告别命令，迎接意图
我们与软件交互的方式绝非一成不变。有时，它是缓慢的演变，有时则是突飞猛进。如今，越来越多的设计先锋，包括维塔利·弗里德曼，艾米丽·坎贝尔和格雷格·努德尔曼正在剖析人工智能应用中的新兴模式，描绘出永不停歇的格局。乍一看，这似乎只是又一次炒作周期，就像围绕着每一个新技术趋势的那种令人窒息的热情。但退一步来看，一个更深层次的转变显而易见：我们与数字系统的互动不仅在发生变化；它们的本质也在发生转变。
想象一下从胶片相机到数码摄影的转变——突然之间，用户不再需要了解曝光时间或仔细定量胶卷。他们只需点击一个按钮，剩下的就交给设备处理了。
人工智能正在为UI设计带来类似的转变，让我们摆脱僵硬、循序渐进的流程，走向流畅、直观的工作流程。交互的本质正在发生转变，正如Jakob Nielsen最近在其文章中强调的那样，这种演变需要我们全神贯注。他阐述了一个至关重要的见解：
“有了新的人工智能系统，用户不再告诉计算机该做什么。而是用户告诉计算机他们想要什么结果。”
这不仅仅是一场技术变革，更是一场哲学变革。它挑战了长期以来关于控制、自主性和人机协作的假设。我们曾经一丝不苟地掌控着每一步，而现在，我们能够定义意图，并让人工智能决定最佳的前进路径。这种转变的意义深远，堪比从命令行界面到图形用户界面的转变，对于 UI 设计师来说，它既是机遇，也是挑战。
点击、滑动、询问：交互方式正在演变
但在深入探讨人工智能如何重塑交互之前，我们有必要反思一下迄今为止最直观的界面是如何定义的。1985 年，埃德温·哈金斯、詹姆斯·霍兰和唐纳德·诺曼发表了一篇关于直接操作界面的开创性论文。诺曼后来在《设计心理学》中定义了一些最广为接受的设计原则，而哈金斯则率先提出了分布式认知的概念。但在 1985 年，他们与霍兰一起抓住了设计史上的一个关键时刻，即直接操作逐渐成为一种主导策略。
直接操作是一种交互方式，用户使用物理、增量和可逆的操作对显示的感兴趣对象进行操作，其效果立即在屏幕上可见。NN /g
但这简单来说意味着什么呢？比如，你需要将一个文件从一个文件夹移动到另一个文件夹——这是一个典型的直接操作的例子——你看到这个文件，抓住它，然后把它移动到你想要的位置。
首先，你需要明确目标 (1)。然后，在当前文件夹中找到文件，并决定将其拖动到新位置 (2)。点击并按住文件，将其移动到屏幕上，最后将其拖放到目标文件夹中 (3)。
如果你不小心把它放在了错误的地方，你会立即看到结果，调整方法，然后再次拖动它，直到它落到你想要的位置。这种交互方式感觉很直观，因为它最大限度地减少了认知投入——系统会实时响应你的操作，强化了直接参与和掌控的感觉。
这个过程越顺畅，交互感觉就越自然、越令人满意。
虽然缩短距离可以提高可用性，但真正定义直接操控的是参与度。作者写道：
“最能体现直接操纵的系统都给人一种定性的感觉，即人们直接参与对对象的控制——不是通过程序，不是通过计算机，而是通过我们的目标和意图的语义对象。”
几十年来，直接操控一直是设计的基本原则。然而，随着我们向人工智能驱动的系统过渡，我们必须思考这些原则如何演变——以及它们何时会被目标导向的交互所取代。
现在，想想Windows Photos 的 AI 驱动“擦除”功能。假设你给你的狗狗拍了一张照片，但照片里有一条不想要的牵引绳。你不用像十年前那样手动选择像素并精心编辑，而是只需选中牵引绳，剩下的交给 AI 处理即可。系统理解你的目标——移除牵引绳——并执行最佳解决方案。
这种交互仍然需要一定程度的操作，因为你必须指定要擦除的对象，但不同之处在于，你是在优化请求，而不是直接修改像素。你不再需要一丝不苟地编辑每个细节，而是与系统协作，以达到预期的效果。这种转变标志着 UI 设计的根本性变革。
Desolda 与其他研究人员基于诺曼的“执行鸿沟”和“评估鸿沟”理论，构建了一个模型，捕捉到了这种动态。与简单的直接操作（例如在文件夹之间拖动文件，操作需要逐步展开）不同，AI 交互需要更流畅、更迭代的过程。用户清晰地表达他们的目标，但并非手动执行每一步，而是与系统协作，优化输入，并在 AI 进行动态解释、调整和响应时对其进行引导。
直接操纵的持续相关性
人工智能或许正在重塑我们与科技互动的方式，但直接操控却不会消失。即使在基于意图的界面时代，用户仍然需要与人工智能系统互动，用正确的输入引导它们，将人类的目标转化为机器可读的指令。设计人工智能体验并非要取代直接操控，而是要增强它，在既有模式的基础上叠加新的交互模型，使交互更流畅、更直观，并最终增强其功能。
为了设计无缝的人工智能体验，我们需要识别并构建熟悉的模式。
例如，在许多 AI 应用中，开放式提示框可以充当破冰船，帮助用户开启对话。这种方法建立在人们熟悉的输入框模式之上，几十年来，该模式一直是 UI 的标准组件，如今，它又扮演着新的角色。无论是在 ChatGPT 中输入问题，还是指示设计工具生成布局，这种方法都能提供灵活性，同时以直观易懂的方式引导用户意图。
这种方法不仅限于交互模式——它也扩展到用户体验框架。
例如，Evan Sunwall 提出了“Promptframes”的概念，通过将即时写作和生成式 AI 融入设计流程，作为传统线框图的补充。其目标是通过在工作流程的早期阶段融入 AI 驱动的内容生成，提高内容保真度并加速用户测试。然而，这一概念建立在线框图的基础上，这进一步强调了理解传统用户体验结构对于有效设计 AI 驱动体验的重要性。
最后的想法
不需要霓虹灯“人工智能驱动”标签；它应该无缝地融入用户旅程，感觉就像意图的自然延伸。
以Netflix 的推荐系统为例。它不会打断你的体验，提醒你它正在使用高级算法。它也不会要求你配置一堆设置。相反，它会默默地学习、适应，并为你提供建议，让你感觉毫不费力——以至于你很少会停下来思考它背后的系统。这才是人工智能驱动的交互应该有的样子：它不是一个需要你费力操作的功能，而是一个根据你的需求不断改进的隐形助手。
随着我们迈向意图驱动的系统，这正是设计师应该努力追求的目标。人工智能应该减少摩擦，而不是增加复杂性。它应该赋予用户权力，而不是用不必要的选择让他们不知所措。最好的人工智能不是那种需要注意力的人工智能——而是那种能够融入你最初想要完成的任务流程中的人工智能。