2017-2-15 周周
如果您想訂閱本博客內(nèi)容，每天自動發(fā)到您的郵箱中， 請點這里
今年元旦，AlphaGo 連續(xù)挑戰(zhàn)包括聶衛(wèi)平、柯潔、樸廷桓在內(nèi)的中韓頂尖圍棋選手，三天內(nèi)取得的戰(zhàn)績?yōu)榱钊苏ι嗟?60 勝 0 負。在過去一年的互聯(lián)網(wǎng)舞臺上，人工智能 （Artificial Intelligence）站在了聚光燈的中心。AlphaGo 在新年伊始， 為 2016 年打上了一個大大的驚嘆號。
本文轉載自「UX Coffee 設計咖」微信公眾號，微信內(nèi)搜索「uxcoffee」
過去這一年，和 AI 相關的新聞鋪天蓋地。身為設計師的你可能會問：人工智能和我的日常工作有關嗎？我應該為此做什么準備？
回首過去這一年全球科技公司的大事件，「人工智能」幾乎是一個繞不開的關鍵詞。
據(jù)「財富」雜志預測，人工智能將會在 2020 年成為一個價值 700 億美金的市場，我們看到的是一個爆火的概念和急速發(fā)展的市場。那么，現(xiàn)在這個市場上缺什么？
兩樣東西——產(chǎn)品，和人才——而這，就和設計師密切相關了。
人工智能說到底是一個技術概念，它需要產(chǎn)品來落地。AlphaGo 打敗再多高手，也只是一個圍棋大師。真正有價值的東西是它背后的深度神經(jīng)網(wǎng)絡和樹搜索算法——你可能會問「這東西和設計有半毛錢關系嗎？」
有，不止半毛錢。
在設計創(chuàng)新領域深耕多年的 Patrick Hoof 教授預測說：
這句話換個表達就是，未來的產(chǎn)品，可以并且應該比用戶更早知道用戶的下一步，并提前作出應對。
「知道你的下一步是什么」——這其實就是下圍棋的道理，比你想在前頭。海量的數(shù)據(jù)，先進的算法，再加上超強的機器計算力，使得「機器比你自己更早知道你需要什么」成為了可能。為什么以前不行呢？因為用戶的下一步行為和圍棋對手的下一招一樣，都難以預測?，F(xiàn)在之所以可能了，是因為我們在數(shù)據(jù)、算法和計算能力上取得了長足進步。于是，圍棋界有了 AlphaGo，而互聯(lián)網(wǎng)則有了新的產(chǎn)品機會。
身為設計師，如果你能夠掌握人工智能領域最基本的幾個概念，并在此基礎之上充分發(fā)揮對產(chǎn)品的想象力，知道 AI 技術已經(jīng)可以做到什么、未來有希望做到什么，你就能走在這個浪潮洶涌的時代前面。
發(fā)揮想象力之前，讓我們先來看看美國幾個巨頭公司們，用現(xiàn)有的人工智能技術已經(jīng)做到了什么，他們把它轉化成了哪些產(chǎn)品形態(tài)。
先講一個你可能沒注意到的例子。
Google Doc
△ Automatic Outline – Google Doc
Google Doc 去年悄悄地上線了一個功能：它會根據(jù)文本格式自動為你生成文章大綱（大綱起到全文概覽和導航的作用）。也就是說，你不用告訴 Google Doc 某行內(nèi)容是否是一級標題、二級標題還是三級標題，Google Doc 會分析文字格式、并結合大量歷史數(shù)據(jù)，自動推測出你的意圖。
回想一下，你是否有一套自己偏好的文字樣式規(guī)范？比如經(jīng)常把一級標題居中、加粗？二級標題用加粗的 16 號字，正文用 11 號？Google Doc 學習了你的這些習慣（事實上是學習了無數(shù)用戶的習慣），自動列出文章提綱，從而提升你的工作效率。
這是一個非常典型的運用人工智能改進現(xiàn)有產(chǎn)品的例子，然而卻不容易被普通用戶覺察到。正如最好的設計是「感受不到的設計」，最好的智能是「隱形的智能」。
再來看一個常用產(chǎn)品的例子。
Inbox
△ Smart Reply – Inbox by Gmail
Inbox 是 Google Gmail 團隊開發(fā)的一款郵件應用，它有一個非常經(jīng)典的功能叫做「智能回復」。例如，同事向你詢問是否有某一個文檔，在你打開這封郵件的同時，Inbox 就會自動分析這封郵件的內(nèi)容，并據(jù)此自動為你生成一些快捷回復選項。更神奇的是，Inbox 還會根據(jù)你的過往郵件回復不斷學習并修正這些句子，來使得這些句子變得越來越像你平時寫郵件的口吻。
「智能回復」這樣的功能不再是媒體今天爭相報道的「黑魔法」，而是實實在在地成為了一個被用戶廣泛使用的功能。我們在產(chǎn)品設計中運用人工智能技術，目的是為了滿足用戶的需求，而不是強調(diào)技術本身。事實上很多時候，我們做設計的目的就是為了掩蓋技術本身，而不是反過來。
亞馬遜旗下智能語音助理 Amazon Echo
第三個例子，是上個月在 CES 大會上大紅大紫的 Amazon Echo。Echo 的接口開放策略讓許多和 AI 相關的軟硬件公司選擇與其緊密合作，互利共贏，以致 CES 上幾乎呈現(xiàn)出亞馬遜在語音助理方向上一家獨大的局面。
「Alexa，把客廳燈關了，把我的床頭燈開到一半的亮度」
「Alexa，再買一袋我上個月買過的那款貓糧」
「Alexa，我今天早上的會議幾點開始？」
就在幾年前，這些「人機對話」還大多只是停留在計算機實驗室里、科幻電影的劇本上。然而只在過去短短的兩年時間，「智能語音助理」就已經(jīng)走入了美國幾百萬戶尋常百姓的家庭。語音交互設計師（Voice Interaction Designer）在硅谷成了搶手的香餑餑。他們不用 Photoshop、Sketch 做界面，也不用 Principle、Framer 做原型。一個新的技術時代，催生了一種新的設計崗位。
在未來兩年里，許多科技公司將主動投身于人工智能的浪潮之中。身為設計師的你，在伏案畫界面的同時，有沒有關注公司新一年的年度目標？「人工智能」是否在列？它被提及了幾次？優(yōu)先級如何？你為此做好準備了嗎？
也許你負責的產(chǎn)品中已經(jīng)運用了人工智能（若不自知，實該警醒），也許你正在考慮如何通過人工智能來改善產(chǎn)品體驗。這里有 3 個建議，給已經(jīng)、即將和人工智能打交道的設計師們參考。
建議一：「人工智能」不夠智能，請隨時準備好「擦屁股」
當 AlphaGo 所向披靡，當視頻里的語音機器人無所不知，當硅谷黑科技刷遍你的朋友圈，你很難去相信這個事實：「人工智能」在絕大多數(shù)領域的智慧水平，其實還只是個嬰兒——設計師要謹記這一點。
如果機器學習結果出錯，你是否為用戶提供了方便的「非智能」方式，幫助她解決問題？
在做 AI 產(chǎn)品設計時，要時時牢記假設機器學習的最壞結果。最壞結果下的「撤退方案」，和最佳結果下的設計一樣重要，很多時候甚至更重要。
一旦用戶產(chǎn)生了失望、沮喪的情緒，就很容易放棄這個功能、甚至整個產(chǎn)品，這種結果是很難挽回的。因此，實際上更重要的一條原則是，如果你對「機器智能」的信心不足，寧可選擇不做。
如何清楚地向用戶傳達出「智能」帶來的好處，如何為隨時可能出現(xiàn)的錯誤，提供優(yōu)雅的解決方案——這是對設計師們的挑戰(zhàn)。
建議二：降低使用門檻，及時正向回饋
為用戶提供個性化內(nèi)容，是人工智能技術一個非常常見的應用場景。了解用戶的一些基本信息，往往是個性化內(nèi)容的基礎。獲取用戶信息，這件事情聽起來簡單，但并不容易做好。
Quora（可以簡單理解為英文版知乎）要求新用戶在第一次注冊完成后，必須選擇至少 10 個感興趣的領域。并且，用戶會被要求手動輸入自己熟知的領域。我們都理解，這是 Quora 希望通過掌握用戶的初始數(shù)據(jù)，從而為用戶展示個性化內(nèi)容。這個交互流程的初衷很好，然而你卻能看到很多用戶在 Reddit 和 Twitter 上抱怨。
△ Quora 的用戶注冊流程
問題出在哪里？兩個原因：
1.）門檻過高
在用戶使用產(chǎn)品之前，應該盡量簡化強制性任務。在 Quora 這個例子里，選擇至少 10 個興趣（不可跳過），還要求用戶手動輸入熟知領域，這個門檻有點過高了。新用戶在注冊完成前，什么內(nèi)容都沒看到，甚至可能連這個網(wǎng)站究竟是什么都不明確（Quora 的首頁只有一個注冊登錄框）。這種時候，任何強制性、高認知負荷的任務都可能會造成用戶流失。用戶沒有義務回答這些問題，也并不一定清楚，完成這些任務能為她帶來什么好處。
你是否能想到一些優(yōu)化的思路，來降低這個門檻？比如：是否可以基于用戶已經(jīng)做出的前兩個選擇（比如「互聯(lián)網(wǎng)」和「設計」），猜測出用戶可能還對什么話題感興趣，從而降低必選項的數(shù)量？是否能夠在用戶使用產(chǎn)品后，通過分析用戶的瀏覽行為來逐步了解她的其他興趣？
2）反饋不及時
如果獲取初始數(shù)據(jù)是強制的、繁重的，并且用戶也不能感受到提供數(shù)據(jù)帶來的好處，那么「訓練人工智能」對用戶來說，感覺就像是一場「義務勞動」——這種感覺是我們在產(chǎn)品設計中要盡量避免的。因此，對于用戶的付出，我們都要盡可能地及時反饋。
舉兩個產(chǎn)品的例子：在 Facebook 里，如果你向新公司同事發(fā)出了好友申請，你會發(fā)現(xiàn)，F(xiàn)acebook 會立即更新「你可能認識的朋友」列表。在網(wǎng)易云音樂的「私人 FM」里，如果你「喜歡」了一首歌，你很可能會很快就聽到該歌手的其他歌曲。
其實 AI 產(chǎn)品中這種反饋機制的設計，和游戲設計的原則是一樣的。我們要構建的就是一個「首次任務」-> 「及時反饋」-> 「激勵用戶完成下一個任務」這樣正向的、有節(jié)奏的短循環(huán)。回想一下讓你欲罷不能的游戲，是不是都是這個套路？
建議三：別著急，從小事開始積累信任
一個剛畢業(yè)的設計新人，對張小龍說自己有能力重新設計出更好的微信，你一定覺得這人瘋了。人與人之間的信任，是在時間和合作的基礎上建立起來的。人與機器也是這樣。
市面上所有的「智能助理」類產(chǎn)品距離真正的「智能」還有很長的路要走?，F(xiàn)階段，人工智能產(chǎn)品最最緊要的事情就是建立「用戶信任」，這件事很重要，但急不得。把天氣報好了，放音樂放對了，把鬧鐘設準了——我們要從這些標準化的小任務開始，慢慢地贏得用戶信任。
大公司做產(chǎn)品的性子往往很急（這其實給了很多 AI 小團隊機會），但這里不得不表揚電商巨頭 Amazon。坐擁上百萬 Echo 用戶，面對「智能購物助理」這個誘人的大蛋糕，Amazon Echo 卻耐住了性子。他們先從「重復購買」這一小塊蛋糕開始入手。高頻次、低錯誤率——這是現(xiàn)階段所有人工智能產(chǎn)品都應該去努力尋求的切入口。
大部分人天性不喜歡被他人「指導」，不喜歡失去控制權。但如果一個人不斷地完成了你讓她做的每一件小事，信任就隨之產(chǎn)生了。當用戶慢慢習慣了說一句話，牙膏、貓糧、廚房紙第二天就送到了家，也許有一天，用戶也會信任她去做叫外賣、訂機票、訂酒店，甚至買車、買房。
信用這件事，建之不易，毀之頃刻。所以，人工智能產(chǎn)品的設計師們，千萬別著急，從小事做起，努力積累產(chǎn)品的信用分。
1956年的達特茅斯會議上，「人工智能」第一次被正式命名。過去60年來，它已經(jīng)經(jīng)歷了兩次大起大落。而今天，我們正處在第三次人工智能大潮之中。
如果你相信現(xiàn)代社會中仍有大量勞動可以被機器智能取代，那么你就應該相信人工智能必然會持續(xù)高速發(fā)展，你就應該為此做好準備。
當你接到下一個人工智能相關的產(chǎn)品設計需求，不妨想一想：