The Fog & The Gravity

让语言，
成为可探索的风景。

如何让 AI 表达语言的方式，变得可感知、可探索？

我围绕词嵌入开发了两个交互原型。词嵌入是模型从词语使用规律中学到的数值表示；我关注如何连接模型行为与界面设计，把向量相似度转化为可以探索、追问和比较的空间关系。

The Fog 使用预训练 GloVe 词向量，让人沿着词语联想继续探索。The Gravity 则分别基于《傲慢与偏见》与《简·爱》训练 Word2Vec 模型，探索不同文本如何塑造这些联想。两个项目都在模型输出与视觉反馈之间反复推敲：界面能有意义地揭示什么，又应如何呈现近似与局限。

同一种视觉语言，两种探索方式：沿着联想前进，再比较语境如何改变它。

一个词，从不孤立存在。

输入一个词，发现它的邻近词，再选择另一个继续探索。缓慢流动的雾营造发现感；清晰的字体层级与暂停功能保证地图可读。

一个词，属于它的语境。

比较两部小说中的共同词汇：《傲慢与偏见》与《简·爱》。联动悬停连接两侧的同一个词，颜色和字号呈现联想与词频的差异。

预训练 GloVe 词向量将一个词展开为联想网络。我用位置接近暗示用法相关，让每个词都成为继续探索的入口。颜色用于营造氛围，并不编码相似度。

两个 Word2Vec 模型分别从两部小说中学习。我把相同词语放在联动视图里，让人能够比较它们的关系，同时保留各自的文本语境。

两幅地图使用同一组词汇：既可以用固定的 18 个主题词聚焦比较，也可以从两个模型中选取邻近词自由探索。保持词汇一致，更容易追踪关系的差别。

当颜色变得纯粹装饰性时，我重新赋予它语义。每个词现在都按照它在各自小说模型中最接近的锚点着色：love、reason 或 money。

affection 在奥斯汀的文本中靠近 love，在勃朗特的文本中则靠近 reason。字号按篇幅归一化后的词频变化，避免长篇文本天然显得「词更大」。

联动悬停让读者查看颜色背后的语义关系。

这些地图用于探索：相邻词不一定是同义词，二维距离只是近似；独立训练的模型评分不能直接横向比较。

早期 The Fog 一打开就是 ocean 的地图。我将预设结果换成一团空白的雾，并加入点击探索：访客可以输入词语，也可以让随机词开启旅程。

当前体验 · 从云雾到 city

点击邻近词会再次查询同一个已保存的模型，而不会重新训练。这里从 city 到 metropolitan，再到 downtown。我让每个结果都成为新入口，减少反复输入，让探索自然延续。

city → metropolitan → downtown

早期交织的云团看起来像一个物体，模糊了两部独立文本的概念。我将它们围绕共同中心分开，保留一个可见的搜索框：一次查询，同时打开两个模型进行比较。

这里的吸引运动是两部文本对话的设计隐喻，并非从小说中计算出的物理力。

位置本身承载意义，因此开场过渡后，词语会停在固定位置。我将运动保留在雾中，并让两幅地图联动悬停，方便读者追踪同一个词及其关联。

一次查询，展开两幅地图

悬停词语，追踪它在两部文本中的位置

借助 AI 编程智能体完成实现，我主导模型输出如何转化为体验：核对距离与颜色的含义，审阅可运行原型，并持续改进探索结果的方式。