反过分来看，对付用户体验设计而言，由于产品的底层逻辑被AI改写，产品的生态、单个产品的形态、利用办法等都将发生翻天覆地的变革。
连带着的，由于生产工具的变革，产品的设计、开拓流程也将随之发生变革，进一步提高效率，对付从业职员的能力哀求也在实时更新。

对付这样一种浪潮，专一当个鸵鸟或者嗤之以鼻是没故意义的，我们须要看到、认识、拥抱它。
以是有人笑称：打不过就加入。
同时，对付各种所谓干掉各个岗位的宣扬，也吸引着、推动着我们去理解将被什么干掉以及怎么被干掉。

从另一方面讲，只有在技能变革的时候，弯道超车才有可能。
如果只是沿用之前的履历与技能，那么成熟的企业就会有先发上风。
但是当面对新的技能变革时，大家被拉回到同一起跑线上，这个时候，就看谁能够找到精确的方向，率先突围。

以是，不管是被动也好，还是主动也好，面对着新一轮的技能变革，也希望从AI能力本身、所带来的变革、往后的发展等方面全面理解一下这个新的时期宠儿。

本文构造：

01 AI干系观点与术语1.1 AI&AIGC

人工智能或者说AI，Artificial Intelligence。
是用机器来仿照人的智能或者思维模式来完成各项任务目标。

从其事情的机制而言，目前紧张分为两种：决策式人工智能，天生式人工智能。
决策式人工智能。
根据已有数据进行剖析、判断、预测，比如我们常见的抖音、、淘宝等的推举算法。
天生式人工智能。
通过剖析现有数据来天生模拟、拼合、创造新的内容。
比如当下最热的chatGPT、Midjourney、Sora等。

从能力角度而言，人工智能也可以分为强人工智能和弱人工智能。
强人工智能。
通用型人工智能（AGI，Artificial General Intelligence）。
能够像人类一样对不同领域进行影象、推理和解决问题。
领域间的知识与履历可以迁徙、借鉴，是“通才”。
既可以写诗画画，又可以诊断疾病，还可以进行数学打算。
弱人工智能。
在某一领域具备专业能力、办理特定问题，能力没法泛化，是专才。
比如下围棋的AlphaGo，可以打败人类围棋天下冠军，但是没法回答你“白毛浮绿水”的下一句是什么。

AIGC（Artificial Intelligence Generative Content）

人工智能天生的内容，包括文本、语音、图片、视频等多种形式。

1.2 AI Agent

1.2.1 人类与AI协作的三种模式：

嵌入（Embedding）模式：类似于L2级别的自动驾驶。
人类霸占主导，AI作为工具，实行某条详细的命令。
副驾驶（Co-pilot）模式：类似于L3级别的自动驾驶。
人与AI共同参与，与人类之间相互协商、沟通，实现某一目标。
智能体（Agent）模式：类似于L4级别的自动驾驶。
人类作为指挥者、监督者、评估者。
AI作为独立的行动者，自主剖析目标、拆解任务、考试测验实行、比拟结果与目标、优化实行步骤与办法并终极履行完成人类设立的目标。

AI与人类协作模式

1.2.2 AI Agent是什么

AI Agent是有能力主动思考和行动的智能体。
让任务自动化，紧张包括感知、影象、方案与决策、行动/利用工具。

就像吴恩达在TED演讲中提到的：“许多事情包含不同的任务，AI自动化的是任务而不是事情。
”与直策应用大措辞模型比较，AI Agent能够依据目标分解繁芜的事情流程，从而实现大措辞模型的自我对话与运转，而不是大略地实行单一任务或者由人类来驱动任务的每一步。

AI Agent = 感知（Perceive）+LLM（影象（Memory）+方案（Planning ））+工具利用（Tool use）/行动（Action）

AI Agent

感知是AI Agent利用传感器与周围环境交互，感知真实的物理天下，这个部分涉及到多模态的信息解析与处理。
影象让AI Agent可以存储关于某些方向的专业知识以及交互过程中产生的信息，从而利用这些履历来支持、优化后续的决策与行动。
方案和决策就像是通过大脑进行剖析，包含事前方案和事后反思。
LLM在这里就类似于大脑。
AI Agent让AI不再是实行单一的任务，而是自动将繁芜的任务拆解为一个个可实行的子任务步骤，然后按照顺序实行，并结合感知与影象信息在过程中不断试错、优化，终极得到知足目标的结果。
工具的利用就像是能力集成/封装，类似于APP将能力打包的逻辑（比如修图类app可以提高亮度、裁剪画面、改变色彩等等）。
通过利用外部的资源或工具来实行任务，从而拓展AI Agent的能力边界。
同时各个AI Agent之间还能够彼此沟通、协作，通过不同能力之间的合营来发挥最大的效用。

AI Agent实质而言是一个更好发挥大模型能力的技能框架，是环绕LLM搭建的一套程序。
让用户不再只是与LLM进行对话，而是根据场景，借助LLM 的剖析、推理能力，制订办理思路并调用不同的工具的能力，从而办理问题或者达成既定目标。
大略理解为一个会利用大措辞模型能力以及各种工具来帮助人类办理问题的助理。

1.3 AI的算法

1.3.1 AI的三大流派

1.3.1.1 符号主义：

基于统计方法，通过建模预测让机器通过打算来仿照人的智能，实现识别、预测等任务

紧张代表算法有：朴素贝叶斯，逻辑回归，决策树，支持向量机。

1.3.1.2 连接主义：

认为生物智能是由神经网络产生的，可以通过人工办法布局神经网络，演习神经网络产生智能。
也便是仿照人的脑部神经系统，通过构建神经元与他们之间的连接，来构建一个可以学习、推理的神经网络。

紧张代表便是神经网络算法。

1.3.1.3 行为主义：

认为生物的智能来自对外界的繁芜环境进行感知温柔应，通过与环境和其他生物之间的相互浸染，产生更强的智能。
也便是通过考试测验与反馈来强化学习、改进系统自身的行为。

紧张代表算法是强化学习。

1.3.2 目前主流的算法：

目前主流的算法都是基于神经网络和机器学习，在此根本上创新与结合。

1.3.2.1 神经网络（Neural Network）

人工智能三大流派中的连接主义的代表算法，通过人工办法布局神经网络，演习神经网络产生智能。
最早起源于麦卡洛克-匹兹模型/M-P神经元模型（McCulloch-Pitts model）。

大略来说便是模拟人脑的神经元构造，构建一个函数凑集作为基本单元，然后再相互之间加权拼接形成神经网络。
一个神经元便是一个函数/规则，前一个神经元的输出作为后一个神经元的输入。

循环神经网络 （Recurrent Neural Networks, RNN）

神经网络的一种。
关键在于多一个隐蔽层，可以将上一次的输动身生的输出作为这一次输入的一部分。
大略来说便是能够记住高下文信息。

在此根本上演化出来的是非期影象（Long short-term memory, LSTM），让模型可以去选择记住什么信息、忘掉什么信息，而不是越早的信息影象得越少，或者无差别地全部记住前文的信息，避免短期影象、梯度爆炸、梯度消逝等问题。
（梯度可大略理解为变革率）

紧张用于语音剖析、笔墨剖析、韶光序列剖析。

卷积神经网络（ Convolutional Neural Network, CNN）

基本机构包含输入层、卷积层、池化层、全联接层、输出层。

卷积层的紧张目的是识别与提取不同的局部特色。

池化层也叫降采样层，实在质是采样共享。
大略来说便是通过用同一个采样值（最大值或者均匀值之类）来代替那些差别不大的采样值，以便减少数据量。

紧张用于图像识别、人脸识别等。

1.3.2.2 天生式对抗网络（Generative Adversarial Networks, GAN）

紧张包含天生器(Generator)、判别器(Discriminator)。

天生器用于天生内容，判别器用于判断天生网络中产生的内容是真实数据还是天生的数据。

天生器要不断优化自己的天生数据让判别器判别不出来；判别器也要优化自己的判断能力，使其更准确；通过相互之间的对抗、制约来实现演习过程。

1.3.2.3 Transformer模型：

谷歌的论文《Attention Is All You Need》中提出一种神经网络模型架构。
紧张特点在于加入自把稳力（Self-attention）机制来处理序列数据。

自把稳力机制通过给长文本中每个词不一样的权重来判断每个词之间的干系性，从而判断全体文本中最主要的部分。

与RNN比较，Transformer会将一串序列中的每个词的意义及其位置信息结合起来传输给神经网络，从而让模型可以同时处理序列里的所有位置的信息，而不须要像RNN那样依次处理。
这种并行打算带来的好处是大大提高了模型的演习速率，从而为大模型的发展奠定了根本。

1.3.3 自然措辞处理（Natural Language Processing, NLP）

“措辞理解是人工智能领域皇冠上的明珠”——比尔盖茨

自然措辞处理（NLP）便是在机器措辞和人类措辞之间沟通的桥梁，终极目标便是让人和机器能够通过自然措辞进行交互，也便是让机器能够理解人类的措辞、笔墨等。

紧张包含自然措辞理解（NLU）和自然措辞天生（NLG）。
大略来说便是听懂人话和说人话。

1.3.4 机器学习（Machine Learning, ML）

所有的工具，不论人类、动物，乃至是无生命机器，如果接管外界信息的刺激之后，能形成履历反应，并影响日后的行为，那实在这个过程就已经可以称之为“学习”了。
——《聪慧的疆界：从图灵机到人工智能》

机器学习是实现人工智能的核心方法。
从有限的不雅观测数据中“学习”（or“预测”）出一个具有一样平常性的规律，并利用这些规律对未知数据进行预测的方法。

大略来说，机器学习便是通过数据演习让算法节制规律。

机器学习

1.3.4.1 深度学习（ Deep Learning）

机器学习的一个分支。
利用深层次神经网络模型进行学习。
深度是指模型有多个层次的神经元。
通过逐层分解来办理繁芜度较高的问题。

深度学习与传统机器学习最大的差异在于利用神经网络模型代替人工的特色提取过程，通过数据演习来优化模型的表现。

可大略理解为利用神经网络算法的机器学习。

1.3.4.2 监督学习（Supervised Learning）

有标准答案的学习。
其基本思想是利用带有标签的演习数据来演习模型，从而使其能够从输入数据中学习到输入与输出之间的映射关系，然后可以利用这个映射关系对新的未打标签数据进行预测。

监督学习须要见告模型：1. 事物的关键特色是什么（称为特色）；2. 那东西到底是什么。
就像学生刷题，通过练习得到的履历来解新的题目。

1.3.4.3 无监督学习（Unsupervised Learning）

没有标准答案的学习。
其目标是让模型从未标记的数据中自行创造共性、构造、模式、关联或者表示，而无需利用人工标签或者先验知识的辅导。
包括聚类、降维、非常检测等。

1.3.4.4 强化学习（Reinforcement Learning）

与监督学习、无监督学习类似，也是一种机器学习的办法。

算法不断的考试测验、试错，反馈机制通过奖赏与惩罚见告算法哪种是好的，哪种是不好的，从而规训其行为方向。
大略来说便是褒奖积极行为和惩罚悲观行为。

美剧《生活大爆炸》中Sheldon就利用巧克力作为褒奖，驯化Penny的行为。

1.3.5 大措辞模型（Large Language Model, LLM）

是一种基于神经网络、机器学习、自然措辞处理技能的模型，目前大部分有名的大措辞模型都是基于Transformer架构。

它通过将每个词转化为向量输入到模型中，并利用大量的文本数据进行演习，让模型来学习做事人类措辞理解和天生的能力。

大措辞模型的【大】紧张表示在演习数据与模型参数的大，从而须要更高的算力支持。

与传统的机器学习模型比较，大模型具有更强的表示能力和泛化能力，能够处理海量数据、完成各种繁芜的任务，如自然措辞处理、打算机视觉、语音识别等。

02 AI能力剖析2.1 人类能力地形图

机器人专家汉斯·莫拉维克（Hans Moravec）曾提出人类能力地形图的观点，个中，海拔高度代表这项任务对打算机的难度，不断上涨的海平面代表打算机现在能做的事情。

图源：https://qph.cf2.quoracdn.net/main-qimg-dfa49b90572af22a8b8e9ec7c02b8688

AI的发展，会逐渐淹没人类的特有的上风领域。
终极，当AI开始具备设计人工智能的能力（AI Design），AI能力的推动将有AI自己的改进来推动，其速率会比由人类推动快得多。
这也是所谓的“奇点”，到达奇点，人工智能将涌现爆发式的增长。

就目前而言，人类与AI各有上风，以是人类与AI携手互助，发挥各自的上风，形成群体聪慧，实现1+1> 2 才是最优解。

2.1.1 人类比较于AI，所拥有的上风：

自主创造、构思以及计策性方案、风雅化决策具有同理心，能够理解人类的感情、情绪对付美的理解与感想熏染不同领域之间的履历可以迁徙、复用具备知识具有代价不雅观、人生不雅观、天下不雅观，能够理解人类的行为与文化可以完成精确且繁芜的体力事情可以轻松界定思考问题的框架，也便是哪些问题与任务干系，哪些无关

2.1.2 AI比较于人类，所拥有的上风：

没有情绪等主不雅观成分，比人类更理性，可以公道客不雅观对待每个方案可以在极短韶光内完成超繁芜的运算，从而产出大量的方案与探索结果可以永劫光不厌其烦做同一件事，而且不会累或者由于疲倦而降落准确度影象力好，积累的履历可以被随时调用

2.2 发挥各自最大的上风

对付AI将会取代人类，现在最常见的说法便是：

AI将改变或者消灭某些事情，同时创造出新的事情。
AI不会取代人，而会利用AI工具的人将取代不会利用AI工具的人。

让AI解放人类的双手，去做那些机器性、重复、无聊的打算事情。
而人类则把韶光精力投入到更有代价的事情比如方案、决策、制订目标、人际关系掩护等。

当然，二者之间的事情并不是完备剥离、独立的，而是相互影响与沟通协作。
比如，人类可以借用AI的数据剖析能力、预测结果等增强自己的决策能力。

以是，一方面，人要学习怎么更好地利用AI，发挥AI最大的代价。
另一方面，AI也要往增强人类能力、改进人类社会生活的方向发展。

03 AI能力加持后，产品/业务层面变革3.1 产品边界变得模糊

3.1.1 物理天下与数字天下深度领悟

数字孪生将物理天下映射到数字天下，具身智能机器人、自动驾驶等让数字天下操控物理天下。
AI能力的强化则让二者之间的领悟更加深入。
比如京东AI数字人“采销东哥”，看面相险些和真人无异，可以在直播间为大家先容各种产品。
如果再进一步，可以实时回答不雅观众的问题，那就与真人差别不大了。

3.1.2 产品成为能力中央

产品之间的壁垒打通，成为能力插件，紧张在于供应某种能力。
比如小D想通过视频学习糖醋排骨的做法，那么AI所获取的内容可能会来自于抖音、快手、淘宝直播、小红书等等平台，或者整合各平台内容天生一个新的、针对付小D喜好的内容。
平台成为底层信息的供应方或者说资源池，用户也无需在多个产品之间来回切换。

3.1.3 做事设计

由于AI对流程中每一个触点信息的节制以及对付各项能力的集成，使得根据场景调用不同能力以知足需求成为可能。

产品的设计不止考虑单一的产品，而是要考虑与其他产品、能力、做事的合营。
在利用环境/场景中，从用户的进程出发，知足用户在全体任务链路中每一个节点的需求。

3.1.4 流程自动化

产品与产品之间的相互衔接、流转也将自动化，无需由用户来推动。
比如小D要出差，当他向AI提出这个需求时，AI一并将机票、酒店同步预定好，同时，在出差结束后，自动对接人事考勤、用度报销等产品能力，实现流程自动化。
也便是依据场景将做事打包，用户触发一次就完玉成部流程动作，无需到每一个别系/产品等分别去实行一遍操作。

流程自动化带来的也是效率和易用性的提升，用户的操作包袱被大大减少。

3.1.5 B/C端差异减少

B端各流程节点之间的沟通、协作、通报也可以由【人-产品-人】的办法转变为【Agent-Agent】 的办法。
提高流程运转的效率，降落了B端产品的操作繁芜度。

当用户与AI Agent交互，由Agent代替用户去直接面对、调用各个产品的各项能力，发起各种任务，B端产品和C端产品交互的逻辑会愈发类似。
Agent对话式的交互、自动方案等将会大大减少B端产品的学习本钱，用户在利用不同类型产品时将不会有太大的差异。

3.1.6 多产品形态互联互通

AI可以在手机、平板、电脑、电视、车载终端平分歧设备之间的无缝切换，设备随着场景转换，但是流程不中断，多设备折衷合营走完全个任务链路。
比如不才班回家的路上，小D在车里听小说，回家往后，家里的智能音箱连续从下车时候的部分开始连续播放。

3.2 接管非构造化的信息

语音识别、NLP、图片识别、手势识别、红外传感、重力感应、脑机接口等等技能的演进与打破。
让输入不再依赖于表单、按钮等创建符合打算机理解模式的构造化信息。

非构造化输入的特点：多模态、更自然、更高效、学习本钱更低。
不再是人去适应打算性能接管的数据模式，而是打算机来学习理解人类的信息表达形式，比如表情、手势、语气等。

AI对付非构造化数据、自然措辞的理解，也降落了产品的繁芜度，减少用户的认知包袱，让产品的学习本钱大大减低。

3.2.1 普适打算（ubiquitous computing）

普适打算是指打算可以在任何设备上、在任何地理位置中以及用任何格式进行。
其显著目标之一则是使得打算机设备可以感知周围的环境变革，从而根据环境的变革做出自动的基于用户须要或者设定的行为。

与物联网类似，大略来说便是通过多样化的设备（手机、腕表、眼镜、微波炉、冰箱等）来感知信息、获取信息、处理信息，所有的物品都有可能变成一个打算机。
这样的目的是让打算机可以随时感知环境、行为的变革，从而及时、知心肠知足用户的需求。

3.3 数据的集中化处理

假设个人助手或者说AI Agent的成熟，那么人们与产品交互的通道将会从各个分散的产品集中到一个点。
由统一的交互入口网络的用户行为数据以及AI主动通过各种设备网络的用户个人数据，让每个人的信息更加完全、全面地被AI所记录，更随意马虎实现个人数据的集中化处理。

AI节制的个人信息越多，才能更全面地理解一个人，也才能更有针对性地为用户供应个性化的做事。
聪明、知心、智能的AI与集中化的数据将会相互促进、相互强化，也便是越集中的数据带来越聪明的AI，越聪明的AI将会通过多渠道网络到更多的个人数据。

3.3.1 对付个人信息安全的看重

AI将会利用个人的数据进行演习并改进行为，这须要符合监管哀求，遵照个人数据处理的最小化原则，担保用户的知情权，进行节点隔离以及加强对付数据处理权限、存储、保密的管理。
避免个人信息的透露或者被不当利用。

当然，这也须要更加完善的数据保护法规进行支撑，比如GDPR、ADPPA、中华公民共和国数据安全法、个人信息保护法等，避免个人隐私透露。

3.4 人机深度协同，构建信赖变得更主要

越是利用频繁的、形成依赖的产品，越须要得到用户的信赖。
如果微信在利用过程中时时时的涌现bug，发给A的错发给了B，那么用户就会变得不敢利用。
尤其AI产品还须要网络用户的各种数据才能更好地发挥浸染，那么得到用户的信赖将显得更加主要。

信赖来源于理解、确定、可控，由于AI的黑盒性子以及产品越来越主动，如何阐明AI的决策过程、规范AI的行为、提高AI行为的可预测性、保持用户的掌控感也越来越主要。

阐明决策过程和规范行为并不是说须要AI事事作解释、申报请示，而是当用户想要理解时供应详细的阐明与解释、当用户想要自己决策时可以修正AI供应的方案。
从原则上而言，AI终极还是要服从于人、做事于人，而不是指挥人、掌握人、取代人。

3.5 提前预判，主动推送，具备主动性

根据用户的场景、行为，判断用户的意图，通过多产品、数据的贯通，综合剖析，供应事前的提醒与做事。
比如在用户购买机票后对接航班、景象、交通等数据，如果有航班牵制、恶劣景象、交通拥堵等不良状况发生，可以及时关照用户。

3.5.1 场景驱动

信息的集中化处理，使得结合各种传感器、设备所供应的环境信息以及用户的生理、行为等信息进行综合剖析成为可能。
AI可以理解用户所处的环境及其需求，通过场景所供应的高下文来减少信息输入的哀求。
同时，调用各个产品的能力，办理问题，减少用户操作，提高效率与用户体验。

比如，智能家庭助手通过手环检测到小D躺在沙发上已经睡着，并且有点冷，那么它可能会自动调小正在播放的音乐、关闭窗帘、调暗灯光、打开空调，让用户更加舒适且不会着凉。

3.6 个性化/定制化

由于用户与产品之间通过一个统一入口来交互，那么用户的行为数据（包括个人的生物信息、康健状态、行车路线、购买习气、用户偏好、场所出入数据等）将更加全面、完全、准确被获取。

通过大量的数据与机器学习，让人工智能可以依据个人喜好、场景，进行意图判断。
结合各个产品能力，针对不同用户可以推举更加精准、个性化的内容、功能等，也便是说功能也能够像feed流一样被推举，更好地知足不同人群、场景的需求。

3.6.1 用户自定义

AI降落了产品/工具操作的门槛，让更多人可以利用它，也便是所谓技能的民主化。

这就让用户有可能根据自己的喜好、习气、场景等需求差异来配置产品功能组成构造、优先级等。
就像是洞洞鞋，本身供应一个根本的样式，但是每个人可以选择自己不同的鞋花。
未来，大概每个人都可以都可以自己设计一个APP该当具有什么功能、设计衣服样式、设计屋子的装修风格等等。

同时，通过社区、论坛等的信息互换，A设计的产品大概B可以参考、改进后成为属于自己的产品，每个人都有可能成为生活的创作者，而创作的工具可以包罗万象。

3.7 改变垂直领域的细分产品

所有行业都值得基于人工智能技能重做一遍——阿里巴巴张勇

AI的天生、总结、提取、分类等能力的打破，将进一步促进各行业中各种信息的整合与利用，接手重复性的事情，给各行各业带来流程的简化、模式的转变、效率的提升。

针对如残障人士、老人、小孩等分外群体，可以开拓供应陪伴、照顾等功能的AI机器人。
针对状师、年夜夫等特定职业的职员，利用AI赞助进行资料网络、数据剖析等，增强他们的能力，提升事情的效率。
针对生产线、仓库等目标和任务相对固化的场景，也可以引入AI来替代很多重复性等事情。
比如利用无人超市模式来管理仓库出库，领用职员刷脸后自动确认领料单，同时系统在领料职员拿走物品后自动进行出库处理、更新库存数据，在库存不敷时对接采购系统进行采购等。

04 AI能力加持后，产品的交互逻辑变革4.1 信息架构的变革

GUI模式下基于点击的输入，须要将页面内容、功能分门别类进行组织、布局，以方便用户理解与查找然后触发，以是信息须要按照逻辑归类，可寻性也是信息架构关注的重点之一。

AI能力加持下的对话式交互，让用户只须要面对一个统一的入口，通过这个入口直达任意一个功能（类似于Deeplink）。
信息的构造不再因此用户快速找到为中央，而因此让AI快速调取为导向。
不再是由人去穿越层层构造探求所需信息，而是所需的信息从纷繁繁芜的数据中跳脱出来。

4.1.1 功能架构扁平化

通过AI直接调起产品中的某一个页面，模块的功能更加独立、内聚，成为一个个能力单元，产品则成为能力单元的横向凑集。

如果是窄而深的信息架构，层层嵌套的模式，那么能力之间可能会有一定的耦合与依赖，被直接调起时随意马虎缺失落高下文，导致功能不可用。

4.1.1.1 导航的弱化

直接调起的模式，用户直达功能。
比如对AI说【我想听李健的《给你》】，它会直接打开播放器，播放这首歌。
而不再须要我们【打开音乐APP-找到并点击搜索框-输入并搜索-点击播放】这样一步一步操作。

减少了探求信息的步骤，也就减少了导航的需求。
导航页的代价将会降落，以往功能之间须要合理组织以方便用户影象、探求的特色将会减弱。

4.1.2 信息模块化

功能变成类似于API或者组件的形式，可以根据须要与其他产品的信息随意拼装，成为整体信息流的一部分。
就像我们在小红书看一个个的条记，或者在淘宝浏览一个一个的商品，功能也被拆解为一个一个的单元，在场景须要的时候与其他的功能拼装形成一个办理方案。

同时，从整体而言，每个产品可能只供应全体信息凑集的个中一个部分。
也便是前面的说的产品边界被冲破。

4.1.3 拓展性更强

每个页面都有可能成为首页，都是信息架构的顶部，这须要产品的信息架构有很强的兼容性和扩展性。
——《AI改变设计》

按照前述AI Agent的设想，AI所涉及的任务可能包含多个层级的繁芜度，须要不同能力的合营才能完成，也便是须要依赖不同的产品、组件所供应的能力。

产品的每个功能将类似于乐高的一个积木零件，便于相互组合，目的是容纳更多新的功能。
同时AI直达功能的能力可以弱化过宽的信息架构所带来的探求信息未便利的问题。

4.1.4 用完即走

用户以任务目标为导向，不在乎是哪个产品、哪个功能，关键在于高效。
就像我们不会关注手机包装盒里的充电器是哪个代工厂生产的。
产品/能力会“透明化”“无形化”，这些能力的供应方将会成为AI Agent所对接的“供应商”。
比如小D想听李健的《给你》，内容有可能是QQ音乐供应的、也有可能是网易云音乐供应的、或者是B站一个李健的音乐会视频，对用户而言，听歌的目的达到了就行。

4.2 交互范式的变革

技能的改造会引起范式的变迁。
终极指向的都是越来越大略、方便、自然，都是环绕着更好地做事于人而来的。

4.2.1 人机交互的发展进程：

批处理（Batch Processing）命令行交互（Command-based Interaction）图形界面交互（Graphical User Interfaces,GUI）对话式交互（Conversational User Interface,CUI）/语音用户界面（Voice User Interface,VUI）/措辞用户界面（Language User Interface,LUI）自然界面交互（Natural user interface,NUI ）/基于意图的结果规范化（Intent-Based Outcome Specification ）

前三种都属于用户向打算机发出命令，打算机严格实行命令并产生结果，用户评估结果逐步调度输入，终极一步一步达成目标。

对话式交互，实质也和之前的几种范式一样，人发出命令，打算机实行命令，只是用户的输入办法更加多样化，不止是依赖于当前界面所呈现的元素与选项。
（图形界面相对付命令行，也是在输入输出办法上变得更丰富，鼠标、触控、手势等输入办法以及图形、动画等输出办法减少了用户的认知包袱、影象包袱、操作包袱）

而在高等阶段自然界面交互/基于意图的的结果规范化中，用户不再须要去适应打算机，而是打算机来适应人，去理解人的表情、手势、措辞、语气、点击、生理数据等等办法/渠道所通报的信息。
用户也不再见告打算机要做什么，而是见告打算机他们想要的结果，或者，打算机能够通过感知周围环境，主动识别用户的意图并自动达成其目标。

类似于前文提到过的AI Agent，能够依据目标分解繁芜的事情流程，从而实现大措辞模型的自我对话与运转，而不是大略地实行单一任务或者由人类来驱动任务的每一步。

人机交互发展进程

4.2.2 对话式交互

交互实质上是信息的互换，包含信息的输入与输出。
人与现有产品的交互，输入的形式包括鼠标、键盘、触屏手势、语音、拍照识别、扫码等。
而输出的内容则包括视觉（笔墨、图片、视频、灯光等）、听觉（措辞、报警音等）、触觉（震撼）。

人与人之间最自然的互换办法常日是措辞互换，通过言语表达思想、感情和意图。
除了措辞，人们还通过非措辞的办法进行互换，如面部表情、姿势、手势、眼神等。
这些非措辞元素可以传达丰富的信息，有时比言语更直不雅观和强烈。
这是我们全体发展过程中一种紧张的学习形式。

对话式交互，就像是人与人之间谈天的交互办法，输入的路子可以是笔墨，也可以是语音、图片、链接、手势等。
Sora乃至可以利用视频作为输入来天生视频。

4.2.2.1 对话式交互的特点

用户的输入没有边界

摆脱了按钮、输入框等的限定，用户的输入可能五花八门，乃至与产品的紧张功能无关。
功能“无形”之后，就须要针对各种场景给出不同的反馈。

冲破产品边界、超过信息层级

入口统一，交互路径缩短，能够穿透信息层级、超过产品的业务界线。
我们的交互过程基于措辞的形式输入，然后回答的形式根据内容而变。
可以结合所个产品、领域的数据，综合给出答案。
也便是说，我们不用面对数量繁多的运用/产品，只须要像利用Siri一样，和一个统一的AI Agent沟通，然后由它来调取各个产品的能力来为我们供应做事。

4.2.2.2 对话式交互的场景

任务式设计——高效

专业化的运用/工具。
针对详细的业务领域、任务类型提出需求。
输入一样平常具有边界、比较集中。
产品的目的是尽快达成用户的目标。

闲聊式设计——有趣

娱乐型的运用/伙伴。
用户没有明确的目标，跟随感情变革。
输入一样平常没有边界，可能包含任何主题。
产品的目的是在对话过程中逐步知足用户的情绪需求。

4.2.2.3 对话式交互的原则

供应勾引，鼓励用户输入

如果开始对话之后迟迟没有输入，则供应预测、默认选项、参考示例等，让用户直接点选、勾引用户输入，避免用户在空无一物的条件下不知道如何开展对话。

特殊是在闲聊式场景下，通过打呼唤来勾引、提示等让对话可持续。

理解语境

在我们日常的对话中，很多信息是大家的【共识】，是彼此之间互换的信息根本，无需在对话中特意解释。

比如对话【Q：本日的景象怎么样？A：哪里的景象？】。
这个中位置信息一样平常都是基于当前对话所在的位置或者高下文涌现的位置信息来决定的，也就无需用户再次解释。

在AI的对话设计中，也就须要理解这些语境信息，减少信息输入的数量哀求，提高沟通的效率。

记住高下文

高下文包括用户之前的操作、输入、用户的背景信息等，记住高下文并利用到之后的对话之中多轮对话的根本。
一方面可以担保话题的连贯性，一方面也避免用户的重复输入。

具有原谅性，肃清歧义

措辞表达会有不同的语气或者表达办法，语音识别也会有缺点的情形，这时候要像谷歌搜索一样，给出合理的预测并回答，减少用户二次输入的本钱。

当用户的输入有歧义时，实用多级置信度的办法给出最匹配的、最有可能的回答，并进一步讯问且许可用户修正。

简洁、清晰、担保表达质量

简明扼要，陈述与话题干系的信息，避免模糊晦涩的表达。
不管以何种形式来反馈，陈述的都是有效的事物，而不是无意义的答案。
比如这样的对话【Q：你知道有哪些人得到了2023年诺贝尔奖吗？A：知道。
】就毫无意义。

得当的信息量，采取多种信息输出模式

不多不少，恰到好处的信息含量。
面对一个问题，网络上干系的信息可能万万万。
须要结合实际产品、场景、用户属性等实际情形，给出合理、有效的回答。

我们大脑能处理的信息量是有限的，一旦超出，就会对短期影象造成包袱。
在某些场景下，语音可以提高效率。
但是语音输出的一个弊端是：听清并理解语音中的信息，须要耗费我们大脑的资源，而且语音播放之后就消逝了，也加重了用户的影象包袱。

以是不能只依赖于语音的输出办法，也不仅仅依赖于当前的输出渠道。
采取视频、图片、声音等多种形态的输出办法乃至跨终真个输出渠道（比如某些场景在腕表输入在手机、电视显示反馈结果等），可以极大地丰富我们反馈的多样性、提高信息传达的效率，避免用户须要在不同端之间来回处理信息。

照顾人类感情，保持礼貌，具备服从指令的属性

比如这样的对话【Q：可以朗诵一首唐诗吗？A：不可以】会让人以为别扭、受挫。

如果无法做到，也该当表达歉意并且解释乐意来安慰用户。
比如【A：不好意思，当前网络状态不可用，请检讨网络设置后再次考试测验吧】

话轮转换

对话是一种相互互助，必须有来有回，实用的对话让对话双方知道该谁说话。

设定用户的期望，让用户知道什么时候可以轮换到自己、输入是否生效等。
方法包括隐性确认（在回答时带上用户供应的信息）、非措辞确认（利用灯光、图像、震撼、提示音等进行反馈）等。

4.2.2.4 VUI/LUI

VUI，Voice User Interface，语音用户交互界面。
LUI，Language User Interface，措辞用户交互界面。
是基于语音/措辞作为输入与输出的交互办法。

严格来说，VUI/LUI是对话式交互形态之一。
由于对话式交互的核心在于一来一回的对话，输入输出的可能并不但有语音、笔墨，可以容纳更多的内容形式。

对话式交互

优点

自然流畅、学习本钱足够低。
由于对话是从我们出生开始就伴随我们的互换办法，对话式的交互和人与人之间的沟通相似，无需传授教化就会利用。
从输入效率的角度而言，语音输入比键盘打字的速率更快。
解放双手，在双手被占用的情形下，可以拓展交互的渠道。
语音中包含语气、语调、语速等感情性信息，如果能够识别这些附属的信息，也就拓宽了信息吸收的渠道。
减少对付导航的依赖，减少用户的影象包袱、认知包袱

缺陷

视觉通道和听觉通道的信息领悟要优于单独的视觉通道和听觉通道。
对付多步骤、多字段的操作，如果完备依赖于对话式交互，所需的对话次数将会过多，影响全体动作的效率。
这时候就须要用户意图预测、沿用范例模板、结合其他通道（屏幕点击、手势、实体按钮、位置等）操作等办法来简化所需的信息量或者多通道领悟获取信息。
随意马虎受到周围噪音的滋扰。
隐私问题，在公开场合利用语音输入随意马虎透露隐私或者影响到其他人。
公开场合之下对动手机说话，有可能会引发社会耻辱感。
以是，新的类型的产品每每须要通过明星效应、营销来形成一种风尚，勾引人们利用。

4.2.3 NUI

NUI充分利用我们生活在这个天下中得到的技能，最大限度地减少认知包袱，从而最大限度地减少对付把稳力的分散。
（NUIs exploit skills that we have acquired through a lifetime of living in the world, which minimizes the cognitive load and therefore minimizes the distraction.）——Bill Buxton, a principal researcher at Microsoft

自然用户界面（Natural user interface，NUI）。
维基百科对付NUI的描述是人们以最自然的互换办法与机器互动，利用NUI的打算机不须要键盘或鼠标。

比较于传统的GUI或者当下比较火热的CUI，NUI更强调【自然】，也便是以符合人类直觉的办法与打算机沟通。
不局限于某一种交互办法，而是依据场景选择最得当的交互办法。
比如在自己家里，利用语音与智能音箱交互。
在图书馆，利用触控、手势与智好手表交互。

NUI最大的核心因此人为中央，让用户可以利用生活中已经习得的技能、履历以及已有的生理模型来与打算机交互，极大地减少学习本钱。
由于人与外界的自然互换本身是多通道的，包含视觉、听觉、触觉、嗅觉、味觉，也就决定了NUI注定是多模态的。

4.2.3.1 不完备依赖于语音

由于声音稍纵即逝、难以回溯。
完备依赖于语音输入与输出的交互办法须要占用用户大量的把稳力，而我们的把稳力每每有限，永劫光的把稳力集中非常花费人的精力，从而降落了交互的准确性、影响交互的效率。
同时永劫光占用用户的紧张把稳力，也让用户无法同时做其他的事情。

对话式交互紧张改变的是输入办法与利用路径，与现有丰富的、多模态的反馈形式结合，可以有效提升人机交互的效率。
除听觉反馈以外，输出办法可以是视觉（指示灯、图片、视频等）、触觉（震撼、温度变革等）。

随着AI在语音识别、语义理解等方面能力的进步，自然对话的形式已成为AI产品的主流交互形式。
就目前的情形而言，AI还难以捕捉并解读我们的面部表情、姿势、眼神等这些非措辞、感情化、视觉化的信息。

相信未来，随着各种传感器、算法模型的不断演进，在我们与机器对话时，它不仅能听懂我们的话语，也能结合我们的面部表情、姿势、手势、眼神等综合剖析。
至少在输入端，让人与机器的交互逐渐靠近人与人的交互。
有可能就像图灵所预测的，我们难以分辨和我们对话的到底是一个人还是一台机器。

4.2.3.2 VUI+GUI

未来的人工智能系统很可能会拥有稠浊用户界面，结合了基于意图和基于命令的界面元素，同时保留许多图形用户界面元素。
——Jakob Nielsen

凡事皆具两面性。
不同交互形式的目的都是为了减少用户的认知包袱、操作包袱、影象包袱，不是为了用个用。
结合用户、场景、设备等特点，选用不同的交互形式结合，最大化地方便用户才是最优解。

4.2.3.3 多模态交互

多通道领悟交互/多模态交互，包括语音、面部表情、手势、各种传感器所检测到的生理信息等都可以作为输入通道，既可以是用户主动发起的，也可以是产品主动获取的。
输出则可以结合视觉、听觉、触觉、味觉和嗅觉多种模态。
核心是环绕情境选择得当的交互模式，目标是自然、高效。

上风：

多模态领悟不仅是为了符合用户自然的操作习气，也可以增加信息的处理效率。
就像在听演讲时，如果演讲者结合PPT进行图示化解释，就更随意马虎、更快速地让人理解。
多模态交互充分调动人的五感，结合AR、VR、MR等技能，将数字天下与物理天下有机结合，可以供应更好的真实感、临场感、沉浸感。
减少对付个人能力的哀求，让老人、残疾人等分外群体也可以轻松、便捷地利用，践行通用设计的原则，促进社会的和谐。

4.2.3.4 基于意图的结果规范化（Intent-Based Outcome Specification ）

这是雅各布·尼尔森提出的一种新的交互范式，详见：https://www.nngroup.com/articles/ai-paradigm/

以前是设计产品的能供性（Affordance）来勾引用户操作，比如按钮代表可点击。
现在是打算机要来理解人的意符（Signifiers），比如抬起手臂，手机自动点亮屏幕，由于它预测你可能须要开始利用手机。

NUI侧重于交互办法的自然化，基于意图的结果规范化侧重于对付用户意图的反应。
一个是办法，一个是目的，二者的核心都是让打算机环绕人来进行改变，减少人们对认知包袱、影象包袱、操作包袱，提高人的效率，丰富人的生活。

4.3 交互特色的变革

4.3.1 交互层级的压缩

功能架构更加扁平对应的便是交互层级的压缩。
通过对话直接调起某个特定的功能，不须要在一层一层的功能构造中去探求。
每一个动作都是直达目的，减少了很多探求功能过程中的过渡操作。

4.3.2 界面的减少

一方面，NUI结合多种输入输出办法，不再纯挚依赖于界面的呈现，语音、提示音、灯光、震撼等多种形式的反馈会更换部分界面的反馈。
另一方面，对话式的交互减少了很多承载功能的页面如导航页、事情台等。

4.3.2.1 按钮的减少

按钮是基于界面存在的，目的在于触发一个动作。
一方面，卡片等元素本身可以充当按钮。
另一方面，NUI带来的多模态交互，点击屏幕操作将会减少，对按钮的需求也相应的减少了。

4.3.3 主动交互增加

产品不再只是被动的接管信息，而是可以通过多模态感知主动获取信息，并依据用户设定的目标、对付用户的理解进行自主决策并触发下一步的动作，不再须要每一个任务都由用户来触发。
比如汽车在检测到到用户阔别车辆时自动锁车。
智能音箱会在景象预报有雨时提醒用户出门记得带伞。

主动交互减少了用户的操作包袱，提高了人机协同的效率，也让产品显得更加知心。

4.3.3.1 剖析用户的意图

用户的行为数据、个人习气与偏好等通过AI Agent这个统一的交互入口被全面、完全、准确地获取，结合AI Agent所影象的高下文信息以及各种传感器所获取到的场景信息，对用户意图对剖析将更加准确。
也便是可以通过预测用户的下一步辇儿动，主动提前帮助用户完成。
有点类似于想要喝水的时候，杯子里总是有温度适宜的水。

4.4 AI的“人设”

4.4.1 人设是什么

人设是指用户在与AI产品互动过程中，根据感知到的信息（虚拟形象、文本或者语音中的语气、语调、音色、感情等）将AI工具人格化后所建立的一种对付AI的角色形象认知。
比如，扫地机器人在电量不敷时，发出语音：“没能量啦，我要回去用饭了。
”在用户讯问“你在哪里”时，回应“我在这里”。
都可以让人觉得到它是一个有温度、有感情的个体而不是一个冰冷的机器。
这是一种生理上的简化行为，避免“胆怯谷”效应。

人设使得产品的个性更加光鲜、突出，用户与产品交互时能够得到“伙伴感”以及互换的愉悦感，有助于拉近产品与用户之间的生理间隔。

4.4.2 人设设定的原则

4.4.2.1 同等性

角色的设定要与产品/内容的属性同等。
比如法律、政治新闻等严明性内容，就不适宜利用呆萌、可爱的角色。

作为做事于人类的产品，在于用户对话时，该当保持前后同等、稳定的形象。
如果前后的回答反差太大会让人以为产品出错了。

4.4.2.2 有礼貌

同时要把稳礼貌。
比如要及时回答用户的问题，不能敷衍了事，不能责怪用户。
即便用户苛刻、生气，角色也该当表示出礼貌、谦善、关怀。

4.4.2.3 情绪性

感知到人类的感情，并给出恰当的、谅解的回应。
用户因此而与产品之间形成情绪留恋，增强整体的利用体验。

4.4.2.4 诙谐性

利用象征、讽喻、双关等手腕，让人感想熏染到愉悦、有趣，给予用户类似真实的社交体验。
使AI的形象更加灵巧、生动、富有人情味，而不再是冰冷的机器。

4.4.2.5 个性化

针对不同的用户特色（年事、职业等），也可以针对性地供应不同的角色设定。

4.4.3 人设性情的表示办法

声音的音色、语速、节奏、表述的办法/语气、头像都能表示出AI的性情特色。

4.4.4 人设性情的设定方法

与品牌/产品人设设定的方法类似，利用感情板moodboard，结合商业目标、产品目标来发散人设的关键词，比如客户希望以什么形容词来描述产品、用户喜好什么样的人设。
然后通过筛选、整合，选择最具有代表性的形容词，以可视化的办法呈现。
然后与Persona类似，固化名字、职位、年事、性别、行为习气、爱好等特色。

人设设定好往后，所有的行为（语气、语速、表达办法等）、外不雅观（表情、头像、虚拟形象等等）都环绕人设，从而强化这一形象在用户心中的印象。
并在用户测试中优化迭代。

05 AI能力加持后，产品设计该当把稳的原则

目前比较系统的提出AI产品设计原则都有MicroSoft、Google、SAP、IBM几家公司（原文档见文后参考链接）。
总体而言，设计原则中不变的因此人为本的核心，变革的是如何以人为本、如何更好地以人为本。

5.1 明确通报系统可以做什么

做出解释、给出推举等，帮助用户明白 AI 系统能够帮助自己办理何种问题。

供应框架与制约成分，勾引用户迅速展开行动，避免用户在面对完备空缺的页面时，脑海中思绪过多且无法集中，不知从何动手。

5.1.1 解释系统能做到多好

帮助用户理解AI系统犯错的频率，让用户对产品形成得当的预期。
利用诸如【我们认为你可能会喜好】来先容推举的音乐，会让人更能原谅缺点。

5.2 基于详细场景和韶光供应做事

根据用户当前的任务和环境判断何时该触发行为或中断行为。

比如检测到用户在行走过程中，腕表自动记录步数。
假设用户刚刚查询过去往目的地的路线，则自动进入步辇儿导航模式。
比如当时间为半夜时，语音助手在回答问题时主动降落音量。

5.2.1 记住前后文

记住用户最近的交互行为。
保持短期影象并许可用户高效引用。
比如用户说：搜索【歌手李健】，在AI给出结果后，用户说：播放他的歌曲。
这时候产品就该当播放李健的歌曲而不是再次讯问用户播放谁的歌曲。

5.2.1.1 显示与高下文干系的信息

显示与用户当前任务和环境干系的信息。
比如用户讯问【景象情形】时，在结果中表明是本日、当前位置的景象情形。

5.2.2 记住关于用户的信息

记住用户的个人偏好、行为习气等，主动推送/建议，减少用户的重复操作。
类似于登录之后的个性化推举。

5.2.2.1 从用户的行为中学习

不断学习用户过往的操作来个性化用户体验，与用户建立更加亲密的联系。
类似于推举算法，推举的是用户感兴趣、可能会用到的功能、信息。
比如用户总是在每天的同一时候打开同一个APP，iPhone会在用户下次这个韶光点解锁手机时推举这个APP。

5.2.2.2 鼓励用户反馈

让用户能够在与人工智能系统的定期互动中供应反馈，表明自己的偏好。
也便是产品不仅可以主动学习用户的行为，还可以让用户主动见告产品自己喜好什么、习气什么。

5.2.3 机器主动感知

通过各种传感器实时感知周围环境、人的行为，以此更好地为人类做事。
不须要用户主动发出指令，就可以结合以往的利用习气进行意图判断，主动推送/发起流程。

5.2.3.1 沉着技能

互换不是为了表示技能设备的能力，而是为了知足用户需求。
——《交互的未来》

由于人们的把稳力是有限的，是一种宝贵的资源。
该当让人把把稳力放在真正主要的事情上。
如果各个产品一贯大声的吆喝，一直地争夺用户的把稳力，那么主要的事情有可能会被淹没。

在用户须要时，能够及时相应乃至提前预判，提高效率与流畅度。
用户不须要时，不要过多的滋扰用户，避免产品/技能本身引起太多的把稳。
类似于微信产品经理张小龙之条件出【用完即走】 的理念，产品是做事于人的，不能成为包袱，而是要减轻人的包袱。

5.3 建立信赖、不要让用户失落去掌握感

由于AI的不可阐明性、自主决策，用户一定会对其有所顾虑。
以是让用户建立起对付AI的信赖感，是人类与AI深度协同的主要条件。

信赖是有粘性的，如果用户信赖一项做事，可能会选择一贯信赖。
反之，如果用户不信赖，可能会一贯选择不信赖。

信赖对付用户是否会采取至关主要。
不信赖会蔓延，一个功能的不信赖会影响对付整体或者所有类似产品的不信赖。
比如Siri就降落了人们对付所有手机语音助手的信赖度。

人类对机器的信赖依赖于可靠性与安全性、可控性、清晰透明、同等性。

5.3.1 可靠性与安全性

要使 AI 系统受信赖，它们须要可靠且安全。
系统必须像设计好的那样运行，并安全相应新的情形。
其固有的复原能力应能抵御预期操作或意外操作。

5.3.1.1 准确、及时

信赖由积极的体验构成。
频繁的犯错、延迟、不可用，让用户遭遇多次失落败、挫折，会降落用户对产品的信心与信赖。

与实际的人比较，人们对付机器犯错的容忍度更低。

5.3.1.2 用户数据权利

供应关照和赞许的机制，许可用户谢绝做事或数据。
隐私设置和权限该当清晰、可查找且可调度。

充分表露个人信息的利用或共享办法。
对数据的用场、利用范围供应详细的解释。

用户应始终掌握正在利用的数据以及选择在什么情形下利用。
他们可以谢绝AI访问他们认为可能会受到危害或不适宜人工智能理解或利用的个人数据。

保护用户的隐私与数据安全。
当个人详细信息（例如地址）可能作为人工智能预测的一部分而暴露时，采纳额外方法来保护隐私（例如，匿名化姓名，纵然人们赞许利用他们的名字）。
保护个人隐私，遵守机器人三定律等。

5.3.2 可控性

5.3.2.1 由用户掌握

AI的底层原则是强化人的能力，而不是取代人。
赞助用户决策，简化用户的包袱。

从大略、独立的任务开始，让用户相信、适应AI的能力。
同时，可以供应预测、建议，但是该当由用户来做终极的决策。
如果产品决策完往后再关照用户，会让用户觉得失落去主导权或者被产品所掌握。

当用户提出的诉求有歧义时，给用户供应选项或者调度的机会来逐步明确目标。
比如用户说想听【如愿】这首歌曲，搜索结果有好几个版本，这时候让用户选择一个，或者在播放开始时提示用户可以主动改换。

供应全局掌握，许可用户全局自定义人工智能系统的监控内容和行为办法。

5.3.2.2 可以轻松的调用与关闭

在须要时能够易于启用。
比如利用【Hi，Siri】来随时激活iPhone的语音助手。

出错时能轻松回退、编辑、改进或规复。
能够随时退出，类似于安全舱设计理念。

5.3.3 清晰透明

5.3.3.1 诚挚

标记AI天生的内容，让用户心里有数，保持诚信。

5.3.3.2 可阐明性

清楚地解释系统为什么这样做。
供应阐明解释，让用户知晓AI做出决策的缘故原由（一样平常是基于决策所带来的好处，当用户对底层技能感兴趣时，通过渐进式表露的办法来供应更多详细的信息）。
或者如果发生缺点，阐明哪里出了问题。

由于AI对付普通用户来说就像一个黑盒，可阐明性可帮助数据科学家、审核员和业务决策者确保 AI 系统能够证明其决策及其得出结论的办法，建立"大众年夜众对颠覆性技能的信心，促进更安全的实践，并促进更广泛的社会采取。

可阐明性还有助于确保符合公司政策、行业标准和政府法规。

5.3.3.3 关照用户

谨慎的更新和修正，添加或更新其功能时要关照用户。
在更新和调度人工智能系统行为时，限定毁坏性变革，让用户能够适应变革。

传达用户行为的后果，及时更新或传达用户行为将如何影响人工智能系统的未来行为。

5.3.3.4 同等性

同等性让AI的行为可预期，有助于用户建立心智模型，减少由于AI能力黑盒带来的不可知，增加用户的掌控感。

5.4 符合社会规范、减少偏见

5.4.1 公正

缺点的数据会带来缺点的认知。
如果AI预演习的数据中存在偏见，那么AI可能也会产生偏见。

建立伦理道德规范，减少社会偏见。
由于现实天下的数据中难免包含带有种族歧视等社会偏见的意向，需确保人工智能系统的措辞和行为不会强化不良和不公正的成见和偏见，特殊是那些与种族、民族、性别、国籍、收入、性取向、能力以及政治或宗教崇奉等敏感特色干系的偏见。

5.4.2 国际化/本地化

根据用户的社会和文化背景，确保以用户期望的办法供应体验。
国际化的产品要尊重当地的文化、风尚习气、宗教崇奉等。

5.5 拟人化

社会措辞学家的研究表明纵然是极少的语音样本，也会让人产生对付演讲者性情、形象方面的印象。
我们早已进化成可以根据人的声音来总结评判别人的专家。
——《谷歌是怎么设计AI语音界面的？这里总结了对话设计六大原则》

人与AI的对话式交互，就像人与人之间的互换一样。
用户能够这种拟人化的对话中得到“伙伴感”以及互换的愉悦感，拉近了人工智能与用户的生理间隔，大大降落了用户利用人工智能的生理抗拒程度，从而形成品牌或产品和顾客间的情绪纽带，强化用户与该品牌之间的关系。

06 AI产品发展过程剖析

能力的发展会推动产品形态的变革，就像是通信网络、智好手机催生出了无数的APP，让微信视频谈天、实时看直播成为可能一样。
AI能力的发展也会拓宽AI产品的边界、丰富AI产品的形态。

6.1 从能力发展看

人工智能的紧张发展方向：运算智能、感知智能、认知智能。

打算智能：打算智能是人工智能发展的最初阶段，紧张是指机器对信息进行存储和打算的能力。
在这个阶段，机器紧张进行大略的数据处理和打算任务，缺少更深层次的理解和学习能力。
这部分紧张是模型打算能力的提升。
感知智能：感知智能是人工智能发展的第二阶段，指机器具备感知天下的能力，包括视觉、听觉、触觉等感知办法。
这让机器能够更好地理解周围环境和与之进行交互，但仍缺少深层次的思考和推理能力。
这部分紧张是多模态感知能力的提升。
认知智能：认知智能是人工智能发展的最高阶段，指机器具备类似人类的认知能力，包括学习、推理、影象和理解等方面。
在这个阶段，机器可以自主地进行学习和思考，具有更高等的智能表现。
这部分紧张是模型能够自主学习、调度、优化。

6.2 从产品角度看

6.2.1 一个趁手的工具

利用AI的运算智能、感知智能，在任务全流程的某一个任务中引入AI能力，办理各种业务场景中涌现的问题。
或者根据不同领域、职业等特定场景，打造垂直领域的AI而不是通用型的办理方案。
比如利用人脸识别技能剖析学生上直播课的表情，判断学生的学习状态，及时提醒老师关注，促进学生高效学习。

人智结合，任务还是由人来主导，AI作为像锤子一样的工具，紧张是实行指令，成为用户的助手，提高操作效率，帮助用户节省韶光。
比如内容创作平台的编辑器，可以让作者利用AI助手优化文章表达，但是没法从头到尾写一篇符合用户高哀求的文章。

6.2.2 成为当代“电力”

通过软硬结合的形式，连接起各个产品，产品之间借助各自的AI Agent相互沟通，形成统一的生态。
这样的话，AI就在我们的生活环境中无处不在，渗透到每一个角落，集成各种行为数据进行剖析，供应综合、全面、知心的做事。
比如最常见的智能家居场景，门锁通过人脸识别为主人开门，同时把客厅的灯打开。
用户坐到沙发上之后，用语音掌握打开电视，客厅的灯光则自动调度到适宜看电视的模式。

6.2.3 一个管家/私人助理

认知智能让AI学会自主预判、创造、决策，接管人类生活的噜苏事情。
打造个人专属的AI，借助信息通信，从用户干系的每一个产品中获取信息，综合剖析，帮助用户做出决策。
这个AI助理熟惯用户方方面面的习气，通过用户的行为剖析主动去对接各个产品、能力，从而实现完备的个性化。

比如一个独居老人，手环、心脏监测装置等检测到用户可能会身体不适，提前通过智能音箱、手机等提示用户去往医院检讨。
用户乘坐自动驾驶等汽车到达医院后，AI助理已经帮助用户登记，并将过往的数据发给医院的AI年夜夫。
医护职员根据AI年夜夫的建议，直接安排检讨、治疗方案。
老人出院后，AI年夜夫将医嘱传送给老人的AI助理，由它来提醒老人每天按时吃药。

07 AI与现有产品的领悟模式剖析

从与现有产品的结合程度而言，大致该当是AI部分参与作为赞助——AI主导功能——完备AI化。

7.1 从领悟程度看

7.1.1 单点嵌入

在局部增加AI能力，比如嵌入到某一个按钮中、在原界面增加一个小入口、在评论区/谈天窗口利用AT等办法呼出AI助理。
这样可以在保持原有用户习气的根本上逐步培养用户的习气。

须要对场景进行细致地剖析，也便是该当在什么场景下提示用户产品所具有的AI能力。
比如文档类产品，可以自动天生文章大纲。
或者在用户选择一段笔墨后，编辑菜单中会涌现【AI改写】的入口。

单点嵌入

7.1.2 模块嵌入

划分出专门的一块功能区，比如页面增加一个tab、或者做一个独立的模块、或者下拉后进入AI对话模式。
这样的好处是加入AI后，对原有的页面影响不大，同时又会比较能干，让用户快速感知。

比如FigJam AI，通过一个悬浮框来勾引用户利用。

Figma界面截图

7.1.3 半独立

这种是比较常见的一种办法，好处是不毁坏原来的信息构造与页面布局，可以更快地融入AI能力。
比如悬浮操作球作为入口、浏览器插件等。

7.1.4 完备独立

把AI能力打包，作为一个统一入口，可以赞助/调用所有产品，就像是嵌入AI Agent的PC或者手机一样。

这样AI就不是为了增强某一个产品的能力，而是本身成为一个能力平台/私人助理，类似于Siri，可以调用iPhone内的各种运用。

7.2 从结合办法看

以下模式只是基于现有状况对未来发展方向的一种合理推测与猜想。

7.2.1 软硬结合

7.2.1.1 能力平台

在电脑/手机中嵌入AI Agent ，就像手机的语音助手一样，综合多模态交互，直接调起设备中的各项能力进行相应。
结合个人行为数据后，不但在对指令的回应方面愈发契合用户的喜好与习气，还可以主动交互，提高生产效率。

比如用户想要看愉快麻花的电影，那么Agent会整合各个运用资源供用户选择，或者依据用户的习气直接播放用户可能感兴趣的那一部。

比如在用户看论文时，默默帮助用户总结、整理、网络、分类，用户看完几十篇论文后，不仅可以帮助用户横向比拟、提取核心不雅观点，还可以帮助用户创造类似的论文。
用户在写作中引用某一原文时，对应天生参考文献注释。

7.2.1.2 硬件协同

AI来折衷指挥硬件，让信息在各个产品/设备之间流动，按照详细场景实现设备之间关联的贯通，促进各个设备之间的高效互助。

比如家庭助理，折衷家中的各种电器，不才班到家之前调好空调温度、到家后连续通过智能音箱播放在车上收听的节目、音乐等。
假设用户订好了第二天早上的机票，那家庭助理会在用户回到家后提醒用户整顿行李并且定好第二天早上的闹钟。

对付独居老人而言，可穿着设备会实时监控老人的身体状况并提醒老人按时服药。
在老人发生危险情形时及时拨打急救中央电话并为医护职员开门。

7.2.2 物理天下与数字天下的领悟

结合各种传感器，AI可以更全面的网络关于物理天下的各种信息。
同时，利用XR（VR, AR, MR）、具身智能（Embodied Artificial Intelligence）等技能等发展，数字天下也可以直接影响、操纵物理天下。

物理天下的信息、行为将可以通过数字天下进行传输，大概未来不仅可以视频通话看到对方的样子，还可以远程握手、拥抱等，人与人之间通过网络的谈天就像是面对面谈天一样。

7.2.3 数字孪生

数字映射（Digital twin），或译作数字孪生、数字分身、数位双生，指在信息化平台内仿照物理实体、流程或者系统，类似实体系统在信息化平台中的双胞胎。
比如在医疗领域，通过把患者投射成具有生命功能的数字孪生体，就可以让AI来仿照患者对付各种药物的反应，从而为患者选择最好的治疗方案。

在科幻电视《黑镜》中，技能职员通过抽取用户的思维，在数字天下制造一个用户的分身来作为用户的私人助理。
由于只有自己才最理解自己。

08 我们该怎么做8.1 AI只是手段，关键在于目的

AI可以实行【做】这个过程，它知道要做什么，但是它不知道为什么要这么做。
产品的目的、所须要做事的人群、所产生的代价都是由人来定义的。
这些是将所有资源整合起来的核心。
不然，只是通过AI天生一堆没有关联的内容，并不能转化为实际的产品或者做事。

AI可以办理重复性、规则性的事情，但是无法共情人类的情绪、理解人类感情、主动创造、做出决策。
以是须要人类与AI携手互助，充分发挥各自的上风，

8.1.1 结合AI能力，帮助项目落地

在产品研发流程中，须要根据不同的业务需求和场景选择适宜的AI技能，灵巧利用AI的能力，将AI技能融入事情流。

比如目前AI天生的内容，就像是一个一个单独的元件，每每不能拿来直策应用，须要结合业务目的、场景等进行调度、结合等，达成业务目标。
就像现在各种设计组件库，也须要结合实际的业务场景、须要办理的问题等灵巧选用。

8.2 提升综合能力，成为雪花形人才

雪花型人才是指多元、复合型人才，环绕一个核心，在多个领域快速积累知识和履历。
知识之间的交叉、履历的迁移、不同行业之间的借鉴等，有助于快速地给出办理方案、做出决策。

由于AI可以办理很多根本性、重复性的事情，拓展个人的能力边界，提升个人产出的效率。
那么人有限的精力可以用来做更多主要的事情，个人的能力将得到更全面的发展。
也便是把以前用来练习与节制各种软件、工具的韶光都用于去理解不同领域的知识，并结合这些知识辅导、利用AI进行创作与输出。

雪花型人才

8.2.1 未来已来，只是分布得不屈均

技能要找到得当的场景，办理问题，适配人性。
就像《梁宁-产品思维30讲》中所说的：未来已来，只是分布得不屈均。
面对问题时，我们可以将多领域知识、履历、技能、逻辑等迁移互鉴，拓宽自己的视野，通过类比、遐想得到更优的办理方案。

这须要跨领域的学习能力，或者说快速熟习某一个领域的能力，以及系统性思维。
利用AI的快速总结能力，秉持终生学习的理念，将知识横向连接，终极成为一个具有自己独特见地的问题办理者。

8.2.2 提升软实力

8.2.2.1 对付天下的好奇心

好奇心引领人类前行。
AI是办理问题的工具，而人类则通过提出问题来拓展知识边陲的边界。
爱因斯坦曾说：“提出一个问题每每比办理一个问题更为主要。
”提出一个好问题，每每意味着对事物有着浓厚的兴趣、深入的思考、敏锐的洞察。
在科学研究中，一个具有创新性和前瞻性的问题可能会引发一系列的研究和探索，从而推动全体领域的发展。

好奇心是自驱的动力。
对未知充满好奇，可以提升我们的自我批驳能力，助力于我们探索新的未知的领域、拓宽我们的思维边界，而不是仅仅知足于当前已有的模式。

8.2.2.2 保持人性

AI紧张是根据已有的数据、信息进行剖析或预测，而人类的想象力、直觉、情绪等可以帮助人类“无中生有”，创造那些未曾存在过的新事物。

信息不发生串联、关联、形成网络，则只是数据，而不能称之为知识。
AI可以帮我们快速、准确地找到各种信息与资源，但是让这些信息转变为个人的知识与聪慧，还须要人类自我的认知、剖析、整合、思考的努力后形本钱身的不雅观点与理解。

同时，我们能够利用批驳性思维来质疑和验证所吸收到的信息，保持自我的独立性，从而避免盲目接管。

8.2.2.3 沟通能力

所有产品究竟都是要为人所做事的，与人沟通、理解人的需求、确定我们要办理的问题，是确立产品目标的关键。
而产品目标是决定我们要做什么、以及怎么做的辅导原则，是全体产品的方向与旗帜。
只有产品目标明确，产品才有可能得到成功。

人与AI比较的一大上风是具有同理心，能够理解人类的感情、情绪，这在与人沟通中发挥着关键浸染，可以设身处地为他人着想，理解他们的感想熏染和不雅观点，从而剖析与理解他们没有直接表达出来的某些想法。

在沟通中建立信赖、巩固情绪、平衡各方利益，与高下游互助推进方案落地，是除了产出设计方案以外更加主要的能力。

8.2.2.4 对付业务的理解

只有深入理解业务，才能真正知晓用户在业务流程中的痛点和期望，从而设计出能切实办理问题、提升用户体验的产品。

很多B端产品，特殊是金融类、法律合规类的产品，由于现实情形、规则制订多样化的缘故原由，每每有很多繁芜业务场景限定，这些规则由人制订而且相互牵扯，AI 可能须要大量的演习数据和韶光来学习温柔应。

同时，评估这些规则对付产品的影响，也须要多维度的梳理，并针对性的办理，确保产品的合规性和稳定性。

8.3 在目前的产品研发流程中，如何利用AI提效？

就目前的阶段而言，人工智能更像是一个趁手、高效的工具。
以是我们利用AI提效的总体原则是：在产品研发流程的不同阶段，选取有代价的环节、AI比较善于的部分，利用AI来强化能力、提高效率。

比如可以利用AI提高我们的搜索效率、助力我们快速获取各种资源，或者赞助我们进行一些发散、总结、提炼等方面根本性的思维创造事情，从中获取一些设计灵感与方向。

或者利用AI为决策过程增加视角的多样性。
基于AI所拥有的不同领域的背景知识，当我们向AI寻求建议时，即是有各种类型的专业人士见地可供参考。

8.3.1 产品方案

描述产品的目的、场景、用户等，由AI给出一定的产品设计思路参考，包括对付产品业务流程的优化、模块分类、页面布局等。

8.3.2 信息架构

在组织信息时，可以让 AI 扮演不同的角色，如用户、管理员等，供应类似卡片分类测试的结果以供参考。

8.3.3 供应灵感

在设计的双钻模型中，当详细须要办理的问题明确往后，一样平常须要进行创意探索与方案发散。
这时候可以利用AI所节制的海量数据与远超人类的打算能力，快速考试测验各种风格进行比拟，探索各种类型的风格觉得。
对付视觉哀求度高的运营设计而言，能够极大程度地缩减前期风格探索所需的韶光。

8.3.4 探求&天生各种资源

增强搜索能力，进行资源整合或者天生一些符合业务场景的资源。
包括不限于竞品、剖析报告、感情版、设计组件库、产品干系知识（业务、生理学、设计等）、行业数据、展示模板样机、插画、宣扬海报等。

8.3.4.1 天生设计元素

利用Midjourney等AI图像天生工具，天生如icon、logo、头像、虚拟人物、背景、banner、运营活动宣扬插图等视觉元素。
比如QQ音乐的不同播放器风格，便是AI天生的。

8.3.4.2 AIGC丰富产品

产品中的一些内容资源，也可以加入AIGC内容。
例如电商运用中的模特图片、数字人虚拟主播、可以揭橥话题的虚拟用户、可以在群聊/评论区随时涌现的AI助理等。
这样，可以使平台内容更加丰富、多样化，以吸引更多的用户参与和互换。

8.3.5 优化文案

对文案表达进行润色、优化表达办法、检讨错别字等，包括不限于内容示例、解释勾引文案、反馈提示文案、产品的简介、发卖文案、各平台的运营文案、Slogan等。

8.3.6 提炼重点、剖析数据、撰写材料

把资料整理、数据处理这一类重复性的事情交给AI。
比如设计调研后，由AI来产出数据剖析报告并总结、产品申报请示阶段用AI先拟定一个初步的PPT大纲、在用户测试阶段用AI帮助制订测试操持、在宣扬策划阶段让AI撰写视频脚本等。
然后设计师再结合AI初步整理的材料进行细化与完善。

8.3.7 供应决策依据

设计方案完成后，须要对不同的方案进行比对、测试、验证等。
传统的用户测试常须要花费大量的人力、韶光、金钱本钱。
利用AI进行初步的剖析总结，选择一种方案上线并在后续迭代中不断优化，大概是另一种轻量化的办理思路。

09 末了

天下上唯一不变的是变革，我们唯一能做的便是拥抱它。

技能是产品实现的主要根本，技能的变革会导致产品的形态发生改变。
因而所有行业都有可能被AI改造一遍，包括不限于：生产制造、教诲、法律、影视传媒、游戏、医疗等等。
这些改变将是业务层面的变革。

人性是产品需求的主要根本，人性不变，需求则不变，改变的只是实现需求的办法。
技能的发展该当做事于人类的利益，无论技能如何演进，归根结底仍需以人本为核心，而不是仅仅追求技能本身的进步。
也便是产品以技能作为实现手段，环绕着提高人类生活质量、实现人类终极自由的目标而提高。

参考

《聪慧的疆界：从图灵机到人工智能》

《AI改变设计—人工智能时期的设计师生存手册》

《交互的未来》

《对话式交互设计原则与实践》

《人工智能与用户体验：以人为本的设计》

《语音用户界面设计》

是什么/发展

https://www.uisdc.com/artificial-intelligence-design

https://www.uisdc.com/evolution-of-artificial-intelligence

https://36kr.com/p/2135547607286144

https://s3tlxskbq3.feishu.cn/docx/NyPqdCKraoXz9gxNVCfcIFdnnAc

https://waytoagi.feishu.cn/wiki/PFXnwBTsEiGwGGk2QQFcdTWrnlb?table=tbltvr7KExCt7Jpw&view=vewjxk9tDu

https://www.leiphone.com/category/ai/99Uoorn7TQoQDR52.html

https://www.bilibili.com/video/BV1MY4y1R7EN/

https://zhuanlan.zhihu.com/p/123211148

https://zhuanlan.zhihu.com/p/30844905

https://easyaitech.medium.com/一文看懂循环神经网络-rnn-独特代价-优化算法-实际运用-ce68436a081a

https://easyai.tech/ai-definition/nlp/

https://easyai.tech/ai-definition/gan/

https://easyai.tech/ai-definition/deep-learning/

https://developer.baidu.com/article/details/3095030

https://www.youtube.com/watch?v=la9nhavGG5M

https://sspai.com/post/81092

https://www.bilibili.com/read/cv27614416/

https://www.tisi.org/27147

http://shiyanjun.cn/archives/2632.html

https://www.youtube.com/watch?v=6QcMhByPjtU

https://www.bilibili.com/video/BV1AC4y167h6/?vd_source=cc243cdf4879037a71d36cfdef92739b

https://www.bilibili.com/video/BV1RC4y1A7ZU/?spm_id_from=333.337.search-card.all.click&vd_source=cc243cdf4879037a71d36cfdef92739b

AI能力

https://www.uisdc.com/group/509903.html

https://xueqiu.com/2143043140/164632985

https://01.me/2024/03/ai-agents-entertaining-or-useful/

https://zhuanlan.zhihu.com/p/677899464

对业务/产品的影响

http://www.designartj.com/bzgcysb/ch/reader/create_pdf.aspx?file_no=20202404&flag=1&journal_id=bzgcysb&year_id=2020

https://www2.deloitte.com/content/dam/Deloitte/cn/Documents/innovation/deloitte-cn-innovation-conversational-ai-is-reshaping-the-human-machine-interaction-zh-201208.pdf

https://www.woshipm.com/ai/5717530.html

https://www.woshipm.com/ai/5594435.html

https://www.woshipm.com/it/5863182.html

https://www.woshipm.com/ai/5827876.html

https://www.woshipm.com/share/5893747.html

https://cn.weforum.org/agenda/2023/10/jobs-automated-and-augmented-by-ai/

https://bbs.huaweicloud.com/blogs/244517

https://www.uisdc.com/ai-to-b

对用户体验设计的影响

http://www.is.cas.cn/xwdt2016/rdxw2016/201902/P020190227555644790170.pdf

https://www.uisdc.com/artificial-intelligence-design-2

https://www.sumaarts.com/share/1449.html

https://www.woshipm.com/ucd/970109.html

https://36kr.com/p/2274460898566786

https://www.uisdc.com/aigc-2023-ux-trends

https://www.sohu.com/a/352985425_197968

http://61.181.120.82:8080/kcms/detail/detail.aspx?filename=JJGL201904008&dbcode=CJFD&dbname=CJFD2019https://www.shanguui.com/news/653.html

https://www.gsi24.com/a/385.html

https://arxiv.org/pdf/2112.01920.pdf

对话式交互

https://www.uisdc.com/will-conversation-interaction-popular

https://www.uisdc.com/conversation-interaction-design-in-future

https://www.uisdc.com/2017-conversational-ui-trend

https://medium.com/the-layer/the-future-of-conversational-ui-belongs-to-hybrid-interfaces-8a228de0bdb5#.cf54r9ouj

https://www.uisdc.com/ai-dialog-design

https://www.uisdc.com/make-excellent-voice-interaction

https://www.uisdc.com/guide-to-chatbots

https://cloud.tencent.com/developer/article/1178120

Zhou F, Wong V, Sekuler R. Multi-sensory integration of spatio-temporal segmentation cues: one plus one does not always equal two.. Exp Brain Res, 2007, 180: 641-654 CrossRef PubMed [Google Scholar](https://scholar.google.com/scholar?&q=5522D9F18AB245AF851C6FF31BF0140D&Zhou F&Wong V&Sekuler R&publication_year=2007&journal=Exp Brain Res&volume=180&pages=641-654)

https://www.sohu.com/a/325126928_769195

https://www.woshipm.com/ucd/753468.html

https://medium.com/the-layer/the-future-of-conversational-ui-belongs-to-hybrid-interfaces-8a228de0bdb5

https://www.woshipm.com/ucd/3491363.html

https://www.uisdc.com/gui-to-cui

NUI

https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=5681374&tag=1

https://zhuanlan.zhihu.com/p/159080929

https://zh.wikipedia.org/wiki/自然用户界面

https://bytedance.sg.larkoffice.com/docx/OpCJdaFDTosazax9ry5c4p9cnnf

https://www.nngroup.com/articles/ai-paradigm

https://www.jianshu.com/p/26228a66578f

https://caoxiang.net/papers/cccf_NUI.pdf

https://www.interaction-design.org/literature/article/natural-user-interfaces-what-are-they-and-how-do-you-design-user-interfaces-that-feel-natural

https://zhuanlan.zhihu.com/p/159080929

https://www.woshipm.com/ai/1779998.html

设计指南/原则

https://www.uisdc.com/guidelines-human-ai-interaction

https://pair.withgoogle.com/guidebook

https://www.microsoft.com/en-us/research/uploads/prod/2019/01/Guidelines-for-Human-AI-Interaction-camera-ready.pdf

https://learn.microsoft.com/en-us/ai/guidelines-human-ai-interaction/

https://www.ibm.com/design/ai/

https://www.woshipm.com/pd/5895072.html

https://www.woshipm.com/pd/3119367.html

https://zhuanlan.zhihu.com/p/684164714

https://www.dataapplab.com/6-design-principles-for-artificial-intelligence-in-digital-business/

https://www.xinzhibang.net/article_detail-22437.html

https://www.uisdc.com/ai-design-principles

https://ai-scholar.tech/zh/articles/human-computer-interaction/general-design-principles

https://meia.me/course/169984?cid=1&scid=5

https://www.woshipm.com/pd/582563.html

https://juejin.cn/post/7112966223402369054

https://futureoflife.org/open-letter/ai-principles-chinese/

https://ai.google/responsibility/principles/

https://weibo.com/ttarticle/p/show?id=2309351000013991817522645990

https://meia.me/course/170156

https://www.uisdc.com/better-ux-for-ai

https://www.uisdc.com/design-generative-ai-experiences

未来发展

https://zhuanlan.zhihu.com/p/24811027

https://www.aishu.cn/cn/blog/353

https://www.uisdc.com/ai-application-scenario-2

https://wen.woshipm.com/question/detail/5sutm9.html?sf=wipm

https://www.bilibili.com/video/BV1Ws4y1Y7Jq/?spm_id_from=333.880.my_history.page.click

https://www.bilibili.com/video/BV1cc411N7k2/?spm_id_from=333.880.my_history.page.click&vd_source=cc243cdf4879037a71d36cfdef92739b

https://zh.wikipedia.org/wiki/数字映射

设计师技能与应对

https://www.uisdc.com/ai-prospect-analysis

https://www.uisdc.com/ui-＆-ai

https://www.uisdc.com/talk/121207513167.html

https://www.uisdc.com/ai-influence

https://www.uisdc.com/designer-in-era-of-ai

https://www.uisdc.com/when-ai-design-ui

https://www.uisdc.com/designer-in-ai-age

https://www.woshipm.com/share/5920774.html

https://www.woshipm.com/ai/5802421.html

https://www.woshipm.com/ai/5797689.html

https://finance.eastmoney.com/a/202402242993360485.html

AI怎么用

https://mp.weixin.QQ.com/s/b10sqhA9-IvUT44U9-5dLA

https://mp.weixin.QQ.com/s/CVmuMnKhbXQagHMKhUa8Jw

https://mp.weixin.QQ.com/s/gXcggSk-5Y5W4vOHyGRn4A

https://mp.weixin.QQ.com/s/NMn5NG0waG4KwT-uMF45cA

https://mp.weixin.QQ.com/s/1DM9pwNry5S1d_Jh1drwzQ

https://www.uisdc.com/aigc-5

作者：DT设计思考 微信"大众号：DT设计思考

本文由 @DT设计思考 原创发布于大家都是产品经理。
未经作者容许，禁止转载

题图来自Unsplash，基于CC0协议

该文不雅观点仅代表作者本人，大家都是产品经理平台仅供应信息存储空间做事