為什麼人工智慧需要「以人為本」的設計 | 人人都是產品經理

編輯導語:隨著科技的不斷發展,人工智慧開始慢慢的進入到我們的生活工作中,但人工智慧需要注意一些問題,一些企業在做此類項目時,需要注意到人工智慧與用戶溝通的機制;本文作者分享了關於人工智慧設計時需要注意的點,我們一起來看一下。

今天,人工智慧已經開始重塑商業和社會,但在實際業務中,很多「大數據」或AI項目卻無法正常交付。

導致問題的原因有很多,比如:

  • 試圖利用技術來解決戰略層面的問題;
  • 高估了數據的可用性;
  • 低估了數據梳理的難度;
  • 沒有採取相應的流程來確保演算法輸出產生預期的業務成果等。

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

一、AI不需要成為「人腦」

很多人都以為今天AI的發展是因為我們發明了更先進的演算法,讓機器能夠模擬人腦的工作方式。這讓人們產生一種誤判——機器已經能夠模擬人腦的工作方式,替代人類思考;但實際上,現有的演算法和十年前並沒有本質區別,而今天和十年前最大的不同是算力和更大的數據集。

在這樣一個認知基礎上我們再來看AI到底具備怎樣的能力呢?

根據Hammond的定義,我們可以將AI的作用分為兩種:自動化和增強人的能力。而人類的知識也大致分為兩種:顯性知識和隱性知識。自動化對應執行與顯性知識相關的任務,增強人類能力則對應與隱性知識相關的任務。

顯性知識其實就是「教科書」知識,可以被記錄在指導手冊中;通過對這類知識進行編碼,AI就能夠實現流程自動化(RPA)幫助人們完成那些重複、易出錯或耗時的任務,例如處理訂單地址更改、保險索賠、醫院賬單或人力資源表格等。

隱性知識是一種通過實踐來掌握的「訣竅」,比如:護士憑經驗發現孩子患了流感,消防員憑直覺感到燃燒的建築物即將倒塌,或者數據科學家憑多年經驗發現了可能存在的邏輯關係;而AI程序在隱性知識方面的能力正在迅速發展,例如:面部識別、感應情緒、駕駛汽車、翻譯口語、閱讀文本、撰寫報告、給學生論文評分等。

按照計算機科學家Kris Hammond的觀點:任何程序都可以是智能的,只要它能完成一些我們認為智能的事情,至於它是否像人一樣思考並不重要。

從最終呈現的效果上來講,AI並不需要成為「人腦」,而只需要作為工具幫助人類更好思考和完成任務。

二、AI如何以人為本

1. 找到用戶心裡的最佳

精心設計以滿足最終用戶需求的數據科學產品和AI應用是最有價值的。例如,在搜索引擎Bing中輸入「波蘭地區」會返回字面答案:120728平方英里,但同時還有一個註釋:「大約等於內華達州的面積。」 數字答案雖然準確,但直觀一點的答案通常會更有用。

這就是以人為本的設計,機器是不會自動這麼做的,演算法結果中的「最佳」不一定與用戶心裡的「最佳」一致。

2. 讓人、機可以無縫銜接

很多AI系統在大多數情況下可以自動運行,但是在一些特殊或模稜兩可的情況下,需要人工干預;而以人為中心的設計,能夠確保在合適的時候進行從計算機到人的「交接」,並無縫銜接。

如果交接不順利,AI就會成為人們口中的「人工智障」,因為對技術的依賴程度越高,在技術失效的特殊情況下,人的準備程度就越不足。

3. 理解卡斯帕羅夫定律

IBM的深藍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器多麼厲害,但另一場比賽或許會給你更多啟示。

在深藍擊敗卡斯帕羅夫后,有一場名為「自由式國際象棋」的比賽。這場比賽的特點是,對抗的雙方都是人和機器的組合。令人意外的是,最終獲勝者並不是一位擁有最先進PC的「大師」,而是一對同時使用三台普通計算機的美國業餘棋手。人的戰略指導與計算機的戰術敏銳度相結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律:弱人機+好流程要優於僅僅擁有強大性能的計算機,同時也優於強人機+差流程;於是人們將弱人機+好流程勝過強人機+差流程的規律稱為「卡斯帕羅夫定律」。

你應該已經發現,這個規律中的關鍵是流程,或者說人機協作的方式,而決定這種協作方式好還是不好的手段就是以人為本的設計。

在摹因設計過程中我們也意識到這一點,所以我們非常強調如何通過設計讓業務人員能夠使用甚至創建屬於自己的AI模型。

三、收穫與啟發

只考慮演算法層面是不夠的,整體的決策流程(包括演算法和人)也必須進行類似的精心設計。

演算法的最終用戶應該對這個工具有足夠詳細的了解,以便更有效地使用演算法;因此通過可視化的方式清楚地傳達演算法的假設、局限性和數據特徵非常有必要。

此外,應該建立指導原則和業務規則,並提醒最終用戶何時以及如何根據演算法結果或以其他信息進行操作;總之通過更好的人機協作模式,以人為中心設計可以幫助縮小AI演算法輸出與預期結果之間的差距。

AI本身並不創造價值,為實際場景而設計並解決具體問題的AI才創造價值;因此僅僅建立準確的演算法是不夠的,以人為中心的設計至關重要。

 

作者:李丹陽,公眾號:摹因智能;摹因智能產品部 實習生,東華大學交互設計方向碩士,工業設計和工商管理雙學士。