下一个设计挑战：自适应产品.docVIP

下一个设计挑战：自适应产品 　　越来越多的传感与连接技术被添加到产品上，正在快速改变着我们感知这些技术、学习和使用它们的方式。反过来，同样的技术也在改变我们设计产品的方式。基于连接技术的产品已经远远不只是提供远程访问、数据搜集而已，它们正在日常生活中扮演着越来越重要的角色。我们已经开始用最能代表生物智能的词汇来描述这种新兴产品了：学习。 　　当学习能力已经逐渐成为产品的标配时，我们的下一个挑战就将是完美地呈现一个过程――成功地、可靠地设计这类新兴的、自适应的产品。 　　数字根基 　　机器学习的起源可以回溯到半个多世纪以前，这是早期的人工智能作品。如今，神经元网络和统计建模已经成为追求真正的机器学习的关键工具。通过海量数据的收集，算法已经能够检测各种数据并生成多种输出―如动作和分析，正是这些输出让电脑显示出一定的智能。 　　事实上，随着传输、存储、数据处理的硬件成本的急剧下降，如今，每一个基于互联网络生态系统的交互过程都被记录跟踪着，这能保证系统实时、不断地进化。 　　这一趋势的种子，是由电子商务系统种下的。亚马逊的产品推荐机制是一个最典型不过的范例，如今，这一机制几乎成为了同类标配，而搜索引擎根据你的历史购买行为、网页浏览记录及地理位置信息为你进行动态的实时结果推荐，则是另外一个例子。 　　这些技术的发展已经走过了漫长的时间，但它们身上也彰显着当前技术的限制瓶颈―在大