做AI方向的設(shè)計(jì)，先了解這8個(gè)基礎(chǔ)技術(shù)要點(diǎn)！

AI 除了作為工具增進(jìn)我們的設(shè)計(jì)效率和質(zhì)量外，也成為了許多產(chǎn)品設(shè)計(jì)增強(qiáng)自己競爭力，許多新解決方案應(yīng)運(yùn)而生的一種機(jī)會。

作為設(shè)計(jì)師，我們也需要根據(jù)自己負(fù)責(zé)的產(chǎn)品范圍了解一些基礎(chǔ)的技術(shù)點(diǎn)，才能更好的設(shè)計(jì)出能夠被用戶理解的好產(chǎn)品，所以我會分享一些 AI 產(chǎn)品中常見的技術(shù)知識點(diǎn)。

更多基礎(chǔ)干貨：

一、智能體（Agent）

智能體最近聊得比較多，它是一種能感知環(huán)境（通過傳感器或數(shù)據(jù)輸入）、自主決策（基于預(yù)設(shè)規(guī)則或機(jī)器學(xué)習(xí)模型）、并執(zhí)行行動(dòng)（如語音反饋、機(jī)械操作）的智能實(shí)體。其核心架構(gòu)包括感知模塊（Perception）、推理引擎（Reasoning Engine）和執(zhí)行器（Actuator）。例如，自動(dòng)駕駛汽車的智能體通過攝像頭感知路況，用深度強(qiáng)化學(xué)習(xí)模型規(guī)劃路徑，再控制方向盤執(zhí)行轉(zhuǎn)向。

二、Copilot（智能副駕）

Copilot 是基于大語言模型（LLM）的實(shí)時(shí)輔助工具，通過上下文感知（如代碼編輯器中的函數(shù)名）和意圖預(yù)測來協(xié)助人類的工作交互模式。其核心技術(shù)是 In-context Learning（根據(jù)當(dāng)前內(nèi)容生成結(jié)果），期望構(gòu)建更智能的人機(jī)協(xié)作工作流。

目前很多 AI 產(chǎn)品的 Copilot 相對于上下文感知和意圖預(yù)測的應(yīng)用還只是一個(gè)最初級的雛形，形式上更接近于一個(gè)單純的控制界面。例如大疆無人機(jī)的 Copilot 界面和交互。

三、算法（Algorithm）

算法是解決問題的明確步驟的規(guī)則集合，例如排序算法、搜索算法。交互設(shè)計(jì)領(lǐng)域中也會涉及到算法，比如規(guī)定“若用戶輸入 A，則優(yōu)先為用戶顯示 XX，其他不推薦項(xiàng)順序排列在下方”等。
在 AI 領(lǐng)域，算法通常指機(jī)器學(xué)習(xí)模型訓(xùn)練和推理的數(shù)學(xué)方法，如梯度下降、決策樹分裂規(guī)則。

四、算法模型（Algorithm Model）

定義： 算法模型是通過數(shù)據(jù)訓(xùn)練得到的數(shù)學(xué)函數(shù)（如神經(jīng)網(wǎng)絡(luò)），能夠從輸入數(shù)據(jù)中提取特征并輸出預(yù)測結(jié)果。例如，卷積神經(jīng)網(wǎng)絡(luò)（CNN）通過多層卷積核提取圖像邊緣、紋理等特征，最終分類為“貓”或“狗”。

算法和算法模型實(shí)際經(jīng)常混用，但嚴(yán)格來說，算法是固定邏輯，比如代碼中的 if—else條件分支，而算法模型是一種概率化預(yù)測，要經(jīng)過數(shù)據(jù)訓(xùn)練。可以理解為一個(gè)是嚴(yán)格執(zhí)行程序的機(jī)械操作，一個(gè)是看過書刷過題真正學(xué)習(xí)理解后的判斷操作。

五、數(shù)據(jù)處理與標(biāo)注（Data Processing & Labeling）

數(shù)據(jù)處理包括清洗（刪除重復(fù)數(shù)據(jù)）、歸一化（統(tǒng)一圖片尺寸）、特征提取（將文本轉(zhuǎn)為詞向量）；數(shù)據(jù)標(biāo)注是為原始數(shù)據(jù)添加標(biāo)簽（如框出圖片中的狗并標(biāo)注“金毛犬”），是訓(xùn)練“算法模型”的過程，標(biāo)注質(zhì)量直接影響模型效果。

六、自然語言處理（NLP）

NLP 是讓機(jī)器理解、生成人類語言的技術(shù)，涵蓋詞法分析（分詞、詞性標(biāo)注）、語義理解（實(shí)體識別、情感分析）、文本生成（對話回復(fù)、文章摘要）。
比如對話流設(shè)計(jì)中根據(jù)意圖識別結(jié)果（如用戶問“退款流程”），預(yù)設(shè)回答分支并標(biāo)注跳轉(zhuǎn)邏輯。

七、計(jì)算機(jī)視覺（CV）

定義： 計(jì)算機(jī)視覺使機(jī)器能“看懂”圖像和視頻，核心技術(shù)包括目標(biāo)檢測（YOLO 模型）、圖像分割（Mask R-CNN）、姿態(tài)估計(jì)（OpenPose）。例如，人臉識別技術(shù)通過提取五官特征點(diǎn)確認(rèn)身份。

如果 AR 應(yīng)用中基于物體識別的信息展示它在真實(shí)環(huán)境里所看不見的內(nèi)容。

在我的《AR 界面設(shè)計(jì)》中，也展開介紹了與此相關(guān)的許多技術(shù)點(diǎn)。

八、強(qiáng)化學(xué)習(xí)（Reinforcement Learning）

強(qiáng)化學(xué)習(xí)通過“試錯(cuò)-反饋”機(jī)制訓(xùn)練 AI，核心要素包括環(huán)境（Environment）、智能體（Agent）、獎(jiǎng)勵(lì)函數(shù)（Reward Function）。例如 AlphaGo 通過與自己下棋獲得勝負(fù)反饋，不斷優(yōu)化策略。

理解技術(shù)的基礎(chǔ)概念和基礎(chǔ)運(yùn)作原理，才能更好的為用戶翻譯、解釋這些技術(shù)，從而讓人和智能系統(tǒng)互相理解和信任，創(chuàng)造更好的體驗(yàn)。

共勉、共進(jìn)！