TLDV： AI 產(chǎn)品設計師在工作中遇到挑戰(zhàn)并不少見，尤其是在理解 AI 產(chǎn)品背后復雜的技術方面。這可能會使他們難以與技術專家進行有效溝通，從而導致進一步的復雜化。此外，跟上不斷發(fā)展的人機交互設計模式也極具挑戰(zhàn)性。在本文中，我整理了一些資源，旨在提升設計師在這些領域的知識和技能，幫助他們自信而輕松地完成工作。

重新思考設計方法

人工智能的進步為人機交互帶來了激動人心的機遇。從識別照片中的貓咪到實現(xiàn)自動駕駛，人工智能為用戶體驗提供了眾多充滿希望的全新可能性。它促成了以往難以想象的交互形式。

根據(jù)最近的研究，設計師正在努力應對設想和原型人工智能系統(tǒng)的復雜性。

這是為什么呢？傳統(tǒng)的用戶體驗 (UX) 和人機交互 (HCI) 設計技術（例如草圖和原型設計）可能不足以解決人工智能在產(chǎn)品設計中帶來的意外后果。

Graham Dove 及其同事在“計算機系統(tǒng)人為因素”會議上表示： “人機交互專業(yè)人士無法輕易地勾勒出人工智能系統(tǒng)在不同情境下適應不同用戶的多種方式。” “……他們也無法輕易地為尚未開發(fā)的人工智能系統(tǒng)可能犯的推理錯誤類型建立原型。” 引用Philip van Allen 的話，我還可以補充一句。

問題：在設計過程中映射人工智能設計挑戰(zhàn)

卡內(nèi)基梅隆大學的楊倩及其團隊研究了人機交互研究人員和專業(yè)人士在使用人工智能時面臨的挑戰(zhàn)。他們基于廣受認可的雙鉆石設計流程模型，構(gòu)建了這些挑戰(zhàn)及相關的研究論文。

以下是我從本文中得出的結(jié)論，按設計過程步驟細分：

1. 發(fā)現(xiàn)（發(fā)散思維階段）

按 Enter 鍵或單擊即可查看完整尺寸的圖像

• 設計師很難理解人工智能的局限性和能力，這阻礙了他們的頭腦風暴和草圖繪制過程。
• 設計理念的技術可行性取決于能否獲得足夠、多樣化和高質(zhì)量的數(shù)據(jù)以有效地訓練人工智能模型。
• 即使了解人工智能的工作原理，設計師仍然發(fā)現(xiàn)很難構(gòu)思出許多可能的新互動和新穎的體驗。
• 為設計問題選擇正確的人工智能技術需要深入了解人工智能技術，這可能具有挑戰(zhàn)性。

2. 定義（聚合思維階段）

按 Enter 鍵或單擊即可查看完整尺寸的圖像

• 用戶體驗設計涉及快速原型設計，以評估人為因素的影響并進行改進。人工智能產(chǎn)品的快速原型設計在預測用戶體驗方面面臨挑戰(zhàn)。
• Scott Klemmer 建議創(chuàng)建“綠野仙蹤”系統(tǒng)或基于規(guī)則的模擬器作為早期交互式 AI 原型。Josh Lovejoy 和 Jess Holbrook 在他們的文章中對此進行了進一步探討。雖然這是一個有效的選擇，但這種方法無法解決由 AI 推理錯誤導致的用戶體驗問題。
• 楊倩及其同事提出的第二種方法是在真實用戶中部署一個功能正常的人工智能系統(tǒng)，以充分了解其預期和非預期后果。然而，由于該過程耗時過長，且無法承受早期失敗的風險，團隊無法充分認識到快速迭代原型設計的價值。

發(fā)展（發(fā)散思維階段）

按 Enter 鍵或單擊即可查看完整尺寸的圖像

• 對于許多用戶體驗設計團隊來說，AI技術專家是寶貴但往往稀缺的資源。一些設計師發(fā)現(xiàn)，由于缺乏共享的工作流程、邊界對象或促進協(xié)作的通用語言，很難與AI工程師有效合作。
• 模糊、開放式的交互設計起來很復雜。它們引入了高度的復雜性，因為它們允許用戶以各種方式表達自己。
• 理解與人工智能相關的概念和術語可能具有挑戰(zhàn)性，這使得難以有效地傳達人工智能系統(tǒng)的工作原理及其行為方式。
• 如果五分之三（61%）的人對信任人工智能系統(tǒng)持謹慎態(tài)度，我們該如何設計人工智能與用戶之間的共享控制權(quán)？ 用戶可能不信任人工智能能夠代表他們做出決策，或者可能對放棄控制權(quán)持懷疑態(tài)度。建立對人工智能系統(tǒng)能力的信任并確保其決策過程的透明度至關重要，但可能并非易事。
• 設計人工智能系統(tǒng)的交互是一項挑戰(zhàn)，因為它們的環(huán)境可能快速變化，需要適應性交互。
• 人工智能系統(tǒng)是動態(tài)且不斷發(fā)展的實體。及時、相關且易于理解的方式向用戶傳達這種持續(xù)的演變可能非常復雜。

交付（聚合思維階段）

按 Enter 鍵或單擊即可查看完整尺寸的圖像

• 人工智能系統(tǒng)可以通過與環(huán)境互動或接收反饋來進化和適應。這種進化可能導致難以預測或控制的行為變化。一些人工智能模型可能是黑匣子，這意味著很難理解它們是如何做出決策的。因此，預測/緩解不可預測的人工智能行為可能具有挑戰(zhàn)性。
• 我們的目標是創(chuàng)造出逼真且易于理解的人工智能，同時又不讓人感到不安或毛骨悚然。設計師在設計人工智能時必須把握這種微妙的平衡，尤其是那些具有類似人類特征（例如聲音、面部表情或行為）的人工智能。如果人工智能過于像人類，但又不夠完美，它可能會陷入“恐怖谷”效應，從而導致用戶產(chǎn)生負面反應。
• 數(shù)據(jù)存在偏差或缺陷可能會導致人工智能錯誤。由于數(shù)據(jù)收集、預處理、模型開發(fā)或?qū)嵤┻^程中可能出現(xiàn)問題，因此目前尚不清楚誰應該承擔責任。

采取行動：解決已發(fā)現(xiàn)的挑戰(zhàn)

我把所有提到的問題分為兩大類：

• 困難在于缺乏對人工智能系統(tǒng)背后技術的了解
• 與缺乏對人工智能系統(tǒng)設計模式的理解有關的困難

困難在于缺乏對人工智能系統(tǒng)背后技術的了解

僅僅讓更多用戶體驗師參與使用機器學習的項目是不夠的。他們必須理解機器學習的核心概念，破除人們對人工智能及其功能的先入之見，并遵循建立和維護信任的最佳實踐。Josh
Lovejoy

關于哪些類型的人工智能知識與用戶體驗設計相關，仍然存在很大爭議。然而，越來越多的人認同，用戶體驗設計師需要具備一些人工智能方面的技術專長才能有效地運用它。

大多數(shù)人工智能課程都要求學生具備統(tǒng)計學、概率論、線性代數(shù)、微積分和編程方面的知識。如果沒有這些背景知識，理解許多人工智能概念可能會很困難。

你無需對人工智能有深入的理解，但熟悉數(shù)學和計算機科學至關重要。如果你對這些科目感到不適應，可以考慮參加這些高評價課程。

概率： 渺茫的機會：從頭開始的概率（哈佛大學）

統(tǒng)計學：麻省理工學院統(tǒng)計學基礎

線性代數(shù)： 麻省理工學院的線性代數(shù) 18.06

微積分：麻省理工學院的單變量微積分和多變量微積分

編程：從Codecademy、谷歌或密歇根大學學習 Python 。我個人更喜歡密歇根大學的“Python for Everybody”課程。雖然篇幅較長，但講解更詳細。

對每個主題有一定的熟悉度將為參加以下課程奠定良好的基礎：

1）“ AI For Everyone ”（6小時，49.99美元/月）——最好的非技術性AI入門課程，由斯坦福機器學習課程創(chuàng)始人吳恩達講授

2）“人工智能計算機科學專業(yè)證書”（5個月，432歐元）——edX 頒發(fā)的兩部分專業(yè)證書，跟蹤哈佛大學的 CS50 和 CS50AI 課程，讓沒有必備 CS 知識的學習者也能進入人工智能領域。

3）“人人適用的人工智能基礎”（40小時，49.99美元/月）—— IBM提供的專業(yè)課程 。IBM通過Coursera被公認為新興技術領域的革命性領導者。該專業(yè)課程包含三門課程：

• 人工智能（AI）簡介
• 生成式人工智能：簡介與應用
• 生成式人工智能：快速工程基礎
• 無需編程即可構(gòu)建人工智能聊天機器人

4）“人工智能要素”（30-60小時，免費）——赫爾辛基大學和MinnaLearn合作推出的課程，解釋了人工智能可以實現(xiàn)什么（和不可能實現(xiàn)什么）以及它如何影響我們的生活——無需復雜的數(shù)學或編程。

您是否知道其他有用的資源？如果有，請在評論區(qū)留言。

與缺乏對人工智能系統(tǒng)設計模式的理解有關的困難

人們對人機交互設計技能的需求日益增長，但相關課程卻十分有限。幸運的是，有眾多設計師和研究人員慷慨地分享他們的知識和專業(yè)技能。以下是我關注的一些：

• Jakob Nielsen在他的博客中從用戶體驗的角度探討了許多與 AI 相關的話題
• Miro 高級 AI 產(chǎn)品設計師兼 UX Goodies 創(chuàng)始人Ioana Teleanu在 IxDF 上創(chuàng)建了“設計師的 AI ”課程，并舉辦了“ AI 驅(qū)動的 UX 設計：如何提升你的 UX 職業(yè)生涯”研討會
• 歐洲議會高級用戶體驗顧問兼 Smashing media 用戶體驗主管Vitaly Friedman創(chuàng)建了“人工智能用戶體驗設計模式”研討會
• Greg Nudelman – 時事通訊《人工智能用戶體驗》和 IxDF 研討會的作者：“如何為人工智能設計體驗”和“如何讓你的人工智能項目取得成功”
• Stefanie Lauria – IBM 人工智能設計主管兼策略師。請務必關注她的 LinkedIn 個人資料，了解她將參加的網(wǎng)絡研討會的最新動態(tài)。此外，她還在撰寫一些很棒的文章。
• Netguru 的Krystian Bergmann正在分享 AI 產(chǎn)品開發(fā)方面的第一手經(jīng)驗。目前，他正在主持一系列關于 AI 產(chǎn)品設計的網(wǎng)絡研討會。第五期“AI 產(chǎn)品設計模式：將用戶體驗模式應用于 AI 驅(qū)動系統(tǒng)”將于 5 月 29 日舉行。
• Emily Cambell – “ Shape of AU ”（一個包含 AI 產(chǎn)品交互模式的寶箱）的創(chuàng)造者。您也可以訂閱新聞通訊
• 在 Medium 上閱讀 elaineinthebay 的故事：https://medium.com/@elaineinthebay
• Meta 的對話設計師Elaine Anzaldo分享了一些精彩的文章，并最近創(chuàng)建了一個研討會“對話設計：AI 設計的實用技巧”

如果我遺漏了任何人，請隨時在評論區(qū)分享他們的名字以及他們創(chuàng)建的任何有用資源。讓我們一起拓展知識，幫助彼此成長。

最后的想法

人工智能塑造著我們的思維、感受和行為方式。它驅(qū)動著決定我們未來的決策。我們有責任將其潛力轉(zhuǎn)化為人性化的科技。構(gòu)建一個基于我們多樣化價值觀和需求的人工智能需要深思熟慮的設計。

喬什·洛夫喬伊和杰斯·霍爾布魯克

人工智能正日益融入各種數(shù)字產(chǎn)品和服務。用戶與人工智能的交互將成為決定這些產(chǎn)品成功與否的關鍵因素。然而，如果我們未能定義并采用新的交互模式和技術，而是依賴過時的啟發(fā)式方法和對人工智能有限的理解，就有可能阻礙創(chuàng)新。

通過將堅持與創(chuàng)造力相結(jié)合，設計師可以充分發(fā)揮人工智能的潛力，為更美好的未來鋪平道路。

蘭亭妙微(m.hglv.net )是一家專注而深入的界面設計公司，為期望卓越的國內(nèi)外企業(yè)提供卓越的大數(shù)據(jù)可視化界面設計、B端界面設計、桌面端界面設計、APP界面設計、圖標定制、用戶體驗設計、交互設計、UI咨詢、高端網(wǎng)站設計、平面設計，以及相關的軟件開發(fā)服務，咨詢電話：01063334945。我們建立了一個微信群，每天分享國內(nèi)外優(yōu)秀的設計，有興趣請加入一起學習成長，咨詢及進群請加藍小助微信ben_lanlan。