满贯财神麻将(2)

人工智能 -

蓝图上新的利益相关者

服务设计师的一个职责就在于通过运用一些技术的部署，来支持和促成用户和服务提供者的关系，从而保证服务的高质量运作。但是这里有一个很重要的设计原则就是，技术虽然需要被考虑，但是它必定不是服务的驱动者，而是赋能者。

人工智能，却可以打破这个原则。因为人工智能可能不仅仅是一个技术或者工具，而且它很有可能和人一样，成为可以驱动服务的新的利益相关者，因为它也需要去学习，去交流，去“进化”，在服务中产生更可持续的价值。这些可能的价值包括帮我们处理单调乏味的工作，提升利益相关者们的参与感，提高时效以及提供持续的数据洞察从而推动决策。

因此，想要最大化人工智能所带来的好处，用户体验/服务设计师需要开始像思考利益相关者一样去思考人工智能，而不仅仅将它视为一个工具。如何安排人工智能，去让工作人员可以关注于作为人类更擅长完成的工作及任务，从而提升用户对服务的感知与体验？这应该是每一个用户体验/服务设计设计师都应该思考的问题。

人机协作需要双向交流

（Two-way communication）

考虑到人工智能作为一个新的提供服务的关键角色，那么它必定也会存在服务传递以及服务交换，这时，双向交流是必不可少的。就比如之前提到的那个保险公司审核员的例子，人工智能与工作人员相互提供服务，和谐共生。但是，如果往细里想，人工智能和人类“思考”事情处理事情完全是处在两个完全不同的维度，那么他们该如何去进行交流和合作从而促成高效高质量的服务交换呢？人工智能该如何和人类交互，才能确保它是用户友好的呢？因为交流是双向的，所以接下来，文章将从两个方向来进行提供一些解决问题的思路。

机器到人

（Machine-to-Human ）

当我们看一张小猫的图片，我们也许一下子就能看到说毛茸茸的耳朵，尾巴以及诱人可爱的猫爪，然而机器看到的是一堆像素点。为了让人工智能明白其实人类看到的是一只小猫，机器必须首先记忆猫的像素模型（毛绒耳朵，尾巴等等），通过多次的数据输入来分析出构成猫这个标签的像素分布以及像素信息，然后达成最后的认知，最后在看到图片时都可以快速计算来识别出小猫。这就是人工智能最基本的认知原理。

但是试想一下如果机器只是简单的提供他们计算结果，譬如这个结果是“猫”，那其实并不能算作一个有意义的解释，也不是用户真正想要的。用户更想要的（也是用户看到图片会认知到的），是一些包含具体描述，甚至情感的信息，比如“一只可爱的花斑肥猫，它抱在手上一定很重”等等。所以，从机器到人的交流，我们必须去思考如何转化机器的语言，让这些语言更加易于让人理解，生动。

总结来说，相对于机器“是”或“否”的答案，或是复杂的算法链，体验/服务设计可以促使人机进行更多微妙的互动，从而使他们合作起来更加有效和谐。所以作为设计师可以做的，也许是协作算法师一起去推动更多的交流交互多样性（特别在重要的服务环节），或者视觉化重要的决策点以及决策模型（人工智能做的决策）使之更易于管理及理解，再或者是提升人工智能的可信赖感等等。

人到机器

（Human-to-Machine ）

相反的，人类也需要方式方法去给人工智能推送有效的信息，从而去训练它们并不断的升级它们，使它们变得越来越好用。举个例子，waze，一个导航app，它可以基于基础数据库和其他用户的实时路况数据输入来进行推算，最终帮助用户找到最快捷的路径。用户的数据输入量越大，这款app就在不断的自动优化，用户体验也就越来越优秀。