為什么人工智能需要“以人為本”的設(shè)計
編輯導(dǎo)語:隨著科技的不斷發(fā)展,人工智能開始慢慢的進入到我們的生活工作中,但人工智能需要注意一些問題,一些企業(yè)在做此類項目時,需要注意到人工智能與用戶溝通的機制;本文作者分享了關(guān)于人工智能設(shè)計時需要注意的點,我們一起來看一下。
今天,人工智能已經(jīng)開始重塑商業(yè)和社會,但在實際業(yè)務(wù)中,很多“大數(shù)據(jù)”或AI項目卻無法正常交付。
導(dǎo)致問題的原因有很多,比如:
- 試圖利用技術(shù)來解決戰(zhàn)略層面的問題;
- 高估了數(shù)據(jù)的可用性;
- 低估了數(shù)據(jù)梳理的難度;
- 沒有采取相應(yīng)的流程來確保算法輸出產(chǎn)生預(yù)期的業(yè)務(wù)成果等。
除了這些原因之外,還有一個經(jīng)常被大家忽略的原因,那就是——AI的應(yīng)用沒有以人為本。
一、AI不需要成為“人腦”
很多人都以為今天AI的發(fā)展是因為我們發(fā)明了更先進的算法,讓機器能夠模擬人腦的工作方式。這讓人們產(chǎn)生一種誤判——機器已經(jīng)能夠模擬人腦的工作方式,替代人類思考;但實際上,現(xiàn)有的算法和十年前并沒有本質(zhì)區(qū)別,而今天和十年前最大的不同是算力和更大的數(shù)據(jù)集。
在這樣一個認知基礎(chǔ)上我們再來看AI到底具備怎樣的能力呢?
根據(jù)Hammond的定義,我們可以將AI的作用分為兩種:自動化和增強人的能力。而人類的知識也大致分為兩種:顯性知識和隱性知識。自動化對應(yīng)執(zhí)行與顯性知識相關(guān)的任務(wù),增強人類能力則對應(yīng)與隱性知識相關(guān)的任務(wù)。
顯性知識其實就是“教科書”知識,可以被記錄在指導(dǎo)手冊中;通過對這類知識進行編碼,AI就能夠?qū)崿F(xiàn)流程自動化(RPA)幫助人們完成那些重復(fù)、易出錯或耗時的任務(wù),例如處理訂單地址更改、保險索賠、醫(yī)院賬單或人力資源表格等。
隱性知識是一種通過實踐來掌握的“訣竅”,比如:護士憑經(jīng)驗發(fā)現(xiàn)孩子患了流感,消防員憑直覺感到燃燒的建筑物即將倒塌,或者數(shù)據(jù)科學家憑多年經(jīng)驗發(fā)現(xiàn)了可能存在的邏輯關(guān)系;而AI程序在隱性知識方面的能力正在迅速發(fā)展,例如:面部識別、感應(yīng)情緒、駕駛汽車、翻譯口語、閱讀文本、撰寫報告、給學生論文評分等。
按照計算機科學家Kris Hammond的觀點:任何程序都可以是智能的,只要它能完成一些我們認為智能的事情,至于它是否像人一樣思考并不重要。
從最終呈現(xiàn)的效果上來講,AI并不需要成為“人腦”,而只需要作為工具幫助人類更好思考和完成任務(wù)。
二、AI如何以人為本
1. 找到用戶心里的最佳
精心設(shè)計以滿足最終用戶需求的數(shù)據(jù)科學產(chǎn)品和AI應(yīng)用是最有價值的。例如,在搜索引擎Bing中輸入“波蘭地區(qū)”會返回字面答案:120728平方英里,但同時還有一個注釋:“大約等于內(nèi)華達州的面積。” 數(shù)字答案雖然準確,但直觀一點的答案通常會更有用。
這就是以人為本的設(shè)計,機器是不會自動這么做的,算法結(jié)果中的“最佳”不一定與用戶心里的“最佳”一致。
2. 讓人、機可以無縫銜接
很多AI系統(tǒng)在大多數(shù)情況下可以自動運行,但是在一些特殊或模棱兩可的情況下,需要人工干預(yù);而以人為中心的設(shè)計,能夠確保在合適的時候進行從計算機到人的“交接”,并無縫銜接。
如果交接不順利,AI就會成為人們口中的“人工智障”,因為對技術(shù)的依賴程度越高,在技術(shù)失效的特殊情況下,人的準備程度就越不足。
3. 理解卡斯帕羅夫定律
IBM的深藍擊敗世界象棋冠軍加里·卡斯帕羅夫(Garry Kasparov),Google的AlphaGo擊敗頂級圍棋選手的事大家都很熟悉。這些事件讓我們看到機器多么厲害,但另一場比賽或許會給你更多啟示。
在深藍擊敗卡斯帕羅夫后,有一場名為“自由式國際象棋”的比賽。這場比賽的特點是,對抗的雙方都是人和機器的組合。令人意外的是,最終獲勝者并不是一位擁有最先進PC的“大師”,而是一對同時使用三臺普通計算機的美國業(yè)余棋手。人的戰(zhàn)略指導(dǎo)與計算機的戰(zhàn)術(shù)敏銳度相結(jié)合形成了勢不可擋的能力。
從這場比賽中我們得到這樣一個規(guī)律:弱人機+好流程要優(yōu)于僅僅擁有強大性能的計算機,同時也優(yōu)于強人機+差流程;于是人們將弱人機+好流程勝過強人機+差流程的規(guī)律稱為“卡斯帕羅夫定律”。
你應(yīng)該已經(jīng)發(fā)現(xiàn),這個規(guī)律中的關(guān)鍵是流程,或者說人機協(xié)作的方式,而決定這種協(xié)作方式好還是不好的手段就是以人為本的設(shè)計。
在摹因設(shè)計過程中我們也意識到這一點,所以我們非常強調(diào)如何通過設(shè)計讓業(yè)務(wù)人員能夠使用甚至創(chuàng)建屬于自己的AI模型。
三、收獲與啟發(fā)
只考慮算法層面是不夠的,整體的決策流程(包括算法和人)也必須進行類似的精心設(shè)計。
算法的最終用戶應(yīng)該對這個工具有足夠詳細的了解,以便更有效地使用算法;因此通過可視化的方式清楚地傳達算法的假設(shè)、局限性和數(shù)據(jù)特征非常有必要。
此外,應(yīng)該建立指導(dǎo)原則和業(yè)務(wù)規(guī)則,并提醒最終用戶何時以及如何根據(jù)算法結(jié)果或以其他信息進行操作;總之通過更好的人機協(xié)作模式,以人為中心設(shè)計可以幫助縮小AI算法輸出與預(yù)期結(jié)果之間的差距。
AI本身并不創(chuàng)造價值,為實際場景而設(shè)計并解決具體問題的AI才創(chuàng)造價值;因此僅僅建立準確的算法是不夠的,以人為中心的設(shè)計至關(guān)重要。
作者:李丹陽,公眾號:摹因智能;摹因智能產(chǎn)品部 實習生,東華大學交互設(shè)計方向碩士,工業(yè)設(shè)計和工商管理雙學士。
本文由 @李丹陽 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理,未經(jīng)作者許可,禁止轉(zhuǎn)載。
題圖來自pexels,基于CC0協(xié)議
- 目前還沒評論,等你發(fā)揮!