发挥设计力，使 AI 更智能！

2017-08-31 12:00:00

这篇文章对于AI和用户关系的探讨向前更近了一步——思考和讨论如何让AI反过来收集更多用户的数据，进而能够利用这些数据提供更多更好的服务。也就是说，通过预先提供给用户价值，让用户获益，更愿意投入、提供数据，而AI获取到这些数据，又可以反过来变得更智能、更好地提供用户价值。这样形成一种良性循环。在这个过程中，产品和体验设计师可以发挥很大的作用，利用同理性以及对自然对话的原则理解，来促成这一过程。以下为正文。

以用户为中心构建AI，让用户与AI形成一种供给关系的良性循环，使用户能够教育AI。

今天的设计师们有更多机会去利用智能AI来设计产品。过去我们一直处于AI领域的初级阶段，更要进一步扩越到更高的阶段，到达广义上的真正的”AI智能”，我们就需要来自用户的数据，大量的数据。然而我们如何才能获取到这些数据呢？

我们需要设计良好的体验，来激发用户愿意投入、提供数据，来让AI提供更优的服务。也就是说，要把更多精力投入在让用户主动去教育AI的目标上。

在这一点上，设计师可以发挥所长，尽可能利用用户的输入以及这些输入背后潜在的信号，来帮助AI更加智能。在让AI理解“这些信息是什么”之前，首先要先从用户角度去解析“为什么要提供这些信息”。

下面这张流程图展示了AI和用户之间互动与反馈的过程：

需要预先思考用户可能会在哪个关键节点放弃，在这个场景下给予他们一些好处和鼓励，让他们有继续的理由。

设计师需要解决的关键问题是，让AI获取到需要的信息，同时就是让用户能够愿意给予提供这些信息。

在构建AI与用户的信息供给关系时，可以考虑以下几点：

以用户为中心，创造用户价值

要帮助AI获取到必要信息，首先需要聚焦到用户收益上。有效的用户价值可以吸引用户投入。在互动过程中，快速即时的成就感可以让用户保持兴趣。而明显的改变、反馈、前进的状态展示可以让用户愿意继续留在互动流程中，这样就可以让AI能够获取数据，变得更加智能。

也就是说，要尽可能的在每一个步骤提供给用户对应的价值，避免流程中断事变。

先聚焦，然后扩展

传递核心用户价值，可以在用户和AI之间建立信任。聚焦在关键体验，移除不必要的元素，以避免让用户脱离核心路径。一旦用户沉浸到主要路径中，就会更容易持续使用。另外，还需要识别出能够提升用户价值的部分，思考AI需要获取哪些数据，从而能够加以利用，来提供附加的用户价值。

例如eBay的购物助手，会获取用户的购买行为、订单、风格样式以及其他和购物相关的信息。此外，还需要获取与购物有关联的全球新闻、天气、热点、趋势，以及这些因素影响用户购买决策的模式。通过这些额外的信息，就可以设计一种更智能的可以提升用户购物体验的AI系统。

向用户借力，然后更进一步

从用户的互动、特性、思维过程以及人与机器的关系中去找到线索信息。

1. 情感智慧

我们可以构建更有自我意识和社会意识的AI系统，从而建立它和人类之间的信任。设计师也更善于利用同理心，在设计产品体验的过程中，去更好的影响、提升AI的情感智能。

AI几乎很难理解人们所说的和实际表现之间的细微差别，而这对于人类来说很简单。AI需要去识别用户的各种输入，包括语言、表情、肢体动作和下意识的微动作。而设计师可以将这些行为与可能表达的用户情感联系在一起，并引导AI去学习和理解。

例如用户说OK的时候，并不总是表达yes的含义。我们需要去识别出不同表达之间的细微差别，这样才能够让AI去学习，例如某一种OK其实可能会表达犹豫、质疑或是消极的回应。所以要特别注意用户潜在的意图，设计出更情感化的AI系统。

2. 交流风格

目前人与机器之间是一种命令和回应的关系，用户是发出命令的一方。然而，我们也希望让AI可以成为发出请求的一方，而用户给出回应。如果AI可以像用户那种方式自然的说话表达，那么就可以更容易做到这一点。

AI通过语气、表达方式、文化背景和个性来表达自己，这些方式会影响到它和人类之间的交流关系。通过研究目标用户与机器、朋友、家人和服务提供者的交流方式，可以帮助我们开发出自然、动态的对话。我们需要让AI的表达是可以被理解的，向用户展现出同理心和认同感。可以让那些困难的问题，变得简单，让用户能够更轻松的回答，这样就可以增加我们获取用户数据的几率。

需要注意，AI助手通常比较少会说”对不起”。让AI保持积极、正面的形象，也是一种对AI人格设计的决策。当用户与机器交流的过程中，如果出现与用户预期不符的情况，可以提供给用户下一步骤的引导、补偿措施、替代方案和计时的满足感，来替代直接道歉。

3. 供给互惠关系

提供给用户价值，进而获取用户反馈。这种反馈循环是在设计AI体验的过程中，最具挑战性的任务之一。

在Clifford Nass和BJ Fogg对人机供给互惠关系的研究中发现，如果机器在之前曾给予过用户帮助，那么用户会更容易认同、遵从、帮助机器。这种互惠关系也会让用户的表现更好，带来正面积极的影响。

再结合Nir Eyal的”上瘾模型”理论：如果用户能够清晰的理解、体验到AI带来的收益，那么他们会更愿意去投入。

Spotify会推荐一些我们也许会喜欢听的歌曲。这很棒。它会通过对音乐的大拇指的竖起、向下和红心这些显性的标识，来作为一种筛选信号。另外，也会结合我们听音乐的隐性的行为来判断：当我们被动的听歌时，不会主动的给予反馈，但是如果我们不喜欢的歌，就会结束收听。这样，我们就会逐渐了解到，我们可以通过更主动的去提供一些输入，让每周推荐的歌单更加智能，更符合自己的品味。