WWDC 19,Session 803,机器学习与体验设计相话题,包括基本原、设计要素、数据、指标、界面设计原则。
说起机器学习,总会想一系列相关话题,例如语音识别、计算机视觉、深度神经网络、个性化理等等。在 Apple,非常关注于如何面向机器学习进行体验计,因为正在提供或将要造的产品都不可能脱离于这项技存。
例如 AirPods 可以帮我们唤起 Siri,使我们能够脱离屏幕手参与的况下,仅通过语音控制设备;离了 Siri 与机器学习,这样的体验就无从谈起。
同样以机器学习基础的 Face ID 则可以帮我们行便捷的安全认证。
机器学习还会被运用到很多人们几乎察觉不到的方,于无形之中提升设备体验。譬如我们会通过机器学习了解人们的打字习惯,动态增或减小键盘按键的实际点击区域,使其符合人们的使用规律。
机器学习的应用形式多种多样的,非局限于语音手、内推荐算法或自动驾驶一类。它既能被用于产品的优化,也能融入新产品实加丰富多彩的体验。
下来以「照片」为例,了解一下机器学习 app 计之间的关系。
在「照片」中,机器学习可以帮助人创建相册,编辑照片,搜索记忆。近来正好需要搜索安吉的照片并享给朋友。安吉是家的狗狗,这张照片拍摄于多年前。
其实就在不久之前,要找这一张定的照片都是非常困难的事,你需要在机成千上万张照片当中,花上多间寻找一番,期间还必须回想着那张照片可能是在何何拍摄的。往往会半途而废,寻找照片这件事成了发起人际交流的障碍。
从 iOS 10 开始,在「照片」中引入了搜索功能。经过持续的迭代优化,如今照片搜索的体验模式大致是这的:点击搜索框,输入「dog」,然后得一个包含所有狗狗照片的列表;选择要找的那张,然后享给的朋友。
基于图中的内搜索照片,这一技改变了我们与图信息的互动方式,如今我们已习以常。如此简单便捷的体验其实过精设的,其中自然涵盖一系列界面层面的设作,例如分类搜索建议、自动补全关键词、将搜索结果与「时刻」行关联。
然如果只关注界面设,我们就很易忽视掉整智能化体验当中重的部分,即内本身的输出逻辑,包括搜索结果类别及匹配度的制。设不止存于界面层面。
对于以机器学习核的功能或产品,塑造其体验时,设师需考虑的远不止界面样式交互层面的设。除了流程、操作体验、外观学,我们同样需对机器学习的运用方式及输出逻辑行设。
么让我们来一下机器学习在照搜索功能当中的基运机。
将核的逻辑提炼出,我们可以简单理解:app 能够对图的内行扫描,并判断其中否包含系统已知的对象类型。
对于的案例来说,app 可以判断安吉的照片中存在「狗」这种类型。
在传统的编程方式下,必须编写代码告诉计算机体做些什。需要在代码中预先定义不同的品种、景,包括不同类型的图片辨率,因为用户各有不同,的爱犬也多种多。
我们还需要通过代码将狗狗与他类似的物区分,例如这只鬣狗。它虽然长得像狗,但你会想它做你的宠物。
有这些变量组合起来,结果是无穷无尽的,我们全没可通过编写代码来预先进行整的定义。
而「狗」是我们可能需要识成千上象类型而已,有太多实需求令我们法预先告诉计算具体要做些什么。这情况下,我们可以过学习技术来「教」计算该怎样做。
具体如何来「教」?我们需要为计算提供大量「范例」进训练。
例我们希望计机学将包含狗的照与不包含狗的照区分开来,我们就要预先提供两种类型的照,供它学习其中的特征。计机逐渐培出判断能力,而个能力即被用到我们的 app 当中,用以构建照搜索。
我们将个判断能力称「模型」。
完成练之,模型便以分析它此前从未见的照,从中识别出不同种类的狗狗,并能将狗狗与其他动物或物区分开来。
模型是机器学习的核心。任何基机器学习所构建的功能离不开相应的模型。Siri 拥有将人声转化为文字的模型。键盘拥有判断用户输意图的模型。
对以机器学习为核心的功能或产品,其验设计必须同时考虑到「界面」与「模型」两个面。我们次的主题将涵盖到两大方面。
模型训练是件复杂事,你可能需要在算法、参数、框架等进大量决策。这些决策会影响到模型能力,并最终决定着产品体验的优劣。
所有相关决策在本质上都是品设计决策。于设计师而言,其某些是需要特关注,括两个层。
1. 模型层
- 通过怎的范例训练模型,即「数据」。
- 如何判断模是否有效,即「指标」。
2. 界面面
- 如何将处结果呈现给户,即「输」。
- 用户如何与模型进互动,如何过互动来改进模型,即「输入」。
关于WWDC 计大会,这个专题也不能错过!
注作者的微信公众号:「Beforweb」