初创公司,你确定你需要人工智能吗?( 二 )


让用户控制结果
人工智能产品有两种基本类型:一种试图将任务完全自动化 , 另一种试图增强用户自己完成任务的能力 。
当遇到重复性工作或计算复杂的时候 , 自动化特别有用;而当人类的判断对准确性或责任至关重要时 , 增加任务是最有用的 。 这种人工智能与人类的伙伴关系 , 在人们喜欢自己做这项工作或者需要对这项工作承担个人责任的情况下会特别成功 。
在这两种情况下 , 你会发现用户不愿意完全依赖算法预测 。 研究表明 , 比起人工智能 , 人们更愿意相信人类专家 , 尽管这些专家更容易犯错 。 即使对人工智能的决策过程进行了技术性的解释 , 对许多人来说也往往是难以理解的 。 因此 , 建立对产品人工智能模型的信任必须通过仔细的沟通来培养 。
例如 , 如果你的应用程序使用人工智能来推荐餐馆 , 那么最好考虑给用户一个选项 , 让他们自己报告食物偏好 , 并对访问过的地方给出反馈 。
初创公司,你确定你需要人工智能吗?
本文插图
图源:unsplash
要想提供完全符合用户特定口味和偏好的建议 , 最好方法就是简单地询问他们喜欢什么——即使这意味着要使用一些有偏见的自我报告偏好 , 这将比任何基于(糟糕的)推断口味的ML模型预测有效得多 。
让用户来掌控方向
如果一个应用程序使用AI来建议观看新电影 , 最好考虑给用户一个删除或重置一些用于生成推荐的数据的选项 。 让用户坐在驾驶座上来掌控大方向 , 让他们理解并管理人工智能的交互 , 这样可以建立信任 。 更何况 , 共同创造还能够丰富产品的整体价值 。
其他解释性的方法包括阐明数据源、将解释与用户行为联系起来、与专业用户体验作者或内容战略家密切合作 , 以及为用户提供控制人工智能输出的工具等 。
人工智能并非魔法
当用户向他们的智能家居设备询问有关世界的问题时 , 这个没有实体的声音会给出一个爽朗的回答 , 就像魔法一样 。 Alexa、Siri、Alice和谷歌Assistant这样的语音助手似乎比任何人都了解的更多 , 随时准备回答你的问题 。 但是 , 展现个性化的、超级有用的智能的最佳方式是什么呢?
将人工智能作为一种魔法来推销可能很吸引人 , 但事实上 , 这样的魔法尚不存在 。 与Arthur C. Clarke经常引用的技术第三定律——“任何足够先进的技术都与魔法无异”相反 , 传播魔法的概念不会帮助用户 , 也不会打动投资者 。
“人工智能的魔法”是一种修辞 , 让人联想到无法解释或无所不能的力量 , 并倾向于对人工智能能做什么和不能做什么产生不切实际的期望 , 这种错位的期望最终会导致失望 。
拟人化的人工智能助手往往会加剧这一问题 , 直接或间接地导致用户认为他们的虚拟助手拥有广泛的人类能力 。 与其将人工智能展示为一个无所不知的虚拟助手 , 不如考虑突出助手产品的特定功能 , 以及这如何有利于达成用户的目标 。 这可以帮助用户围绕不断进化的人工智能产品能力逐步更新他们心中的模型 。
初创公司,你确定你需要人工智能吗?
本文插图
图源:unsplash
寻求平衡
在对人工智能魔力的全面陈述和对底层技术的深入技术解释之间 , 存在着一种微妙的平衡 。 当用户试图学习使用一种产品而不是探索它的机制时 , 太多的术语会妨碍他们 。
谷歌航班价格分析功能是复杂机器学习和用户需求达到平衡的一个典型例子 。 在这个界面中 , 根本没有提到“深度学习”或“数据处理” 。 相反 , 价格分析工具只是为用户提供有用的提示 , 告诉他们当前的机票价格是低、一般还是高 , 以及近期的价格走势 。
这个例子还展示了多个用户体验设计元素如何协同解释AI预测并培养信任 。


推荐阅读