隨著AI產(chǎn)品的到來，我們進入了智能化時代。設計師的目標是創(chuàng)造有用的、易于理解的產(chǎn)品，并遵循一些設計原則。

我們可以從最近發(fā)生的特斯拉致命事故（一輛特斯拉在自動駕駛時墜毀，導致駕駛員死亡）中學到一件事：人工智能和機器學習產(chǎn)品需要非常仔細的設計。

在本文中，我將介紹設計人工智能產(chǎn)品時應遵循的七個基本用戶體驗原則。

隨著AI產(chǎn)品的到來，我們進入了智能化時代。機器不僅按照我們的指令行動，而且具有一定程度的自主性，可以自發(fā)地執(zhí)行一些活動。這也影響著人類面對產(chǎn)品時的反應、行為和期望。

作為設計師，我們的目標是創(chuàng)造有用、易于理解的產(chǎn)品，讓這個新的、晦澀的機器學習世界變得清晰。最重要的是，我們希望利用人工智能的力量讓人們的生活更輕松、更幸福。那么，讓我們看看如何通過良好的用戶體驗設計來實現(xiàn)這些目標。以下是設計人工智能產(chǎn)品時應遵循的七個基本用戶體驗原則。

人工智能用戶體驗原則#1：從視覺上區(qū)分人工智能內(nèi)容和常規(guī)內(nèi)容在許多情況下，我們使用人工智能和機器學習來更深入地挖掘數(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、谷歌翻譯中的翻譯，也可以是CRM系統(tǒng)（客戶關系管理系統(tǒng)），CRM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、分析和利用的系統(tǒng)。信息系統(tǒng)中的銷售預測。

人工智能生成的內(nèi)容對人們來說非常有用，但在某些情況下，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，尤其是當它們沒有足夠的數(shù)據(jù)或反饋可供學習時。我們應該讓人們知道算法是否生成了一段內(nèi)容，以便他們可以自己決定是否信任它。以上就是人工智能UX的第一個原則。

在上圖中，您可以看到Zendesk 對支持請求的AI 預測。它明確地將其標識為預測，因此人們對專欄中的內(nèi)容有合理的期望。 Firebase 是一款面向移動開發(fā)人員的工具，它用魔杖圖標標記預測數(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，這個工具是為更了解機器學習的工程師準備的。人們不一定每天都了解“高風險承受能力”。但魔棒仍然可以輕松突出顯示人工智能內(nèi)容。

AI 用戶體驗原則#2：解釋機器如何思考人工智能通?？雌饋硐衲Хǎ河袝r即使是工程師也很難解釋機器學習算法如何得出結論。我們在用戶體驗領域希望幫助人們了解機器是如何工作的，以便他們能夠更好地使用它們。

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工作。相反，應該向用戶提示算法的作用或他們使用的數(shù)據(jù)。

一個很好的老例子來自電子商務領域，我們解釋了為什么我們推薦某些產(chǎn)品。這些推薦引擎是許多人多年前遇到的第一個AI UX。

自動駕駛汽車也是一個很好的例子。為了建立乘客對汽車的信任，我們建議在車內(nèi)放置屏幕，以便每個人都可以從汽車的角度觀察周圍的環(huán)境。

最后但并非最不重要的一點是，讓我們看一下電子郵件營銷工具Drip。它本身不是人工智能產(chǎn)品，但具有顯示時事通訊訂閱者參與度的評分功能。單擊分數(shù)，您將獲得詳細的操作列表，解釋獲得分數(shù)的原因。

AI UX 原則#3：設定正確的期望在上述特斯拉致命事故中，駕駛員可能對自動駕駛系統(tǒng)過于信任。與谷歌汽車等其他自動駕駛技術不同，特斯拉的自動駕駛技術不夠復雜，無法應對復雜的情況，因此即使使用自動駕駛技術，駕駛員也必須將手放在方向盤上。盡管收到多次視覺和語音通知提醒，但司機未能遵循這些指示。他可能認為汽車可以自動駕駛。

我們必須為人工智能產(chǎn)品建立適當?shù)挠脩羝谕绕涫窃谝粋€充滿關于新人工智能技術的聳人聽聞、膚淺新聞的世界里。

一些聊天機器人使用消息來闡明其進度。在這種情況下，我們試圖通過給機器人一個完美的計劃和友好的角色來降低期望。

人工智能用戶體驗原則#4：查找并處理奇怪的邊緣情況人工智能可以以前所未有的方式生成內(nèi)容并采取行動。由于這種不可預測性，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。

當聊天機器人不理解上下文或者有人給它們簡單但意想不到的指令時，很可能會出現(xiàn)荒謬的結果。

亞馬遜Alexa的類似事件還有很多。有一次，它訂購了一個玩具屋，只是因為它在廣播中聽到有關玩具屋的討論。還有一次，自動護照檢查程序拒絕接受亞洲人的照片，因為“他們的眼睛是閉著的”。

廣泛的現(xiàn)場測試可以最大限度地減少這些錯誤。關于產(chǎn)品功能范圍的清晰溝通可以幫助人們理解這些驚喜。

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(diào)算法以防止不必要的響應。在許多情況下，它們會在準確性和容錯性之間進行權衡。

優(yōu)化容錯意味著機器學習產(chǎn)品將使用它找到的所有正確答案，即使同時顯示一些錯誤答案。假設我們構建一個可以識別畢加索畫作的人工智能。如果我們針對容錯進行優(yōu)化，算法將列出所有畢加索的畫作，但一些梵高的畫作也可能會出現(xiàn)在結果中。

優(yōu)化準確性意味著機器學習算法將只使用明顯正確的答案，但會錯過一些邊際正確的結果。它的結果只會顯示畢加索的畫作，而不會顯示梵高的畫作，但同時可能會錯過一些畢加索的畫作。它不會找到所有正確的答案，只會找到一些正確的情況。

在設計人工智能產(chǎn)品交互時，我們可以幫助開發(fā)人員確定要優(yōu)化的內(nèi)容。它提供了對人類反應和人類優(yōu)先事項的寶貴見解，還說明了設計師在人工智能項目中發(fā)揮的重要作用。

AI UX 原則#5：為工程師提供正確的培訓數(shù)據(jù)從工程方面創(chuàng)建AI 產(chǎn)品通常需要以下三個高級步驟：

找到最適合您任務的人工智能算法。提供AI訓練數(shù)據(jù)。人工智能從這些數(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)將包括許多繪畫作品以及每幅畫作的藝術家姓名。發(fā)布產(chǎn)品。它將在為用戶做某事之前使用經(jīng)過訓練的模型。它還可以收集新數(shù)據(jù)以供以后用于重新訓練模型并提高其自身的性能。所以你確實需要訓練數(shù)據(jù)。用戶體驗設計專業(yè)人員需要幫助收集培訓數(shù)據(jù)并定義人們希望從人工智能產(chǎn)品中看到的預期結果。

有時定義期望的結果很容易。但當結果與用戶相關聯(lián)時，一切都會變得復雜。 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)，特別是為可以輸入機器學習算法的不同輸入提供明確定義的結果。據(jù)報道，谷歌聘請了“內(nèi)容專家”，即產(chǎn)品領域的專家，來幫助構建訓練數(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，我們重新檢查訓練后的模型，看看它們在真實用戶上的表現(xiàn)如何。在人工智能項目中，開發(fā)人員和設計人員之間需要更密切的合作。

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于AI產(chǎn)品）

測試人工智能產(chǎn)品的用戶體驗比傳統(tǒng)應用要困難得多。這些人工智能應用主要用于提供個性化內(nèi)容，但幾乎沒有辦法在線框圖中以虛擬方式模擬它們。然而，這里有兩種有效的測試方法：綠野仙蹤測試和個人內(nèi)容。

在《綠野仙蹤》 研究期間，有人模仿了產(chǎn)品在后臺的反應。它通常會用真人回答每條消息并假裝機器人正在寫作來測試聊天機器人。

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，并與他們一起測試音樂推薦引擎。這測試了人們的假設以及他們對好建議和壞建議的不同反應。

AI UX 原則#7：提供反饋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，AI 產(chǎn)品的用戶體驗將會變得越來越好。在下面的電影推薦系統(tǒng)中，對于每一個展示的電影，用戶都可以設置自己是否喜歡。它為算法收集大量的訓練數(shù)據(jù)。

電影推薦幫助還可以為您的用戶提供對您的AI 內(nèi)容提供反饋的機會。讓用戶有機會在您的應用提出推薦或預測的每個屏幕上立即輕松地提供反饋。這通常意味著在人工智能內(nèi)容旁邊顯示一鍵反饋選項。在Zendesk 中，預測旁邊的按鈕會報告不良情況。

在您的Google Feed 中，您可以在每張卡片下方看到問題，以便偶爾提供有關該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。它們顯示用戶感興趣的短語來解釋他們推薦某篇文章的原因。

總結起來，設計AI UX 時需要做以下七件事：

從視覺上區(qū)分人工智能內(nèi)容與常規(guī)內(nèi)容，以便人們知道信息來自哪里。解釋機器如何思考，以便人們能夠理解結果。設定期望，以便人們知道他們可以使用人工智能產(chǎn)品實現(xiàn)什么或不能實現(xiàn)什么。查找并處理邊緣情況，以便用戶不會發(fā)生奇怪或不愉快的事情。幫助開發(fā)者了解用戶需求并選擇合適的數(shù)據(jù)集。使用類似于綠野仙蹤測試的理論工具來測試AI產(chǎn)品的體驗設計，并在模擬AI內(nèi)容時使用測試參與者的真實數(shù)據(jù)。 （綠野仙蹤方法：簡而言之，這是一種在不實際開發(fā)軟件的情況下測試原型的方法。WOZ 原型用于評估設計的功能、滿足用戶目標的能力以及改善整體用戶體驗的能力。WOZ該實驗看起來和感覺就像是真實的體驗，但被測試的人與虛擬角色的表演進行交互，參與者可能知道也可能不知道他們正在與幕后的向?qū)нM行交互。 hgrm）。為用戶提供反饋并向系統(tǒng)添加新訓練數(shù)據(jù)的機會。設計人工智能產(chǎn)品帶來了令人興奮的新挑戰(zhàn)。牢記這七個原則，你就可能成功。

作者：大衛(wèi)·帕斯托爾

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

本文由@AIInteraction Design翻譯發(fā)布在《人人都是產(chǎn)品經(jīng)理》上。未經(jīng)許可禁止轉(zhuǎn)載

題圖來自Unsplash，基于CC0協(xié)議