随着AI产品的到来，我们进入了智能化时代。设计师的目标是创造有用的、易于理解的产品，并遵循一些设计原则。

我们可以从最近发生的特斯拉致命事故（一辆特斯拉在自动驾驶时坠毁，导致驾驶员死亡）中学到一件事：人工智能和机器学习产品需要非常仔细的设计。

在本文中，我将介绍设计人工智能产品时应遵循的七个基本用户体验原则。

随着AI产品的到来，我们进入了智能化时代。机器不仅按照我们的指令行动，而且具有一定程度的自主性，可以自发地执行一些活动。这也影响着人类面对产品时的反应、行为和期望。

作为设计师，我们的目标是创造有用、易于理解的产品，让这个新的、晦涩的机器学习世界变得清晰。最重要的是，我们希望利用人工智能的力量让人们的生活更轻松、更幸福。那么，让我们看看如何通过良好的用户体验设计来实现这些目标。以下是设计人工智能产品时应遵循的七个基本用户体验原则。

人工智能用户体验原则#1：从视觉上区分人工智能内容和常规内容在许多情况下，我们使用人工智能和机器学习来更深入地挖掘数据并为自己生成新的、有用的内容。它们可以是Netflix上的电影推荐、谷歌翻译中的翻译，也可以是CRM系统（客户关系管理系统），CRM系统是指利用软件、硬件和网络技术为企业建立一个客户信息收集、管理、分析和利用的系统。信息系统中的销售预测。

人工智能生成的内容对人们来说非常有用，但在某些情况下，这些建议和预测需要更高的准确性。人工智能算法有其自身的缺陷，尤其是当它们没有足够的数据或反馈可供学习时。我们应该让人们知道算法是否生成了一段内容，以便他们可以自己决定是否信任它。以上就是人工智能UX的第一个原则。

在上图中，您可以看到Zendesk 对支持请求的AI 预测。它明确地将其标识为预测，因此人们对专栏中的内容有合理的期望。 Firebase 是一款面向移动开发人员的工具，它用魔杖图标标记预测数据。

在这里，他们还提供有关预测准确性的信息，用户也可以设置风险承受能力。当然，这个工具是为更了解机器学习的工程师准备的。人们不一定每天都了解“高风险承受能力”。但魔棒仍然可以轻松突出显示人工智能内容。

AI 用户体验原则#2：解释机器如何思考人工智能通常看起来像魔法：有时即使是工程师也很难解释机器学习算法如何得出结论。我们在用户体验领域希望帮助人们了解机器是如何工作的，以便他们能够更好地使用它们。

这并不意味着我们应该解释卷积神经网络如何在简单的照片搜索中工作。相反，应该向用户提示算法的作用或他们使用的数据。

一个很好的老例子来自电子商务领域，我们解释了为什么我们推荐某些产品。这些推荐引擎是许多人多年前遇到的第一个AI UX。

自动驾驶汽车也是一个很好的例子。为了建立乘客对汽车的信任，我们建议在车内放置屏幕，以便每个人都可以从汽车的角度观察周围的环境。

最后但并非最不重要的一点是，让我们看一下电子邮件营销工具Drip。它本身不是人工智能产品，但具有显示时事通讯订阅者参与度的评分功能。单击分数，您将获得详细的操作列表，解释获得分数的原因。

AI UX 原则#3：设定正确的期望在上述特斯拉致命事故中，驾驶员可能对自动驾驶系统过于信任。与谷歌汽车等其他自动驾驶技术不同，特斯拉的自动驾驶技术不够复杂，无法应对复杂的情况，因此即使使用自动驾驶技术，驾驶员也必须将手放在方向盘上。尽管收到多次视觉和语音通知提醒，但司机未能遵循这些指示。他可能认为汽车可以自动驾驶。

我们必须为人工智能产品建立适当的用户期望，尤其是在一个充满关于新人工智能技术的耸人听闻、肤浅新闻的世界里。

一些聊天机器人使用消息来阐明其进度。在这种情况下，我们试图通过给机器人一个完美的计划和友好的角色来降低期望。

人工智能用户体验原则#4：查找并处理奇怪的边缘情况人工智能可以以前所未有的方式生成内容并采取行动。由于这种不可预测性，我们必须花更多的时间测试产品并发现奇怪、有趣、甚至令人不安或不愉快的边缘情况。

当聊天机器人不理解上下文或者有人给它们简单但意想不到的指令时，很可能会出现荒谬的结果。

亚马逊Alexa的类似事件还有很多。有一次，它订购了一个玩具屋，只是因为它在广播中听到有关玩具屋的讨论。还有一次，自动护照检查程序拒绝接受亚洲人的照片，因为“他们的眼睛是闭着的”。

广泛的现场测试可以最大限度地减少这些错误。关于产品功能范围的清晰沟通可以帮助人们理解这些惊喜。

设计人员还必须向开发人员提供有关用户期望的信息。他们可以微调算法以防止不必要的响应。在许多情况下，它们会在准确性和容错性之间进行权衡。

优化容错意味着机器学习产品将使用它找到的所有正确答案，即使同时显示一些错误答案。假设我们构建一个可以识别毕加索画作的人工智能。如果我们针对容错进行优化，算法将列出所有毕加索的画作，但一些梵高的画作也可能会出现在结果中。

优化准确性意味着机器学习算法将只使用明显正确的答案，但会错过一些边际正确的结果。它的结果只会显示毕加索的画作，而不会显示梵高的画作，但同时可能会错过一些毕加索的画作。它不会找到所有正确的答案，只会找到一些正确的情况。

在设计人工智能产品交互时，我们可以帮助开发人员确定要优化的内容。它提供了对人类反应和人类优先事项的宝贵见解，还说明了设计师在人工智能项目中发挥的重要作用。

AI UX 原则#5：为工程师提供正确的培训数据从工程方面创建AI 产品通常需要以下三个高级步骤：

找到最适合您任务的人工智能算法。提供AI训练数据。人工智能从这些数据中学习并创建一个将在实时产品中使用的模型。在上面的示例中，训练数据将包括许多绘画作品以及每幅画作的艺术家姓名。发布产品。它将在为用户做某事之前使用经过训练的模型。它还可以收集新数据以供以后用于重新训练模型并提高其自身的性能。所以你确实需要训练数据。用户体验设计专业人员需要帮助收集培训数据并定义人们希望从人工智能产品中看到的预期结果。

有时定义期望的结果很容易。但当结果与用户相关联时，一切都会变得复杂。 Netflix 电影推荐真的有用吗？用户体验设计团队旨在了解用户并定义标准。

工程师将需要训练数据，特别是为可以输入机器学习算法的不同输入提供明确定义的结果。据报道，谷歌聘请了“内容专家”，即产品领域的专家，来帮助构建训练数据集。

收集初始数据集后，工程师可以训练算法，我们可以开始使用早期原型进行用户测试。通过这些测试，我们重新检查训练后的模型，看看它们在真实用户上的表现如何。在人工智能项目中，开发人员和设计人员之间需要更密切的合作。

AI UX原则#6：AI产品的用户测试（传统的用户测试方法无法应用于AI产品）

测试人工智能产品的用户体验比传统应用要困难得多。这些人工智能应用主要用于提供个性化内容，但几乎没有办法在线框图中以虚拟方式模拟它们。然而，这里有两种有效的测试方法：绿野仙踪测试和个人内容。

在《绿野仙踪》 研究期间，有人模仿了产品在后台的反应。它通常会用真人回答每条消息并假装机器人正在写作来测试聊天机器人。

您还可以在测试情况下使用测试参与者的个人内容。询问他们最喜欢的音乐家和歌曲，并与他们一起测试音乐推荐引擎。这测试了人们的假设以及他们对好建议和坏建议的不同反应。

AI UX 原则#7：提供反馈机会如果我们将越来越多的数据输入到机器学习算法中，AI 产品的用户体验将会变得越来越好。在下面的电影推荐系统中，对于每一个展示的电影，用户都可以设置自己是否喜欢。它为算法收集大量的训练数据。

电影推荐帮助还可以为您的用户提供对您的AI 内容提供反馈的机会。让用户有机会在您的应用提出推荐或预测的每个屏幕上立即轻松地提供反馈。这通常意味着在人工智能内容旁边显示一键反馈选项。在Zendesk 中，预测旁边的按钮会报告不良情况。

在您的Google Feed 中，您可以在每张卡片下方看到问题，以便偶尔提供有关该卡片是否有用的反馈。您可以看到，他们还找到了一种很好的方式来传达算法的工作原理。它们显示用户感兴趣的短语来解释他们推荐某篇文章的原因。

总结起来，设计AI UX 时需要做以下七件事：

从视觉上区分人工智能内容与常规内容，以便人们知道信息来自哪里。解释机器如何思考，以便人们能够理解结果。设定期望，以便人们知道他们可以使用人工智能产品实现什么或不能实现什么。查找并处理边缘情况，以便用户不会发生奇怪或不愉快的事情。帮助开发者了解用户需求并选择合适的数据集。使用类似于绿野仙踪测试的理论工具来测试AI产品的体验设计，并在模拟AI内容时使用测试参与者的真实数据。 （绿野仙踪方法：简而言之，这是一种在不实际开发软件的情况下测试原型的方法。WOZ 原型用于评估设计的功能、满足用户目标的能力以及改善整体用户体验的能力。WOZ该实验看起来和感觉就像是真实的体验，但被测试的人与虚拟角色的表演进行交互，参与者可能知道也可能不知道他们正在与幕后的向导进行交互。 hgrm）。为用户提供反馈并向系统添加新训练数据的机会。设计人工智能产品带来了令人兴奋的新挑战。牢记这七个原则，你就可能成功。

作者：大卫·帕斯托尔

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

本文由@AIInteraction Design翻译发布在《人人都是产品经理》上。未经许可禁止转载

题图来自Unsplash，基于CC0协议