0
雷鋒網(wǎng)注：【 圖片來源：Microsoft Research Blog 所有者：Microsoft Research Blog 】
雷鋒網(wǎng)按：設(shè)計人工智能系統(tǒng)和特性對用戶體驗（UX）從業(yè)者提出了新的挑戰(zhàn)。傳統(tǒng)上，UX設(shè)計師依賴草圖和低保真度、快速原型來想象和測試他們的想法。然而，常用的設(shè)計工具和技術(shù)往往不能滿足人工智能系統(tǒng)的設(shè)計要求。并且人工智能系統(tǒng)經(jīng)常違反眾所周知的可用性原則，因此需要更新設(shè)計人機交互的指導(dǎo)。
微軟研究院（Microsoft Research）在ACM CHI大會上發(fā)表了三篇關(guān)于計算系統(tǒng)中的人為因素（CHI）的論文，以解決這些需求，并使UX從業(yè)者能夠為人工智能設(shè)計。從構(gòu)思到用戶感知和接受，如何更好地設(shè)計AI，雷鋒網(wǎng)全文編譯如下。
論文《Sketching NLP: A Case Study of Exploring the Right Things to Design with Language Intelligence》（Sketching NLP：探索用語言智能設(shè)計正確事物的案例研究）觸及了設(shè)計思維的基本方法的核心：素描。設(shè)計師使用各種素描技術(shù)，如故事板、線框圖和紙上原型，來闡明問題空間，并快速探索試探性的設(shè)計選擇。然而，這些標(biāo)準(zhǔn)的繪圖工具中有許多是基于諸如滑動、指向或單擊之類的有形交互，而不是更抽象的交互。所以想象一下，當(dāng)你和你的團隊計劃使用自然語言處理（NLP）技術(shù)為文檔創(chuàng)作應(yīng)用程序添加智能寫作輔助時，會出現(xiàn)哪些困難。
本文確定了其中的幾個挑戰(zhàn)，包括如何抽象地描述語言交互，以便作者能夠更好地理解可能的結(jié)果，以及如何理解和擴展NLP的技術(shù)限制，并在這些限制下展望新奇的NLP應(yīng)用。它還引入了一種新的線框圖格式，作者將其稱為記事本——一種文本編輯器，增加了用于草擬基于NLP的初步設(shè)計概念的功能。
通過對人機交互(HCI)研究人員和NLP科學(xué)家團隊產(chǎn)品設(shè)計過程的坦誠、幕后觀察，文章表明這樣一個筆記本可以作為設(shè)計師、NLP科學(xué)家和潛在用戶交流設(shè)計概念的有用的共同點。該論文展望了未來，當(dāng)NLP特定的設(shè)計工具將像今天的線框圖和紙原型一樣普遍。
除了用于構(gòu)思的工具之外，設(shè)計人員通常還依賴原則和啟發(fā)法來指導(dǎo)設(shè)計決策和評估現(xiàn)有的解決方案。論文《Guidelines for Human-AI Interaction》（人機交互指南）為針對人工智能的設(shè)計指導(dǎo)奠定了基礎(chǔ)。
雖然關(guān)于人工智能設(shè)計的指導(dǎo)有很多，但社區(qū)缺乏一套統(tǒng)一的、值得信賴的指導(dǎo)原則，無法在人類和人工智能系統(tǒng)之間創(chuàng)建直觀的交互。作者綜合了這一領(lǐng)域20多年的研究和思考，形成了一套經(jīng)過三輪嚴(yán)格驗證的指導(dǎo)方針。由此產(chǎn)生的18條人工智能交互指南建議人工智能系統(tǒng)在初始交互、常規(guī)交互、不可避免地出錯以及隨著時間的推移時應(yīng)該如何表現(xiàn)。
該指南可用于根據(jù)已建立的接口檢查方法（如啟發(fā)式評估）對思想或系統(tǒng)進行評估。當(dāng)團隊想象一個含有人工智能技術(shù)的系統(tǒng)的能力時，它們也可以用于基礎(chǔ)構(gòu)思。這些指南還旨在作為涉及含有人工智能技術(shù)的系統(tǒng)(如用戶體驗、工程、數(shù)據(jù)科學(xué)和管理)的不同學(xué)科之間對話的基礎(chǔ)。指南可以在海報和可打印的卡片中找到——在CHI期間，到微軟站臺前與作者見面并獲得一副套牌！
錯誤是含有人工智能技術(shù)的系統(tǒng)所固有的，但大多數(shù)用戶并不期望計算機表現(xiàn)得不一致或不完美。人工智能交互的前兩個指導(dǎo)原則建議盡早設(shè)置對人工智能系統(tǒng)功能和性能的期望，以防止用戶的失望和不滿。論文《Will You Accept an Imperfect AI? Exploring Designs for Adjusting End-user Expectations of AI Systems》（你會接受一個不完美的人工智能嗎？探索調(diào)整人工智能系統(tǒng)最終用戶期望的設(shè)計）評估了調(diào)整用戶期望以提高用戶接受度的不同技術(shù)。
本文提出了三種塑造預(yù)期的模式：明確說明人工智能的準(zhǔn)確性，解釋人工智能的工作原理，以及允許用戶控制人工智能的性能。
通過對含有人工智能技術(shù)的調(diào)度助手中實現(xiàn)的這些模式的研究，本文證明了它們在維持用戶接受度方面的有效性，并揭示了在調(diào)整人工智能以避免假陽性錯誤和調(diào)整人工智能以避免假陰性錯誤時的接受度的差異——即使總體精度相同。這些結(jié)果表明，解決一個錯誤所需的努力和資源是用戶接受人工智能技術(shù)的一個關(guān)鍵因素。這篇論文為UX設(shè)計師提供了證據(jù)，他們可以使用這些證據(jù)來支持關(guān)于如何設(shè)置對AI系統(tǒng)的期望的決策，以及為此而設(shè)置的特定模式。
這三篇論文旨在幫助UX設(shè)計師創(chuàng)造有用的、可用的、無挫折的AI體驗，并在對如何設(shè)計AI有直接影響的領(lǐng)域提升學(xué)術(shù)知識。我們期待著在CHI上分享它們，并希望，如果您參加了在蘇格蘭格拉斯哥舉行的會議，您可以順道拜訪一下微軟的展臺，與作者們見面！
雷鋒網(wǎng)注：本文編譯自Microsoft Research Blog
【封面圖片來源：網(wǎng)站名Microsoft Research Blog ，所有者：Microsoft Research Blog 】
雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
