病毒式技術心理學：從ChatGPT的爆火說起

來源：36氪

編者按：就技術而言，ChatGPT並不算什麼突破，其所使用的技術並不新鮮。讓它成爲有史以來增長最快的互聯網產品的原因在於聊天界面。革命不一定源自技術突破，有時候也源自認知的轉變。文章來自編譯。

——Kate Lee

大約兩年前的 2022 年 11 月 20 日是ChatGPT 發佈的日子。

發佈之後這款應用迅速走紅。

全世界感到興奮、恐懼，甚至還有點懷疑。

但在最初的幾個月裡，OpenAI 的高管們卻……有些困惑。

爲什麼？

從純粹的技術角度看，ChatGPT 並不算前沿技術的巨大進步。事實上，它並不新鮮。OpenAI 的 GPT 模型自 2018 年就已問世，最初的 ChatGPT 是 GPT-3.5 的微調版本，其大部分技術在發佈前早已通過 API 提供。然而，即便如此，ChatGPT 成爲了互聯網增長最快的應用之一，發佈兩個月後估計月活躍用戶達到了 1 億。

OpenAI 的高管們對此感到困惑。

當時負責 OpenAI 對齊團隊的 Jan Leike 在發佈後一次接受採訪時說道，“我非常希望更好地理解是什麼驅動了這一切——是什麼驅動了這種病毒式傳播……因爲從根本上來說模型跟之前相比強大不到哪裡去。”

後來Leike 自己回答了自己的問題：“我們讓它更符合人類的使用需求。它以對話的方式與你交談，通過聊天界面便捷訪問，它試圖提供幫助。這是巨大的進步，我認爲人們意識到了這一點。”

ChatGPT 之所以走紅，是因爲它用大家熟悉的界面——聊天——來包裝 AI 日益壯大的潛力。它並沒有創造新的能力，而是以不同的方式呈現了已有功能。ChatGPT 重新定義了我們與 AI 的關係——推動變革的是我們對大語言模型思維方式的轉變，而不是技術本身的原始力量。

推動 AI 進步的技術障礙固然有關係，但阻礙我們採用這些技術的心理障礙同樣重要。如果出於深層次的人類原因，普通個人決定不使用它們的話，即便是最先進的模型也可能無法兌現 AI 的承諾。下面我們就更深入地審視一下，我們在心理上是如何接受作爲一種文化的新技術的，以及看看它將如何影響我們開發和使用 AI 的方式，進而如何影響我們的工作與生活的。

歷史不會重演，但總會押韻

革命有時候就源自認知的轉變。這並不是什麼新概念——十二年前，奧美集團的廣告大師 Rory Sutherland 就表達過類似的觀點：“下一次革命可能根本不是技術革命，而是心理革命——對人們的價值觀、行爲方式和選擇有了更好理解，可能會帶來與發明懸浮車或某種新型電子產品同等的經濟價值。”他說道。

懸浮車還未出現，但如果你停下來想一想我們每天使用的設備，你會注意到其中很多都是因爲我們的思維方式發生了轉變，而不是技術變了。

就拿你是怎麼看這篇文章來說吧。

無不管你是在手機上、筆記本電腦、收件箱還是到特定網站瀏覽這篇文章，你大概都是通過圖形用戶界面（GUI）與計算機互動的。

GUI 是通過直觀的視覺元素（如按鈕、圖標和菜單）與計算機互動的一種手段。在 GUI 出現之前，使用 PC 意味着需要在黑色屏幕上鍵入一長串綠色的字母數字字符。GUI 與鼠標配合的點擊視覺元素功能一起推動了個人計算機革命。而被認爲普及了這種技術的計算機正是 Macintosh 的原型機，於 1984 年發佈。

但第一種使用 GUI 的計算機並不是Macintosh。甚至連第二或第三名都不是（第二名是1981年的Xerox Star ，蘋果1983年推出的Lisa 是第三名，它們都有 GUI 和點擊設備）。Macintosh 之所以在歷史上能佔有一席之地，並不是因爲技術規格窗戶色——這款設備的特別之處在於它普及了對用戶“友好”的計算機這個理念。這個理念甚至體現在 Macintosh 的設計上，讓它看起來像一個對稱的“人臉”。

磁盤驅動器被移到了右下方，讓機器看起來像一張人臉。呃，一張奇怪的長臉。

Macintosh 並未給蘋果帶來顯著收入。它跑得慢，不兼容多個應用，內存小得可笑。可是，它引領了個人計算機革命，因爲它成功地兜售了“人人都可以——而且更重要的是，其實人人都想用計算機”的理念。在 Macintosh 出現之前，計算機大多被限制在後臺，僅供少數懂得如何使用的人使用。Macintosh 將它們帶進了客廳，讓計算機——這種複雜且令人生畏的機器——變得更易於接近。它徹底改變了人們對既有技術的看法。這就是爲什麼我會認爲下一次 AI 的重大突破與算法、數據或算力無關——而是與你有關。確切地說，與你的思維方式有關。

新技術採用的真正驅動力是什麼

每次發佈新版大語言模型時，我的 X 動態消息流上都會充斥着大量測量該模型技術能力變化的帖子。網上關於更強大模型將如何影響人類存亡的預測比比皆是。我們陷入了光靠技術進步來衡量進步的陷阱，感覺我們總是在焦急地等待着下一個突破。

AI 模型是有可能隨着時間的推移而變得更好。不過，就像 ChatGPT 與 Macintosh 這些例子一樣，從創新到產生影響之路並不平坦。我們的思維方式對於決定我們要不要使用一款產品起着重要作用。

我很好奇，究竟有哪些心理因素影響了新技術的採用。經過在 Perplexity 上進行一番研究，我找到了答案，也就是所謂的技術接受與使用統一理論（UTAUT）。顧名思義，UTAUT 整合了關於人類如何將新技術融入工作和生活的研究成果。該理論是 2003 年首次由包括弗吉尼亞理工大學的商業教授 Viswanath Venkatesh 博士在內的研究團隊提出的。Venkatesh 博士研究了技術在各種環境下的實施。該團隊最初研究的是員工如何採用辦公技術，包括一種專有的會計軟件和一個減少面對面會議需求的在線視頻會議平臺。Venkatesh 博士後來進行了一個實驗，將 UTAUT 理論擴展到消費者購買新技術的情況。2021 年，他基於相同的原則總結出一個用於研究 AI 採用的框架。多年來，UTAUT 已成爲理解不同背景下技術採用的重要框架。

UTAUT 基於四個主要變量來解釋人類如何看待新技術的採用：表現預期、努力預期、社會影響和支持條件。每個變量都是審視AI產品開發、推廣和使用的視角。

表現預期

當 OpenAI 在 2024 年 9 月推出 o-1 模型時，該公司是通過一系列展示其卓越推理能力的視頻來推廣這一模型的。在視頻中，它能破解韓語密碼，可幫助一位遺傳學家研究邊緣病例疾病。由於大語言模型是一個具有廣泛應用的多功能工具，這些視頻向用戶展示了該技術的實用性。如此一來，OpenAI 影響了用戶對其表現的預期。

表現預期是用戶對新技術對自己有用程度的看法。在專業環境裡，這通常體現在用戶效率的提高上，這是的這一指標成爲外在動機的衡量標準——即由外部獎勵或壓力而非內部滿足或享受驅動的行爲。

努力預期

想想 AI 在主流取得成功與加密貨幣普及較慢之間有何區別。一位 Reddit 用戶指出，加密貨幣“複雜、繁瑣，需要大量專注的知識才能避免虧損”。相比之下，大語言模型的對話界面使得上手 AI 很容易，讓這一技術迅速走紅。它對用戶的努力預期產生了積極影響。

努力預期是指用戶對使用一款產品的難易程度的看法。這個變量在使用初期尤爲重要，隨着時間的推移和使用的持續而逐漸減弱。

社會影響

所有的大語言模型都能回答你提出的問題，但 Perplexity 致力於讓你的好奇心長存。它的 CEO 經常在 X 上發佈抽象、發人深省的圖片， Perplexity 周邊（如衛衣和帽子）的極簡設計，還有網站精心選擇的無襯線字體都能讓人感受到這種氛圍。該公司圍繞激發好奇心建立了自己的品牌。

Perplexity 的品牌體驗設計師 Phi Hoang 介紹了該公司品牌的起源，他解釋說，他們會避免在信息傳遞時聚焦具體的 AI 模型，因爲終端用戶並不在意這些細節。就在 UTAUT 而言，Perplexity 在社會影響這個維度的得分很高，這幫助它積累了一羣忠實的小衆高級用戶。

社會影響是用戶認爲其他人——特別是那些他們尊重的人——對新技術使用的看法。從某種程度來說，也就是用戶是否認爲使用它很“酷”。

便利條件

想象一下，你正在跟聯合創始人一起坐在咖啡館裡，自顧自地用 AI 代碼編輯器 Cursor寫代碼。突然間，這款應用崩潰了。你沮喪地抱怨起來——就在此時，有人過來提議讓他幫你一把，他修好了。後來，你意識到那個人其實是 Cursor 的聯合創始人。

這種級別的客戶服務或許難以推廣，但 Cursor 在便利條件這個變量的得分肯定很高。

支持條件是指用戶對有平臺可以表達疑慮，並有資源幫助他們使用產品的認可程度。

一種新的技術進步觀

在過去兩年這段時間，Jan Leike 離開了 OpenAI，並開始在 Anthropic 工作。他或許已經不再對 LLM 的成功感到困惑。UTAUT 這個框架能夠解答 Leike 關於 ChatGPT 爲什麼能取得病毒式成功的疑惑，而且學術界也已經發布一些早期研究，探討這一理論如何適用於 AI 工具的採用，並提出增加新的變量，比方說個人對自主智能系統的信任程度及其對 AI 風險的態度。

我還看到這一理論的精髓被應用在 AI 新的用戶交互功能之中。比方說 Claude 的“電腦操控”（Computer Use）功能可讓模型執行任務，比如瀏覽網絡、創建和編輯文件或運行代碼等，這與對工具的努力預期是契合哦。ChatGPT 的“Canvas”功能可讓用戶在協作工作空間內使用 AI，而不是受限於聊天界面，這對錶現預期也產生了積極影響。

在前沿的 AI 公司致力於突破技術極限的時候，我們，不管是作爲開發者、領導者還是學習者，也可以通過理解驅動或抑制用戶採用的心理因素，給自己創造下一個 AI 突破。AI 的未來不僅僅在於有更好的算法、數據或算力，更在於與技術有更好的關係。

譯者：boxi。