頭條楓林網
文章摘要： 6、模擬AI內容需要時使用測試參與者自己的資料6.對人工智慧產品的使用者測試(預設方法不會在這裏工作) 測試AI產品的UX可能比普通應用程式困難得多
我們可以從最近特斯拉致命的事故中學到一件事：AI和機器學習產品需要非常謹慎的設計。
隨著人工智慧產品的到來，我們進入了一個新時代，機器開始有了不同的表現。他們不僅執行我們的命令，還自己做事。這將改變人們的反應，行為，以及我們對這些產品的期望。
作為設計師，我們的目標是創造出有用的，易於理解的產品，以使這個晦澀的機器學習世界變得簡單。最重要的是，我們想用人工智慧的力量讓人們的生活更輕鬆，更快樂。所以讓我們看看我們如何通過良好的設計來實現這些目標。
1.直觀地區分AI內容
在很多情況下，我們使用AI和機器學習來深入挖掘資料，併爲我們自己生成新的有用的內容。這些可以是來自Netflix上的電影推薦，Google翻譯中的翻譯或CRM系統中的銷售預測。
AI生成的內容對人們來說可能非常有用，但在某些情況下，這些建議和預測需要更高的準確性。人工智慧演算法有其自身的缺陷，特別是當他們沒有足夠的資料或反饋來學習時。
我們應該讓人們知道演算法是否產生了一段內容，以便他們自己決定是否信任它。
在上面的圖片中，您可以看到Zendesk的AI支援票預測。它清楚地將此標識為預測，因此人們知道該專欄中會發生什麼。
Firebase是一款面向移動開發者的工具，它使用魔術棒圖示標記預測資料。在這裏，他們還提供有關預測準確性的資訊，使用者還可以設定風險容限。當然，這個工具可以為更多瞭解機器學習的工程師提供服務 日常人不一定會理解「高風險容忍度」。但魔術棒仍然輕鬆地突出顯示AI內容。
2.解釋機器如何思考
人工智慧通常看起來像是魔法：有時甚至工程師也難以解釋機器學習演算法如何產生某些東西。我們把我們的工作視為一個使用者體驗團隊，幫助人們理解機器是如何工作的，以便更好地使用它們。
這並不意味著我們應該解釋卷積神經網路如何在簡單的照片搜尋中發揮作用。但是我們應該給使用者一些提示，告訴他們演算法是做什麼的，或者是什麼資料。
一個來自於電子商務的很好的例子，在這裏我們解釋了為什麼我們推薦某些產品。這些推薦引擎是許多人多年前遇到的第一個人工智慧。
自動駕駛汽車為AI 體驗提供了另一個很好的例子。爲了建立對乘客的信任，我們建議在汽車上放置一個螢幕，讓每個人都可以檢查汽車周圍看到的東西。
最後，讓我們來看看電子郵件營銷工具點滴。不是一個人工智慧產品本身，它有一個評分功能，顯示通訊使用者參與。點選得分，你會得到一份詳細的行動清單，這可以解釋為什麼人們會得到他們的分數。
3.設定正確的期望
我們必須設定正確的期望，特別是在一個充斥著關於新人工智慧技術的聳人聽聞的膚淺新聞的世界裏。
一些聊天機器人使用資訊來澄清他們的進步程度。在這種情況下，我們試圖通過一個不錯的副本和一個和機器人友好的角色來降低期望值。
4.查詢並處理奇怪的邊緣情況
人工智慧可以生成內容並採取之前沒人想到的行動。對於這種不可預測的情況，我們不得不花費更多的時間來測試產品，發現奇怪的，有趣的，甚至令人不安或不愉快的邊緣案例。
許多有趣而粗魯的聊天機器人的例子比比皆是，機器人不理解上下文，或人們給他們簡單但意想不到的命令。
有很多關於亞馬遜的Alexa的故事。有一次，它只是因為在收音機裡聽到了一場關於它的對話，就訂了一間玩具屋。在另一個例子中，護照檢查官不接受亞洲人的照片，因為「他們的眼睛是閉著的」。
在現場進行廣泛的測試可以幫助減少這些錯誤。關於產品功能的明確溝通可以幫助人們理解這些意外情況。
設計師也必須為開發者提供關於使用者期望的資訊。他們可以對演算法進行微調以防止不良響應。在許多情況下，他們在精確度和召回率之間進行權衡。
當我們使用AI UX時，我們會幫助開發人員決定優化哪些內容。提供關於人類反應和人類優先事項的有意義的見解可以證明設計人員在AI專案中最重要的工作。
5.為工程師提供正確的培訓資料
從工程方面建立AI產品通常需要以下三個高階步驟：
·為您的任務找到最佳的AI演算法。
·餵養AI訓練資料。人工智慧從這些資料中學習並創·建一個將用於現場產品的模型。在我們上面的例子中，訓練資料會包含很多繪畫和每個畫家的名字。
·釋出產品。它會在為使用者做某些事情之前使用訓練好的模型。它也可能收集新的資料供以後使用，重新訓練模型並改進其自身的效能。
6.對人工智慧產品的使用者測試(預設方法不會在這裏工作)
測試AI產品的UX可能比普通應用程式困難得多。這些應用程式主要承諾提供個性化內容，但幾乎無法線上框中使用某些虛擬材料來模擬該內容。兩種偉大的方法可以工作：嚮導測試和個人內容。
在Wizard研究期間，有人模仿產品對背景的反應。它經常測試聊天機器人與人是否回答每條資訊，假裝機器人正在寫作。
您也可以在測試情境中使用測試參與者的個人內容。詢問他們最喜愛的音樂家和歌曲，並使用他們測試音樂推薦引擎。這測試了人們的假設，以及他們如何很好地對好的和不好的建議做出反應。
7.提供給予反饋的機會
如果我們向機器學習演算法提供更多資料，AI產品的使用者體驗會越來越好。
看看我們在下面設計的電影推薦系統UI。對於顯示的每部電影，您可以設定是否喜歡它。它為該演算法收集大量的訓練資料。
同時為您的使用者提供有關AI內容反饋的機會。
在應用程式推薦或預測的每個螢幕上，讓使用者有機會輕鬆地立即提供反饋。它通常意味著AI內容旁邊顯示的一鍵反饋選項。
在Zendesk中，預測報告旁邊的一個按鈕壞了。
在Google的Feed中，您可以在每張卡下面看到問題，以便隨時提供有關該卡實用性的反饋。你可以看到他們也找到了一個很好的方式來傳達演算法的工作原理。他們展示了使用者表示有興趣解釋他們為什麼推薦某篇文章的短語。
總結一下，設計AI UX時要做的七件事情：
1、通過視覺區分AI內容和正常內容，以便人們知道資訊來自何處。
2、解釋機器如何思考，以便人們理解結果。
3、設定期望值，以便人們知道他們可以或不可以用AI產品實現的目標。
4、查詢並處理邊緣案例，以免您的使用者發生奇怪或不愉快的事情。
5、幫助工程師瞭解人們的期望和正確的培訓資料 使用Wizard of Oz測試等方法測試AI UX。
6、模擬AI內容需要時使用測試參與者自己的資料。
7、為使用者提供機會提供反饋並向系統新增新的培訓資料。