Apple 出品！如何做好機(jī)器學(xué)習(xí)時代的產(chǎn)品體驗設(shè)計：輸出的設(shè)計

聊過了機(jī)器學(xué)習(xí)的基本原理及模型層面的設(shè)計要素，即「數(shù)據(jù)」和「指標(biāo)」，接下來我們將探討界面層面的設(shè)計。

往期回顧：

優(yōu)秀的機(jī)器學(xué)習(xí)體驗一方面取決于底層模型的質(zhì)量，另一方面取決于界面能否幫助人們以符合直覺的方式與信息互動。

模型的處理結(jié)果會經(jīng)由界面轉(zhuǎn)化為易于人們認(rèn)知和互動的信息，即「輸出」；模型從人機(jī)互動過程中接收到的，可以被用于模型優(yōu)化的反饋信息，即「輸入」。

聊過了機(jī)器學(xué)習(xí)的基本原理及模型層面的設(shè)計要素，即「數(shù)據(jù)」和「指標(biāo)」，接下來我們將探討界面層面的設(shè)計。

優(yōu)秀的機(jī)器學(xué)習(xí)體驗一方面取決于底層模型的質(zhì)量，另一方面也取決于界面能否幫助人們以符合直覺的方式與信息進(jìn)行互動。

模型的處理結(jié)果會經(jīng)由界面轉(zhuǎn)化為易于人們認(rèn)知和互動的信息，即「輸出」。

模型從人機(jī)互動過程中接收到的，可以被用于模型優(yōu)化的反饋信息，即「輸入」。

我們已經(jīng)在 HIG （人機(jī)界面設(shè)計指南）文檔中創(chuàng)建了一系列關(guān)于「輸出」與「輸入」的設(shè)計模式說明；今天，我們將從中選擇一部分進(jìn)行深入討論，幫助你更好地理解如何將相關(guān)設(shè)計原則應(yīng)用到實際產(chǎn)品的體驗設(shè)計當(dāng)中。

輸出（Outputs）

你可以將「輸出」理解為一種設(shè)計媒介，通過它來為人們提供更加情境化的無縫體驗。

接下來我們將從四個方面來了解關(guān)于「輸出」的設(shè)計原則，包括：

• 多重選項：如何同時呈現(xiàn)多個相關(guān)的輸出值。
• 釋義：詮釋輸出機(jī)制，避免帶來困惑。
• 可信度：以恰當(dāng)?shù)姆绞襟w現(xiàn)輸出的可靠程度。
• 局限性：如何解決功能與預(yù)期之間的沖突。

1. 多重選項

多重選項使人們可以從模型輸出的一系列相關(guān)結(jié)果當(dāng)中進(jìn)行選擇。

在實際當(dāng)中，模型針對特定問題所輸出的結(jié)果可能不止一個。然而設(shè)計者往往傾向于只為人們提供一個「最優(yōu)選項」；在真實場景中，這未必能帶來最優(yōu)體驗。

來看個現(xiàn)實中的例子。上周末，我想來一次從舊金山到納帕谷的短途旅行，于是我向同事們打聽最優(yōu)路線是哪條。

取決于我所詢問的對象及時間，他們的回答各有不同。路線預(yù)測是一件復(fù)雜的任務(wù)，當(dāng)中涉及到很多變量，且始終在發(fā)生變化，譬如擁堵、施工、交通意外等等。

在「地圖」中，我們同樣基于這些變量信息來預(yù)測最佳路線。通常情況下，單一的輸出結(jié)果是不夠的，因為我們無法了解特定用戶的關(guān)注點，他們有可能喜歡風(fēng)景秀麗的路線，有可能傾向于收費較少的路線，或是希望避開高速公路，等等。

如何彌補(bǔ)多種多樣的需求喜好與模型輸出局限性之間的鴻溝？答案就是同時提供多個輸出選項供人選擇。譬如「地圖」會為我提供三條不同的路線，使我可以根據(jù)具體情況來切實掌控自己的行程。

在可能的情況下，盡量提供多個相關(guān)的輸出結(jié)果，幫助人們更好地根據(jù)個人需求或喜好來進(jìn)行選擇。

進(jìn)入實際行程之后，人們同樣需要用到地圖；對于那些看上去非常相似的路線選項，人們可能很難迅速理解其中的差異并進(jìn)行選擇。

我們可以進(jìn)一步幫助人們了解不同選項之間的具體差異，譬如通過輔助信息告訴人們哪條路線需要收費，哪條路線會經(jīng)過高速；甚至可以高亮突出那些濱水景觀路線。

這些信息有助于人們快速了解多個選項之間的差異，從而更易于在行動場景當(dāng)中進(jìn)行選擇。

或許地圖的例子有些過于顯而易見，因為我知道自己在哪，要到哪里去，輸入和輸出都很明確。而對于那些需求和場景都比較模糊的情況，多重選項依然非常有用。我們以 Apple Watch 為例。

一日之計在于晨。每天早上，我都需要了解當(dāng)天的天氣狀況，查看我的當(dāng)日安排與待辦事項等等。Watch 的「Siri」表盤可以為我提供多達(dá) 19 個來自于不同 app 的信息。

要在這塊小屏幕上瀏覽 19 個 app 的信息并不輕松。還好 Siri 會根據(jù)當(dāng)前的時間、地點和我的最近操作來優(yōu)先選擇其中的某些信息，呈現(xiàn)在最頂端的幾張卡片當(dāng)中。這使得我每天早上的慣例任務(wù)變得非常輕松。

而對于系統(tǒng)來說，人們進(jìn)行的每一個選擇都是一次「隱性輸入」。對于這些選項保持長久的學(xué)習(xí)，模型在模糊場景下優(yōu)先提供的若干選項將會變得越發(fā)符合人們的實際需求。

2. 釋義

釋義信息用于向人們解釋 app 做出特定決策的具體原因。譬如 App Store 會通過釋義信息告訴人們?yōu)槭裁磿蛩扑]特定的 app，這樣也可以幫助人們了解相關(guān)數(shù)據(jù)的用途，使他們更加放心。

來看一些具體的設(shè)計原則。假設(shè) App Store 因為我曾經(jīng)下載過烹飪類 app 而為我做了一系列相關(guān)推薦。實際上，我下載過相關(guān) app 并不意味著我一定是要下廚，也不意味著我真的喜歡那個 app；因此，在通過輔助信息解釋推薦原因時，一定要反映出客觀的關(guān)聯(lián)條件，而不要自作聰明地替用戶做任何主觀假設(shè)。

App Store 的做法是簡明地陳述出「因為你下載過 NYT 烹飪」。

我們無法完整客觀地了解某個人的口味和喜好，這些會隨著每一天的生活而發(fā)生變化；而且人們也很有可能在和家人分享賬號。任何關(guān)于用戶的主觀假設(shè)都有可能令他們感到困惑。不要在釋義信息當(dāng)中對用戶的喜好或情緒進(jìn)行任何看似聰明的理解和判斷。

釋義元素還可以用于描述輸出結(jié)果的權(quán)威性。我是一個天文愛好者，我有時候需要了解當(dāng)晚的天空中有哪些星體是可見的。譬如我會問 Siri：「什么時候可以看到木星？」 我所得到的答案當(dāng)中會包含該信息的來源，譬如著名的知識引擎 Wolfram Alpha，使我了解到信息具備足夠的可靠性。

特別是在涉及科學(xué)或政治一類的場景時，相關(guān)的數(shù)據(jù)來源信息對于人們的進(jìn)一步的決策是非常有必要的。

3. 可信度

有時候，我們還需要通過一些信息來描述輸出結(jié)果的可信度。

仍以 App Store 為例。其實我們可以更具體地告訴人們，那些推薦 app 與他有 85% 的匹配度，但這樣的表達(dá)方式非常難于理解，因此我們會使用上文當(dāng)中提到的釋義方式。

但是 85% 這個數(shù)字本身是可信程度的一種量化體現(xiàn)，意味著模型的輸出結(jié)果可能被人們所喜歡的幾率。

有時候，我們需要將可信度以更加易于理解的方式提供給人們進(jìn)行判斷；而有時，我們又需要直接將可信度的數(shù)字呈現(xiàn)出來。

譬如「天氣」中的「降雨概率」，人們?nèi)绾胃鶕?jù)「30%」這個數(shù)字來判斷是否需要帶傘？確實不太容易。但是一方面，這是約定俗成的表述方式，另一方面，人們也會隨著時間而逐漸掌握概率數(shù)字與天氣情況的對應(yīng)關(guān)系。

對于具有統(tǒng)計學(xué)意義的信息，譬如天氣、體育賽事或大選一類的預(yù)測結(jié)果，直接使用數(shù)字是符合人們認(rèn)知的方式。而另一些則不然。

以廉價機(jī)票訂購服務(wù) Hopper 為例。他們也需要通過可信度來呈現(xiàn)價格上漲或下跌的可能性。對于這個需求場景，人們很難通過百分比來決定下一步的行動。如果當(dāng)前價格繼續(xù)下跌的可能性是 65%，那么是否該下單呢？在這里 65% 和 70% 之間又存在著這樣的區(qū)別呢？

因此 Hopper 會直接提供行動建議，譬如繼續(xù)等待或立刻購買。同時他們還會進(jìn)一步提供額外的信息，包括繼續(xù)等待可能幫你節(jié)省下的最高金額，以及等待不要超過的最晚日期。這些信息綜合起來就可以幫助人們更加有據(jù)可依地進(jìn)行決策。

然而在某些情況下，僅提供可信度仍然無法幫助人們有效地評估風(fēng)險。例如我詢問「現(xiàn)在從這里出發(fā)去到舊金山需要多長時間」，得到的答案是「一點三十分到達(dá)那里的可能性是 72%」，這會讓人無從判斷。

這種情況下，提供區(qū)間范圍是更好的做法。譬如 Lyft 在呈現(xiàn)車輛選項時，會讓人們知道這輛車到達(dá)當(dāng)前位置所需要的時長區(qū)間，以及到達(dá)目的地時的具體時間區(qū)間。這可以為我提供更加真實有效的判斷依據(jù)。

4. 局限性

以上關(guān)于可信度的「好例子」都不難理解。然而如果信息的可信度過低，即模型難以提供足夠有效的輸出，我們應(yīng)該如何處理呢？

很多時候，我們還需要請用戶參與進(jìn)來，幫忙解決技術(shù)局限性所造成的問題。

例如「照片」可以自動識別圖像中的人物，但當(dāng)可信度較低時，它還會邀請人們對相關(guān)照片進(jìn)行額外的確認(rèn)。我?guī)椭?app 標(biāo)注了這些照片，之后它便能更準(zhǔn)確的對我進(jìn)行自動識別。

所謂局限性，即是指系統(tǒng)功能的執(zhí)行結(jié)果與人們的預(yù)期之間存在錯位。在我的預(yù)期當(dāng)中，「照片」應(yīng)該始終能夠識別出我，即便客觀來講照片可能拍得太糊或是亮度過低。

出于設(shè)計、硬件能力或環(huán)境等各方面因素，任何功能都會存在局限性。要增強(qiáng)人們的信任感，設(shè)計者必須讓人們對這些局限性保持知情，并告訴人們?nèi)绾芜M(jìn)行相應(yīng)的處理。

我個人非常喜歡 Memoji，但這個功能在某些情況下是無法正常工作的，例如人臉不在取景范圍當(dāng)中，或是攝像頭被遮蓋，或是環(huán)境較暗，等等。每當(dāng)這些狀況發(fā)生時，系統(tǒng)都會立刻進(jìn)行提示，引導(dǎo)人們進(jìn)入正確的使用狀態(tài)。

如果缺乏對于局限性的告知和引導(dǎo)，人們就會對功能失去信任感。你必須管理人們對于功能的預(yù)期，通過各種方法引導(dǎo)人們解決問題。

幫助人們在異常狀態(tài)下繼續(xù)完成任務(wù)的另一種方式，就是提供備選方案。這需要你對人們使用產(chǎn)品時的實際目標(biāo)有著清楚的認(rèn)知。

例如人們有可能會在 Mac 上試圖讓 Siri 開啟計時器，然而 macOS 并沒有提供這項功能。這種情況下，Siri 不會簡單的回復(fù)「無法執(zhí)行」，畢竟那樣會帶來負(fù)面體驗；取而代之地，它會提供創(chuàng)建提醒事項的建議。

這個建議是符合場景的，因為人們的實際目標(biāo)很可能是為了在特定的時間收到提醒，而「提醒事項」同樣可以幫助人們完成這個目標(biāo)。

5. 小結(jié)

希望上述四個方面的設(shè)計原則可以幫助你更好地為模型的輸出進(jìn)行設(shè)計。

請始終記住，「輸出」是一種設(shè)計媒介，我們可以根據(jù)實際的設(shè)計目標(biāo)去選擇最適合自己產(chǎn)品的輸出模式。

我們要確保輸出信息能夠被人們在實際場景當(dāng)中快速地理解；有時還需要將模型的輸出轉(zhuǎn)化成為更有利于人們進(jìn)行決策的形式；在必要的情況下還要引導(dǎo)人們處理問題，實現(xiàn)目標(biāo)。

「輸出」并不是一成不變的，它會根據(jù)人們的輸入而始終發(fā)生變化。接下來，我們將探討如何面向交互輸入進(jìn)行設(shè)計。

歡迎關(guān)注作者的微信公眾號：「Beforweb」