2019人工智能用戶體驗設計指南：技術、場景、設計
本文在微軟、谷歌、adobe的AI設計經驗基礎上，結合了我的親身實踐經驗，重新梳理、更新，總結而成。我覺得MIT教授Patrick Winston總結的蠻好，他把AI在軟件系統中的身份分為四類：tools, assistants, peers, and managers.- tools 工具，這個很好理解，比如AI用于識別垃圾郵件、分類圖像都是此類；- assistants 助手，例如siri，扮演的是助理的角色，輔助系統幫助用戶完成某項任務；- peers 同等地位的公民，就像我們經常接到電話機器人的電話，AI已經如同人的存在一樣在我們身邊；- managers 管理者，先問問讀者們，當你的工作、報酬都由AI來分配的時候，你會怎么想？舉阮一峰在文章中提到的一個現象為例，硅谷科技公司正在用 API 替代掉中層干部。例如，外賣送餐員不再有領導，他們直接從 API 接單，然后把送餐結果反饋給 API。把API換成AI，即AI管理者。Amazon有一個眾包市場， Mechanical Turk（MTurk），可使個人和企業輕松地將其流程和工作外包給可以執行這些任務的分布式勞動力。就是一個典型的AI管理者模式。How Adobe Became a Successful $95 Billion SaaS Company經過35年的發展，adobe的市值已經近千億。這無疑得益于這些年來的產品形態、應用領域的拓展，再加上AI驅動的底層技術支持。Adobe Sensei把AI技術與實際的應用場景緊密結合，痛點跟AI解決方案，值得我們借鑒。Adobe Sensei驅動（AI）解決方案：- 處理重復、耗時的流程，幫助用戶有更多的時間來創作；- 當趨勢或重大事件發生時， 用戶可以獲得有關數據驅動方式的建議，幫助用戶更好地確定決策的優先級。AI系統的設計需要重點關注的4個環節：初始化、交互進行中、出錯時、全過程。主要處理用戶預期與系統能力范圍的匹配。需要告知用戶AI可以 完成哪些事情，哪些問題暫時是無法解決的。AI需要多少時間完成，結果對應的相關信息，結果對應的基準指標是什么。AI出錯時，用戶可以什么樣的方式去參與修正，需要提供用戶反饋或者修正的方式。記錄當前交互狀態、學習用戶的使用行為、更新、鼓勵用戶反饋、告知用戶變化的內容、用戶可以全局控制AI。關于靈感，我們不能從無到有創造出一些東西。而機器可以從大數據中提取信息，激發我們的靈感;關于提取知識，我們無法從大數據中，而機器可以總結，提煉出來;Ancestry.com是一個 案例，該站點幫助用戶快速完成創建家譜。系統通過分析數百萬個通過機器學習處理的掃描圖像，歷史文檔和公共記錄，讀取，分類與用戶潛在祖先匹配的記錄，反饋給用戶，借此用戶可以快速地完成家譜的創建。機器學習能夠根據其對用戶的了解，結合總體趨勢，為用戶提供個性化定制的服務。Netflix是一個很好的例子。不僅是內容的個性化定制，布局形態也是可以如此。利用機器學習，機器對文本、圖像、聲音等都有了感知能力，經過訓練AI系統弄，從而可以實現對內容的理解。比如adobe的Lightroom產品中，AI可以在照片中發現人物，從而主動對照片進行分組和標記，從而可以快速搜索目標。自動摳圖、圖像定位、內容生成等，可以加速用戶創建內容的速度，例如Fontphoria使用增強現實技術自動檢測新樣式并將其疊加到現實世界中的物理對象上。把以往需要手動的多項操作，交由AI自動完成。除了鍵盤、鼠標，有什么其他的交互方式是適合AI的？比如語音、手勢，甚至人臉，表情等等，借助于AI對內容的理解，我們可以實現各式各樣、新的交互方式。基于音頻的音樂搜索引擎Shazam是一個很好的例子，用戶唱幾句，AI即可立即識別歌曲。一個明顯的特點就是，在人機協作的系統里，AI扮演的是助手的角色，一般用來提供建議和路徑指引。產品形態可以是聊天機器人，也可以是其他的交互方式。一般設計師會習慣性地理解為是聊天機器人，其實不然，小到一個簡單的toast，其實也是可以有協作的功能的。優雅的失敗，清晰告知用戶AI系統可以做什么，不能做什么微軟在論文《Guidelines-for-Human-AI-Interaction-camera-ready》中也提到了AI系統首要解決的問題就是如何清晰地傳達系統可以解決的問題，保證用戶的預期不要被過度拔高。系統有可能會出錯，需要有個明確的指示，告知用戶，讓用戶理解。
本站僅提供存儲服務，所有內容均由用戶發布，如發現有害或侵權內容，請
點擊舉報。
