好產品，
或許你已見得不少。
但好產品背後的探索和思考，
恐怕沒有太多人知道。
在這個欄目裡， 你會知道「產品人」如何創作， 提供更好的用戶體驗， 並影響成千上萬人的生活。
我們精選優質內容， 為你提供特別的產品視角。 如果你有好文推薦， 或者希望投稿， 歡迎聯繫 appsolution@ifanr.com。
這是靈感早讀的第 55篇文章
A 君導讀：最近這段時間， 人工智慧（AI）已經成為了熱詞。 天氣預報、翻譯、修圖……我們也開始感受到這項技術對日常生活的影響。
在這種情況下， 如何設計產品才能讓我們有良好的體驗？讓 Google 用戶體驗設計師 Riceman 來告訴你。
今年元旦， AlphaGo 連續挑戰包括聶衛平、柯潔、樸廷桓在內的中韓頂尖圍棋選手， 三天內取得的戰績為令人咋舌的 60 勝 0 負。 在過去一年的互聯網舞臺上， 人工智慧 （Artificial Intelligence）站在了聚光燈的中心。 AlphaGo 在新年伊始， 為 2016 年打上了一個大大的驚嘆號。
過去這一年， 和 AI 相關的新聞鋪天蓋地。 身為設計師的你可能會問：人工智慧和我的日常工作有關嗎？我應該為此做什麼準備？
人工智慧和設計師有關嗎？
回首過去這一年全球科技公司的大事件， 「人工智慧」幾乎是一個繞不開的關鍵字。
3 月， 人機圍棋世紀之戰打響：李世乭在 5 番棋中以 1：4 敗給 AlphaGo， 震驚了整個圍棋界以及......朋友圈...
4 月， 人工智慧成為 Facebook 開發者大會上的主角， 基於 AI 技術的聊天機器人開放平臺， 讓很多人第一次感性地認識了這個聽起來有點深奧的技術概念。
5 月， Google 首席執行官 Sundar Pichai 在 Google IO 上高調宣佈公司未來戰略將由「移動優先」轉向「人工智慧優先」， 並發佈了智慧語音家庭助理 Google Home。
9 月， Amazon、Facebook、Google、IBM、Microsoft 五家公司宣佈在人工智慧領域建立合作， 分享其各自在 AI 技術上的突破， 以吸引更多人才進入這一領域。
12 月， Amazon 宣佈他們在剛剛過去的這個聖誕假期中， 賣出了上百萬台 Amazon Echo （亞馬遜旗下智慧語音助理）。
前不久， 前微軟高級副總裁陸奇宣佈將加盟百度， 除了負責百度旗下眾多主線產品業務， 還將專攻人工智慧研發。
據「財富」雜誌預測， 人工智慧將會在 2020 年成為一個價值 700 億美金的市場， 我們看到的是一個爆火的概念和急速發展的市場。 那麼， 現在這個市場上缺什麼？
兩樣東西—— 產品和 人才——而這， 就和設計師密切相關了。
人工智慧說到底是一個技術概念， 它需要產品來落地。 AlphaGo 打敗再多高手， 也只是一個圍棋大師。 真正有價值的東西是它背後的深度神經網路和樹搜索演算法——你可能會問「這東西和設計有半毛錢關係嗎？」
有， 不止半毛錢。
在設計創新領域深耕多年的 Patrick Hoof 教授預測說：
Design will be less about delivering on a user’s request, and more about responding to the needs they haven’t expressed yet.
未來， 設計會更多地去回應用戶還沒有表達的需求， 而不是去為了回應用戶主動提出的需求。
這句話換個表達就是， 未來的產品， 可以並且應該比用戶更早知道用戶的下一步， 並提前作出應對。
「知道你的下一步是什麼」——這其實就是下圍棋的道理， 比你想在前頭。 海量的資料， 先進的演算法， 再加上超強的機器計算力， 使得「機器比你自己更早知道你需要什麼」成為了可能。 為什麼以前不行呢？
因為用戶的下一步行為和圍棋對手的下一招一樣， 都難以預測。 現在之所以可能了， 是因為我們在資料、演算法和計算能力上取得了長足進步。 於是， 圍棋界有了 AlphaGo， 而互聯網則有了新的產品機會。
身為設計師， 如果你能夠掌握人工智慧領域最基本的幾個概念， 並在此基礎之上充分發揮對產品的想像力， 知道 AI 技術已經可以做到什麼、未來有希望做到什麼， 你就能走在這個浪潮洶湧的時代前面。
發揮想像力之前， 讓我們先來看看美國幾個巨頭公司們， 用現有的人工智慧技術已經做到了什麼， 他們把它轉化成了哪些產品形態。
AI 技術在現有產品設計中的運用
先講一個你可能沒注意到的例子。
Google Doc
Automatic Outline - Google Doc
Google Doc 去年悄悄地上線了一個功能： 它會根據文本格式自動為你生成文章大綱（大綱起到全文概覽和導航的作用）。也就是說，你不用告訴 Google Doc 某行內容是否是一級標題、二級標題還是三級標題，Google Doc 會分析文字格式、並結合大量歷史資料，自動推測出你的意圖。
回想一下，你是否有一套自己偏好的文字樣式規範？比如經常把一級標題居中、加粗？二級標題用加粗的 16 號字，正文用 11 號？Google Doc 學習了你的這些習慣（事實上是學習了無數用戶的習慣），自動列出文章提綱，從而提升你的工作效率。
這是一個非常典型的運用人工智慧改進現有產品的例子，然而卻不容易被普通用戶覺察到。正如最好的設計是「感受不到的設計」， 最好的智慧是「隱形的智能」。
再來看一個常用產品的例子。
Inbox
Smart Reply - Inbox by Gmail
Inbox 是 Google Gmail 團隊開發的一款郵件應用，它有一個非常經典的功能叫做「智慧回復」。例如，同事向你詢問是否有某一個文檔，在你打開這封郵件的同時，Inbox 就會自動分析這封郵件的內容，並據此自動為你生成一些快捷回復選項。
更神奇的是，Inbox 還會根據你的過往郵件回復不斷學習並修正這些句子，來使得這些句子變得越來越像你平時寫郵件的口吻。
Smart Reply 這樣的功能不再是媒體今天爭相報導的「黑魔法」，而是實實在在地成為了一個被用戶廣泛使用的功能。 我們在產品設計中運用人工智慧技術，目的是為了滿足使用者的需求，而不是強調技術本身。事實上很多時候，我們做設計的目的就是為了掩蓋技術本身，而不是反過來。
亞馬遜旗下智慧語音助理 Amazon Echo
第三個例子，是前不久在 CES 大會上大紅大紫的 Amazon Echo。Echo 的介面開放策略讓許多和 AI 相關的軟硬體公司選擇與其緊密合作，互利共贏，以致 CES 上幾乎呈現出亞馬遜在語音助理方向上一家獨大的局面。
Alexa，把客廳燈關了，把我的床頭燈開到一半的亮度。
Alexa，再買一袋我上個月買過的那款貓糧。
Alexa，我今天早上的會議幾點開始？
就在幾年前，這些「人機對話」還大多只是停留在電腦實驗室裡、科幻電影的劇本上。然而只在過去短短的兩年時間，「智慧語音助理」就已經走入了美國幾百萬戶尋常百姓的家庭。
語音交互設計師（Voice Interaction Designer）在矽谷成了搶手的香餑餑。他們不用 Photoshop、Sketch 做介面，也不用 Principle、Framer 做原型。一個新的技術時代，催生了一種新的設計崗位。
給設計師的 3 個建議
在未來兩年裡，許多科技公司將主動投身於人工智慧的浪潮之中。身為設計師的你，在伏案畫介面的同時，有沒有關注公司新一年的年度目標？「人工智慧」是否在列？它被提及了幾次？優先順序如何？你為此做好準備了嗎？
也許你負責的產品中已經運用了人工智慧（若不自知，實該警醒），也許你正在考慮如何通過人工智慧來改善產品體驗。這裡有 3 個建議，給已經、即將和人工智慧打交道的設計師們參考。
建議一：「人工智慧」不夠智慧，請隨時準備好「擦屁股」
當 AlphaGo 所向披靡，當視頻裡的語音機器人無所不知，當矽谷黑科技刷遍你的朋友圈，你很難去相信這個事實： 「人工智慧」在絕大多數領域的智慧水準，其實還只是個嬰兒——設計師要謹記這一點。
如果機器學習結果出錯，你是否為用戶提供了方便的「非智慧」方式，説明她解決問題？
在做 AI 產品設計時，要時時牢記假設機器學習的最壞結果。 最壞結果下的「撤退方案」，和最佳結果下的設計一樣重要，很多時候甚至更重要。
一旦用戶產生了失望、沮喪的情緒，就很容易放棄這個功能、甚至整個產品，這種結果是很難挽回的。因此，實際上更重要的一條原則是，如果你對「機器智慧」的信心不足，寧可選擇不做。
如何清楚地向用戶傳達出「智慧」帶來的好處，如何為隨時可能出現的錯誤，提供優雅的解決方案——這是對設計師們的挑戰。
建議二：降低使用門檻，及時正向回饋
為使用者提供個性化內容，是人工智慧技術一個非常常見的應用場景。瞭解使用者的一些基本資訊，往往是個性化內容的基礎。獲取使用者資訊，這件事情聽起來簡單，但並不容易做好。
Quora（可以簡單理解為英文版知乎）要求新用戶在第一次註冊完成後， 必須選擇至少 10 個感興趣的領域。並且，用戶會被要求手動輸入自己熟知的領域。我們都理解，這是 Quora 希望通過掌握使用者的初始資料，從而為使用者展示個性化內容。這個交互流程的初衷很好，然而你卻能看到很多用戶在 Reddit 和 Twitter 上抱怨。
Quora 的使用者註冊流程
問題出在哪裡？兩個原因：
1. 門檻過高
在使用者使用產品之前，應該儘量簡化強制性任務。在 Quora 這個例子裡，選擇至少 10 個興趣（不可跳過），還要求用戶手動輸入熟知領域，這個門檻有點過高了。新使用者在註冊完成前，什麼內容都沒看到，甚至可能連這個網站究竟是什麼都不明確（Quora 的首頁只有一個註冊登錄框）。
這種時候，任何強制性、高認知負荷的任務都可能會造成用戶流失。用戶沒有義務回答這些問題，也並不一定清楚，完成這些任務能為她帶來什麼好處。
你是否能想到一些優化的思路，來降低這個門檻？比如：是否可以基於用戶已經做出的前兩個選擇（比如「互聯網」和「設計」），猜測出使用者可能還對什麼話題感興趣，從而降低必選項的數量？是否能夠在使用者使用產品後，通過分析使用者的流覽行為來逐步瞭解她的其他興趣？
2. 回饋不及時
如果獲取初始資料是強制的、繁重的，並且用戶也不能感受到提供資料帶來的好處，那麼「訓練人工智慧」對用戶來說，感覺就像是一場「義務勞動」——這種感覺是我們在產品設計中要儘量避免的。因此，對於用戶的付出，我們都要盡可能地及時回饋。
舉兩個產品的例子：
在 Facebook 裡，如果你向新公司同事發出了好友申請，你會發現，Facebook 會立即更新「你可能認識的朋友」清單。
在網易雲音樂的「私人 FM」裡，如果你「喜歡」了一首歌，你很可能會很快就聽到該歌手的其他歌曲。
其實 AI 產品中這種回饋機制的設計，和遊戲設計的原則是一樣的。我們要構建的就是一個 「首次任務」-> 「及時回饋」-> 「激勵用戶完成下一個任務」這樣正向的、有節奏的短迴圈。回想一下讓你欲罷不能的遊戲，是不是都是這個套路？
建議三：別著急，從小事開始積累信任
市面上所有的「智慧助理」類產品距離真正的「智慧」還有很長的路要走。現階段，人工智慧產品最最緊要的事情就是建立「用戶信任」，這件事很重要，但急不得。把天氣報好了，放音樂放對了，把鬧鐘設准了——我們要從這些標準化的小任務開始，慢慢地贏得用戶信任。
大公司做產品的性子往往很急（這其實給了很多 AI 小團隊機會），但這裡不得不表揚電商巨頭 Amazon。坐擁上百萬 Echo 用戶，面對「智慧購物助理」這個誘人的大蛋糕，Amazon Echo 卻耐住了性子。他們先從「重複購買」這一小塊蛋糕開始入手。
高頻次、低錯誤率——這是現階段所有人工智慧產品都應該去努力尋求的切入口。
大部分人天性不喜歡被他人「指導」，不喜歡失去控制權。但如果一個人不斷地完成了你讓她做的每一件小事，信任就隨之產生了。當用戶慢慢習慣了說一句話，牙膏、貓糧、廚房紙第二天就送到了家，也許有一天，用戶也會信任她去做叫外賣、訂機票、訂酒店，甚至買車、買房。
信用這件事，建之不易，毀之頃刻。所以，人工智慧產品的設計師們，千萬別著急，從小事做起，努力積累產品的信用分。
結語
1956年的達特茅斯會議上，「人工智慧」第一次被正式命名。過去60年來，它已經經歷了兩次大起大落。而今天， 我們正處在第三次人工智慧大潮之中。
如果你相信現代社會中仍有大量勞動可以被機器智慧取代，那麼你就應該相信人工智慧必然會持續高速發展，你就應該為此做好準備。
當你接到下一個人工智慧相關的產品設計需求，不妨想一想：
你為不夠智慧的「人工智慧」隨時準備好「擦屁股」了嗎？
用戶的使用門檻夠低嗎？正向的回饋夠及時嗎？
機器學習的錯誤率足夠低嗎？使用者更滿意、更信任你的產品了嗎？
Automatic Outline - Google Doc
Google Doc 去年悄悄地上線了一個功能： 它會根據文本格式自動為你生成文章大綱（大綱起到全文概覽和導航的作用）。也就是說，你不用告訴 Google Doc 某行內容是否是一級標題、二級標題還是三級標題，Google Doc 會分析文字格式、並結合大量歷史資料，自動推測出你的意圖。
回想一下，你是否有一套自己偏好的文字樣式規範？比如經常把一級標題居中、加粗？二級標題用加粗的 16 號字，正文用 11 號？Google Doc 學習了你的這些習慣（事實上是學習了無數用戶的習慣），自動列出文章提綱，從而提升你的工作效率。
這是一個非常典型的運用人工智慧改進現有產品的例子，然而卻不容易被普通用戶覺察到。正如最好的設計是「感受不到的設計」， 最好的智慧是「隱形的智能」。
再來看一個常用產品的例子。
Inbox
Smart Reply - Inbox by Gmail
Inbox 是 Google Gmail 團隊開發的一款郵件應用，它有一個非常經典的功能叫做「智慧回復」。例如，同事向你詢問是否有某一個文檔，在你打開這封郵件的同時，Inbox 就會自動分析這封郵件的內容，並據此自動為你生成一些快捷回復選項。
更神奇的是，Inbox 還會根據你的過往郵件回復不斷學習並修正這些句子，來使得這些句子變得越來越像你平時寫郵件的口吻。
Smart Reply 這樣的功能不再是媒體今天爭相報導的「黑魔法」，而是實實在在地成為了一個被用戶廣泛使用的功能。 我們在產品設計中運用人工智慧技術，目的是為了滿足使用者的需求，而不是強調技術本身。事實上很多時候，我們做設計的目的就是為了掩蓋技術本身，而不是反過來。
亞馬遜旗下智慧語音助理 Amazon Echo
第三個例子，是前不久在 CES 大會上大紅大紫的 Amazon Echo。Echo 的介面開放策略讓許多和 AI 相關的軟硬體公司選擇與其緊密合作，互利共贏，以致 CES 上幾乎呈現出亞馬遜在語音助理方向上一家獨大的局面。
Alexa，把客廳燈關了，把我的床頭燈開到一半的亮度。
Alexa，再買一袋我上個月買過的那款貓糧。
Alexa，我今天早上的會議幾點開始？
就在幾年前，這些「人機對話」還大多只是停留在電腦實驗室裡、科幻電影的劇本上。然而只在過去短短的兩年時間，「智慧語音助理」就已經走入了美國幾百萬戶尋常百姓的家庭。
語音交互設計師（Voice Interaction Designer）在矽谷成了搶手的香餑餑。他們不用 Photoshop、Sketch 做介面，也不用 Principle、Framer 做原型。一個新的技術時代，催生了一種新的設計崗位。
給設計師的 3 個建議
在未來兩年裡，許多科技公司將主動投身於人工智慧的浪潮之中。身為設計師的你，在伏案畫介面的同時，有沒有關注公司新一年的年度目標？「人工智慧」是否在列？它被提及了幾次？優先順序如何？你為此做好準備了嗎？
也許你負責的產品中已經運用了人工智慧（若不自知，實該警醒），也許你正在考慮如何通過人工智慧來改善產品體驗。這裡有 3 個建議，給已經、即將和人工智慧打交道的設計師們參考。
建議一：「人工智慧」不夠智慧，請隨時準備好「擦屁股」
當 AlphaGo 所向披靡，當視頻裡的語音機器人無所不知，當矽谷黑科技刷遍你的朋友圈，你很難去相信這個事實： 「人工智慧」在絕大多數領域的智慧水準，其實還只是個嬰兒——設計師要謹記這一點。
如果機器學習結果出錯，你是否為用戶提供了方便的「非智慧」方式，説明她解決問題？
在做 AI 產品設計時，要時時牢記假設機器學習的最壞結果。 最壞結果下的「撤退方案」，和最佳結果下的設計一樣重要，很多時候甚至更重要。
一旦用戶產生了失望、沮喪的情緒，就很容易放棄這個功能、甚至整個產品，這種結果是很難挽回的。因此，實際上更重要的一條原則是，如果你對「機器智慧」的信心不足，寧可選擇不做。
如何清楚地向用戶傳達出「智慧」帶來的好處，如何為隨時可能出現的錯誤，提供優雅的解決方案——這是對設計師們的挑戰。
建議二：降低使用門檻，及時正向回饋
為使用者提供個性化內容，是人工智慧技術一個非常常見的應用場景。瞭解使用者的一些基本資訊，往往是個性化內容的基礎。獲取使用者資訊，這件事情聽起來簡單，但並不容易做好。
Quora（可以簡單理解為英文版知乎）要求新用戶在第一次註冊完成後， 必須選擇至少 10 個感興趣的領域。並且，用戶會被要求手動輸入自己熟知的領域。我們都理解，這是 Quora 希望通過掌握使用者的初始資料，從而為使用者展示個性化內容。這個交互流程的初衷很好，然而你卻能看到很多用戶在 Reddit 和 Twitter 上抱怨。
Quora 的使用者註冊流程
問題出在哪裡？兩個原因：
1. 門檻過高
在使用者使用產品之前，應該儘量簡化強制性任務。在 Quora 這個例子裡，選擇至少 10 個興趣（不可跳過），還要求用戶手動輸入熟知領域，這個門檻有點過高了。新使用者在註冊完成前，什麼內容都沒看到，甚至可能連這個網站究竟是什麼都不明確（Quora 的首頁只有一個註冊登錄框）。
這種時候，任何強制性、高認知負荷的任務都可能會造成用戶流失。用戶沒有義務回答這些問題，也並不一定清楚，完成這些任務能為她帶來什麼好處。
你是否能想到一些優化的思路，來降低這個門檻？比如：是否可以基於用戶已經做出的前兩個選擇（比如「互聯網」和「設計」），猜測出使用者可能還對什麼話題感興趣，從而降低必選項的數量？是否能夠在使用者使用產品後，通過分析使用者的流覽行為來逐步瞭解她的其他興趣？
2. 回饋不及時
如果獲取初始資料是強制的、繁重的，並且用戶也不能感受到提供資料帶來的好處，那麼「訓練人工智慧」對用戶來說，感覺就像是一場「義務勞動」——這種感覺是我們在產品設計中要儘量避免的。因此，對於用戶的付出，我們都要盡可能地及時回饋。
舉兩個產品的例子：
在 Facebook 裡，如果你向新公司同事發出了好友申請，你會發現，Facebook 會立即更新「你可能認識的朋友」清單。
在網易雲音樂的「私人 FM」裡，如果你「喜歡」了一首歌，你很可能會很快就聽到該歌手的其他歌曲。
其實 AI 產品中這種回饋機制的設計，和遊戲設計的原則是一樣的。我們要構建的就是一個 「首次任務」-> 「及時回饋」-> 「激勵用戶完成下一個任務」這樣正向的、有節奏的短迴圈。回想一下讓你欲罷不能的遊戲，是不是都是這個套路？
建議三：別著急，從小事開始積累信任
市面上所有的「智慧助理」類產品距離真正的「智慧」還有很長的路要走。現階段，人工智慧產品最最緊要的事情就是建立「用戶信任」，這件事很重要，但急不得。把天氣報好了，放音樂放對了，把鬧鐘設准了——我們要從這些標準化的小任務開始，慢慢地贏得用戶信任。
大公司做產品的性子往往很急（這其實給了很多 AI 小團隊機會），但這裡不得不表揚電商巨頭 Amazon。坐擁上百萬 Echo 用戶，面對「智慧購物助理」這個誘人的大蛋糕，Amazon Echo 卻耐住了性子。他們先從「重複購買」這一小塊蛋糕開始入手。
高頻次、低錯誤率——這是現階段所有人工智慧產品都應該去努力尋求的切入口。
大部分人天性不喜歡被他人「指導」，不喜歡失去控制權。但如果一個人不斷地完成了你讓她做的每一件小事，信任就隨之產生了。當用戶慢慢習慣了說一句話，牙膏、貓糧、廚房紙第二天就送到了家，也許有一天，用戶也會信任她去做叫外賣、訂機票、訂酒店，甚至買車、買房。
信用這件事，建之不易，毀之頃刻。所以，人工智慧產品的設計師們，千萬別著急，從小事做起，努力積累產品的信用分。
結語
1956年的達特茅斯會議上，「人工智慧」第一次被正式命名。過去60年來，它已經經歷了兩次大起大落。而今天， 我們正處在第三次人工智慧大潮之中。
如果你相信現代社會中仍有大量勞動可以被機器智慧取代，那麼你就應該相信人工智慧必然會持續高速發展，你就應該為此做好準備。
當你接到下一個人工智慧相關的產品設計需求，不妨想一想：
你為不夠智慧的「人工智慧」隨時準備好「擦屁股」了嗎？
用戶的使用門檻夠低嗎？正向的回饋夠及時嗎？
機器學習的錯誤率足夠低嗎？使用者更滿意、更信任你的產品了嗎？