第 17 / 26 个单元工程行动与人机协作区
第 16 章 把项目愿望缩成可验证假设
核心问题一个很大的AI愿望,怎样缩成允许失败、能够回退的第一轮原型?
C15那张“相关与因果”十节点地图,先是个人学习成果。若准备让其他同学使用,它才开始变成一个项目问题:“这张图能否帮助第一次接触概念的人看见证据边界?”
此时若直接把愿望写成“做一个课程AI助手”,范围很容易迅速膨胀:回答全部问题、读取所有资料、提醒日程、分析每个人的学习状态。功能越多,第一轮究竟要证明什么越模糊。
本章属于项目支线。没有课程项目、团队任务或真实试用需求的读者,可以直接进入C18个人学习系统。项目方法不应成为所有人使用AI的前置手续。
愿景要先转换为可被否定的判断
“课程助手帮助新生学习”是一种愿景。要开始验证,需要把它写成具体假设:新生看到“AI使用与成绩”的说法时,容易从相关跳到因果;一页标有证据、其他解释和未知项的概念导航,可能帮助他们指出这一步为什么不能直接跨过。
假设包含对象、困难、改变和可观察结果。若试用者仍找不到资料,或直接阅读原概念表同样容易,方案就没有得到支持。允许失败,项目才有机会获得真实信息。
教学示例可以缩成:只使用教师公开的“相关与因果”材料,把C15的十节点地图整理成一页导航;本轮不接收个人成绩或作业,不给现实中的AI学习效果下结论,只检查读者能否找到证据位置、说出一个其他解释,并把因果句改写成相关描述。
最小原型要检验最关键的不确定性
原型是为检验概念、交互或技术假设制作的有限实现。它可以是一张纸、几幅界面草图、人工模拟的服务,或只处理固定资料的小程序。
最小不等于功能最少,而是用最低必要成本检验最重要的不确定性。若不确定的是读者能否理解概念关系,先画纸面导航;聊天界面、账号和服务器都不是当前关键。
若不确定的是检索能否找到原文,先用十条问题测试资料与索引;若不确定的是用户是否愿意使用,先观察现有流程,不急着开发自动化。
原型看起来像成熟产品,可能反而掩盖核心问题。漂亮界面带来的好感不能证明学习效果,功能数量也不能替代证据。
一页项目起点需要回答七件事
项目启动说明应足以指导下一轮,不必写成长计划书:
- 为谁解决什么具体困难;
- 当前判断依据是什么;
- 最关键的假设是什么;
- 最小产物是什么;
- 怎样观察结果;
- 哪些数据、功能和人明确不进入;
- 什么情况停止、回退或求助。
这些内容决定资源选择。若只需要验证纸面关系图,就不选模型、不购买服务器,也不收集用户信息。
评价要区分产出和效果
完成一页导航是产出。读者能否更准确找到前置知识和原文,是效果。页面发布、点击数量和展示次数不能自动证明问题得到解决。
可以设计一个小任务:给试用者C14的原断言,要求他在导航中找到证据位置、其他解释和当前结论,再独立改写。记录他是否仍把“均分相差7分”写成“AI导致提高”,以及在哪里停住;随后与直接阅读原材料的路径比较。
样本很少时,结果只能用于发现问题,不能推广为所有学生的效果结论。一次正面反馈也可能来自新鲜感或礼貌。记录具体行为比收集“很好用”更有信息。
迭代必须回应上一轮证据
若试用者看懂关系却找不到原文,下一版补来源入口;若他误以为导航是完整定义,就增加范围说明。增加头像、动画或更多按钮,没有回应这些发现。
证据也可能要求停止。直接阅读原材料已经足够,AI增加了错误和维护成本;资料许可不清;没有人负责复核;项目结束后无人维护——这些都可能使停止成为更好的决定。
“只是原型”不免除责任。一旦邀请真实人员、收集真实数据,或让输出影响成绩、健康、金钱和权利,就要按真实影响处理,进入相应许可、伦理、数据和专业程序。
AI可以帮助找出假设矛盾、生成测试问题和整理反馈,不能替项目负责人确认权限与发布条件。一个能失败、能回退、能产生下一步信息的小原型,比无法判断成败的大平台更接近工程起点。
下一章处理项目向前走后的责任:人、模型和普通工具怎样在流程中交接,版本与回退为什么属于系统能力。