我不得不承认，其实我在写这篇文章的时候心不在焉，因为我正在纠结到底买哪一款无线耳机，市面上的款式实在是太多了……

你肯定也听说了，苹果刚刚把iPhone7的耳机插口给毙了，这意味着如果你想边充电边听歌的话，你必须买一个无线耳机（当然你也可以选择不买iphone7哈），而且这货还不便宜。所以问题来了：如何在预算之内选择一款最好的呢？

我们每天要面对太多的选择——光是吃东西就有200多种——并且商家才不会帮你，因为他们信奉的核心准则似乎是“消费者想要更多的选择”，商家总是在各个消费领域贡献出几乎令人尴尬的多样化选择。

但是，更多选择真的更好吗？

2004年，心理学家Barry Schwartz 推广了一个 “选择悖论”的概念，意思是当面对太多选择的时候，直播，我们会无从选择，并感到一种强烈的不满。可能更隐蔽的问题在于一种“选择疲劳症”，就是一种当我们做了太多选择，消耗掉我们最好的判断力，变得狂躁而不再想做选择的脑力耗尽状态。

这种脑力耗尽的状态也许就导致了我们经常不愿意在下午做出判断，或是正在购物时随便买垃圾食品来充饥，又或是在睡前疯狂买买买。实际上如果调查我们日常所做选择的类型，我们发现它们大部分都是很琐碎的，比如吃什么、穿什么、看什么等等，这些选择其实浪费了我们有限的大脑能力。与其被这些小选择所困扰，何不试试将它们外包给公司和算法程序？

“便捷，而非选择”

根据创造性代理商 Huge 总裁 Aaron Shapiro 所说，这样的生活已经初具雏形了。Shapiro 在他的博客中声明：“设计和技术的下一个重大突破将会是那些可以消除我们日常中没必要的选择，将人类从琐碎杂事中解放出来的产品、服务或是体验。我将他定义为：预期设计（Anticipatory design）”

总的来说，预期设计创造了一种新的“生态系统”，在这个系统里，用户无需再做出选择，而是选择会根据用户的偏好自动给出。系统中，AI会根据用户的前期行为、偏好和其他数据，同时用一些基础的商业逻辑和常识完善选择算法，最终决定出最佳选项。在某种程度上，预期设计是非常个性化的。

我们来举个栗子。你之前预定机票时，需要在大量的航空公司网站上寻找最佳选择，衡量性价比，自己一个人完成很多繁杂的工作。但是在预期设计中，AI助手可以自动检查你日程上需要出差的待办事项，自动帮你预定一张机票，并且这张机票是AI根据你过去订票记录精挑细选出来的最佳选择。当然，Shapiro也解释道：“像这样一个系统，一开始是需要反馈机制的。但是正如其他机器学习系统一样，你使用得越多，系统就越贴合你。最终，系统会将你的生活变得十分简单化，消除所有中间步骤，直达目标——不管是订票、选餐馆、甚至选择相亲对象，我们都不用再让Siri帮我们叫滴滴打车，AI助手贴心地就帮我们自动规划好并直接把我们送到地方了。

预期设计实际传递了一种理念，也是技术本身的目的所在：使事情变得简单化。

“流畅，而非摩擦”

Shapiro 说，一些拓荒者已经在该领域迈出了第一步，虽然结果喜忧参半。比如，亚马逊、Netflix、Pandora会根据用户的历史选择对其进行购物推荐，但是有人抱怨说这些系统让事情更复杂，因为他们还是需要用户在推荐中做出最终选择。

相反，一个家庭智能电器控制器可以不询问用户就完成工作。典型的物联网设备就可以根据时间和用户先前的偏好自动调节房间温度。

还有流媒体服务平台 Spotify，不同于它的竞争对手为用户提供单独的歌曲供其选挑选，Spotify会根据用户的品味为其提供打包的歌曲列表“Discover Weekly”。该应用的火爆流行可能就归功于它在服务上远胜于其他主流音乐应用的统治地位。

Shapiro 写道：“我们不难看到，今天的服务创新可以轻易地发展出一个‘预期设计’的未来。”

也许你对此表示怀疑，其实我也是。我们的行为真的这么容易被预测吗？一个算法就可以猜测到我们突然间的决定吗？我们将选择外包出去后会失去什么吗？

“效率，而非自由”

像音乐风格如此主观的事情可以被计算机轻易地预测，这为我们提供了一种希望：我们做出决定的过程，虽然很多变，但却可以在某种程度上被自动化。但是无论如何，为了使这种系统运行顺畅，我们需要训练用的数据，开奖，大量的数据。