不知道大家有没有同感，很多时候在 app 上背的单词总感觉离生活太远，和自己关系不大，仿佛学的是一个个抽象的英文字母组合而不是一个单词。

　　而 CapWords 反客为主，让用户主动去学习生活中物品的单词，还能有助于联想记忆，整个玩法也很有乐趣，颇有《宝可梦》中小智收集宝可梦图鉴的感觉。

　　除了名词，现在动词形容词都能认，甚至 Live 图和视频也能识别。还能打印成实体卡片，仪式感拉满。

　　这不只关于技术和产品，创始人 Ace 最开始是为了帮女儿 Dorothy 学习才做的这个 App，他从

　　的产品叫做「英语学习工具」，显然太过局限。Capwords 更像是一件关于语言、记忆和生活场景的装置：拍照即识别，贴纸设计，搭配活泼轻盈的视觉风格，让人忍不住多看几眼，也顺手就多认识几个单词。

　　最早是因为小朋友有一个很简单的需求，指着东西问「这个用英语怎么说」，这就是整个灵感的来源和项目开端是吧？

　　对，我女儿大概三岁左右，不到三岁。我经常在夏天带她出去玩，我们会去公园，或者一些写字楼前的广场上。在玩的过程中，她会问我一些问题，比如「这个植物叫什么？」「这个路牌怎么念？」我就会一边陪她玩，一边跟她解释，有时也会用一些识别类的产品帮她查。可能是因为在她好奇心爆发那个阶段，这样的场景其实非常多。

　　印象比较深的一次，是在一个写字楼的地砖缝里，长出了一种叫「狗芽根」的植物。她很偶然地指着说：「爸爸，那有个狗芽根！」类似的场景让我特别触动。再结合她之前也会问我一些「这个用英文怎么说」的问题，我就在想：

　　所以跟女儿互动的这些场景，很多都会给我这样的感受：语言本身应该是在生活里的，我们能用什么办法能帮助到这件事。大概就是这样一个过程。

　　没有，因为我自己英语就不好，我不太擅长去背，或者把一个个知识点硬塞到脑子里。我也不是学教育的，所以对于语言学习，我的理解是

　　语言发生在生活里。如果有一个环境，比如聊天时看到了、聊到了，看到一个东西和图像时，会有关联记忆。

　　我会自己总结一些原则，比如为什么某个图像会吸引我，或者一个彩色的楼，或者我们城市里看到的有特点的建筑物，引起我注意的可能就是我脑海中图形的关联性，这一点非常重要。这也许是我作为设计师的个人总结，不一定完全科学。

　　市面上大部分的查词软件都比较臃肿，但 Capwords 把路径做得非常简单，一拍就可以完成。但你们担心过对学习效果的影响吗？

　　其实我们在产品立项的时候，出发点并不是语言学习。回到刚刚说的，我们就是为了给我的干女儿解答问题——这是一切的种子。慢慢我们会意识到，

　　这些记忆点结合当时所处的场景以及全新的单词或事物进入大脑时，我们对这些信息的记忆会更加深刻。

　　比如去到日本，尽管我们可能不会说一句日语，但会说「谢谢」这种简单的话和一些词。或者描述可爱的事物时，会用到「卡哇伊」这样的词，因为

　　所以，我们在立项开始就没有定位为一个单纯学习英文或者单词的产品。并且根据我们的观察、用户反馈，还有实际落地的情况来看，

　　对一个语言的这种感兴趣程度提高了，然后慢慢的，大家自己会再去找到一个更加系统化学习的方式。

　　这个我可以来说一下。我之前的一个 mentor 有个上小学的女儿。测试阶段我给了他一个兑换码，他就带着女儿用 iPad 玩 Capwords，把家里所有东西都扫了一遍，甚至还扫了他爸的光头（笑）。

　　第二天，他爸来跟我反馈，说女儿居然把昨天扫到的所有单词，都写在了自己的日记本上，还自己开始复习了。接下来几天，女儿每天放学回家的第一件事，不是玩蛋仔派对，而是拿着 iPad 在家里到处找「还有什么没扫过的」。

　　有一些用户的反馈我确实印象很深，我看过一个用户说这是他用过最不像 AI 的 AI 产品，还有一个说

　　确实，模型完全融入到了使用过程中，AI 的存在感并不强。你们在研发的时候碰到过什么挑战吗？

　　AI 还是有一些边界和条件，但是 AI 本身的这种判断力和我们人本身的一些常识，其实是差不多的。

　　比如我们之前测试过clash安卓使用方法，一杯棕色的液体，AI 会识别成为咖啡，但是如果我亲手做的这杯饮料，我就知道它其实是凉茶，那识别结果就跟我的认知不符。

　　但这并不是 AI 的问题，只是误认确实会出现。所以我们在设计的时候加了调整项，如果系统识别出来的结果和认知不符合，用户可以输入调整成正确的物品。

　　关于识别速度上的问题，其实大模型都需要时间。把图像传过去，再回传数据回来，整个过程其实是有五六秒时间的。去年我们第一个版本发出来，我们一起玩的时候感觉没什么问题，大家都觉得非常神奇。尤其是我老婆和女儿都觉得太厉害了。但是我自己在用的时候，还是觉得那个 6 秒钟很煎熬。

　　后来我们优化了一些提示词，调整了图片的大小，通过各种交互上的设计来减少用户的感知，把这个时间藏在不同的交互形式后面。所以我的理解

　　还有一个是你会看到当一个物品的识别完成之后，会有一个被撕下来的贴纸的效果，我们当时就想说做成一个把现实世界里的物品，从贴纸上抠下来的效果。在抠的过程中，其实已经在做完整的加载了，

　　我相信到最后，AI 肯定是融入或者变成一个基建，不存在说要体现具体的技术实现，用户只需要关注 AI 带来的效果就好了，而且这个结果是用户所期待的，甚至超出期待的。

　　Apple TV：HBO Max（WarnerMedia Global Digital Services, LLC.）

　　Mac：赛博朋克 2077：Ultimate Edition（CD PROJEKT S.A.）