6000字硬核干貨！為什么不建議從設計定理入門交互？

簡單講講為什么

我相信大部分從別的領域（工業設計、UI 或者其他領域）跨界進入交互設計的人，都至少拜讀過一次“交互設計的 7 大定理”、“7 個交互設計的法則”、“值得反復學習的 5 大定律”這類型文章。每篇這類型文章包含的定理都不太一樣（比如美即好用法則或者格式塔理論等等），但是下面這三個常駐成員，是每篇文章都一定會提到的：

• 費茨定律（按鈕大小和鼠標距離影響用戶反應時間）
• 席克定律（選項越多，用戶反應時間越長）
• 米勒定律（神奇的數字 7±2 法則）

這些定理朗朗上口，似乎很可靠、很有道理、運用在工作中的例子也很豐富。但是我必須要開門見山的說：對于沒有受過心理學或者社會科學訓練的、不了解交互設計的基本工作方式和研究方法的同學來說，不要讓“交互設計定理”作為你入門交互設計的第一印象。

這倒不是因為這些定理都是“錯的”，相反，費茨定律從 50 年代提出以后，很長一段時間都是信息學和心理學交叉理論中的頂流，受到了后續很多實證研究的驗證；而米勒定律截止 2014 年已經被引用超過 2 萬次，不可為影響不深遠。之所以說不建議交互新人上來就學習“定理”，是因為以下三個原因：

1. 過于簡化

國內目前講“定律”的文章，幾乎沒有能把這幾個定律究竟在說什么講得通透的。一般原理部分一筆帶過，馬上進入案例部分，去解讀這幾個原理在界面中的具體運用。

比如這篇講費茨定律的文章介紹費茨的公式是 T=a+blog2(D/W+1) ，其中：

• T 是「移動到目標區域所需的時間」；
• D 是「距目標區域的距離」；
• W 是「目標區域的大小」；
• a、b 都是常量，代表指點設備的物理特性，受操作人員和環境等因素而變化。

這個公式里有一個數學運算符“log”，這個 log 是怎么來的呢？為什么是以 2 為底數的呢？

（D/W+1）代表什么呢？為什么要這么計算呢？

好的建模或者好的公式對于閱讀者來說是有意義、可以理解的，數字不會莫名其妙的發生復雜的作用，一代頂流費茨定律當然也不例外。假如作為設計師和研究者，我們并不理解這個定理作用的原因，就開始運用它或者用它來解釋一些情況，相當于只是因為這個公式出名、有個英文名字就先入為主的認可了它，再去尋找那些設計上符合這個定理的蛛絲馬跡，這是犯了“以果證因”的錯誤。

也許有人會講我們做設計好像沒必要接觸這么精深的數學，但實際上 50 年代這兩個研究發展之初，模型也好、數學運算也好，都是比較淺顯易懂的，讀到最后，上面所有提出的問題都能得到解答。

2. 歷史局限

費茨、席克定律進入交互設計師必讀清單的歷史源遠流長，早在人機交互界面誕生之前，計算機科學方興未艾，學界便提倡作為計算機科學的研究員——軟件開發者，也要通曉心理學的一些常識，從而能自主地提升自己設計的軟件的可用性。從那時起，以費茨、席克定律為代表的心理學研究成果就進入了交互設計或者人機交互領域的視野。

這一方面說明人機交互從心理學借鑒研究成果的傳統從很久以前就開始了，另一方面也說明：費茨、席克定律東西都是 50 年代就提出來的古董學說。就像設計有迭代和流行風潮一樣，心理學研究也有風潮和迭代。老的理論被新的研究證據證明或證偽、被新的研究視角挑戰，這都是在學界不斷發生的事情。比如上面提到的米勒定律，其實它從一開始提出來就不是很嚴肅、也沒有很有力的推導過程，當前心理學相關領域的研究也傾向于認為人的短期記憶受多種因素影響，最終可能并不能以某個“數字”來作為閾值進行解釋。這就是學界的不斷迭代的一個體現。

因此，作為應用者，我們需要在接觸一個理論的結論時，具備評估這個理論的能力，充分了解它的歷史局限性，從而自行選擇接納或者拋棄它。但這個能力對于交互新人來說，未免要求太高。

2. 太“安全”

這是我個人認為最主要的一個原因。對于那些不了解交互設計的人來說，“定理”這個詞顯得太權威、太讓人有安全感了。實際上社會科學的研究方式和自然科學是有差異的，影響人的感受（比如用戶體驗）的因素非常復雜，大多數時候你很難找到像自然科學里那樣明顯的、可觀察到的、直接的因果關系，心理學或者社會科學的結論都是現實生活中情況的高度抽象。所以設計師很少會單純因為有一個什么定理，而就能去支撐一個設計。

換句話說，自上而下地參考定理雖然能給交互設計提供有力的理論支持，但并不是交互設計師工作的常規方法。基于具體場景進行設計，然后抽象提煉出一定的規則（設計方法），也就是自下而上的工作方式，才是交互設計的初學者首先應該掌握的技能。

說完了為什么不建議學交互先學定理，本篇文章我們將以費茨、席克定律為例，來講解作為設計師與研究者，我們應該怎樣去看待這些心理學的研究成果。

費茲和席克定律

1. 信息論的源起

要了解費茨、席克定律究竟在講什么，我們需要回溯到 50 年代的學界。彼時克勞德·香農剛剛提出信息論，創造性地將熱力學中“熵”概念與信息通信領域結合，提出了“信息熵”的概念。在信息理論中，香農提出：“事物之間傳遞信息的過程，就是逐漸降低事物的不確定性的過程”。

比如說假如馬戲團里有一個魔術師手里攥了一個號碼牌，這個號碼可能是 1、2、3、4 中隨機一個數字，并讓一個觀眾猜一下是哪個數字。此時由于魔術師和觀眾之間還沒有進行任何交流，也就沒有信息的互換，因此魔術師到底攥著什么號碼這件事情總共有 4 種可能性或者不確定性。

但假如觀眾開口問魔術師：“請問你手里這個數字大于 2 嗎？”魔術師回答“對。”那么此時他們之間就進行了一次信息的傳遞，并且魔術師手里號碼牌數字的可能性被縮減到了 3、4 之間，事件的不確定性降低了。這位觀眾再次問魔術師：“請問數字大于 3 嗎？”這次無論魔術師回答什么，觀眾都能確切地知道他手里的號碼牌數字了：通過 2 次信息傳遞，事件不再具有任何不確定性。

請注意上面的觀眾問的 2 個問題，都可以用“是”或者“否”來回答，這樣的問題叫做“是否”型問題。那么一個數字最少可以被多少個“是否”型問題猜出來呢？比如，當魔術師手持 1、2 兩個號碼牌時，觀眾只需要 1 個“是否”型問題就能猜出來；當他拿著 1-8 八個號碼牌時，則觀眾需要 3 個“是否”問題才能猜出來，以此類推，最終可以算出：

因此，香農將 a 命名成了一個新的數據傳輸的單位“bit”，可以翻譯成“位”，由它來衡量當所有事件發生概率相等時，一次交流傳遞的信息量。它同時也是我們所熟悉的二進制最小單位。比如回到我們之前的案例，觀眾猜魔法師手里 1-4 號碼牌之前，有 2 位的信息不確定性；而當觀眾知道了確切的 1 個號碼之后，信息不確定性=log2（1）=0 位，因此可以說這次信息交流總共傳遞了 2 位的信息，也可以說觀眾排除了 4 件事情、2 位的信息不確定性。

值得注意的是，當觀眾提出第一個問題的時候，將不確定性從 4 削減成了 2，第二次詢問則從 2 削減成了 1，以此類推，所以實際上這個公式可以寫成：

上面討論的這個例子中，魔術師手里 1-4 號的號碼牌出現的概率是相同的，但假如他們出現的概率不同呢？我們先從一個拋骰子的例子開始。

假設這個魔術師先拿出了一個公平骰子，此時 6 個面的出現概率都是 1/6。假如魔術師拋出了一個 1，當觀眾知道骰子的一瞬間，觀眾同時排除了 6 件事情的信息不確定性：骰子拋出了 1、并且骰子沒有拋出 6、2、3、4、5。

此時假如魔術師換了一個灌鉛骰子，它扔出 6 的概率很小，只有 1/12，扔出 1 的概率很大，有 1/4。這時我們扔出 1 時，排除的信息不確定性就沒有公平骰子扔出 1 時那么多了：因為扔出 1 是一個相對大概率發生的事件，我們對它其實已經有了預估。按比例，它排除了這些不確定性：

將這種現象進行歸納，香農提出了計算概率不一致事件的信息傳遞公式：

最后我們可以發現，當事件發生的概率不一致時，事件傳遞的信息量將會小于事件發生概率一致的信息量。因此，事件發生概率一致時的信息量叫做最大信息量，是信息量可以傳遞的最大值；而事件發生概率存在差異時的信息量叫做平均信息量，平均信息量總是小于最大信息量。

另外，信息傳播中總是會不可避免地存在干擾，就像打電話時信號不好會有嘶嘶聲一樣。因此，在信息論中還會區分信息發出時的預期信息量，和信息被實際接收到時的信息量。

2. 席克定律

堅持到這里的人可能也能感覺出來，信息論就是那種雖然說不上來哪里有道理，但就是莫名讓人感覺很有道理的東西——當時的其他學科也這么覺得。50年代成為了各種學科和信息論進行各種跨界研究的高峰期，甚至出現了很多沾點邊就開始生搬硬套的理論。心理學家開始思考：既然物體的信息傳輸（電腦電話、光纖電纜）可以應用信息論，那么人腦作為一種比較高級的信息處理系統，是不是也可以用信息論去分析呢？

沒錯，從其他學科借鑒思路的確是研究的常用手法。我們接下來一起看一下，當自然科學和心理學交叉時，這幫科學家是如何去論證思路合理性的。

William Edmund Hick 和 Ray Hyman 是最早嘗試將信息論與心理學進行結合的心理學家，他們在 1952 年提出了 Hick-Hyman Law，也就是我們熟悉的席克定律。

席克首先援引了 19 世紀心理學的發現：當施加給被試者的刺激屬于一個較大的集合時，被試者需要更長的時間去作出反應。這個事情可能不太好理解，舉個不恰當的例子，都是猜拳，人們在玩“石頭剪刀布”就比玩“十五二十”的反應時間短，因為前者只有“石頭、剪子、布”3 種可能性，而“十五二十”共有“五、十、十五、二十”4 種可能性。當然后者還并不只是單純的外界刺激，這就更復雜了。

這種發現給了席克與海曼將「反應時間」與「信息量」聯系起來的靈感。在此后的數十年，席克與后來的心理學家設計了許多場包含不同控制變量的實驗，每次實驗的有效樣本量大概在千人左右。比如：

1953 年海曼的實驗中，設置了 8 盞名字不一樣的燈，他們分別叫“邦, 波, 畢, 博爾, 拜, 畢克斯, 貝弗,貝特”，被試者需要在燈亮起后，準確的喊出燈的名字。實驗者則記錄下被試者反應的時間。實驗中，使用了不同的燈數、燈亮起的概率也有差異。根據上文我們對信息論的已知了解，事件的數量以及事件發生的概率，都會對信息量造成影響。因此這個實驗實際是創造了不同的信息量，來考察信息量和反應時間到底有沒有關系。

最后的結論是：信息量和反應時間呈正相關，甚至具有線性關系。換句話說，反應時間是信息量的一個函數。所謂“線性關系”，也就是說信息量和反應時間之間的關系會是一條直線，既然是直線，就會有斜率和截距，也就是說：

3. 費茲定律

既然心理學家已經建立了反應時間和信息量的線性關系了，那么順著這個思路，我們有沒有什么辦法建立物理移動距離和反應時間的關系呢？

之前我們已經說過，信息傳播是降低不確定性的過程，因此費茲認為，物理世界內的距離移動也可以被描述成降低不確定性的過程。用這樣的思路可以做如下類比：

其實說到這里我相信有些朋友就已經看出些許問題了。用目標寬度來類比事件發生后剩余的不確定性是比較好理解的，以踢足球和打高爾夫球為例，踢足球只要球進球門就算贏了，球門的目標很大，因此進球時球所在的位置還是有很多的不確定性：可能是貼著門框的一記險球，也可能是正中球門。但高爾夫球的球洞很小，幾乎和球差不多大，所以進球時球所在的位置不確定性很小。

但為什么要用移動距離 x2 來類比事件發生前存在的不確定性呢？其實費茲自己也承認這個數的選擇說不出很多道理，因此后續產生了許許多多的后續研究，都圍繞著如何來優化這個數字的計算方式。包括文章一開頭介紹的（D/W+1），也是其中一種計算的優化思路。

但無論如何，講到這里費茲定律的初始版本已經呼之欲出了：

現在你知道文章一開頭說的幾個數字都代表什么意思了吧？

應用與爭議

席克定律和費茲定律（特別是費茲定律）在人機交互領域的運用非常廣泛，并且曾經直接催生許多我們現在還經常看見的設計，以下稍微舉兩個和費茲定律在時間上有因果關系的設計：

1. 環形菜單

讀懂了費茲定律以后就很容易理解這個菜單了，環形菜單的所有目標距離移動的起始點都是一樣近的，所以使用這個菜單花費的反應時間短。

2. 移動放大

也就是將鼠標移動到對應操作時，操作會對應的有一個放大效果。用費茲定理解釋，也就是增大了目標寬度，降低了移動距離，從而降低了用戶的反應時間。

3. 爭議

就像我上面講到的，使用一個理論的基礎是，我們要對這個理論有作出評估取舍的能力。雖然費茲/席克定律這一套邏輯嚴密，但并不是無懈可擊。

在這里我無意展開一些關于具體細節的討論（比如說費茲定理是從信息論挪過來的，所以是一開始只討論單維度的“移動”，不能完全適用于二維空間甚至三維空間；或者席克定律中定義的“線性關系”其實存在漏洞，目前的研究傾向于不認為反應時間和信息量只是簡單線性關系；又或者 50 年代的實驗在控制變量上其實也有不謹慎的地方等等），我們只討論一開始將信息論應用在心理學的這個立論基礎，其實一直受到了多方面的批評：人和電纜那能一樣嗎？

雖然信息論適用于評估硬件的物理特性，但人畢竟是一種更加復雜的信息處理系統，把人當電纜一樣去分析，實際上沒有說明人認知事物的過程到底是怎么運作的，只是觀察了它的輸出結果。而且其中其實也忽略了許多情景因素，沒有多少“人味兒”。

最后說一句

我一開始寫文章時，并沒有預料到會抖落出那么多推導過程和細節，這也從側面說明，把一個事情講通透、講清楚是很費事情的，有些時候我們直覺上覺得有道理的事情，究其根本其實很值得商榷。再重復一遍，運用科學研究的成果時，需要注意科研是高度抽象化、脫離日常生活的理論世界，和我們日常做設計時復雜多變、多種因素協同作用的現實場景具有很大的差異。不要盲從，要有自己的判斷。

歡迎關注作者微信公眾號：「白話說交互」