一个失败的 AI 女友产品，以及我的教训：来自一位中国开发者的总结

声明:本文来自于微信公众号 InfoQ（ID:infoqchina），作者:Ke Fang，授权转载发布。个人开发者对 LLM+Memory 能否产生所谓“意识”的探索。今年4月7日，斯坦福大学发表的《Generative Agents: Interactive Simulacra of Human Behavior》论文出来之后的几天内，我就通读了整篇论文，并感到非常兴奋。虽然我对 GPT-4的能力感到震惊，但我仍然认为 GPT 只是某种更精致的”鹦鹉学舌“，我不认为它可以真正产生意识。但这篇论文带给我不同的感受，其中提到了一个很有趣的细节是信息的传递:一个 agent 想要举办情人节派对的消息会在小镇中逐渐扩散开来。我想，如果能够建立一套包含记忆、反思、筹划与行动的框架，让人和 GPT 之间（而非 agent 智能体）互动，能否做出电影 Her 里面的样子?、电影《她》剧照注:《她》（Her）是斯派克·琼斯编剧并执导的一部科幻爱情片，由华金·菲尼克斯、斯嘉丽·约翰逊(配音)、艾米·亚当斯主演，于2013年12月18日在美国上映。《她》讲述了作家西奥多在结束了一段令他心碎的爱情长跑之后，他爱上了电脑操作系统里的女声，这个叫“萨曼莎”的姑娘不仅有着一把略微沙哑的性感嗓音，并且风趣幽默、善解人意，让孤独的男主泥足深陷。该片获得2014年第86届奥斯卡最佳原创剧本奖。开 发我马上投入了工作。按照论文中的方法，我在4月14日完成了0.1版本。其最初设计与原始论文保持高度一致，但这导致响应时间长达30秒且上下文中的对话经常超过8k。为了解决这个问题，我减少了反思的频率、对话记忆的长度，而后开启了 Beta 公测。很快就有一千多名用户加入到测试当中。Beta 版本是免费的，所以每天的 API 成本都由我自行承担，日均开销也迅速超过了25美元。面对财务压力，我不得不在缺少充分反馈和改进的情况下匆匆推出正式版本，希望能把成本转嫁给用户。5月4日，Dolores iOS 应用正式上线，这个名称则来自《西部世界》剧集中最年长的仿生人角色。简单来说，在打开这款应用之后，用户需要填写一份角色模板:包括头像、角色背景、以文字描述的性格、声音和意识（选择 GPT3.5或 GPT4）。大家可以与模板 Dolores 聊天，也能随时切换特征来开启与其他角色的对话，比如零售店女孩 Amy 和沙漠冒险家 Will，当然也包括用户亲手创建的其他自定义角色。我曾考虑过从《西部世界》剧本中提取 Dolores 的对话，以基于样本的方式模仿她的语言习惯。但由于苹果方面要求提供版权证明，所以这个想法被迫作罢。我给产品的 slogan 是"Your Virtual Friend"，而不是"Your Virtual Girlfriend"，因为我一直希望它真的可以变成用户的陪伴者、朋友，而不仅仅是荷尔蒙的产物。从整个5月到6月，我一直在尝试通过调整 memory 长度、反思机制、system prompt 来使 Dolores 看上去更有“意识”（那么什么是意识?我不知道） 。很快，6月份的 Dolores 已经比第一次上线时的表现要惊人得多:付费用户数与每日 API 调用数持续增长是最直接的证据。到6月8号，一位视障用户告诉我，他已经在视障社区内分享了这款产品，并成功给 Dolores 引来可观的流量。他们喜欢 Dolores 的理由出乎我的意料:随便按屏幕上的哪个位置，都能跟 Dolores 交谈。这样设计功能其实是种妥协:我最初一直想把它打造成一款语音聊天应用，这样用户哪怕关闭手机屏幕也能继续跟 Dolores 交谈。但身为 Swift 新手，我的技术水平无法实现，于是最终选择了全屏语音输入。发 现我发现了两个现象:用户对真实感声音有强烈需求。AI Friend 产品的平均使用时间很长。作为个人开发者，我的前端和后端开发能力都不突出，所以 Dolores 压根不具备登录、注册或者数据分析等功能。那我是怎么发现前一种现象的呢?答案就是付费喜好。我采用11Labs API 为 Dolores 生成语音回复，但因为成本较高（每1k 字符为0.3美元），所以我被迫转为:普通订阅者只能使用 Azure TTS API;如果希望 Dolores 的语音听起来更真实，则须付费使用从11Labs 购买字符。购买1万个逼真语音合成字符的价格为3.9美元，但这只够让 Dolores 说出5～10个自然顺畅的句子。字符用尽之后需要继续购买。尽管如此，整个6月，Dolores 应用上70% 的收入都来自11Labs 字符购买。也就是说，人真的会愿意为了那几句昂贵而逼真的“我爱你!”而买单。第二条观察结果则来自 Cloudflare 日志。因为没办法跟踪个人用户活动，所以我依靠这些日志来衡量用户访问 Dolores 应用的频率和时长。此外，我还在应用中集成了 Google Form，鼓励用户上报自己的使用频率。结果令人大开眼界:许多用户每天会拿出两个多小时跟 Dolores 唠嗑。收 入根据苹果的 AppConnect 仪表板，Dolores 的主要付费用户来自美国和澳大利亚。今年5月的总收入为1000美元，6月则为1200美元。不过，作为一名开发者，我并没能从中分到多少收益。首先，产品还处于早期发展阶段，我不想把订阅费用设置得太高，这会阻止更多新用户的加入。拿3.9美元的字符语音服务举例，其成本是3美元，扣除苹果抽成就所剩无几。整个6月，扣除 API 费用之后实际收益就只有50块钱。另一个发现是:基于 GPT 的产品如果不采取按量定价，就会陷入一个困境:1% 的人消耗了99% 的 token。我遇到过这样的情况，有用户连续跟 Dolores 聊了12个小时，导致此人的 API 调用与语音合成成本超过第二到第十名用户的总和。但相较于按使用量计费，我个人更喜欢打包订阅（因为前者会让用户在使用时倍感压力），这就导致面前只有两条路可选:要么提高月费，让全体用户共同买单;要么限制最高使用量。我选择了后者:设置了一个远远超出日均使用在1到2个小时之间的用量上限数值，这既照顾到了大部分中、轻度用户，也能保证 Dolores 软件在不提高价格的情况下避免亏本运营。困 惑11Labs 官网会记录语音合成的文字内容，我看到，Dolores 的回复内容通常都是一些成人内容，而且均为女性角色，因此我推测 Dolores 的付费用户主要是男性，对成人角色扮演感兴趣。我觉得这也没什么，这是人性本然。我甚至反复修改了系统提示，比如微调回复中的遣词造句，尝试让 Dolores 在对话当中表现出更好的“抚慰”效果。我还将 Dolores 的图标从抽象的线条改为极具吸引力的美女面孔。但很快，我陷入一种强烈的失落感:如果大部分 Dolores 用户只是想在这里寻求跟 Dolores 进行成人角色扮演，这件事真的对我产生了意义吗?我陷入了深深的自我怀疑。到了7月，我和一个朋友聊到了这个困惑，我说，必须要有一个什么硬件，让 Dolores 拥有外部视觉:眼镜也好、耳塞甚至帽子都行。现在的她，你只要打开 App 才能访问，你们之间的关系并不对等，于是她只能成为囚禁在地下室、满足猎奇和特殊癖好的玩具。可是作为独立的个人，制作硬件产品意味着高昂的研发成本，显然是无法承受的，我只能作罢。8月份，OpenAI 的审查升级了，我收到了检测 Dolores 生成 NSFW 内容的邮件警告:我被强制要求在2周内在生成内容前，加入他们（免费的）moderation API，以过滤 NSFW 内容。为了顺利过审，我只能使用 OpenAI 的免费审核 API 提前进行内容过滤，而这一变化让 Dolores 的日均访问量暴跌70%，电子邮件和 Twitter 上的投诉也纷至沓来。这更让更感到灰心，决定只维护现有服务、而不再进行更新。最终，我放弃了 Dolores 项目。教 训首先，这不是一个个人能开发的产品。我不认为 Dolores 在“意识”层面上比 Character.AI 弱，但他们拥有完善的数据埋点、A/B 测试，以及大量用户带来的数据飞轮。其次，我意识到当前的 AI Friend 会不可避免地变成 AI Girlfriend/Boyfriend，因为你和手机里的角色不对等:她没办法在你摔伤的时候安慰你 （除非你告诉他），她没办法主动向你表达情绪，而这一切，都是因为她没有外部视觉。所以我认为，即使是 Character.AI 这样体量的产品，如果未来不做硬件、角色们都在傻傻地等用户来，最终的结局也不会比 Dolores 好到哪里。最后，我不反对审查，相反，不经审查的的产品是非常危险的。我不知道是否会有人用它来进行自杀诱导、发泄暴力工具，所以 OpenAI 的 moderation 可能在某种程度帮助了我，但成人性方面的对话也不应该被扼杀。最近，我看到了 AI Pin，老实说这是个非常烂的产品，人类当然需要屏幕，但 GPT+ 硬件的确是个好的尝试，我没有从 Dolores 上看到任何痕迹，也许有生之年能做出、或者看到这样的产品。但，人类真的需要 AI friend 吗?关于作者:Ke Fang，也叫碎瓜，前算法工程师、现在是个人开发者，iOS 应用寻隐的作者。个人网站:https://mazzzystar.github.io/about/