关注28岁的应用设计教父

  在距离硅谷(Silicon Valley)2,500多英里的费城,一名在蓬勃的应用程序大潮中引领潮头的男子坐在一间小小的家庭办公室里,办公桌下安放着一个狗窝。

  28岁的洛伦•布里切特是应用程序设计领域的教父级人物,在引领潮流方面越来越具有影响力。

  洛伦•布里切特(Loren Brichter)并不是一个家喻户晓的名字,他开发的移动应用程序也同样并非人尽皆知。

  这些应用程序包括一个名为Tweetie的推特(Twitter)客户端和一款与Boggle游戏很像、名为Letterpress的拼字游戏。

  但是对于应用程序开发者来说,这位28岁的年轻人是应用程序设计领域的教父级人物,在引领潮流方面越来越具有影响力。

  布里切特首创了很多应用程序特色功能并让其流行起来,比如在触摸屏上下拉刷新页面、屏幕侧边滑出面板、通过滑动动作调出隐藏按钮列表的“cell swipe”手势。

  这些动作现在在很多流行应用里都是标准特性,成了数以百万计的人每天都要做的常规动作。

  布里切特2009年创制的“下拉刷新”功能现在已经被运用到了一些软件之中,比如资源共享网站Pinterest Inc.制作的一个应用程序以及苹果公司(Apple Inc.)的邮件应用程序。

  互动图:应用程序开发者写生Evernote公司和脸谱公司(Facebook Inc.)也使用了布里切特滑动面板功能的变化形式,他2010年在推特公司工作期间将该功能加入了他开发的用于iPad的推特应用程序。

  这项功能也被Research In Motion Ltd.应用到新的黑莓(BlackBerry)操作系统上。像Square Inc.开发的应用程序已经将滑动显示按钮的功能进行了扩展,增加了滑动支付等功能。

  参与设计了任务管理应用Clear的程序开发者Phill Ryu说:“三言两语很难说清他的创意对这个领域的影响。”Clear使用了“下拉刷新”功能的变化形式,下载量已经超过80万次。

  布里切特吸引程序开发者的部分原因是他很容易亲近。

  2010年,多米尼克•勒卡(Dominique Leca)想要征询别人对他的Sparrow邮件移动应用程序的反馈意见,他找到了布里切特。布里切特提出了很多的建议,包括调整Sparrow文本位置、“延长动画淡出时间一秒左右”。勒卡说他听从了大部分的建议并邀请布里切特当他的顾问;Sparrow后来广受好评,去年被谷歌公司(Google Inc.)收购。

  目前就职于谷歌的勒卡说:“布里切特具备这样的能力,能够以一个五岁小孩的角度,用详尽的语言告诉你他觉得哪些地方不好用。”

  随着简约和设计在竞争异常激烈的应用程序行业变得愈加重要,布里切特的名声也与日俱增。像布里切特这样的有影响力的人物──还有前苹果公司的设计师、现在就职于脸谱公司的迈克•马塔斯(Mike Matas)以及布雷特•维克托(Bret Victor)──吸引了大批的跟风者。

  他们的点子经常以非正式的方式迅速传播。软件开发者没有为他们的设计申请专利和许可,而是互相征询模仿点子的许可,或者有时利用开源技术直接模仿。

  布里切特在加盟推特公司之前为“下拉刷新”功能提出了专利申请,预计很快就会下达的专利申请书现在归推特公司所有。但是他说有办法通过使用开源软件来创建这种功能,他早就允许任何人使用这种功能,“只要他们不犯混”。推特让其专利的发明人通过法律诉讼禁止别人使用那些专利。

  布里切特的设计美学受到了爱德华•塔夫特(Edward Tufte)等信息理论家的启发,塔夫特主张在图形设计里将无关的信息减少到最小程度。

  布里切特说他是根据人们在现实世界里移动物体的方式构思出应用程序的新功能的。

  他说:“任何事物都应该有来源有去处。”他还说自己很不喜欢那些菜单自己弹出或者收起的应用程序,因为那种互动是不真实的。“最重要的事情是要显而易见。问题出在过度设计上。”

  布里切特最喜欢的应用程序包括天气应用Dark Sky和日历应用Fantastical。他说自己的创意被那么多人使用让他感到意外。他说:“就是非常地简洁。”

  并不是所有他设计的东西都流行起来了的。在Letterpress拼字游戏中,一个将菜单从屏幕上扫出去的动作就没有流传开来,布里切特说,他怀疑是因为这个动作隐藏得太深了。

  布里切特的父母分别是一名承包商和一名餐馆老板,他在2006年毕业于塔夫茨大学(Tufts University),获得了电气工程学位。他与妻子和两条狗生活在一起,工作的地方是一间小而整洁的家庭办公室,屋里摆着一台大屏幕的Mac显示器,还挂着一张裱装好的第二版Tweetie雄踞苹果应用软件商店收入排行冠军宝座的图表,这是他父亲送给他的圣诞礼物。

  (这款售价2.99美元的应用程序2009年荣登这一宝座,每天揽金五万美元。)

  布里切特还总是逃避开会和社交聚会,他更喜欢用推特和电子邮件与人交流。他个子不高,身材适中,待人谦和又不失自信。他给人的反馈和交流意见都是直言不讳的,但有时候他会在电子邮件里发一张笑脸来缓和气氛。

  布里切特是在苹果公司开始自己在移动行业的发展的──2006到2007年期间,他是苹果公司研发新奇技术的五人小组的成员,当时研发的技术是让iPhone的图形硬件和软件得以匹配。他后来离职自己做项目,搬到了费城去住,这样离家更近一些。[他还没有为谷歌的安卓(Android)操作系统发布应用程序,因为他认为其软硬件都不及苹果的好。]

  2008年,布里切特开发出了Tweetie这个可以更好地使用推特的方式,最终在该应用里加入了“下拉刷新”的功能。2010年在以他自己所说的“几百万”的价格把这个应用程序卖给推特之后,他继续留在推特大约一年半时间,为该公司远程研发应用程序。他后来离开推特继续自己的尝试。

  布里切特最新的应用程序是拼字游戏Letterpress,这款游戏去年年底通过他的公司Atebits LLC发布。

  Letterpress是免费的,但是用户如果要一次玩两局以上的游戏就需要支付1.99美元。布里切特说这款游戏的下载次数已经达到了几百万。

  他开发Letterpress还有一个新意图:打造独立于其它公司的软件。他说:“我想把对外部事物的依赖减小到最低程度。”

  他补充道,他研发了自己的图形技术而不是使用苹果的技术。他还说自己下一步要开发一款电脑游戏,那将要求他自主研发更多的基础技术。

  布里切特的名声现在甚至已经扩散到了青少年软件开发者中。16岁的瑞安•奥巴克(Ryan Orbuch)最近在推特上给布里切特发信息,征求布里切特对他的待办事项列表应用Finish的建议。

  奥巴克说:“他绝对是个行家。”他正在消化吸收布里切特的反馈意见,其中包括“看不见冒号”以及修正那些“在翻转动画结束时会偏移一个像素”的按钮。
>>>>相关阅读http://www.ifx.cn/huiping/169.html
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: ,深度学习算法具有更强大的表达能力,可以自动从数据中学习特征,不需要手动设计特征,从而更好地适应不同的任务和数据。深度学习技术已经广泛应用于自然语言处理、计算机视觉、语音识别、推荐系统等领域,取得了显著的效果。与传统机器学习相比,深度学习算法需要更多的计算资源和更大的数据集,但随着计算机硬件技术的发展和数据集的不断增大,深度学习技术将会得到更广泛的应用。 ### 回答2: 深度学习技术相对于传统的机器学习算法有以下几个优势。 首先,深度学习算法可以自动提取和学习数据中的高级特征表示。传统的机器学习算法需要手动设计特征提取器,这通常需要领域知识和经验。而深度学习利用多层神经网络的结构,可以通过学习数据自动发现和学习数据中的特征表示,从而极大地减少了特征工程的难度和复杂性。 其次,深度学习算法具有更强大的表达能力和学习能力。深层网络可以通过多层抽象和表示来实现复杂函数的拟合和学习。相比之下,传统的机器学习算法往往只能适应简单的线性或非线性模型,难以处理更复杂的任务。 此外,深度学习算法具有更好的泛化能力和鲁棒性。深度学习算法在大规模数据集上进行训练,可以更好地捕获数据的统计规律和分布特征,从而实现更好的泛化能力。同时,深度学习算法具有分布式表示和抽象的特性,对于一定程度上的输入变化和干扰能够有更强的鲁棒性。 最后,深度学习算法具有更好的可扩展性和适应性。深度学习算法可以利用大规模并行计算和硬件加速技术,提高算法的计算效率和速度。而且,深度学习算法可以处理多种类型的数据,包括图像、语音、文本等等,具有广泛的适应性和应用领域。 综上所述,相对于传统的机器学习算法,深度学习技术在特征学习、表达能力、泛化能力和可扩展性等方面具有优势,因此在人工智能领域得到了广泛的应用和发展。 ### 回答3: 深度学习技术相对于传统的机器学习算法具有以下几个优势: 1. 更强大的表达能力:深度学习通过构建多层神经网络,可以学习到更复杂、更抽象的特征表示。相比之下,传统的机器学习算法通常使用手工设计的特征,其表达能力受限。 2. 自动特征提取:传统的机器学习算法需要手工设计和选择特征,这是一个繁琐且容易出错的过程。而深度学习可以通过网络自动学习到最优的特征表示,减少了对人工特征工程的依赖。 3. 大规模数据的处理:深度学习技术对于大规模数据的处理更加高效。由于深度学习可以并行处理大量数据,因此在大数据时代具有更好的处理能力。 4. 具备泛化能力:深度学习具有较好的泛化能力,可以很好地处理未见过的数据。通过大量的训练样本,深度学习可以学习到更一般化的规律和模式。 5. 更好的适应性和鲁棒性:深度学习可以适应复杂的环境和数据变化,并具有一定的鲁棒性。相比之下,传统的机器学习算法对于数据的变化更为敏感,适应性较弱。 综上所述,相对于传统的机器学习算法,深度学习技术在表达能力、自动特征提取、大规模数据处理、泛化能力以及适应性和鲁棒性方面具有更多的优势,因此在人工智能领域得到了广泛的应用和发展。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值