MIX 2018 [Day2-3] – 用戶體驗於人工智慧時代的挑戰 + 座談

用戶體驗於人工智慧時代的挑戰 + 座談

講者：
許伯圳／Microsoft SwiftKey 首席工程師

隨著 AI 技術的發展，我們該如何藉由 AI 提升使用者的體驗呢？講者以自身開發 SwiftKey 的經驗為例，認為當 AI 時代來臨，人們要如何跳脫既有的框架，追尋 best solution。

AI Recommandations

當我們在 Google 或是 bing 進行搜尋時，這些網站會根據輸入的關鍵詞，推薦一些相關的網頁，藉以達到使用者的 intent。Neflix 的做法稍有不同，不需輸入任何字詞就系統會根據使用者過去的觀看歷史推薦你可能會喜歡的影片，同樣地，當使用者在使用 SwiftKey 時，鍵盤也會根據使用者的輸入提供建議字詞，建議字詞該如何排列才能讓使用者找到自己想打的字呢？

假設你在觸控鍵盤上輸入 “ppt” 三個字母，事實上系統收到的訊息是手指碰觸位置的座標，因此建議字詞可以有非常多種組合，其中一個方式是透過出現頻率最高的順序排列，若是以這種順序排列，“ppt”會排在非常後面的選項，對於那些本來就要輸入 “ppt” 的使用者來說，在搜尋字詞會變得非常麻煩，因此開發團隊建立了一個mental shortcut，將建議字詞的第一順位固定放置未修正的字詞，縮短使用者在搜尋時會花費的時間。同樣的，在使用注音輸入時也會遇到類似的問題，當使用者輸入了「ㄧㄤˊ」，除了透過詞頻排列候選字，也可以考慮以部首/筆畫多寡或二元搜尋法（binary search）的方式排列。

AI Actions

現在有許多的 AI 技術已經不需要使用者自行設定就會自動幫你進行校正，像是你可能在背光的環境拍了一張照片，系統會自行幫你將亮部調暗、暗部調亮，同樣的，你在使用鍵盤輸入時系統也會幫你進行自動校正，不過大家應該都曾有過的經驗是系統自動校正後，反而選錯字，這裡就帶出一個有趣的問題：

當系統出錯時，使用者該怎麼修正？

通常當系統幫你選錯字的時候，我們會採取的行動就是按下 backspace，為了節省使用者在修正字詞所花費的時間，使用者按一次 backspce 就會被視為 undo，系統便將字詞恢復為原本輸入的內容，使用者在進行 swpye 輸入時也有類似的設計：當系統自動選擇的字詞不是使用者預期的，只要按一次 backspace 就可以一次把整個字刪除，不需要一個字母一個字母地慢慢刪除。

AI Cues

過去我們常認為，設計出的產品如果能盡量降低使用者的認知負荷使用者比較不容易分心，但這是否能保證使用者一定會有比較高的滿意度呢？

我們都知道語言的演進速度是非常快速的，每天都有數以萬計的新字詞出現，我們很難把所有的字詞都建立到手機的字典裡，因此可以透過雲端儲存的方式來放置這些字詞，因此當你在打字時，如果建議字詞是來自雲端儲存的詞彙，會在字詞右上角出現雲朵的 icon 來提示使用者，雖然這樣的設計可能會對使用者在視覺搜尋時造成干擾，相對地也有可能因為有了雲段儲存的提示讓使用者認為整個系統是持續 updating 的、聰明的。

除此之外，當字典新增字詞時也可以提示使用者，字典根據使用者最近的輸入行為新增了哪些字詞與其他相關的字詞，一樣可以讓使用者感受到系統是動態的、即時的，讓使用者對系統有更正向的評價。

講者以 SwiftKey 的設計說明，開發團隊在規劃時打破了哪些既定的 conventional rule，強調 best solution 其實是不斷在變化的，呼應 Mix 2018 的主題：全局思考，破局應用，進入 AI 時代，並不是要摒棄所有既有的規則與範例，而是期許大家可以試著跳脫傳統的思維去思考，說不定會有全然不同的新發現。

座談

吳卓浩、陳宜秀、許伯圳

新時代的跨領域人才應需具備怎麼樣的能力？

吳卓浩：設計師這個職業是很具挑戰性的，設計師嘗試被期待同時要具備執行的能力，又要具備規劃與創新的能力，但規劃與創新的能力其實很難被衡量、很難獲得的功勞。建議設計師按部就班，先培養起基礎的設計能力，從經驗尋找機會並慢慢成長，逐步的獲得策略的能力。

許伯圳：建議大家多與其他領域的人合作，在其中培養自己專業外的其他技術及能力 (skill set)。

陳宜秀：設計師是解決問題的人，但解決問題的人不只是設計師。設計力創新 (Design-driven innovation) 這本書裡也提到，任何人都可以有能力賦予產品的意義。最重要的還是回到解決問題的能力，AI 也是一種工具，要了解工具是什麼，要怎麼去使用工具，讓AI去協助你「解決問題」。

怎麼透過設計去顯示 AI 這個黑盒子的狀態？

陳宜秀：很多時候設計是沒有通則，而過去我們我們很多的假設也有可能是錯的，因為從前我們認為機器無法做到的，現在或許可以了。技術不等於應用，這個問題最後要還是要回到談應用的方式、場景、以及使用者。

吳卓浩：深度學習並無法解決所有的問題，但卻可以幫助提升產品的有效性。不同的產品、不同的場景下，人們的需求、期待值以及接受度是不同的，例如「機器運算錯誤」對於自動駕駛而言的嚴重程度。技術尚未成熟無法達成的東西，可以透過設計去舒緩期這中間的落差，就好比，陳老師演講中人與馬的例子，馬不用真的變成人，但透過設計，我們可以讓人和馬之間的關係變得更好。

許伯圳：我們可以透過設計將期待值 (expectation) 提高或降低，讓用戶面對AI這個黑箱子的不確定時不是只有害怕，甚至反而可以帶有期待值在裡頭。

當使用者對 AI 產品期待過高卻又無法確實完成任務時，我們該如何降低使用者的落差感？

陳宜秀：任何產品都有但書，但書的作用是當發生規範以外無法控制的問題的時候，透過法律途徑來免除則殆，但其實這是相當不得已的狀態。我們應該透過設計互動創造產品適當的期待值，人類也需要學習使用AI產品就像學習使用任何其他產品一樣。

許伯圳：無法完全避免錯誤，當錯誤發生時我們可以做的是盡量減少 error recover 的步驟，學習失敗案例該如何處理。

吳卓浩：就商業層面來說，可以透過切割市場、選擇適當的使用者來符合產品的期待值，例如即便目前的智慧音箱可能不如一般人期待的這麼聰明，但對於老年人與小孩來說，卻已經相當足夠了。

陳宜秀：語音交互其實已存在一段時間了，卻因為可能沒有深度學習，不夠聰明而不被受重視。以盲人手機為例，或許語音交互並沒有真的這麼聰明，但對盲人朋友們卻能提供很好的幫助。產品真實的滿足到人的需求，就是好的產品，我們應該探究的是如何妥善、有效的滿足到人的需求，而不是完全依靠技術。

AI 的時代變遷很快，請問各位講師們給大家的建議？

許伯圳：Keep learning! 將新的學習與過去的學習相互結合，並反思回饋到目前所面臨的課題上。

吳卓浩：強調推動學界與產業界的通聯。過去我們可能關門自學就可以變成頂尖，但到了互聯網時代，大數據需要實作才能迭代學習，AI 更是，建議對AI有興趣的人尋找可以執行及學習的場域。

陳宜秀：技術和應用是可以被分開的，技術由其實極少數的人開發，應用則是人人可做，每個人都能去尋找 AI 應用的切入點、找到適合的工具去執行。

為什麼近來在台灣參加的 AI 相關活動，都只有分享怎麼建一個 bot，沒有討論怎麼建一個「好」的 bot？

陳宜秀：事實上擁有深度學習技術的廠商少之又少。目前大家的目標都是要上 AI 可以模擬人的對話，但對話、溝通的意圖 (Intent) 是很多樣很難被準確預測的，當結果相當複雜也不確定技術是否能準確預測所有的結果時，相對應得作法就是先簡化設計。但對話的設計原則有些是不會改變的，例如已經存在很久的電話客服，也具有基本的對話設計的原則。

吳卓浩：以 google chrome 從中國市場多窗口瀏覽的行為學習為例，再次帶出學界與工業界間交流不足的問題。工業界發展迅速卻少有人帶入深入的思考，說明為什麼工業界這樣處理等等，而學術界的討論與真正發生的實作也有所落差，深入的思考與總結和實作沒有很好的配合。

Richard:「每個人都是那個沒有人、那個為什麼」，當你站出來真正做些什麼，那些你期待的事才會發生。

唐玄輝：AI 第一線的發展其實都不在台灣，鼓勵大家多參加活動，積極走出去，接觸第一線的發展。