最近这段时间，人工智能（AI）已经成为了热词。天气预报、翻译、修图……我们也开始感受到这项技术对日常生活的影响。
在这种情况下，如何设计产品才能让我们有良好的体验？让 Google 用户体验设计师 Riceman 来告诉你。
今年元旦，AlphaGo 连续挑战包括聂卫平、柯洁、朴廷桓在内的中韩顶尖围棋选手，三天内取得的战绩为令人咋舌的 60 胜 0 负。在过去一年的互联网舞台上，人工智能 （Artificial Intelligence）站在了聚光灯的中心。AlphaGo 在新年伊始， 为 2016 年打上了一个大大的惊叹号。
过去这一年，和 AI 相关的新闻铺天盖地。身为设计师的你可能会问人工智能和我的日常工作有关吗？我应该为此做什么准备？
人工智能和设计师有关吗？
回首过去这一年全球科技公司的大事件，「人工智能」几乎是一个绕不开的关键词。
3 月，人机围棋世纪之战打响李世乭在 5 番棋中以 14 败给 AlphaGo，震惊了整个围棋界以及……朋友圈…
4 月，人工智能成为 Facebook 开发者大会上的主角，基于 AI 技术的聊天开放平台，让很多人第一次感性地认识了这个听起来有点深奥的技术概念。
5 月，Google 首席执行官 Sundar Pichai 在 Google IO 上高调宣布公司未来战略将由「移动优先」转向「人工智能优先」，并发布了智能语音家庭助理 Google Home。
9 月，Amazon、Facebook、Google、IBM、Microsoft 五家公司宣布在人工智能领域建立合作，分享其各自在 AI 技术上的突破，以吸引更多人才进入这一领域。
12 月，Amazon 宣布他们在刚刚过去的这个圣诞假期中，卖出了上百万台 Amazon Echo （亚马逊旗下智能语音助理）。
前不久，前微软高级副总裁陆奇宣布将加盟百度，除了负责百度旗下众多主线产品业务，还将专攻人工智能研发。
据「财富」杂志预测，人工智能将会在 2020 年成为一个价值 700 亿美金的市场，我们看到的是一个爆火的概念和急速发展的市场。那么，现在这个市场上缺什么？
两样东西—— 产品和 人才——而这，就和设计师密切相关了。
人工智能说到底是一个技术概念，它需要产品来落地。AlphaGo 打败再多高手，也只是一个围棋大师。真正有价值的东西是它背后的深度神经网络和树搜索算法——你可能会问「这东西和设计有半毛钱关系吗？」
有，不止半毛钱。
在设计创新领域深耕多年的 Patrick Hoof 教授预测说
Design ill be less about delivering on a user’s request, and more about responding to the needs they haven’t expressed yet.
未来，设计会更多地去响户还没有表达的需求，而不是去为了响应用户主动提出的需求。
这句话换个表达就是， 未来的产品，可以并且应该比用户更早知道用户的下一步，并提前作出应对。
「知道你的下一步是什么」——这其实就是下围棋的道理，比你想在前头。海量的数据，先进的算法，再加上超强的机器计算力，使得「机器比你自己更早知道你需要什么」成为了可能。为什么以前不行呢？
因为用户的下一步行为和围棋对手的下一招一样，都难以预测。现在之所以可能了，是 因为我们在数据、算法和计算能力上取得了长足进步。于是，围棋界有了 AlphaGo，而互联网则有了新的产品机会。
身为设计师，如果你能够掌握人工智能领域最基本的几个概念，并在此基础之上充分发挥对产品的想象力，知道 AI 技术已经可以做到什么、未来有希望做到什么，你就能走在这个浪潮汹涌的时代前面。
发挥想象力之前，让我们先来看看美国几个巨头公司们，用现有的人工智能技术已经做到了什么，他们把它转化成了哪些产品形态。
AI 技术在现有产品设计中的运用
先讲一个你可能没注意到的例子。
Google Doc
Automatic Outline - Google Doc
Google Doc 去年悄悄地上线了一个功能 它会根据文本格式自动为你生成文章大纲（大纲起到全文概览和导航的作用）。也就是说，你不用告诉 Google Doc 某行内容是否是一级标题、二级标题还是三级标题，Google Doc 会分析文字格式、并结合大量历史数据，自动推测出你的意图。
回想一下，你是否有一套自己偏好的文字样式规范？比如经常把一级标题居中、加粗？二级标题用加粗的 16 号字，正文用 11 号？Google Doc 学习了你的这些习惯（事实上是学习了无数用户的习惯），自动列出文章提纲，从而提升你的工作效率。
这是一个非常典型的运用人工智能改进现有产品的例子，却不容易被普通用户觉察到。正如最好的设计是「感受不到的设计」， 最好的智能是「隐形的智能」。
再来看一个常用产品的例子。
Inbox
Smart Reply - Inbox by Gmail
Inbox 是 Google Gmail 团队开发的一款邮件应用，它有一个非常经典的功能叫做「智能回复」。例如，同事向你询问是否有某一个文档，在你打开这封邮件的，Inbox 就会自动分析这封邮件的内容，并据此自动为你生成一些快捷回复选项。
更神奇的是，Inbox 还会根据你的过往邮件回复不断学习并修正这些句子，来使得这些句子变得越来越像你平时写邮件的口吻。
Smart Reply 这样的功能不再是媒体今天争相报道的「黑魔法」，而是实实在在地成为了一个被用户广泛使用的功能。 我们在产品设计中运用人工智能技术，目的是为了满足用户的需求，而不是强调技术本身。事实上很多时候，我们做设计的目的就是为了掩盖技术本身，而不是反过来。
亚马逊旗下智能语音助理 Amazon Echo
第三个例子，是前不久在 CES 大会上大红大紫的 Amazon Echo。Echo 的接口开放策略让许多和 AI 相关的软硬件公司选择与其紧密合作，互利共赢，以致 CES 上几乎呈现出亚马逊在语音助理方向上一家独大的局面。
Alexa，把客厅灯关了，把我的床头灯开到一半的亮度。
Alexa，再买一袋我上个月买过的那款猫粮。
Alexa，我今天早上的会议几点开始？
就在几年前，这些「人机对话」还大多只是停留在计算机实验室里、科幻的剧本上。只在过去短短的两年时间，「智能语音助理」就已经走入了美国几百万户寻常百姓的家庭。
语音交互设计师（Voice Interaction Designer）在硅谷成了抢手的香饽饽。他们不用 Photoshop、Sketch 做界面，也不用 Principle、Framer 做原型。一个新的技术时代，催生了一种新的设计岗位。
给设计师的 3 个建议
在未来两年里，许多科技公司将主动投身于人工智能的浪潮之中。身为设计师的你，在伏案画界面的，有没有关注公司新一年的年度目标？「人工智能」是否在列？它被提及了几次？优先级如何？你为此做好准备了吗？
也许你负责的产品中已经运用了人工智能（若不自知，实该警醒），也许你正在考虑如何通过人工智能来改善产品体验。这里有 3 个建议，给已经、即将和人工智能打交道的设计师们参考。
建议一「人工智能」不够智能，请随时准备好「擦屁股」
当 AlphaGo 所向披靡，当里的语音机器人无所不知，当硅谷黑科技刷遍你的朋友圈，你很难去相信这个事实 「人工智能」在绝大多数领域的智慧水平，其实还只是个婴儿——设计师要谨记这一点。
如果机器学习结果出错，你是否为用户提供了方便的「非智能」方式，帮助她解决问题？
在做 AI 产品设计时，要时时牢记假设机器学习的最坏结果。 最坏结果下的「撤退方案」，和最佳结果下的设计一样重要，很多时候甚至更重要。
一旦用户产生了失望、沮丧的情绪，就很容易放弃这个功能、甚至整个产品，这种结果是很难挽回的。，实际上更重要的一条原则是，如果你对「机器智能」的信心不足，宁可选择不做。
如何清楚地向用户传达出「智能」带来的好处，如何为随时可能出现的错误，提供优雅的解决方案——这是对设计师们的挑战。
建议二降低使用门槛，及时正向回馈
为用户提供个性化内容，是人工智能技术一个非常常见的应用场景。了解用户的一些基本信息，往往是个性化内容的基础。获取用户信息，这件事情听起来简单，但并不容易做好。
Quora（可以简单理解为英文版知乎）要求新用户在第一次注册完成后， 必须选择至少 10 个感兴趣的领域。并且，用户会被要求手动输入自己熟知的领域。我们都理解，这是 Quora 希望通过掌握用户的初始数据，从而为用户展示个性化内容。这个交互流程的初衷很好，你却能看到很多用户在 Reddit 和 Titter 上抱怨。
Quora 的用户注册流程
问题出在哪里？两个原因
1. 门槛过高
在用户使用产品之前，应该尽量简化强制性任务。在 Quora 这个例子里，选择至少 10 个兴趣（不可跳过），还要求用户手动输入熟知领域，这个门槛有点过高了。新用户在注册完成前，什么内容都没看到，甚至可能连这个网站究竟是什么都不明确（Quora 的首页只有一个注册登录框）。
这种时候，任何强制性、高认知负荷的任务都可能会造成用户流失。用户没有义务回答这些问题，也并不一定清楚，完成这些任务能为她带来什么好处。
你是否能想到一些优化的思路，来降低这个门槛？比如是否可以基于用户已经做出的前两个选择（比如「互联网」和「设计」），猜测出用户可能还对什么话题感兴趣，从而降低必选项的数量？是否能够在用户使用产品后，通过分析用户的浏览行为来逐步了解她的其他兴趣？
2. 反馈不及时
如果获取初始数据是强制的、繁重的，并且用户也不能感受到提供数据带来的好处，那么「训练人工智能」对用户来说，感觉就像是一场「义务劳动」——这种感觉是我们在产品设计中要尽量避免的。，对于用户的付出，我们都要尽可能地及时反馈。
举两个产品的例子
在 Facebook 里，如果你向新公司同事发出了好友申请，你会发现，Facebook 会立即更新「你可能认识的朋友」列表。
在网易云音乐的「私人 FM」里，如果你「喜欢」了一首歌，你很可能会很快就听到该歌手的其他歌曲。
其实 AI 产品中这种反馈机制的设计，和游戏设计的原则是一样的。我们要构建的就是一个 「任务」-> 「及时反馈」-> 「激励用户完成下一个任务」这样正向的、有节奏的短循环。回想一下让你欲罢不能的游戏，是不是都是这个套路？
建议三别着急，从小事开始积累信任
一个刚毕业的设计新人，对张小龙说自己有能力重新设计出更好的微信，你一定觉得这人疯了。 人与人之间的信任，是在时间和合作的基础上建立起来的。人与机器也是这样。
市面上所有的「智能助理」类产品距离真正的「智能」还有很长的路要走。现阶段，人工智能产品最最紧要的事情就是建立「用户信任」，这件事很重要，但急不得。把天气报好了，放音乐放对了，把闹钟设准了——我们要从这些标准化的小任务开始，慢慢地赢得用户信任。
大公司做产品的性子往往很急（这其实给了很多 AI 小团队机会），但这里不得不表扬电商巨头 Amazon。坐拥上百万 Echo 用户，面对「智能购物助理」这个诱人的大蛋糕，Amazon Echo 却耐住了性子。他们先从「重复购买」这一小块蛋糕开始入手。
高频次、低错误率——这是现阶段所有人工智能产品都应该去努力寻求的切入口。
大部分人天性不喜欢被他人「指导」，不喜欢失去控制权。但如果一个人不断地完成了你让她做的每一件小事，信任就随之产生了。当用户慢慢习惯了说一句话，牙膏、猫粮、厨房纸第二天就送到了家，也许有一天，用户也会信任她去做叫外卖、订机票、订酒店，甚至买车、买房。
信用这件事，建之不易，毁之顷刻。所以，人工智能产品的设计师们，千万别着急，从小事做起，努力积累产品的信用分。
1956年的达特茅斯会议上，「人工智能」第一次被正式命名。过去60年来，它已经经历了两次大起大落。而今天， 我们正处在第三次人工智能大潮之中。
如果你相信现代社会中仍有大量劳动可以被机器智能取代，那么你就应该相信人工智能必然会持续高速发展，你就应该为此做好准备。
当你接到下一个人工智能相关的产品设计需求，不妨想一想
你为不够智能的「人工智能」随时准备好「擦屁股」了吗？
用户的使用门槛够低吗？正向的反馈够及时吗？
机器学习的错误率足够低吗？用户更满意、更信任你的产品了吗？