屏的旋鈕，度假剪片子時只想要半小時出片。兩套工具並存，比逼所有人用同一套更接近真實需求。