UX设计师应该知道的六个AI术语

HONGRF

2019-03-14

自译外文

608

0

0

经验分类:经验/观点/自译外文

原作者:Reena Jana and Mahima Pushkarna

Image title


By Reena Jana and Mahima Pushkarna

Illustrations by Matthew Hollister


用户体验设计师作为用户体验团队的成员,有责任去了解他们负责的app和网站的内部工作原理。然而,当涉及到以人工智能构建的产品和服务时,可能就有了挑战性;虽然人工智能不是计算机科学的新领域(它在20世纪50年代被正式创立),但对于我们这些从事消费产品用户体验设计和制定内容策略的人来说,它是一个新的参考点。

 

在谷歌,我们致力于向用户和公众把人工智能系统的工作原理解释的更清晰明确。对于不同的对象:新手、专家、研究人员、开发人员、设计师、内容策略师或政策倡导者,在同样AI术语的使用上很可能是大不相同的。如果我们可以对Machine learning和AI从业者使用的一些专业术语确定一个规范,这不仅可以帮助UX团队在描述用户需求时更好地沟通,还可以通过对AI系统工作原理更清晰、简单的解释,来建立用户对AI系统的信任。

 

创建基础词汇


为了找到用户体验设计师的基础词汇,我们回顾了People + AI Research系列中的首组帖子,看看哪些AI术语使用的最多。我们还访问了数十位谷歌的设计师:关于ML对他们的意义,以及他们如何用自己的语言定义ML。这有助于我们编制一个基本的AI词汇表,我们从中找出了UX设计师,研究人员和内容策略师常用的(并经常被误解)的六个术语。在这里,我们以清晰简单的方式来定义它们。


Image title


 

人工智能(AI)


使机器智能化的科学,使他们能够识别情景并真正善于帮助人们解决特定的挑战或挑战。


当人工智能工作时,计算机程序会对预测作出决策- 这可以通过简单的基于规则的系统或启发式方法,例如“如果下雨,那就打伞”。另一方面,在机器学习(见下文)中,“决定”是学习而来的。

 Image title


机器学习(ML)


人工智能的一个子领域,包括开发人工智能的技术和方法,通过让计算机程序做一些没有制定特定规则的事情。


有很多方法可以让计算机程序学习一些东西。与我们的列表最相关的是监督式学习,程序通过数十万个事例进行预测,比如你的通勤时间。其他流行的方法是无监督,半监督和强化学习,这些我们打算改天再展开更多(或者您可以通过我们的机器学习词汇表来自己学习技术细节)。


Image title


ML模型


一串专门的、相关联的数学函数。它们共同组成了智能机器为达成决策所采取的步骤。


通过识别交通状况和适应特殊的状况后,如果你遵循相同的移动路线,ML模型就能够预测您到达目的地的时间。有时ML模型、算法和神经网络三个术语会混淆。算法是更通用的,就像是于计算机程序的具体描述,而神经网络只是ML模型的一种。一个有趣的事实是:之所以被称为神经网络,是因为它们模仿了人类大脑中的神经元。人类的学习能力、创造力和抽象能力,是神经元传递的神经脉冲负责的。


Image title


分类


模型预测新数据可能属于哪个特定分组的功能。


为了保持Gmail收件箱的清洁和数据安全,ML模型会在后台不断将每封电子邮件分类为垃圾邮件或非垃圾邮件(如果分类时出现了任何疑问,Gmail会请求用户验证未知发件人的电子邮件地址)。像这样的二元预测非常适合解决是或否问题,当然,分类模型也可以解决很多其他的问题。这种模型可以把输入的数据分为多种类别。这种模型不仅可以将电子邮件分类为“非垃圾邮件”,而且还可以将其设定为“重要”,标记为“财务”和“后续”。要了解更多有关分类模型的工作原理以及它的更多功能,可以试下我们的“What-If工具”。What-If工具是一种交互式数据可视化工具,它可以帮助团队解读分析ML模型的学习结果,而且不需要编写任何代码。


Image title


回归


模型必须预测特定方案的数值的任务。

 

当你查看两周后的航班价格时,模型的“回归”功能就会发生作用。对于这种用户使用场景,ML模型需要向用户提供超出是或否类型的具体的反馈。为了展示出票价的差别,需要从过去的数据出发进行预测,以连续数值的形式来呈现。

 

想象一下,你的工作是在商店中设计冬季配饰展示。分类的功能就好像把冬季配件整理到不同的箱子,帽子放一个箱子,围巾放另一个。这就需要考虑每个配件的形状以及其他因素,以识别哪个是围巾和哪个是帽子。而回归功能就像是设计复杂的橱窗展示,并根据商店的地理位置来选择合适的冬季外套。你会想要围巾和帽子,以及其他,如耳罩、袜子、羊毛层和外套,你会根据当前的天气、过去客户在这个季节的需求的经验、以及今年的时尚潮流来不断调整。

 

回归预测具有多功能性和创造性,能够为极其复杂的用户场景提供助力,预测货币的价值变化,对歌曲进行排名并创建个性化播放列表,甚至判断图像的质量。在确定回归模型是否适合您的用户时,不妨从产品或服务中所需的精确程度和复杂程度来考虑。 有关更深入的示例,请了解Google Clips团队如何使用回归模型构建免提相机

 Image title


可信度


确定性的百分比数字化表达。


当人类试图猜测某人多大年纪时,他们会说“我觉得这个人大概35岁了。”我们知道这只是一个猜测,因为像“我感觉”和“大概”这样的短语表示缺乏自信和确定性。同样地,模型所做的预测也可视为学习之后的推测,具有一定的不确定性。模型的确定性水平(或不确定性)表示为百分比,如“我73.3%确信这个人是35岁。”用户团队可以用可信度来提供给用户合理的反馈,所以,如果一个模型计算出今天有70%的概率会下雨,那就可以提醒我们的用户出门带雨伞。


11/29/2018


------------------


了解更多谷歌关于人工智能研究的文章可访问:https://design.google/library/ai/

 


全部评论:0

更多作品

发表评论

取消

点击右上角
分享给朋友吧

分享到

取消