雷鋒網(wǎng)按：日前谷歌在其官網(wǎng)發(fā)布博文，文中詳細(xì)介紹了 AI 相機(jī) Google Clips 的一些設(shè)計(jì)思路。雷鋒網(wǎng)將其編譯如下。

正如過(guò)去曾經(jīng)發(fā)生過(guò)的移動(dòng)革命以及再之前的網(wǎng)絡(luò)革命一樣，機(jī)器學(xué)習(xí)正在讓我們反思、重構(gòu)、重新審視我們生活中已經(jīng)擁有的一切。在 Google 用戶體驗(yàn)（UX）社區(qū)中，我們開(kāi)始了一項(xiàng)名為“以人為本的機(jī)器學(xué)習(xí)(HCML)”工作項(xiàng)目，來(lái)指導(dǎo)和幫助我們重構(gòu)世界。站在這樣的視角下，我們?cè)谒伎紮C(jī)器學(xué)習(xí)（ML）如何在解決人類(lèi)的需求時(shí)發(fā)揮自身的獨(dú)特性。我們的團(tuán)隊(duì)集合了 Google 整個(gè)公司的各種人才，為 UX 用戶帶來(lái)機(jī)器學(xué)習(xí)的核心概念，讓用戶了解如何將機(jī)器學(xué)習(xí)和人工智能完美地融合到交互設(shè)計(jì)中。

由谷歌AI相機(jī)Google Clips camera捕捉的父母、孩子和寵物的真實(shí)時(shí)刻

Google Clips 是谷歌的一款 AI 相機(jī)，專(zhuān)門(mén)用于捕捉身邊人的精彩時(shí)刻。設(shè)備自帶的人工智能可以通過(guò)機(jī)器學(xué)習(xí)了解到誰(shuí)是你最親密的身邊人，并且知道如何才能拍出一張漂亮又令人難忘的照片。今天，我們將以這款 A I相機(jī)為例，詳細(xì)闡釋在這三年中，我們是如何構(gòu)建出產(chǎn)品模型、進(jìn)行工業(yè)設(shè)計(jì)和用戶界面的。通過(guò)這篇文章，我們希望大家能夠了解如何用以人為本的方法來(lái)設(shè)計(jì) AI 產(chǎn)品。

AI 相機(jī)可以放置在固定的框架上，并保持靜止。上圖中，我把相機(jī)夾在了籃筐上，抓拍到了我兒子打籃的精彩時(shí)刻。

只是將更多的 UX 用戶分配到機(jī)器學(xué)習(xí)的項(xiàng)目中是遠(yuǎn)遠(yuǎn)不夠的。更加關(guān)鍵的是讓更多人了解到機(jī)器學(xué)習(xí)的核心概念，充分理解 AI 的能力，并能夠圍繞最佳實(shí)踐產(chǎn)品來(lái)構(gòu)建和維護(hù)信任。其實(shí)，從確定在產(chǎn)品構(gòu)建中哪些模型是有用的，到數(shù)據(jù)的收集和注解，以及新穎的原型機(jī)的建造和測(cè)試，機(jī)器學(xué)習(xí)生命周期中的每一個(gè)階段都是創(chuàng)新的時(shí)機(jī)。

首先第一個(gè)問(wèn)題是，為什么采用以人為本的方法來(lái)構(gòu)建機(jī)器學(xué)習(xí)產(chǎn)品和系統(tǒng)是非常重要的呢？我們認(rèn)為有以下幾個(gè)原因：

• 機(jī)器學(xué)習(xí)本身并不會(huì)找出現(xiàn)實(shí)中需要解決的問(wèn)題。如果你在設(shè)計(jì)中沒(méi)有考慮到人的需求，那么你只是建立一個(gè)非常強(qiáng)大的系統(tǒng)來(lái)解決一個(gè)非常小或者根本不存在的問(wèn)題。

• 如果 AI 系統(tǒng)的目標(biāo)不明確，并且用戶對(duì)自身在調(diào)教系統(tǒng)中的角色認(rèn)識(shí)不清，那么用戶就會(huì)根據(jù)自己對(duì) AI 的理解或想象來(lái)看待系統(tǒng)，這會(huì)讓他們的信心受到影響。

• 為了迅速發(fā)展，機(jī)器學(xué)習(xí)必須適應(yīng)多學(xué)科的任務(wù)，即使不需要太多學(xué)科，但如何適應(yīng)人類(lèi)社會(huì)系統(tǒng)應(yīng)該是一個(gè)需要面臨的技術(shù)問(wèn)題。機(jī)器學(xué)習(xí)是根據(jù)它在數(shù)據(jù)中自動(dòng)發(fā)現(xiàn)的模式和關(guān)系進(jìn)行預(yù)測(cè)的技術(shù)。一個(gè) ML 模型的工作是要弄清楚這些自動(dòng)發(fā)現(xiàn)的這些模式有多大可能出錯(cuò)，從而盡可能地保證通常的預(yù)測(cè)盡可能地正確。但這是遠(yuǎn)遠(yuǎn)不夠的。從一開(kāi)始建立模型的思路，到選擇訓(xùn)練用的數(shù)據(jù)源到樣本數(shù)據(jù)本身、以及用于描述和標(biāo)記數(shù)據(jù)的方法，一直到模式關(guān)系對(duì)錯(cuò)的判斷標(biāo)準(zhǔn)，機(jī)器學(xué)習(xí)系統(tǒng)的方方面面都是依靠人的判斷來(lái)調(diào)整和修正的?？傊蔷?UX 的公理“你永遠(yuǎn)不如用戶了解他自己”，在這里顯得異常重要。

三種以人為本提升AI設(shè)計(jì)的方法

解決人類(lèi)的真正需求

今年，人們將會(huì)使用我們的相機(jī)拍攝大約一萬(wàn)億張照片。在面對(duì)如此龐大的數(shù)字照片庫(kù)時(shí)，我們中的很多人實(shí)際上并不會(huì)仔細(xì)瀏覽。新手父母尤其如此，感受寶寶的每一個(gè)第一次就是他們的日常生活。在那些珍貴而短暫的時(shí)刻，人們已經(jīng)習(xí)慣使用他們的手機(jī)相機(jī)，希望能夠?yàn)槲磥?lái)捕捉和保留一些回憶。但最終的結(jié)果是，人們用一個(gè)小小的屏幕來(lái)取代所有的感官，與世界的互動(dòng)反而更低了。

作為一個(gè)新手父母，你的照片庫(kù)可能看起來(lái)很像我的上面手機(jī)照片——連續(xù)地拍攝，以捕捉孩子最完美最可愛(ài)的表情。

因此，我們?cè)谙?，能不能?chuàng)建一個(gè)產(chǎn)品，幫助我們更加關(guān)注我們關(guān)心的人呢？能不能讓我們出現(xiàn)在照片中，而不是總躲在照相機(jī)后面呢？我們能不能“即時(shí)”拍攝照片，而不必停下來(lái)，拿出電話，打開(kāi)相機(jī)，在鏡頭中對(duì)焦，保持這一刻的真實(shí)呢？我們能不能讓一個(gè)攝影師在我們身邊隨時(shí)捕捉更多真實(shí)的生活時(shí)刻，比如孩子們的真正微笑呢？那些真實(shí)而轉(zhuǎn)瞬即逝的時(shí)刻，往往讓我們覺(jué)得甚至永遠(yuǎn)背著相機(jī)都不可能全部捕捉得到，而這就是我們這款 AI 相機(jī)打算滿足的人類(lèi)需求。

引導(dǎo)機(jī)器智能

產(chǎn)品設(shè)計(jì)之初，最迫切的問(wèn)題是：如果人們拍攝了大量的照片，但其實(shí)并不想回頭去整理它們，那么我們要如何標(biāo)注數(shù)據(jù)呢？這就是基礎(chǔ)的“以人為本的機(jī)器學(xué)習(xí)”項(xiàng)目誕生的起點(diǎn)：描述理論上的人類(lèi)“專(zhuān)家”執(zhí)行任務(wù)的方式。這個(gè)理論有兩層含義：第一，如果連人類(lèi)也無(wú)法完成這個(gè)任務(wù)，那么 AI 也不可能完成； 第二，通過(guò)深入研究專(zhuān)家完成任務(wù)的方法，我們可以找到一些信號(hào)來(lái)指導(dǎo)數(shù)據(jù)的收集、標(biāo)記和組件模型的架構(gòu)。

當(dāng)時(shí)我們能想到的最接近“專(zhuān)家”就是一位婚禮攝影師，所以我開(kāi)始了采訪工作。我們通過(guò)代理進(jìn)行招聘，并且使用了一個(gè)非常模糊的招聘信息“秘密項(xiàng)目！攝影！”。經(jīng)過(guò)一番篩選加上一些運(yùn)氣，我們最終發(fā)現(xiàn)了一個(gè)寶庫(kù)——一個(gè)紀(jì)錄片制作人、一個(gè)攝影記者和一個(gè)美術(shù)攝影師的專(zhuān)業(yè)素材。我們一起開(kāi)始收集團(tuán)隊(duì)成員的鏡頭材料，試圖回答“什么是令人難忘的時(shí)刻？”

在評(píng)估我們的照片和視頻的質(zhì)量時(shí)，我們必須意識(shí)到很多細(xì)微之處、人們的審美本能和個(gè)人的生活歷史，這些在過(guò)去都被我們所忽視了。例如，每當(dāng)我看到我的小兒子在探索一根彎曲的吸管（左邊），或者我去偷親他（中間）時(shí)，我的心情就會(huì)泛起漣漪。當(dāng)我看到我的大兒子在公園里騎自行車(chē)的時(shí)候（右邊），我便非常自豪，因?yàn)槲矣浀媚且惶焓撬谝淮为?dú)自騎車(chē)。

建立信任

這個(gè)項(xiàng)目的初始假設(shè)是：我們可以向機(jī)器學(xué)習(xí)模型展示我們認(rèn)為美麗而有趣的東西，然后它會(huì)學(xué)習(xí)如何找到更多這樣的東西。我們對(duì)于圖像的景深、構(gòu)圖原則、光線強(qiáng)弱、視頻剪輯、情節(jié)設(shè)計(jì)等方面的處理顯得較為隨意，但遺憾的是，我們發(fā)現(xiàn)，永遠(yuǎn)不能低估人類(lèi)運(yùn)用常識(shí)和本能的能力。

這些早期的實(shí)驗(yàn)暴露出一些關(guān)鍵的技術(shù)差距，也幫助我們重新評(píng)估了我們對(duì)產(chǎn)品的假設(shè)，讓我們真正明白了這項(xiàng)工作的本質(zhì)。我們轉(zhuǎn)變了工作方式，機(jī)器學(xué)習(xí)并不是我們所認(rèn)為的那樣“神圣”，它只有在相當(dāng)簡(jiǎn)化的框架下才能有效地學(xué)習(xí)。打個(gè)比方，當(dāng)時(shí)的我們就像在用莎士比亞而不是“Go，dog，go！”來(lái)教一個(gè)兩歲的孩子英語(yǔ)。對(duì)我來(lái)說(shuō)，這就是 AI 這個(gè)“龐然大物”走下“神壇”的時(shí)刻——AI 并不意味著一種可以理解所有事物、并且可以將學(xué)到的知識(shí)自行推廣的單一“智能”。不，它差遠(yuǎn)了。

回歸基礎(chǔ)

“一致性”是教授任何東西時(shí)秘訣。比如我們?cè)诮毯⒆觽冇⒄Z(yǔ)時(shí)，為了正確發(fā)音，我們會(huì)不斷地重復(fù)同一類(lèi)詞匯（如 tough, through, thorough 中的 O-U-G-H，或 cat, bat, sat 中的 A-T），通過(guò)一致性，我們可以預(yù)測(cè)更多同類(lèi)的詞匯發(fā)音和拼寫(xiě)。

而信心便來(lái)自一致性。試想一下，當(dāng)一位老師提供兩個(gè)似乎并不一致的例子時(shí)，大多數(shù)學(xué)生會(huì)立刻指出其中的不協(xié)調(diào)。但是算法并不會(huì)提供這樣的反饋。就算法而言，除非另有指示，否則為算法提供的所有內(nèi)容對(duì)算法而言都具有相同的價(jià)值。對(duì)于 Clips Camera 來(lái)說(shuō)，這意味著我們不僅需要示例間的一致性，而且還需要每個(gè)示例中的一致性。AI 需要對(duì)每一個(gè)單獨(dú)的框架進(jìn)行具體預(yù)測(cè)。同時(shí)我們還需要教會(huì)它哪些內(nèi)容可以被忽略。

捕獲圖像

我們需要訓(xùn)練模型學(xué)習(xí)什么是不好的圖像：比如手擋在鏡頭前、快速晃動(dòng)、鏡頭模糊。

我們使用上面的例子來(lái)訓(xùn)練機(jī)器學(xué)習(xí)模型來(lái)識(shí)別相機(jī)是在口袋或錢(qián)包里面（左圖），或者相機(jī)被手指擋住時(shí)（右圖）。雖然訓(xùn)練模型去忽視某些東西的好處并不能立即體現(xiàn)，但隨著時(shí)間的推移，它會(huì)成為我們?cè)O(shè)計(jì)中的關(guān)鍵戰(zhàn)略部分。這種訓(xùn)練能夠讓相機(jī)減少無(wú)效照片的拍攝浪費(fèi)，捕獲圖像的總體質(zhì)量將會(huì)顯著上升。

構(gòu)圖問(wèn)題

我們需要訓(xùn)練模型以保持圖像的穩(wěn)定性、清晰度，還要正確的取景。如果不稍加注意，面部探測(cè)模型就會(huì)將畫(huà)框中心和邊緣檢測(cè)到的面部同等對(duì)待。

為了訓(xùn)練模型保持對(duì)某個(gè)對(duì)象的連續(xù)性，需要特別強(qiáng)調(diào)一些特殊的例子。比如上圖中，左邊是我的小兒子全程都處在焦點(diǎn)范圍內(nèi)，而右圖中我的大兒子只有 5％ 左右的時(shí)間處在焦點(diǎn)中。

確定人物

熟悉你是為你拍攝的前提：你將相機(jī)對(duì)準(zhǔn)某人時(shí)，他們通過(guò)微笑或擺姿勢(shì)來(lái)暗示同意，你才能按下快門(mén)。并且，攝影師才是那個(gè)決定取景和構(gòu)圖的人。所以對(duì)自動(dòng)相機(jī)而言，我們必須根據(jù)社交線索來(lái)確定你想要和誰(shuí)一起拍照，我們可以根據(jù)你和他人相處的時(shí)間長(zhǎng)短來(lái)確定是否拍攝有關(guān)他的照片。

編輯

多樣性和冗余問(wèn)題在我們拍照時(shí)并不是什么大問(wèn)題，因?yàn)?nbsp;我們腦海里總會(huì)有一個(gè)小小的聲音說(shuō)：“我們還沒(méi)見(jiàn)過(guò)這個(gè)，需要拍下來(lái)！” 或者 “你已經(jīng)拍了太多孩子的照片，可以停下來(lái)了。”，但是我們的 AI模型在這方面則需要很多的幫助。

我們從三個(gè)方面來(lái)處理多樣性：

• 時(shí)間：時(shí)間是最簡(jiǎn)單的圖像捕捉信號(hào)。相機(jī)不能停工太久。

• 視覺(jué)： 顏色微妙或戲劇性的變化可以說(shuō)明環(huán)境和活動(dòng)的變化?？梢該?jù)此捕捉獨(dú)特的精彩時(shí)刻。

• 人物： 你正在一大群人當(dāng)中，還是獨(dú)自一人？讓相機(jī)理解你正在和多少不同的熟悉面孔在一起，是不錯(cuò)過(guò)你人生重大時(shí)刻的關(guān)鍵。

我把 AI 相機(jī)放在書(shū)架的邊緣，鏡頭朝下，這個(gè)角度正好可以看到我的孩子們搭積木的場(chǎng)景。同時(shí)，這也意味著我在相當(dāng)長(zhǎng)的一段時(shí)間里，向相機(jī)展示了一堆非常相似的內(nèi)容。既要避免不必要的冗余又不能錯(cuò)過(guò)太多的精彩時(shí)刻，這在很長(zhǎng)一段時(shí)間里都將會(huì)是一個(gè)非常復(fù)雜的 UX 挑戰(zhàn)。

用戶信任和自我效能

我們投資在 AI 相機(jī)上的一個(gè)原因是想要向大家展示出，設(shè)備自帶的用戶私人機(jī)器學(xué)習(xí)系統(tǒng)有多么重要，當(dāng)然還有它其他非常強(qiáng)大的功能特點(diǎn)（例如，它只需要很少的電量，設(shè)備不會(huì)發(fā)燙，而且設(shè)備處理器不需要網(wǎng)絡(luò)連接就可以快速而可靠地工作）。相機(jī)是一個(gè)非常私人化的物品，而我們一直在努力保證這一特性——相機(jī)硬件內(nèi)容和機(jī)器智能都只屬于你一個(gè)人。所有的一切都會(huì)永遠(yuǎn)保留在你的相機(jī)里，除非你自己將它公之于眾。

概念設(shè)計(jì)

我們著眼于用戶的信任和自我效能，在用戶界面設(shè)計(jì)中也非常強(qiáng)調(diào)這一點(diǎn)。這意味著，在項(xiàng)目開(kāi)始的時(shí)候，我們就在不斷假設(shè)一個(gè) AI 產(chǎn)品應(yīng)該如何“存在”。

當(dāng)我們開(kāi)始考慮與未來(lái)相關(guān)的科技時(shí)，許多設(shè)計(jì)師都會(huì)一下子跳躍到“少數(shù)派報(bào)告”或“刀鋒戰(zhàn)士”這類(lèi)電影中的沉浸式體驗(yàn)中。但是請(qǐng)你想象一下，“少數(shù)派報(bào)告”中的 UI 是多么瘋狂：  只需伸出手臂，等待兩秒后，抓一把空氣，然后大手一揮反方向一轉(zhuǎn)就搞定了，多么簡(jiǎn)單！幾乎每個(gè)科幻片中的用戶界面都有類(lèi)似的東西，仿佛產(chǎn)品的交互模式必須要體現(xiàn)出科幻系統(tǒng)的無(wú)敵復(fù)雜性。雖然在我們?cè)缙诘脑O(shè)計(jì)中曾經(jīng)有過(guò)這樣的一段時(shí)間，但是我們最終盡量避免了這樣的幻想，其中的原因是這樣的：

• 我們?cè)谝粋€(gè)明顯的模擬環(huán)境中向人們展示了虛假內(nèi)容，人們并沒(méi)有與圖像進(jìn)行真正的交互。請(qǐng)注意，這個(gè)問(wèn)題不是AI獨(dú)有的；可用性實(shí)驗(yàn)室中常有發(fā)生。

• 我們每天都和同行們?cè)谝黄穑瑢?duì)AI的未來(lái)想法一致。我們的錯(cuò)誤在于，忘記了普羅大眾才是我們產(chǎn)品設(shè)計(jì)的參照點(diǎn)。

• 我們總認(rèn)為我們的新設(shè)計(jì)非?？幔钥傆X(jué)得即使產(chǎn)品無(wú)法盡快實(shí)現(xiàn)也說(shuō)得過(guò)去。

大多數(shù)產(chǎn)品都有一些學(xué)習(xí)曲線，但是隨著 AI 的火熱，我們需要著重考慮到用戶的認(rèn)知負(fù)擔(dān)。對(duì)用戶來(lái)講，當(dāng)產(chǎn)品的內(nèi)容相對(duì)新穎時(shí)（圖A），可靠性非常重要。當(dāng)UI界面非常新穎需要用戶學(xué)習(xí)時(shí)（圖B），需要特別考慮到初級(jí)用戶的使用體驗(yàn)。而當(dāng)產(chǎn)品的功能特別新奇時(shí)（圖C），你的用戶界面應(yīng)該向人們熟悉的模式靠近。

隨著時(shí)間的推移，我們放棄了那些不實(shí)用的幻想。我們開(kāi)始大幅降低用戶界面的復(fù)雜性，并為我們的體驗(yàn)框架提供了用戶控制，增加用戶的熟悉感。我們?cè)谙鄼C(jī)上增加了一個(gè)軟件取景器和一個(gè)硬件捕捉按鈕。從相機(jī)中的最佳取景框到理想的持續(xù)時(shí)間，我們都確保用戶有最終決定權(quán)。同時(shí)，我們讓相機(jī)拍攝了更多的照片，因?yàn)閷?shí)際上，讓用戶看到更多照片，自己刪除一些不那么精彩的照片，才讓他們更好地理解相機(jī)所能拍攝的畫(huà)面，才能提升他們對(duì)相機(jī)的信任。

經(jīng)過(guò)這個(gè)過(guò)程，我們發(fā)現(xiàn)了另一個(gè)關(guān)于測(cè)試 AI 產(chǎn)品的重要原則：使用用戶的真實(shí)內(nèi)容來(lái)創(chuàng)建用戶體驗(yàn)?zāi)Ｊ奖仁褂?ML 模型進(jìn)行測(cè)試更加有用。后者需要花費(fèi)很長(zhǎng)時(shí)間來(lái)構(gòu)建和部署（與傳統(tǒng)的軟件開(kāi)發(fā)相比，ML 模型的靈活性和適應(yīng)性也差得多，所以錯(cuò)誤的的代價(jià)也更高），而前者則能提供真正的人類(lèi)視角，人們才能真正從你的產(chǎn)品中獲得價(jià)值。

用戶通過(guò)從相機(jī)流式傳輸來(lái)預(yù)覽他們的照片。左圖中，用戶可以選擇他們想要保存在收集中的圖片。中間圖中，用戶可以切換到建議的視圖。右圖中，用戶可以精確定位出他們想要保存的靜態(tài)圖片。

在主觀性和個(gè)性化的背景下，完美是不可能的，我們甚至不應(yīng)該以此為目標(biāo)。與傳統(tǒng)的軟件開(kāi)發(fā)不同，機(jī)器學(xué)習(xí)系統(tǒng)永遠(yuǎn)不會(huì)“沒(méi)有 bug”，因?yàn)轭A(yù)測(cè)是本身就是一種模糊科學(xué)。但正是這種模糊的特性才讓機(jī)器學(xué)習(xí)變得非常有用！這正是幫助我們制造更為強(qiáng)大和動(dòng)態(tài)的“IF”語(yǔ)句的真諦所在，我們可以用它來(lái)設(shè)計(jì)一些東西——“如果看起來(lái)像 X，則執(zhí)行 Y 任務(wù)”。我們不僅要背離僵硬的邏輯規(guī)則，還需要拋棄傳統(tǒng)的用戶參與方式。谷歌 AI 相機(jī)的成功不僅僅在于“保留，刪除，點(diǎn)擊和編輯”（盡管這些都很重要），但更關(guān)鍵的是，用戶的作者身份、機(jī)器和用戶的共同學(xué)習(xí)和不斷的改進(jìn)。我們很希望通過(guò)這個(gè)產(chǎn)品，讓用戶可以忘掉拍照，盡情玩耍。

帶著目的去設(shè)計(jì)

通過(guò)對(duì)傳統(tǒng) AI 范例的重新定位，找到讓機(jī)器變得更加智能的方法，探索提升人類(lèi)能力的方法，我們可以釋放出機(jī)器學(xué)習(xí)的更多潛力。它會(huì)成為一個(gè)前所未有的探索創(chuàng)新工具； 一個(gè)幫助我們找出自己和周?chē)澜鐑?nèi)在模式的工具。在“以人為本的機(jī)器學(xué)習(xí)”項(xiàng)目中，我們有無(wú)數(shù)的機(jī)會(huì)用 AI 來(lái)塑造一個(gè)更加人性化、更加包容的世界。而這一切要從我們的本源出發(fā)：尋找和解決人類(lèi)真正的需求，維護(hù)人類(lèi)的價(jià)值。要始終記住：我們是為了增強(qiáng)人類(lèi)的能力而設(shè)計(jì)，不是為了機(jī)器的自動(dòng)化。

人工智能的作用不是幫我們?cè)陔s草里尋找丟失的針，而是幫助我們清除雜草，好讓我們自己找到那根針。

via design.google雷鋒網(wǎng)編譯

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。