當AI不可避免地與我們所生產(chǎn)的產(chǎn)品深深地融合在一起時，產(chǎn)品設計師就越來越需要參與它的發(fā)展。

在facebook，AI無處不在

在幕后，AI幫助facebook更聰明，更加易用。我們使用AI幫助文字翻譯，便于人們可以更好的相互了解，通過識別圖片內(nèi)容，讓視覺障礙者也能夠“看見”。

他們朋友post的圖片，并且也能夠過濾掉不受歡迎的內(nèi)容，例如垃圾郵件。我們也能夠理解人們po文背后的意圖，這也能夠幫助提高他們使用facebook的體驗。

在我剛開始在facebook做設計師時，我還沒有想過AI，或者她怎樣充當一個產(chǎn)品設計工具。直到我開始設計facebook推薦系統(tǒng)，推薦系統(tǒng)使用AI去了解用戶什么時候需要本地推薦，然后去匹配她們朋友在Facebook Pages推薦的地點。這是我們幫助連接人與本地服務的一種方式。

始于痛點

我注意到在我信息流里的朋友發(fā)的po文，很多人都會在facebook去發(fā)現(xiàn)推薦的地方和去做的事情。

這些po文有很多參與者，但不是很有用。你必須瀏覽所有屏幕，然后復制、粘貼名字到Yelp或者google中去了解更多相關信息，即使6千萬商家在facebook上有主頁。最糟糕的是這些po文很容易在你的信息流中埋藏，只有你能在時間線發(fā)現(xiàn)信息，他們才有用。

我想要讓用戶在得到朋友推薦的時候能夠更加簡易和快速的收集和消費這些推薦，幫助他們從信任的人那里得到更多的推薦。

我們怎么想到AI的

用戶已經(jīng)在facebook尋求推薦了，我們不想去阻礙已經(jīng)發(fā)生的行為。最終，AI被證明是最好的方式，因為AI讓我們能夠通過將用戶非結構性的對話轉化為有用的名單或者旅行手冊來讓他們的帖子更好。但是我們也不是一開始就想到這個方案。

首先，我探索了針對這個問題的很多可行性方案，這些方案通過用戶研究和線上測試來不斷驗證。

我們測試的第一個概念是：你必須預先說出你在尋找什么和在哪里。但是我們發(fā)現(xiàn)人們并沒有真正理解他們?yōu)槭裁匆@么做，他們沒有看到把這些額外的信息添加到他們的帖子上的價值，而我們很難證明當他們不能親眼見到這些體驗時，我們能給予他們的價值。這個方案也與現(xiàn)有的行為相沖突，現(xiàn)在他們只用寫一個狀態(tài)更新。

設計方案

我們測試的另一個概念是一種更具教育傾向的方法。我們認為，通過一步步讓人們了解一個會發(fā)生什么的教程，我們可以幫助人們對產(chǎn)品感到更舒服。

我們再次發(fā)現(xiàn)，很難在用戶自己體驗前，用文字或插圖來解釋我們?nèi)绾翁峁﹥r值。一旦人們使用產(chǎn)品，他們喜歡它，但并不奇怪，當在發(fā)帖前增加了一些額外的步驟時，我們看到使用量出現(xiàn)了一些下降。

設計方案

通過對這些更結構化的方法進行測試，我們發(fā)現(xiàn)，在體驗中我們加入的摩擦越少，對用戶來說越友好。

我們認為最好的方法是為現(xiàn)有的行為中增加自動化元素，而不是增加干擾。為了打造無摩擦的觸發(fā)體驗，我們依靠人工智能來理解人們何時征求建議以及他們的朋友推薦什么地方。

設計方案

推薦的運行機制

通過推薦，你能夠像平常一樣發(fā)布問題，當你的朋友給你推薦時，我們連接到相應的facebook主頁，并且展示評分、價格區(qū)間、開門時間、地址等詳情。我們也把他們推薦的地方放到地圖上，你能夠更輕松的發(fā)現(xiàn)全部推薦。

我們發(fā)現(xiàn)人們用推薦發(fā)現(xiàn)各種東西，如佛羅里達颶風期間的飲用水，到澳大利亞最好的啤酒，甚至還有諸如三州餐廳俱樂部的facebook小組，這里的每一個帖文基本上都是推薦內(nèi)容。

產(chǎn)品背后的AI

推薦產(chǎn)品看起來很簡潔，工作原理復雜很多。為了將像“朋友！芝加哥最好的理發(fā)店在哪？”這樣的狀態(tài)更新變?yōu)橥扑]帖文，我們首先要理解：

1. 你正在要求推薦；
2. 你想要什么類型的地方；
3. 你正在尋找哪里。

說起來容易做起來難，尤其是考慮到人們在facebook使用俚語和口語化表達的方式。

我們與facebook的對話理解團隊緊密合作，使用自然語言理解對我們的體驗進行賦能。這個團隊構建了能夠理解帖文文本的AI技術，能夠精確的發(fā)現(xiàn)什么時候人們想要本地化推薦，使得我們能夠自動觸發(fā)推薦體驗。

當你的朋友評論你的帖子時，建議你應該去看看那些很酷的地方，我們使用AI來理解文本，并提取最有可能的地方。AI也給我們一個置信度分數(shù)，預測最有可能的地方，這個分數(shù)決定了評論者接收的用戶體驗。

如果它很高，我們只需在他們的評論上加上一個位置卡（能夠刪除它）。如果置信度分數(shù)在中間，我們問它是否是正確的地點，然后附加它。當?shù)梅州^低時，我們向他們展示一張空卡片，打開一個搜索欄，讓他們手動搜索他們想添加的地方。

AI導向設計方案

關于AI導向的設計我學到的

AI的魅力在于它可以讓你的產(chǎn)品“神奇”地工作。但我在推薦方面的經(jīng)驗告訴我們，AI的力量并沒有減少對周到的產(chǎn)品設計的需求——事實正好相反。在這個項目的所有經(jīng)驗教訓中，以下是我不斷回顧的：

1.尋找存在的行為

人工智能開辟了許多機會，使人們現(xiàn)有的行為更快更容易。我們沒有嘗試創(chuàng)造一種全新的行為，而是我們找到了一個現(xiàn)有的，讓它變得更好！人工智能使我們有可能提供一個美好的體驗，同時引入盡可能少的摩擦，為人們提供或接收建議。

2.如果你沒有注意到AI，你就在做正確的事

當你使用AI來增強體驗，而不是定義它時，它實際上會感覺幾乎是看不見的。AI讓你擺脫傳統(tǒng)的用戶界面，以無縫和幾乎神奇的方式為人們解決問題。

我們特意決定不讓你感覺像是在和一個機器人說話，或者像臉譜網(wǎng)把自己插進一段你和你的朋友交談的對話中。取而代之的是，我們使用了一個設計，用有用的信息來增強你從朋友那里收到的評論。這種方法感覺更自然，并保持你的朋友在最前沿的談話。

事實上，在用戶研究中，當我們向那些以前從未見過它的人展示體驗時，一些人說：“哦，是的，我以前用過這個！太棒了！“

3.測試，測試，測試

一旦你開始將“魔法”引入到體驗中，人們就會認為它應該一直工作。當我們開始測試我們的體驗時，我們的AI可能會犯錯。當你試圖推薦餐廳，而我們建議你連接到一個牙醫(yī)的主頁，這就不是好的體驗。對真實的用戶進行可用性測試非常重要，尤其是我們有了上線產(chǎn)品。

我們還看了很多公眾推薦的貼子，讓我們感受到產(chǎn)品實際上滿足了人們很多需求。通過觀察人們使用我們產(chǎn)品的體驗，我們發(fā)現(xiàn)了很多AI上我們不會注意到的問題。

4.別依賴完美

即使你的AI大部分時間都在工作，也有失敗的時候。如果這時人們不能完成目標，你的用戶可能會產(chǎn)生很多不滿。

一個建議是，即使我們的AI沒有認出你的帖子，它也不會阻止你發(fā)布你的問題并從你的朋友那里得到建議。

5.優(yōu)雅的版本回歸

通過回歸到可選的UI，你可以確保即使在人工智能失敗時也能為人們提供良好的體驗。雖然設計多個UI方案有很多挑戰(zhàn)，但我們能夠通過區(qū)分基于人工智能的體驗來提供更少打擾的產(chǎn)品。

對于推薦系統(tǒng)設計，我們通過提高或者降低置信度，和每一個等級設計不同的UI方案，直到我們找到最佳組合。

6.重視反饋

在facebook流行一句話，尤其適用于AI導向設計。給人們提供關于我們猜測的反饋渠道，然后用反饋來提升體驗，尤為重要。

通過讓人們在我們錯的時候給我們提供的建議，我們不僅提供了一個發(fā)泄口，我們還創(chuàng)造了一個收集那些評價我們AI表現(xiàn)的有價值的信息的方法。我們收到的每一份反饋都有助于提高我們的AI和整體的推薦體驗。

影響AI的未來

自從推出推薦系統(tǒng)以來，我們一直在不斷優(yōu)化體驗，并且不斷學習有關AI的挑戰(zhàn)，以及能夠解鎖的機會。最重要的是，我知道AI導向的設計就像設計其他東西一樣。聚焦于用戶問題，測試你的假設，并且在出錯時提供容錯機制。

當AI不可避免地與我們所生產(chǎn)的產(chǎn)品深深地融合在一起時，產(chǎn)品設計師就越來越需要參與它的發(fā)展。這是一種很自然的適應——在AI出現(xiàn)之前，讓技術更具人性一直困擾著產(chǎn)品設計師。通過將設計思維應用于AI導向的產(chǎn)品，我們能夠確保這些工具能夠真正服務于那些使用它的人們。

原文：https://medium.com/elegant-tools/designing-with-ai-3f7652619f4

作者： Erica Virtue， Product Designer at Facebook

本文由 @zachyan? ?翻譯發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉載。

題圖來自網(wǎng)絡