既然智能助理定位不是在收集各样信息的基础上，结合其强大的计算能力和人类已有的决策样本数据提供预测与决策建议。那是不是可以退一步，定位在收集各样信息，并辅助人类决策呢？根据诺贝尔经济学奖，图灵奖获得者郝伯特·西蒙的不确定性环境下决策理论：应当是有限的理性，而不是全知全能的理性；应当是过程合理性，而不是本质合理性。过程理性决策步骤可以参考文章 [6] 中描述。再结合智能助理的定位，我们可以设想智能助理需要实现如下功能：

前提：客户信息收集以及相关领域信息收集

「具备基于上下文的对话能力，具备理解口语中的逻辑」[2].

提供决策相关信息以及可选方案集。

在特定领域辅助履行。

决策后跟踪相关信息，获得新数据，是持续优化决策的过程。

前提：客户信息收集以及相关领域信息收集

智能助理需要收集客户的个人信息，这不只是千人千面的客户标签画像，而是认为每个人都是独立的个体。电影《Her》中人工智能萨曼莎是位称职的智能助理，她被启动后立即申请是扫描主人公的硬盘。在扎克伯格的 Jarvis 不但控制了他家的全部家电、门禁，还包括收集个人生活偏好。「一个 AI 系统就能越好地处理开放式问题。我经常只对 Jarvis 说『播放音乐』，它会查看我过去的听歌习惯」[7]。授权智能助理收集个人信息的前提是信任，使用者必须相信电影《Her》中智能助理萨曼莎同时和 8316 个人沟通同时，每个智能助理都是独立的并能保护每位使用者个人隐私。

这些天北京又持续爆表雾霾，是否要让孩子离开北京，是很多家长非常纠结的问题。吴晓波在文章 [8] 中为卖房去大理的宽宽做了一个财务规划。如果这个问题提给智能助理，其需要收集宽宽当前财务以及房产情况，并以宽宽的名义询问各银行二手房按揭利率信息，以及了解大理房价信息，是否有购房限制等等。这些都是智能助理需要收集领域知识与信息。

提供决策相关信息以及可选方案集

参考文章 [8], 在宽宽提出移居大理后，智能助理应该根据之前收集的信息给出以下两个方案：

1）卖房 530 万，购大理房一次性付款 130 万元。400 万理财。

2）抵押房子给最优贷款条件的银行，贷款利率 5.4%，拿到 159 万元买大理房。每年需支出利息 8.58 万元，房屋租金 9.6 万元。

如何抉择并不是智能助理的职责。宽宽可以听从吴晓波基于他的专家经验，认为「人民币正处在一个不可逆转的贬值周期中…最保守的计算，未来 M2 维持年均 10% 的增速」[8] 得出结论是「所以，请你「抛弃」北京的时候，尽量不要抛弃北京的房子。」[8]。但宽宽也可以认为既然人民币正处在一个不可逆转的贬值周期中，那将 400 万换成美元理财、基金。如果房价未来以美元计价跌了，那么她再买回来。又或是她在大理找到更加明确的人生的真谛，选择了新的生活方式，不愿再回北京，那北京房价再高也和她没有关系。这些都是她的决定，无法让智能助理代其抉择，但智能助理可以提供方案以及可能的后果。

在特定领域辅助履行

在电影《Her》智能助理萨曼莎在评价主人公文章的价值后，将其文章发给出版社编辑从而得以出版。忽略其中代替决策的部分，能知道如何在特定领域辅助履行决策已是很难。就和知道特定领域收集什么信息一样困难。目前这方面多是基于专家经验的模板实现。

决策后相关信息跟踪，获得新数据，是持续优化决策的过程

持续跟踪相关信息，再有新的重要信息告知用户。比方如果北京房价跌了，宽宽的美元理财、基金涨了，北京空气持续优化。这时可以让宽宽抉择是否购回北京房产。如果相反那就不用说了，免得添堵。

预测重要，但也没那么重要

在上面买房辅助决策中，并没有预测十年后房价，也没有预测利率、汇率，或他们未来可能的生活方式。而是提供当前事实性的信息，可贷款信息，房价信息等，以及可选的方案。当然，如果能准确预测未来房价，那就是个规划问题。目前看来，未来之眼的机器并不存在。而且如果人人都一个完美预测的机器，那就引入新的变量，原有的预测都又不准了。另外一点，目前也不可能每人都有 AlphaGo 的计算能力，有篇报道称在 2015 年 10 月的公布的版本, AlphaGo 使用一千多块 CPU 及一百多块 GPU，围棋还只是完全信息博弈游戏。

既然无法准确预测，那就提供可选方案对当前决策缓冲预测误差影响。如用 400 万换套小些、远些的房子。

四 总结