2024 年是人工智能取得重大进步的一年,这项技术以惊人的速度融入我们的职业和个人生活。
在家里,我很享受看着我的三个小儿子以他们自己独特的方式沉浸在人工智能世界里。他们被最新一波的人工智能玩具所吸引,尤其是我们家的新“宠物”机器人Loona。它能用近乎科幻般的对话让他们着迷——这得益于与2024年5月发布的GPT-4o的集成。Loona激发了孩子们的好奇心,引发了他们富有想象力的人机对话,甚至引发了兄弟姐妹之间关于它如何“思考”的热烈讨论。他们的兴奋提醒我们,人工智能已经在塑造下一代人与科技的关系——使其更加个性化、引人入胜,甚至更容易被理解。
这种惊奇感一直延续到2025年,伴随着NVIDIA在CES上令人叹为观止的主题演讲拉开帷幕,这场演讲展示了人形机器人的进步。NVIDIA首席执行官黄仁勋的演示凸显了他对机器人和人工智能发展现状的着迷,以及他对未来几年快速变革步伐的有力预测。
对于用户体验设计师来说,在人工智能快速发展的时代,好奇心与奉献精神的结合至关重要。拥抱人工智能需要我们重新思考我们的流程,理解该技术的底层系统,并确保人类价值观和用户需求始终是我们创作的核心。拥抱人工智能需要我们重新思考我们的流程,了解该技术的底层系统,并确保人类价值观和用户需求仍然是我们创造的核心。
随着人工智能成为数字创新的支柱,我们作为设计师的角色也在不断演变。我们不仅要塑造界面,更要打造将以人为本的原则与全新的技术交互方式相融合的体验。这种转变要求我们像技术人员一样思考,拥抱数据驱动的系统,并将用户中心置于人工智能项目之中。
为了引领这一转变,领先的科技公司和大学为以人为本的人工智能提供了切实可行的战略。在本文中,我将分享来自 IBM、谷歌、微软和卡内基梅隆大学的用户体验框架,为应对人工智能技术和工具的快速发展提供洞见和资源。
IBM 的AI/人类情境模型是其AI 设计实践的核心。该模型提供了一个结构化的框架,确保 AI 解决方案能够与用户无缝交互,并随着用户输入而不断演进,同时尊重并增强其运行环境。
IBM 的 AI/人类情境模型旨在指导符合人类需求和价值观的 AI 系统的开发。该模型将 AI 驱动的体验分解为几个关键考量因素,每个因素对于创建有目的性、情境感知和以人为本的解决方案都至关重要:
Google 的可解释性评估标准 (Explainability Rubric)提供了一个清晰的框架,用于创建透明、公平且以用户为中心的 AI 系统,并重点强调了 22 条需要与用户分享的关键信息。随着 AI 不断影响我们的工作方式、与企业的互动方式,甚至成为我们表达自我的工具,确保用户能够理解并信任这些系统至关重要。
该评分标准分为三个信息级别:一般级别、特征级别和决策级别。
微软的HAX 工具包是一个综合框架,专为开发面向用户的 AI 产品团队而设计。它有助于概念化 AI 系统的功能和行为方式,使其成为设计早期阶段的实用工具。
HAX 工具包功能多样,允许团队根据自身独特的需求、用例、产品类别和目标,混合搭配其设计工具。HAX 工具包的关键组件包括:
AI 头脑风暴工具包由卡内基梅隆大学人机交互 (HCI) 研究所的研究人员创建,旨在提炼 AI 能力,帮助团队探索如何利用 AI 构建应用。创新的停滞往往并非源于技术,而是因为团队选择了错误的项目。AI 头脑风暴工具包解决了这个问题,提供了一种结构化的方法来设计既技术可行又以用户为中心的 AI 驱动解决方案。
该套件的结构化方法降低了开发不相关或不必要的AI解决方案的风险。通过关注AI的功能和用户的需求,该套件使团队能够进行周到而有效的创新。该套件将AI功能分为不同的功能,例如:
它概述了 40 个涵盖医疗保健、教育和交通等不同领域的真实 AI 产品示例。该工具包还包含创意提示、影响力-投入矩阵和绩效-专业知识网格等工具,可指导用户选择具有高影响力且可行的创意。要使用该工具包,首先要查看 AI 功能和示例,以激发您的团队灵感。然后,进行结构化的头脑风暴会议,探索机会、完善概念并评估潜在解决方案。该资源非常适合研讨会、组织战略会议和创新实验室,确保团队设计出具有影响力且以用户为中心的 AI 产品。
《People + AI 指南》由 Google 的多学科团队People + AI Research (PAIR) 创建,提供了方法、最佳实践、案例研究和设计模式的全面资源,旨在帮助设计师、开发人员和产品团队创建有影响力的 AI 驱动解决方案。
该指南介绍了 20 多种设计模式,为 AI 产品设计提供了实用且以行动为导向的指导。这些模式专注于解决产品开发过程中的关键挑战,并围绕常见问题进行组织,以帮助团队找到相关的见解。
这五个框架为设计能够自然融入我们日常生活的人工智能奠定了基础——无论是好玩的、会对话的机器人玩具,还是让我们保持井然有序、高效的应用程序。作为用户体验设计师,以人为本的框架来处理人工智能意味着要在新技术能力与责任之间取得平衡,审视人工智能是否已准备好并适用于每个用例,并构建具有用户反馈循环的系统以推动持续改进。