上周的文章里，我們聊了AI文案技術(shù)的現(xiàn)狀以及它對文案創(chuàng)意職業(yè)的影響。這次我們繼續(xù)人工智能的主題，看看交互設(shè)計師在這個新環(huán)境里，?如何才能不失業(yè)以及需要作出怎樣的改變。

AI的提出以及相關(guān)技術(shù)算法其實(shí)已經(jīng)提出了很久，而電影里對AI的恐懼也是個老掉牙的主題。但真正讓我們在生活上、在自己職業(yè)上感到擔(dān)心的，卻是最近幾年的事。

在這幾年里，深度學(xué)習(xí)等技術(shù)的優(yōu)化以及硬件性能提升讓理論變得可實(shí)用，我們看到從IBM的Watson的快速問答，到AlphaGo逐步吊打人類。包括語音對話、圖像識別等技術(shù)也逐漸融入到平時使用的產(chǎn)品上。基于AI的設(shè)計工具，像自動作圖、文案生成等，也開始出現(xiàn)，設(shè)計師不僅要追趕AI技術(shù)的發(fā)展速度，還要對自己的工作內(nèi)容產(chǎn)生懷疑。

面對這個情況，與其擔(dān)心自己是否會失業(yè)，不如一起討論一下交互設(shè)計師應(yīng)該做出什么樣的改變，才能趕上AI這波節(jié)奏？

一、邏輯的改變

從本質(zhì)上，機(jī)器的邏輯是一種二進(jìn)制邏輯，歸根到底是精確的0和1的運(yùn)算和判斷。二進(jìn)制邏輯下，所有情況都在有限的固定狀態(tài)集合中，這種邏輯只會考慮預(yù)設(shè)條件，不需要外部知識，顯然結(jié)果也是可推倒可預(yù)測的。

由于職業(yè)的需要，交互設(shè)計師的設(shè)計模式也習(xí)慣了這種二進(jìn)制邏輯。我們進(jìn)行設(shè)計時，時常思考的是判斷條件是什么，如何根據(jù)判斷條件和輸入內(nèi)容給出明確的反饋。能清楚梳理一個功能的所有條件邏輯，甚至是交互設(shè)計師的基礎(chǔ)能力。

但這也讓我們有意無意地忽略了人類實(shí)際的思考邏輯，一種基于經(jīng)驗法則的邏輯。人類實(shí)際的思考過程是十分模糊、近似的，判斷的內(nèi)容也不一定需要明確的是或非的邊界，甚至一個問題可能的結(jié)果不一定是一個固定有限的集合。這種邏輯允許并且需要大量的外部知識和經(jīng)驗，這些知識并沒有一個固定的輸入流程。

正是這個粗糙但高效思考方式，讓我們大腦在這么低能耗的情況下可以思考各種復(fù)雜抽象的事情（雖然有時不那么準(zhǔn)確就是了）。

機(jī)器和人類判斷小明身高的邏輯差異（簡化版）

而機(jī)器學(xué)習(xí)等技術(shù)發(fā)展，正是讓機(jī)器的思考方式更加模擬和接近人類，于是，機(jī)器可以開始解決一些界限模糊的抽象問題（譬如圖像識別）。但是，我們也需要適應(yīng)機(jī)器模糊的思考邏輯，并且接受機(jī)器給出的結(jié)果是近似而無法精準(zhǔn)預(yù)測評判的現(xiàn)實(shí)。

即使人類也會把火星上的一座山理解為人臉。我們對AI“容易出錯”有時是一個主觀偏見——對于一些需要進(jìn)行模糊的判斷時，我們還會用著“必須只有唯一可推導(dǎo)的答案”的二進(jìn)制邏輯，過于苛刻地要求AI。

二、輸入輸出的改變

當(dāng)機(jī)器開始像人類思考時，給交互帶來的另一個直接變化是輸入輸出方式的改變。對于輸入方式，最直觀的轉(zhuǎn)變是輸入方式變得更加豐富。

聲音、語音、圖像、動作、環(huán)境等信息已經(jīng)成為很常見的輸入手段，但更本質(zhì)地說，我們現(xiàn)在可以輸入更加抽象、邊界模糊以及內(nèi)容混合的信息。

舉個栗子，過往的人機(jī)對話其實(shí)跟文字RPG一樣是一問一答，根據(jù)條件觸發(fā)反饋的。但當(dāng)人機(jī)對話時，機(jī)器會同時考慮環(huán)境、語境、前后文、情感、性格、即興等模糊抽象的信息時，人機(jī)對話的體驗是否會完全不一樣呢？

聽著有點(diǎn)眼熟？

前面說到，機(jī)器邏輯的改變使得結(jié)果不再是精確固定的，那意味著AI的交互流程中，輸出環(huán)節(jié)需要我們考慮更多的事情。

譬如說，AI的輸出結(jié)果通常是基于概率的，如何根據(jù)使用場景把控結(jié)果的置信值將很大影響體驗和可用性。譬如在電商的智能推送，或者一些需要創(chuàng)造力的產(chǎn)品，我們很樂意看到機(jī)器給我們一些更即興或者多變的反饋，但在醫(yī)療影像疾病分析或者銀行對于客戶的信用評判的產(chǎn)品上，你就不會希望機(jī)器隨隨便便給你下判斷了。

與我們預(yù)期相反，在第一批AI浪潮里，一些產(chǎn)品不僅沒有取代人類工作，反而迅速被下架回爐再造。與其說是因為“業(yè)績不好”，不如說這些AI產(chǎn)品沒有符合使用者和業(yè)務(wù)的需求。

隨著AI產(chǎn)品被實(shí)際使用，大家逐漸發(fā)現(xiàn)了AI與人進(jìn)行交流時出現(xiàn)的體驗問題，而這些問題并不簡單地通過程序可以解決的，它們涉及到場景、流程、使用者的心理和主觀體驗。正如前面提及，AI產(chǎn)品的交互流程復(fù)雜且難以參數(shù)化預(yù)估，這些產(chǎn)品的用戶體驗將成為一個新的設(shè)計領(lǐng)域。

Amelia是IPSoft為銀行、醫(yī)療、保險等提供的客戶服務(wù)的AI系統(tǒng)，但瑞典Nordnet銀行因為其業(yè)績不理想以及客戶反饋一般將其“解雇”。不過Amelia仍然是公認(rèn)較為領(lǐng)先的AI系統(tǒng)，正在被全球超過50家公司使用。

蘇格蘭一家超市中的AI導(dǎo)購機(jī)器人Fabio，因無法符合顧客預(yù)期地解決導(dǎo)購問題而下崗，在崗前甚至有些顧客看見它還不得不繞著走。有趣的是，當(dāng)初大家覺得會因被機(jī)器人替代而不滿的超市員工，反而是最舍不得Fabio離開的人。

三、設(shè)計關(guān)注點(diǎn)的改變

AI不僅影響著我們需要設(shè)計的產(chǎn)品，同時也影響著我們的設(shè)計工具。面對AI設(shè)計輔助工具的出現(xiàn)，交互設(shè)計師需要調(diào)整自己的設(shè)計關(guān)注點(diǎn)。

最直接可見的是工作替代，AI的出現(xiàn)其實(shí)跟工業(yè)革命的機(jī)器化生產(chǎn)很相似，只要可以設(shè)置精度和標(biāo)準(zhǔn)化的事情，機(jī)器都是可以輕松代替人類的。于是現(xiàn)在出現(xiàn)的AI文案、banner生成，以及在逐漸成熟的風(fēng)格模仿、組件化布局等工作，機(jī)器都會越來越輕松去勝任。但包括業(yè)務(wù)洞察、服務(wù)流程、主觀體驗、初始創(chuàng)意等無法定義精度和標(biāo)準(zhǔn)的工作，是目前的AI技術(shù)難以完成的。

當(dāng)這些標(biāo)準(zhǔn)化作業(yè)逐漸由機(jī)器進(jìn)行后，我們與機(jī)器的關(guān)系將逐漸從工具使用變成設(shè)計協(xié)作，你甚至可以把這些設(shè)計工具當(dāng)作一個和你合作的初級設(shè)計師。我們需要學(xué)習(xí)如何利用這個標(biāo)準(zhǔn)而高效的合作者，并把節(jié)省的時間用于更高價值的設(shè)計工作中。

我們也需要思考如何互相提高設(shè)計能力，這既包括人對機(jī)器提出更清楚的需求和定義，拓展機(jī)器的設(shè)計能力與領(lǐng)域，也包括通過機(jī)器數(shù)據(jù)分析、方案創(chuàng)作的效率，激發(fā)人更多的靈感與思維。

而且，AI的思考過程是不可見的，所以我們無法簡單根據(jù)條件和邏輯去分析AI為何給出這個結(jié)果。因此我們看到一個不符合我們預(yù)期的輸出時，我們在想程序哪里出bug之前，先要需要考慮出現(xiàn)這個結(jié)果的各個因素，以及這個結(jié)果在應(yīng)用場景下，和預(yù)期不一樣的結(jié)果是否反而有更高的價值。

當(dāng)初柯潔對AlphaGo的棋路表示懷疑和無法理解，但是棋局的結(jié)果和后面AlphaGo的持續(xù)學(xué)習(xí)結(jié)果表明，不符合預(yù)期的輸出不一定用“出BUG”就糊弄過去了，這種矛盾反而是創(chuàng)造的動力。

四、總結(jié)

我們需要承認(rèn)，AI將會逐漸取代部分基礎(chǔ)的工作，這也包括交互設(shè)計中可標(biāo)準(zhǔn)化、重復(fù)化、依靠運(yùn)算量的內(nèi)容。但AI發(fā)展導(dǎo)致交互邏輯和方式的變化，交互設(shè)計師的工作反而變得更加復(fù)雜和重要了。這意味著，交互設(shè)計師在AI技術(shù)的發(fā)展下需要變得更加專業(yè)化，而仍在進(jìn)行著簡單重復(fù)勞動的人將會逐步被淘汰，所以抓緊時間給自己補(bǔ)補(bǔ)課吧~

作者：戳，微信公眾號：未知素設(shè)計

本文由 @戳 原創(chuàng)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 Pexels ，基于 CC0 協(xié)議