随着AI产品的到来，我们进入了一个智能时代。设计师的目标是创建有用的，易于理解的产品，其中，要遵循一些设计原则。

我们可以从最近一次致命的特斯拉事故（特斯拉处于自动驾驶状态时发生车祸，致驾驶人死亡。）中学到的一件事：AI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AI产品应遵循的七个基本UX原则。

随着AI产品的到来，我们进入了一个智能时代。机器不只是按照我们的指令行事，而是具有了一定的自主性，可以自发的进行一些活动。这同时也影响着人类面对产品时的反应、行为和期待。

作为设计师，我们的目标是创建有用的，易于理解的产品，以使这个全新模糊的机器学习新世界更加清晰。最重要的是，我们希望利用人工智能的力量使人们的生活更轻松，更快乐。因此，让我们看看如何通过良好的UX设计来实现这些目标。下面是设计AI产品应遵循的七个基本UX原则。

AI UX原则＃1：从视觉上区分AI内容和常规内容

在许多情况下，我们使用AI和机器学习来深入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，可以是Google Translate中的翻译，或者是CRM系统（客户关系管理系统，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、分析和利用的信息系统。）中的销售预测。

AI生成的内容可以证明对人们非常有用，但是在某些情况下，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，特别是当它们没有足够的数据或反馈以供学习时。我们应该让人们知道算法是否生成了一条内容，从而他们可以自己决定是否信任它。以上是人工智能UX的第一个原理。

在上图中，您可以看到Zendesk对支持通知单的AI预测。它清楚地将其标识为一种预测，因此人们对栏中内容会有合理的预期。Firebase是面向移动开发人员的工具，它使用魔术棒图标标记预测的数据。

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，此工具为了解更多机器学习知识的工程师服务。人们不一定每天都会理解“高风险承受能力”。但是魔术棒仍然可以轻松地突出显示AI内容。

AI UX原则＃2：解释机器如何思考

人工智能通常看起来像魔术：有时甚至工程师也很难解释机器学习算法是如何得出结论的。我们在UX领域希望能帮助人们了解机器的运作形式，从而使他们可以更好地使用机器。

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发挥作用。而是应该向用户提示该算法的作用或他们使用了什么数据。

一个很好的古老例子来自电子商务领域，我们在其中解释了为什么我们推荐某些产品。这些推荐引擎是很多年前许多人遇到的第一个AI UX。

自动驾驶汽车同样也是一个很好的例子。为了建立乘客对于汽车的信任感，我们建议在汽车中放置屏幕，因此每个人都可以从汽车的视角观察周围的环境。

最后但并非最不重要的一点，让我们看一下电子邮件营销工具Drip。它本身不是AI产品，而是具有显示通讯订阅者参与度的评分功能。单击分数，您将获得详细的动作列表向人们说明了获得分数的原因。

AI UX原则 #3：设定正确的期望

在上面提到的致命特斯拉事故中，驾驶员可能对自动驾驶仪系统过度信任。与Google的汽车等其他自动驾驶技术不同，特斯拉的自动驾驶技术的复杂性并不足以使其在复杂的情况下导航，因此即使使用自动驾驶技术，驾驶员也必须把手放在方向盘上。尽管收到多个视觉和语音通知提醒，驾驶员仍没有遵循这些说明。他可能认为这辆车可以自动驾驶。

我们必须让用户对AI产品建立合适预期，尤其是在这个充满对新的AI技术轰动的，表面化的新闻的世界中。

一些聊天机器人使用消息来阐明他们的进步水平。在这种情况下，我们尝试通过给机器人一个完美的预案和一个友好的角色来降低期望值。

AI UX原则 #4：查找和处理奇怪的边缘情况

人工智能可以产生内容并采取前所未有的行动。对于这种不可预测的情况，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。

当聊天机器人不了解上下文或有人给了他们简单但出乎意料的指令时，就很可能会出现可笑荒唐的结果。

关于亚马逊的Alexa也有许多类似的事件。一次，它订购了一个玩具屋，只是因为它在广播中听到了关于玩具屋的谈话。还有一次，护照检查器自动程序不接受亚洲人的照片，因为认定“他们闭着眼睛”。

在现场进行广泛的测试可以最大程度地减少这些错误。对于产品能力范围进行清晰的沟通可以帮助人们理解这些意外情况。

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良响应。在许多情况下，它们会在准确度和容错率之间进行权衡。

优化容错率意味着机器学习产品将使用找到的所有正确答案，即使同时会显示出一些错误的答案。假设我们建立了可以识别毕加索画作的AI。如果我们针对容错进行优化，该算法将列出所有毕加索的画作，但是一些梵高也可能会出现在结果中。

优化准确度意味着机器学习算法将仅使用明显正确的答案，但是会漏掉一些边缘的正确结果。它的结果中只会显示毕加索的画而不出现梵高的画，但是同时可能会错过一些毕加索的画。它不会找到所有正确的答案，只会找到部分正确的案例。

在进行AI产品交互设计时，我们可以帮助开发人员确定要优化的内容。提供有关人类反应和人类优先事项的有价值的见解，这也说明了设计师是在AI项目中的重要角色。

AI UX原则 #5：为工程师提供合适的训练数据

从工程方面创建AI产品通常需要执行以下三个高级步骤：

1. 寻找适合您任务的最佳AI算法。
2. 提供AI训练数据。AI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，训练数据将包括很多绘画以及每一个绘画的画家的姓名。
3. 发布产品。在为用户做某些事情之前，它将使用经过训练的模型。它还可能会收集新数据供以后使用，从而重新训练模型并改善其自身性能。

因此，您确实需要训练数据。用户体验设计相关人员需要帮助收集培训数据并定义人们希望从AI产品中看到的预期结果。

有时定义预期结果很容易。但当结果与用户相关联时，一切就变得复杂起来。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，尤其是对于可以输入到机器学习算法中的不同输入给出明确定义的结果。据报道，谷歌聘请了“内容专家”，即产品领域的专家来帮助建立训练数据集。

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，我们对训练好的模型进行再次检验，以了解它们在真实用户中的表现。在一个AI项目中，开发人员和设计人员之间需要更紧密的协作。

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在AI产品中）

与常规应用相比，测试AI产品的用户体验困难得多。这些AI应用程序主要用于提供个性化的内容，但在线框图中我们几乎没有办法使用一些虚拟的方式来模拟它们。但是，这里有两种有效的测试方法可以起作用：绿野仙踪测试和个人内容。

在《绿野仙踪》研究期间，有人模仿产品在后台的反应。它通常会用一个真实的人回答每个消息来测试聊天机器人，并假装该机器人正在编写。

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，并使用他们测试音乐推荐引擎。这可以测试人们的预设以及他们对好和坏的推荐所做出的不同反应。

AI UX原则#7：提供反馈的机会

如果我们将越来越多的数据输入到机器学习算法中，那么AI产品的用户体验将越来越好。下面的电影推荐系统，对于显示的每部电影，用户都可以设置是否喜欢。它为算法收集了大量的训练数据。

电影推荐辅助还可以为您的用户提供有关AI内容的反馈的机会。在应用做出建议或预测的每个屏幕上，让用户有机会立即轻松地提供反馈。这通常意味着在AI内容旁边显示一键式反馈选项。在Zendesk中，预测旁边的按钮会报告不良情况。

在谷歌订阅中，您可以在每张卡片下方看到问题，以不时提供有关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。他们显示了用户感兴趣的短语，以解释为什么他们推荐某篇文章。

综上所述，设计AI UX时要做的七件事：

1. 以视觉方式将AI内容与常规内容区分开，以便人们可以知道信息的来源。
2. 解释机器如何思考，以便人们可以理解结果。
3. 设定预期，以便人们可以知道他们可以使用AI产品实现或无法实现的功能。
4. 查找并处理边缘情况，从而使用户不会发生奇怪或不愉快的事情。
5. 帮助开发者洞察用户需求并选择合适的数据集。
6. 利用类似于绿野仙踪法（Wizard of Oz test）这样的理论工具来对AI产品的体验设计进行测试，在模拟AI内容时使用测试参与者的真实数据。（绿野仙踪法：简而言之，这是一种不需要实际开发软件的情况下测试原型的方法。WOZ原型用来评估设计的功能，是够能满足用户的目标，以及提升整体用户体验。WOZ实验的外观和感觉都与真实体验相似，但与被测试者交互的不是软件，而是一个人模拟虚拟角色的表现。参与者可能知道也可能不知道他们正在与幕后的巫师互动。参见：yuque.com/ued_tcsl/hgrm）。
7. 为用户提供反馈的机会并向系统添加新的训练数据。

设计AI产品带来了令人兴奋的新挑战。牢记这七个原则，您可能会成功。

作者：Dávid Pásztor

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

本文由 @AI交互设计 翻译发布于人人都是产品经理。未经许可，禁止转载

题图来自Unsplash，基于CC0协议