隨著AI產(chǎn)品的到來，我們進(jìn)入了一個智能時代。設(shè)計(jì)師的目標(biāo)是創(chuàng)建有用的，易于理解的產(chǎn)品，其中，要遵循一些設(shè)計(jì)原則。

我們可以從最近一次致命的特斯拉事故（特斯拉處于自動駕駛狀態(tài)時發(fā)生車禍，致駕駛?cè)怂劳?。）中學(xué)到的一件事：AI和機(jī)器學(xué)習(xí)產(chǎn)品需要非常仔細(xì)的設(shè)計(jì)。

在本文中，我將介紹設(shè)計(jì)AI產(chǎn)品應(yīng)遵循的七個基本UX原則。

隨著AI產(chǎn)品的到來，我們進(jìn)入了一個智能時代。機(jī)器不只是按照我們的指令行事，而是具有了一定的自主性，可以自發(fā)的進(jìn)行一些活動。這同時也影響著人類面對產(chǎn)品時的反應(yīng)、行為和期待。

作為設(shè)計(jì)師，我們的目標(biāo)是創(chuàng)建有用的，易于理解的產(chǎn)品，以使這個全新模糊的機(jī)器學(xué)習(xí)新世界更加清晰。最重要的是，我們希望利用人工智能的力量使人們的生活更輕松，更快樂。因此，讓我們看看如何通過良好的UX設(shè)計(jì)來實(shí)現(xiàn)這些目標(biāo)。下面是設(shè)計(jì)AI產(chǎn)品應(yīng)遵循的七個基本UX原則。

AI UX原則＃1：從視覺上區(qū)分AI內(nèi)容和常規(guī)內(nèi)容

在許多情況下，我們使用AI和機(jī)器學(xué)習(xí)來深入挖掘數(shù)據(jù)并為自己生成新的有用的內(nèi)容。它們可以是Netflix上的電影推薦，可以是Google Translate中的翻譯，或者是CRM系統(tǒng)（客戶關(guān)系管理系統(tǒng)，是指利用軟件、硬件和網(wǎng)絡(luò)技術(shù)，為企業(yè)建立一個客戶信息收集、管理、分析和利用的信息系統(tǒng)。）中的銷售預(yù)測。

AI生成的內(nèi)容可以證明對人們非常有用，但是在某些情況下，這些建議和預(yù)測需要更高的準(zhǔn)確性。人工智能算法有其自身的缺陷，特別是當(dāng)它們沒有足夠的數(shù)據(jù)或反饋以供學(xué)習(xí)時。我們應(yīng)該讓人們知道算法是否生成了一條內(nèi)容，從而他們可以自己決定是否信任它。以上是人工智能UX的第一個原理。

在上圖中，您可以看到Zendesk對支持通知單的AI預(yù)測。它清楚地將其標(biāo)識為一種預(yù)測，因此人們對欄中內(nèi)容會有合理的預(yù)期。Firebase是面向移動開發(fā)人員的工具，它使用魔術(shù)棒圖標(biāo)標(biāo)記預(yù)測的數(shù)據(jù)。

在這里，他們還提供有關(guān)預(yù)測準(zhǔn)確性的信息，用戶也可以設(shè)置風(fēng)險(xiǎn)承受能力。當(dāng)然，此工具為了解更多機(jī)器學(xué)習(xí)知識的工程師服務(wù)。人們不一定每天都會理解“高風(fēng)險(xiǎn)承受能力”。但是魔術(shù)棒仍然可以輕松地突出顯示AI內(nèi)容。

AI UX原則＃2：解釋機(jī)器如何思考

人工智能通?？雌饋硐衲g(shù)：有時甚至工程師也很難解釋機(jī)器學(xué)習(xí)算法是如何得出結(jié)論的。我們在UX領(lǐng)域希望能幫助人們了解機(jī)器的運(yùn)作形式，從而使他們可以更好地使用機(jī)器。

這并不意味著我們應(yīng)該解釋卷積神經(jīng)網(wǎng)絡(luò)如何在簡單的照片搜索中發(fā)揮作用。而是應(yīng)該向用戶提示該算法的作用或他們使用了什么數(shù)據(jù)。

一個很好的古老例子來自電子商務(wù)領(lǐng)域，我們在其中解釋了為什么我們推薦某些產(chǎn)品。這些推薦引擎是很多年前許多人遇到的第一個AI UX。

自動駕駛汽車同樣也是一個很好的例子。為了建立乘客對于汽車的信任感，我們建議在汽車中放置屏幕，因此每個人都可以從汽車的視角觀察周圍的環(huán)境。

最后但并非最不重要的一點(diǎn)，讓我們看一下電子郵件營銷工具Drip。它本身不是AI產(chǎn)品，而是具有顯示通訊訂閱者參與度的評分功能。單擊分?jǐn)?shù)，您將獲得詳細(xì)的動作列表向人們說明了獲得分?jǐn)?shù)的原因。

AI UX原則 #3：設(shè)定正確的期望

在上面提到的致命特斯拉事故中，駕駛員可能對自動駕駛儀系統(tǒng)過度信任。與Google的汽車等其他自動駕駛技術(shù)不同，特斯拉的自動駕駛技術(shù)的復(fù)雜性并不足以使其在復(fù)雜的情況下導(dǎo)航，因此即使使用自動駕駛技術(shù)，駕駛員也必須把手放在方向盤上。盡管收到多個視覺和語音通知提醒，駕駛員仍沒有遵循這些說明。他可能認(rèn)為這輛車可以自動駕駛。

我們必須讓用戶對AI產(chǎn)品建立合適預(yù)期，尤其是在這個充滿對新的AI技術(shù)轟動的，表面化的新聞的世界中。

一些聊天機(jī)器人使用消息來闡明他們的進(jìn)步水平。在這種情況下，我們嘗試通過給機(jī)器人一個完美的預(yù)案和一個友好的角色來降低期望值。

AI UX原則 #4：查找和處理奇怪的邊緣情況

人工智能可以產(chǎn)生內(nèi)容并采取前所未有的行動。對于這種不可預(yù)測的情況，我們必須花更多的時間測試產(chǎn)品，并發(fā)現(xiàn)奇怪，有趣，甚至令人不安或不愉快的邊緣情況。

當(dāng)聊天機(jī)器人不了解上下文或有人給了他們簡單但出乎意料的指令時，就很可能會出現(xiàn)可笑荒唐的結(jié)果。

關(guān)于亞馬遜的Alexa也有許多類似的事件。一次，它訂購了一個玩具屋，只是因?yàn)樗趶V播中聽到了關(guān)于玩具屋的談話。還有一次，護(hù)照檢查器自動程序不接受亞洲人的照片，因?yàn)檎J(rèn)定“他們閉著眼睛”。

在現(xiàn)場進(jìn)行廣泛的測試可以最大程度地減少這些錯誤。對于產(chǎn)品能力范圍進(jìn)行清晰的溝通可以幫助人們理解這些意外情況。

設(shè)計(jì)人員還必須向開發(fā)人員提供有關(guān)用戶期望的信息。他們可以微調(diào)算法以防止不良響應(yīng)。在許多情況下，它們會在準(zhǔn)確度和容錯率之間進(jìn)行權(quán)衡。

優(yōu)化容錯率意味著機(jī)器學(xué)習(xí)產(chǎn)品將使用找到的所有正確答案，即使同時會顯示出一些錯誤的答案。假設(shè)我們建立了可以識別畢加索畫作的AI。如果我們針對容錯進(jìn)行優(yōu)化，該算法將列出所有畢加索的畫作，但是一些梵高也可能會出現(xiàn)在結(jié)果中。

優(yōu)化準(zhǔn)確度意味著機(jī)器學(xué)習(xí)算法將僅使用明顯正確的答案，但是會漏掉一些邊緣的正確結(jié)果。它的結(jié)果中只會顯示畢加索的畫而不出現(xiàn)梵高的畫，但是同時可能會錯過一些畢加索的畫。它不會找到所有正確的答案，只會找到部分正確的案例。

在進(jìn)行AI產(chǎn)品交互設(shè)計(jì)時，我們可以幫助開發(fā)人員確定要優(yōu)化的內(nèi)容。提供有關(guān)人類反應(yīng)和人類優(yōu)先事項(xiàng)的有價值的見解，這也說明了設(shè)計(jì)師是在AI項(xiàng)目中的重要角色。

AI UX原則 #5：為工程師提供合適的訓(xùn)練數(shù)據(jù)

從工程方面創(chuàng)建AI產(chǎn)品通常需要執(zhí)行以下三個高級步驟：

1. 尋找適合您任務(wù)的最佳AI算法。
2. 提供AI訓(xùn)練數(shù)據(jù)。AI從這些數(shù)據(jù)中學(xué)習(xí)并創(chuàng)建一個將在實(shí)時產(chǎn)品中使用的模型。在上面的示例中，訓(xùn)練數(shù)據(jù)將包括很多繪畫以及每一個繪畫的畫家的姓名。
3. 發(fā)布產(chǎn)品。在為用戶做某些事情之前，它將使用經(jīng)過訓(xùn)練的模型。它還可能會收集新數(shù)據(jù)供以后使用，從而重新訓(xùn)練模型并改善其自身性能。

因此，您確實(shí)需要訓(xùn)練數(shù)據(jù)。用戶體驗(yàn)設(shè)計(jì)相關(guān)人員需要幫助收集培訓(xùn)數(shù)據(jù)并定義人們希望從AI產(chǎn)品中看到的預(yù)期結(jié)果。

有時定義預(yù)期結(jié)果很容易。但當(dāng)結(jié)果與用戶相關(guān)聯(lián)時，一切就變得復(fù)雜起來。Netflix電影推薦真的有用嗎？用戶體驗(yàn)設(shè)計(jì)團(tuán)隊(duì)旨在了解用戶并定義標(biāo)準(zhǔn)。

工程師將需要訓(xùn)練數(shù)據(jù)，尤其是對于可以輸入到機(jī)器學(xué)習(xí)算法中的不同輸入給出明確定義的結(jié)果。據(jù)報(bào)道，谷歌聘請了“內(nèi)容專家”，即產(chǎn)品領(lǐng)域的專家來幫助建立訓(xùn)練數(shù)據(jù)集。

收集初始數(shù)據(jù)集后，工程師可以訓(xùn)練算法，我們可以開始使用早期原型進(jìn)行用戶測試。通過這些測試，我們對訓(xùn)練好的模型進(jìn)行再次檢驗(yàn)，以了解它們在真實(shí)用戶中的表現(xiàn)。在一個AI項(xiàng)目中，開發(fā)人員和設(shè)計(jì)人員之間需要更緊密的協(xié)作。

AI UX原則#6：AI產(chǎn)品的用戶測試（傳統(tǒng)的用戶測試方法無法應(yīng)用在AI產(chǎn)品中）

與常規(guī)應(yīng)用相比，測試AI產(chǎn)品的用戶體驗(yàn)困難得多。這些AI應(yīng)用程序主要用于提供個性化的內(nèi)容，但在線框圖中我們幾乎沒有辦法使用一些虛擬的方式來模擬它們。但是，這里有兩種有效的測試方法可以起作用：綠野仙蹤測試和個人內(nèi)容。

在《綠野仙蹤》研究期間，有人模仿產(chǎn)品在后臺的反應(yīng)。它通常會用一個真實(shí)的人回答每個消息來測試聊天機(jī)器人，并假裝該機(jī)器人正在編寫。

您還可以在測試情況下使用測試參與者的個人內(nèi)容。詢問他們最喜歡的音樂家和歌曲，并使用他們測試音樂推薦引擎。這可以測試人們的預(yù)設(shè)以及他們對好和壞的推薦所做出的不同反應(yīng)。

AI UX原則#7：提供反饋的機(jī)會

如果我們將越來越多的數(shù)據(jù)輸入到機(jī)器學(xué)習(xí)算法中，那么AI產(chǎn)品的用戶體驗(yàn)將越來越好。下面的電影推薦系統(tǒng)，對于顯示的每部電影，用戶都可以設(shè)置是否喜歡。它為算法收集了大量的訓(xùn)練數(shù)據(jù)。

電影推薦輔助還可以為您的用戶提供有關(guān)AI內(nèi)容的反饋的機(jī)會。在應(yīng)用做出建議或預(yù)測的每個屏幕上，讓用戶有機(jī)會立即輕松地提供反饋。這通常意味著在AI內(nèi)容旁邊顯示一鍵式反饋選項(xiàng)。在Zendesk中，預(yù)測旁邊的按鈕會報(bào)告不良情況。

在谷歌訂閱中，您可以在每張卡片下方看到問題，以不時提供有關(guān)卡片是否有用的反饋。您可以看到他們還找到了一種很好的方式來傳達(dá)算法的工作原理。他們顯示了用戶感興趣的短語，以解釋為什么他們推薦某篇文章。

綜上所述，設(shè)計(jì)AI UX時要做的七件事：

1. 以視覺方式將AI內(nèi)容與常規(guī)內(nèi)容區(qū)分開，以便人們可以知道信息的來源。
2. 解釋機(jī)器如何思考，以便人們可以理解結(jié)果。
3. 設(shè)定預(yù)期，以便人們可以知道他們可以使用AI產(chǎn)品實(shí)現(xiàn)或無法實(shí)現(xiàn)的功能。
4. 查找并處理邊緣情況，從而使用戶不會發(fā)生奇怪或不愉快的事情。
5. 幫助開發(fā)者洞察用戶需求并選擇合適的數(shù)據(jù)集。
6. 利用類似于綠野仙蹤法（Wizard of Oz test）這樣的理論工具來對AI產(chǎn)品的體驗(yàn)設(shè)計(jì)進(jìn)行測試，在模擬AI內(nèi)容時使用測試參與者的真實(shí)數(shù)據(jù)。（綠野仙蹤法：簡而言之，這是一種不需要實(shí)際開發(fā)軟件的情況下測試原型的方法。WOZ原型用來評估設(shè)計(jì)的功能，是夠能滿足用戶的目標(biāo)，以及提升整體用戶體驗(yàn)。WOZ實(shí)驗(yàn)的外觀和感覺都與真實(shí)體驗(yàn)相似，但與被測試者交互的不是軟件，而是一個人模擬虛擬角色的表現(xiàn)。參與者可能知道也可能不知道他們正在與幕后的巫師互動。參見：yuque.com/ued_tcsl/hgrm）。
7. 為用戶提供反饋的機(jī)會并向系統(tǒng)添加新的訓(xùn)練數(shù)據(jù)。

設(shè)計(jì)AI產(chǎn)品帶來了令人興奮的新挑戰(zhàn)。牢記這七個原則，您可能會成功。

作者：Dávid Pásztor

原文：https://uxstudioteam.com/ux-blog/ai-ux/

本文由 @AI交互設(shè)計(jì) 翻譯發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載

題圖來自Unsplash，基于CC0協(xié)議