隨著AI產(chǎn)品的到來，我們進入了一個智能時代。設計師的目標是創(chuàng)建有用的，易于理解的產(chǎn)品，其中，要遵循一些設計原則。

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，致駕駛人死亡。）中學到的一件事：AI和機器學習產(chǎn)品需要非常仔細的設計。

在本文中，我將介紹設計AI產(chǎn)品應遵循的七個基本UX原則。

隨著AI產(chǎn)品的到來，我們進入了一個智能時代。機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)的進行一些活動。這同時也影響著人類面對產(chǎn)品時的反應、行為和期待。

作為設計師，我們的目標是創(chuàng)建有用的，易于理解的產(chǎn)品，以使這個全新模糊的機器學習新世界更加清晰。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設計來實現(xiàn)這些目標。下面是設計AI產(chǎn)品應遵循的七個基本UX原則。

AI UX原則＃1：從視覺上區(qū)分AI內容和常規(guī)內容

在許多情況下，我們使用AI和機器學習來深入挖掘數(shù)據(jù)并為自己生成新的有用的內容。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)（客戶關系管理系統(tǒng)，是指利用軟件、硬件和網(wǎng)絡技術，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)。）中的銷售預測。

AI生成的內容可以證明對人們非常有用，但是在某些情況下，這些建議和預測需要更高的準確性。人工智能算法有其自身的缺陷，特別是當它們沒有足夠的數(shù)據(jù)或反饋以供學習時。我們應該讓人們知道算法是否生成了一條內容，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預測。它清楚地將其標識為一種預測，因此人們對欄中內容會有合理的預期。Firebase是面向移動開發(fā)人員的工具，它使用魔術棒圖標標記預測的數(shù)據(jù)。

在這里，他們還提供有關預測準確性的信息，用戶也可以設置風險承受能力。當然，此工具為了解更多機器學習知識的工程師服務。人們不一定每天都會理解“高風險承受能力”。但是魔術棒仍然可以輕松地突出顯示AI內容。

AI UX原則＃2：解釋機器如何思考

人工智能通?？雌饋硐衲g：有時甚至工程師也很難解釋機器學習算法是如何得出結論的。我們在UX領域希望能幫助人們了解機器的運作形式，從而使他們可以更好地使用機器。

這并不意味著我們應該解釋卷積神經(jīng)網(wǎng)絡如何在簡單的照片搜索中發(fā)揮作用。而是應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領域，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，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。單擊分數(shù)，您將獲得詳細的動作列表向人們說明了獲得分數(shù)的原因。

AI UX原則 #3：設定正確的期望

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不同，特斯拉的自動駕駛技術的復雜性并不足以使其在復雜的情況下導航，因此即使使用自動駕駛技術，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)品建立合適預期，尤其是在這個充滿對新的AI技術轟動的，表面化的新聞的世界中。

一些聊天機器人使用消息來闡明他們的進步水平。在這種情況下，我們嘗試通過給機器人一個完美的預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)生內容并采取前所未有的行動。對于這種不可預測的情況，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。

當聊天機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)可笑荒唐的結果。

關于亞馬遜的Alexa也有許多類似的事件。一次，它訂購了一個玩具屋，只是因為它在廣播中聽到了關于玩具屋的談話。還有一次，護照檢查器自動程序不接受亞洲人的照片，因為認定“他們閉著眼睛”。

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

設計人員還必須向開發(fā)人員提供有關用戶期望的信息。他們可以微調算法以防止不良響應。在許多情況下，它們會在準確度和容錯率之間進行權衡。

優(yōu)化容錯率意味著機器學習產(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)在結果中。

優(yōu)化準確度意味著機器學習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果。它的結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。

在進行AI產(chǎn)品交互設計時，我們可以幫助開發(fā)人員確定要優(yōu)化的內容。提供有關人類反應和人類優(yōu)先事項的有價值的見解，這也說明了設計師是在AI項目中的重要角色。

AI UX原則 #5：為工程師提供合適的訓練數(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. 尋找適合您任務的最佳AI算法。
2. 提供AI訓練數(shù)據(jù)。AI從這些數(shù)據(jù)中學習并創(chuàng)建一個將在實時產(chǎn)品中使用的模型。在上面的示例中，訓練數(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，從而重新訓練模型并改善其自身性能。

因此，您確實需要訓練數(shù)據(jù)。用戶體驗設計相關人員需要幫助收集培訓數(shù)據(jù)并定義人們希望從AI產(chǎn)品中看到的預期結果。

有時定義預期結果很容易。但當結果與用戶相關聯(lián)時，一切就變得復雜起來。Netflix電影推薦真的有用嗎？用戶體驗設計團隊旨在了解用戶并定義標準。

工程師將需要訓練數(shù)據(jù)，尤其是對于可以輸入到機器學習算法中的不同輸入給出明確定義的結果。據(jù)報道，谷歌聘請了“內容專家”，即產(chǎn)品領域的專家來幫助建立訓練數(shù)據(jù)集。

收集初始數(shù)據(jù)集后，工程師可以訓練算法，我們可以開始使用早期原型進行用戶測試。通過這些測試，我們對訓練好的模型進行再次檢驗，以了解它們在真實用戶中的表現(xiàn)。在一個AI項目中，開發(fā)人員和設計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用在AI產(chǎn)品中）

與常規(guī)應用相比，測試AI產(chǎn)品的用戶體驗困難得多。這些AI應用程序主要用于提供個性化的內容，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容。

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

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設以及他們對好和壞的推薦所做出的不同反應。

AI UX原則#7：提供反饋的機會

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

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

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，設計AI UX時要做的七件事：

1. 以視覺方式將AI內容與常規(guī)內容區(qū)分開，以便人們可以知道信息的來源。
2. 解釋機器如何思考，以便人們可以理解結果。
3. 設定預期，以便人們可以知道他們可以使用AI產(chǎn)品實現(xiàn)或無法實現(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)品的體驗設計進行測試，在模擬AI內容時使用測試參與者的真實數(shù)據(jù)。（綠野仙蹤法：簡而言之，這是一種不需要實際開發(fā)軟件的情況下測試原型的方法。WOZ原型用來評估設計的功能，是夠能滿足用戶的目標，以及提升整體用戶體驗。WOZ實驗的外觀和感覺都與真實體驗相似，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會并向系統(tǒng)添加新的訓練數(shù)據(jù)。

設計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交互設計 翻譯發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉載

題圖來自Unsplash，基于CC0協(xié)議