編輯導(dǎo)語：隨著科技的不斷發(fā)展，人工智能開始慢慢的進(jìn)入到我們的生活工作中，但人工智能需要注意一些問題，一些企業(yè)在做此類項(xiàng)目時，需要注意到人工智能與用戶溝通的機(jī)制；本文作者分享了關(guān)于人工智能設(shè)計時需要注意的點(diǎn)，我們一起來看一下。

今天，人工智能已經(jīng)開始重塑商業(yè)和社會，但在實(shí)際業(yè)務(wù)中，很多“大數(shù)據(jù)”或AI項(xiàng)目卻無法正常交付。

導(dǎo)致問題的原因有很多，比如：

• 試圖利用技術(shù)來解決戰(zhàn)略層面的問題；
• 高估了數(shù)據(jù)的可用性；
• 低估了數(shù)據(jù)梳理的難度；
• 沒有采取相應(yīng)的流程來確保算法輸出產(chǎn)生預(yù)期的業(yè)務(wù)成果等。

除了這些原因之外，還有一個經(jīng)常被大家忽略的原因，那就是——AI的應(yīng)用沒有以人為本。

一、AI不需要成為“人腦”

很多人都以為今天AI的發(fā)展是因?yàn)槲覀儼l(fā)明了更先進(jìn)的算法，讓機(jī)器能夠模擬人腦的工作方式。這讓人們產(chǎn)生一種誤判——機(jī)器已經(jīng)能夠模擬人腦的工作方式，替代人類思考；但實(shí)際上，現(xiàn)有的算法和十年前并沒有本質(zhì)區(qū)別，而今天和十年前最大的不同是算力和更大的數(shù)據(jù)集。

在這樣一個認(rèn)知基礎(chǔ)上我們再來看AI到底具備怎樣的能力呢？

根據(jù)Hammond的定義，我們可以將AI的作用分為兩種：自動化和增強(qiáng)人的能力。而人類的知識也大致分為兩種：顯性知識和隱性知識。自動化對應(yīng)執(zhí)行與顯性知識相關(guān)的任務(wù)，增強(qiáng)人類能力則對應(yīng)與隱性知識相關(guān)的任務(wù)。

顯性知識其實(shí)就是“教科書”知識，可以被記錄在指導(dǎo)手冊中；通過對這類知識進(jìn)行編碼，AI就能夠?qū)崿F(xiàn)流程自動化（RPA）幫助人們完成那些重復(fù)、易出錯或耗時的任務(wù)，例如處理訂單地址更改、保險索賠、醫(yī)院賬單或人力資源表格等。

隱性知識是一種通過實(shí)踐來掌握的“訣竅”，比如：護(hù)士憑經(jīng)驗(yàn)發(fā)現(xiàn)孩子患了流感，消防員憑直覺感到燃燒的建筑物即將倒塌，或者數(shù)據(jù)科學(xué)家憑多年經(jīng)驗(yàn)發(fā)現(xiàn)了可能存在的邏輯關(guān)系；而AI程序在隱性知識方面的能力正在迅速發(fā)展，例如：面部識別、感應(yīng)情緒、駕駛汽車、翻譯口語、閱讀文本、撰寫報告、給學(xué)生論文評分等。

按照計算機(jī)科學(xué)家Kris Hammond的觀點(diǎn)：任何程序都可以是智能的，只要它能完成一些我們認(rèn)為智能的事情，至于它是否像人一樣思考并不重要。

從最終呈現(xiàn)的效果上來講，AI并不需要成為“人腦”，而只需要作為工具幫助人類更好思考和完成任務(wù)。

二、AI如何以人為本

1. 找到用戶心里的最佳

精心設(shè)計以滿足最終用戶需求的數(shù)據(jù)科學(xué)產(chǎn)品和AI應(yīng)用是最有價值的。例如，在搜索引擎Bing中輸入“波蘭地區(qū)”會返回字面答案：120728平方英里，但同時還有一個注釋：“大約等于內(nèi)華達(dá)州的面積?！?數(shù)字答案雖然準(zhǔn)確，但直觀一點(diǎn)的答案通常會更有用。

這就是以人為本的設(shè)計，機(jī)器是不會自動這么做的，算法結(jié)果中的“最佳”不一定與用戶心里的“最佳”一致。

2. 讓人、機(jī)可以無縫銜接

很多AI系統(tǒng)在大多數(shù)情況下可以自動運(yùn)行，但是在一些特殊或模棱兩可的情況下，需要人工干預(yù)；而以人為中心的設(shè)計，能夠確保在合適的時候進(jìn)行從計算機(jī)到人的“交接”，并無縫銜接。

如果交接不順利，AI就會成為人們口中的“人工智障”，因?yàn)閷夹g(shù)的依賴程度越高，在技術(shù)失效的特殊情況下，人的準(zhǔn)備程度就越不足。

3. 理解卡斯帕羅夫定律

IBM的深藍(lán)擊敗世界象棋冠軍加里·卡斯帕羅夫（Garry Kasparov），Google的AlphaGo擊敗頂級圍棋選手的事大家都很熟悉。這些事件讓我們看到機(jī)器多么厲害，但另一場比賽或許會給你更多啟示。

在深藍(lán)擊敗卡斯帕羅夫后，有一場名為“自由式國際象棋”的比賽。這場比賽的特點(diǎn)是，對抗的雙方都是人和機(jī)器的組合。令人意外的是，最終獲勝者并不是一位擁有最先進(jìn)PC的“大師”，而是一對同時使用三臺普通計算機(jī)的美國業(yè)余棋手。人的戰(zhàn)略指導(dǎo)與計算機(jī)的戰(zhàn)術(shù)敏銳度相結(jié)合形成了勢不可擋的能力。

從這場比賽中我們得到這樣一個規(guī)律：弱人機(jī)+好流程要優(yōu)于僅僅擁有強(qiáng)大性能的計算機(jī)，同時也優(yōu)于強(qiáng)人機(jī)+差流程；于是人們將弱人機(jī)+好流程勝過強(qiáng)人機(jī)+差流程的規(guī)律稱為“卡斯帕羅夫定律”。

你應(yīng)該已經(jīng)發(fā)現(xiàn)，這個規(guī)律中的關(guān)鍵是流程，或者說人機(jī)協(xié)作的方式，而決定這種協(xié)作方式好還是不好的手段就是以人為本的設(shè)計。

在摹因設(shè)計過程中我們也意識到這一點(diǎn)，所以我們非常強(qiáng)調(diào)如何通過設(shè)計讓業(yè)務(wù)人員能夠使用甚至創(chuàng)建屬于自己的AI模型。

三、收獲與啟發(fā)

只考慮算法層面是不夠的，整體的決策流程（包括算法和人）也必須進(jìn)行類似的精心設(shè)計。

算法的最終用戶應(yīng)該對這個工具有足夠詳細(xì)的了解，以便更有效地使用算法；因此通過可視化的方式清楚地傳達(dá)算法的假設(shè)、局限性和數(shù)據(jù)特征非常有必要。

此外，應(yīng)該建立指導(dǎo)原則和業(yè)務(wù)規(guī)則，并提醒最終用戶何時以及如何根據(jù)算法結(jié)果或以其他信息進(jìn)行操作；總之通過更好的人機(jī)協(xié)作模式，以人為中心設(shè)計可以幫助縮小AI算法輸出與預(yù)期結(jié)果之間的差距。

AI本身并不創(chuàng)造價值，為實(shí)際場景而設(shè)計并解決具體問題的AI才創(chuàng)造價值；因此僅僅建立準(zhǔn)確的算法是不夠的，以人為中心的設(shè)計至關(guān)重要。

作者：李丹陽，公眾號：摹因智能；摹因智能產(chǎn)品部 實(shí)習(xí)生，東華大學(xué)交互設(shè)計方向碩士，工業(yè)設(shè)計和工商管理雙學(xué)士。

本文由 @李丹陽 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)作者許可，禁止轉(zhuǎn)載。

題圖來自pexels，基于CC0協(xié)議