时间: 2021-07-30 10:14:59 人气: 2 评论: 0
上周的文章里，我们聊了AI文案技术的现状以及它对文案创意职业的影响。这次我们继续人工智能的主题，看看交互设计师在这个新环境里， 如何才能不失业以及需要作出怎样的改变。
AI的提出以及相关技术算法其实已经提出了很久，而电影里对AI的恐惧也是个老掉牙的主题。但真正让我们在生活上、在自己职业上感到担心的，却是最近几年的事。
在这几年里，深度学习等技术的优化以及硬件性能提升让**变得可实用，我们看到从IBM的Watson的快速问答，到AlphaGo逐步吊打人类。包括语音对话、图像识别等技术也逐渐融入到平时使用的产品上。基于AI的设计工具，像自动作图、文案生成等，也开始出现，设计师不仅要追赶AI技术的发展速度，还要对自己的工作内容产生怀疑。
面对这个情况，与其担心自己是否**失业，不如一起讨论一下交互设计师应该做出什么样的改变，才能赶上AI这波节奏？
从本质上，机器的逻辑是一种二进制逻辑，归根到底是精确的0和1的运算和判断。二进制逻辑下，所有情况都在有限的固定状态集合中，这种逻辑只**考虑预设条件，不需要外部知识，显然结果也是可推倒可预测的。
由于职业的需要，交互设计师的设计模式也习惯了这种二进制逻辑。我们进行设计时，时常思考的是判断条件是什么，如何根据判断条件和输入内容给出明确的反馈。能清楚梳理一个功能的所有条件逻辑，甚至是交互设计师的基础能力。
但这也让我们有意无意地忽略了人类实际的思考逻辑，一种基于经验法则的逻辑。人类实际的思考过程是十分模糊、近似的，判断的内容也不一定需要明确的是或非的边界，甚至一个问题可能的结果不一定是一个固定有限的集合。这种逻辑允许并且需要大量的外部知识和经验，这些知识并没有一个固定的输入流程。
正是这个粗糙但高效思考方式，让我们大脑在这么低能耗的情况下可以思考各种复杂抽象的事情（虽然有时不那么准确就是了）。
机器和人类判断小明身高的逻辑差异（简化版）
而机器学习等技术发展，正是让机器的思考方式更加模拟和接近人类，于是，机器可以开始解决一些界限模糊的抽象问题（譬如图像识别）。但是，我们也需要适应机器模糊的思考逻辑，并且接受机器给出的结果是近似而无法精准预测评判的现实。
即使人类也**把火星上的一座山理解为人脸。我们对AI“容易出错”有时是一个主观偏见——对于一些需要进行模糊的判断时，我们还**用着“必须只有唯一可推导的答案”的二进制逻辑，过于苛刻地要求AI。
当机器开始像人类思考时，给交互带来的另一个直接变化是输入输出方式的改变。对于输入方式，最直观的转变是输入方式变得更加丰富。
声音、语音、图像、动作、环境等信息已经成为很常见的输入手段，但更本质地说，我们现在可以输入更加抽象、边界模糊以及内容混合的信息。
举个栗子，过往的人机对话其实跟文字RPG一样是一问一答，根据条件触发反馈的。但当人机对话时，机器**同时考虑环境、语境、前后文、情感、性格、即兴等模糊抽象的信息时，人机对话的体验是否**完全不一样呢？
听着有点眼熟？
前面说到，机器逻辑的改变使得结果不再是精确固定的，那意味着AI的交互流程中，输出环节需要我们考虑更多的事情。
譬如说，AI的输出结果通常是基于概率的，如何根据使用场景把控结果的置信值将很大影响体验和可用性。譬如在电商的智能推送，或者一些需要创造力的产品，我们很乐意看到机器给我们一些更即兴或者多变的反馈，但在医疗影像疾病分析或者银行对于客户的信用评判的产品上，你就不**希望机器随随便便给你下判断了。
与我们预期相反，在第一批AI浪潮里，一些产品不仅没有取代人类工作，反而迅速被下架回炉再造。与其说是因为“业绩不好”，不如说这些AI产品没有符合使用者和业务的需求。
随着AI产品被实际使用，大家逐渐发现了AI与人进行交流时出现的体验问题，而这些问题并不简单地通过程序可以解决的，它们涉及到场景、流程、使用者的心理和主观体验。正如前面提及，AI产品的交互流程复杂且难以参数化预估，这些产品的用户体验将成为一个新的设计领域。
Amelia是IPSoft为银行、医疗、保险等提供的客户服务的AI系统，但瑞典Nordnet银行因为其业绩不理想以及客户反馈一般将其“解雇”。不过Amelia仍然是公认较为领先的AI系统，正在被全球**过50家公司使用。
苏格兰一家**市中的AI导购机器人Fabio，因无法符合顾客预期地解决导购问题而下岗，在岗前甚至有些顾客看见它还不得不绕着走。有趣的是，当初大家觉得**因被机器人替代而不满的**市员工，反而是最舍不得Fabio离开的人。
AI不仅影响着我们需要设计的产品，同时也影响着我们的设计工具。面对AI设计辅助工具的出现，交互设计师需要调整自己的设计关注点。
最直接可见的是工作替代，AI的出现其实跟工业革命的机器化生产很相似，只要可以设置精度和标准化的事情，机器都是可以轻松代替人类的。于是现在出现的AI文案、banner生成，以及在逐渐成熟的风格模仿、组件化布局等工作，机器都**越来越轻松去胜任。但包括业务洞察、服务流程、主观体验、初始创意等无法定义精度和标准的工作，是目前的AI技术难以完成的。
当这些标准化作业逐渐由机器进行后，我们与机器的关系将逐渐从工具使用变成设计协作，你甚至可以把这些设计工具当作一个和你合作的初级设计师。我们需要学习如何利用这个标准而高效的合作者，并把节省的时间用于更高价值的设计工作中。
我们也需要思考如何互相提高设计能力，这既包括人对机器提出更清楚的需求和定义，拓展机器的设计能力与领域，也包括通过机器数据分析、方案创作的效率，激发人更多的灵感与思维。
而且，AI的思考过程是不可见的，所以我们无法简单根据条件和逻辑去分析AI为何给出这个结果。因此我们看到一个不符合我们预期的输出时，我们在想程序哪里出bug之前，先要需要考虑出现这个结果的各个因素，以及这个结果在应用场景下，和预期不一样的结果是否反而有更高的价值。
当初柯洁对AlphaGo的棋路表示怀疑和无法理解，但是棋局的结果和后面AlphaGo的持续学习结果表明，不符合预期的输出不一定用“出BUG”就糊弄过去了，这种矛盾反而是创造的动力。
我们需要承认，AI将**逐渐取代部分基础的工作，这也包括交互设计中可标准化、重复化、依靠运算量的内容。但AI发展导致交互逻辑和方式的变化，交互设计师的工作反而变得更加复杂和重要了。这意味着，交互设计师在AI技术的发展下需要变得更加专业化，而仍在进行着简单重复劳动的人将**逐步被淘汰，所以抓紧时间给自己补补课吧~
作者：戳，微信公众号：未知素设计
本文由 @戳 原创发布于人人都是产品经理。未经许可，禁止转载
题图来自 Pexels ，基于 CC0 协议
