随着ChatGPT在23年头的火热，AI飞腾依然运行席卷九行八业，东说念主们对于AI的关爱就像是看着第一款iPhone发布或者蒸汽机的发明，期待着它带来一场信息期间的工业改进。同期，AI替代60%岗亭的标语也足以让干系从业者感到前所未有的压力与火暴。在各大设计网站上，对于AI的内容肉眼可见的占据了越来越多的比重，包括AI在设计进程中的应用、种种AI最新用具等先容、AI的使用技巧、AI生成的海报/插画等作品……刹那间，似乎全民都参加到了AI的波澜之中。

反偏激来看，对于用户体验设计而言，由于家具的底层逻辑被AI改写，家具的生态、单个家具的形态、使用方式等都将发生寰宇长期的变化。连带着的，由于生产用具的变革，家具的设计、开发进程也将随之发生变化，进一步提高后果，对于从业东说念主员的能力条件也在实时更新。

对于这样一种波澜，埋头当个鸵鸟或者嗤之以鼻是莫得真谛的，咱们需要看到、意识、拥抱它。是以有东说念主笑称：打不外就加入。同期，对于种种所谓干掉各个岗亭的宣传，也引诱着、推动着咱们去了解将被什么干掉以及怎么被干掉。

从另一方面讲，只好在技巧变革的时候，弯说念超车才有可能。如果只是沿用之前的警戒与技巧，那么纯熟的企业就会有先发上风。然则迎靠近新的技巧变革时，群众被拉回到同总计跑线上，这个时候，就看谁大要找到正确的宗旨，率先解围。

是以，不管是被迫也好，照旧主动也好，靠近着新一轮的技巧变革，也但愿从AI能力本人、所带来的变化、以后的发展等方面全面了解一下这个新的期间骄子。

本文结构：

01 AI干系倡导与术语1.1 AI&AIGC

东说念主工智能或者说AI，Artificial Intelligence。是用机器来模拟东说念主的智能或者想维模式来完成各项任务目的。

从其责任的机制而言，咫尺主要分为两种：决策式东说念主工智能，生成式东说念主工智能。决策式东说念主工智能。左证已少见据进行分析、判断、瞻望，比如咱们常见的抖音、头条、淘宝等的推选算法。生成式东说念主工智能。通过分析现存数据来生成师法、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，东说念主工智能也不错分为强东说念主工智能和弱东说念主工智能。强东说念主工智能。通用型东说念主工智能（AGI，Artificial General Intelligence）。大要像东说念主类同样对不同规模进行顾虑、推理和措置问题。规模间的知识与警戒不错移动、鉴戒，是“通才”。既不错写诗画画，又不错会诊疾病，还不错进行数学蓄意。弱东说念主工智能。在某一规模具备专科能力、措置特定问题，能力没法泛化，是专才。比如下围棋的AlphaGo，不错击败东说念主类围棋寰宇冠军，然则没法回答你“白毛浮绿水”的下一句是什么。

AIGC（Artificial Intelligence Generative Content）

东说念主工智能生成的内容，包括文本、语音、图片、视频等多种方式。

1.2 AI Agent

1.2.1 东说念主类与AI合作的三种模式：

镶嵌（Embedding）模式：类似于L2级别的自动驾驶。东说念主类占据主导，AI动作用具，施行某条具体的大呼。副驾驶（Co-pilot）模式：类似于L3级别的自动驾驶。东说念主与AI共同参与，与东说念主类之间相互协商、交流，完毕某一目的。智能体（Agent）模式：类似于L4级别的自动驾驶。东说念主类动作指挥者、监督者、评估者。AI动作沉静的行动者，自主分析目的、拆解任务、尝试施行、对比收场与目的、优化施行法子与方式并最终实施完成东说念主类成立的目的。

AI与东说念主类合作模式

1.2.2 AI Agent是什么

AI Agent是有能力主动想考和行动的智能体。让任务自动化，主要包括感知、顾虑、经营与决策、行动/使用用具。

就像吴恩达在TED演讲中提到的：“许多责任包含不同的任务，AI自动化的是任务而不是责任。”与顺利使用大语言模子比拟，AI Agent大要依据目的分解复杂的责任进程，从而完毕大语言模子的自我对话与运转，而不是简单地施行单一任务或者由东说念主类来驱动任务的每一步。

AI Agent = 感知（Perceive）+LLM（顾虑（Memory）+经营（Planning ））+用具使用（Tool use）/行动（Action）

AI Agent

感知是AI Agent使用传感器与周围环境交互，感知真实的物理寰宇，这个部分触及到多模态的信息解析与处理。顾虑让AI Agent不错存储对于某些宗旨的专科知识以及交互过程中产生的信息，从而利用这些警戒来援助、优化后续的决策与行动。经营和决策就像是通过大脑进行分析，包含事先经营和过后反想。LLM在这里就类似于大脑。AI Agent让AI不再是施行单一的任务，而是自动将复杂的任务拆解为一个个可施行的子任务法子，然后按照递次施行，并结合感知与顾虑信息在过程中连接试错、优化，最终得到得志目的的收场。用具的使用就像是能力集成/封装，类似于APP将能力打包的逻辑（比如修图类app不错提高亮度、剪辑画面、改变色调等等）。通过利用外部的资源或用具来施行任务，从而拓展AI Agent的能力规模。同期各个AI Agent之间还大要相互交流、合作，通过不同能力之间的配合来阐发最大的着力。

AI Agent骨子而言是一个更好阐发大模子能力的技巧框架，是围绕LLM搭建的一套措施。让用户不再只是与LLM进行对话，而是左证场景，借助LLM 的分析、推理能力，制定措置想路并调用不同的用具的能力，从而措置问题或者达成既定目的。简单判辨为一个会使用大语言模子能力以及各种用具来匡助东说念主类措置问题的助理。

1.3 AI的算法

1.3.1 AI的三大派系

1.3.1.1 符号主义：

基于统计方法，通过建模瞻望让机器通过蓄意来模拟东说念主的智能，完毕识别、瞻望等任务

主要代表算法有：朴素贝叶斯，逻辑总结，决策树，援助向量机。

1.3.1.2 联结主义：

认为生物智能是由神经汇集产生的，不错通过东说念主工方式构造神经汇集，历练神经汇集产生智能。也等于模拟东说念主的脑部神经系统，通过构建神经元与他们之间的联结，来构建一个不错学习、推理的神经汇集。

主要代表等于神经汇集算法。

1.3.1.3 步履主义：

认为生物的智能来自对外界的复杂环境进行感知蔼然应，通过与环境和其他生物之间的相互作用，产生更强的智能。也等于通过尝试与反馈来强化学习、改进系统自身的步履。

主要代表算法是强化学习。

1.3.2 咫尺主流的算法：

咫尺主流的算法都是基于神经汇集和机器学习，在此基础上创新与结合。

1.3.2.1 神经汇集（Neural Network）

东说念主工智能三大派系中的联结主义的代表算法，通过东说念主工方式构造神经汇集，历练神经汇集产生智能。最早发祥于麦卡洛克-匹兹模子/M-P神经元模子（McCulloch-Pitts model）。

简单来说等于师法东说念主脑的神经元结构，构建一个函数蚁集动作基本单位，然后再相互之间加权拼接形成神经汇集。一个神经元等于一个函数/端正，前一个神经元的输出动作后一个神经元的输入。

轮回神经汇集 （Recurrent Neural Networks, RNN）

神经汇集的一种。枢纽在于多一个逃匿层，不错将上一次的输坐蓐生的输出动作这一次输入的一部分。简单来说等于大要记取迤逦文信息。

在此基础上演变出来的曲直期顾虑（Long short-term memory, LSTM），让模子不错去遴选记取什么信息、忘掉什么信息，而不是越早的信息牵铭记越少，或者无别离地全部记取前文的信息，幸免短期顾虑、梯度爆炸、梯度澌灭等问题。（梯度可简单判辨为变化率）

主要用于语音分析、笔墨分析、时期序列分析。

卷积神经汇集（ Convolutional Neural Network, CNN）

基本机构包含输入层、卷积层、池化层、全集合层、输出层。

卷积层的主要目的是识别与提真金不怕火不同的局部特征。

池化层也叫降采样层，其骨子是采样分享。简单来说等于通过用归并个采样值（最大值或者平均值之类）来代替那些别离不大的采样值，以便减少数据量。

主要用于图像识别、东说念主脸识别等。

1.3.2.2 生成式对抗汇集（Generative Adversarial Networks, GAN）

主要包含生成器(Generator)、判别器(Discriminator)。

生成器用于生成内容，判别器用于判断生成汇聚积产生的内容是真实数据照旧生成的数据。

生成器要连接优化我方的生成数据让判别器判别不出来；判别器也要优化我方的判断能力，使其更准确；通过相互之间的对抗、制约来完毕历练过程。

1.3.2.3 Transformer模子：

谷歌的论文《Attention Is All You Need》中建议一种神经汇集模子架构。主要特质在于加入自提神力（Self-attention）机制来处理序列数据。

自提神力机制通过给长文本中每个词不同样的权重来判断每个词之间的干系性，从而判断总计文本中最伏击的部分。

与RNN比拟，Transformer会将一串序列中的每个词的真谛及其位置信息结合起来传输给神经汇集，从而让模子不错同期处理序列里的通盘位置的信息，而不需要像RNN那样递次处理。这种并行蓄意带来的自制是大大提高了模子的历练速率，从而为大模子的发展奠定了基础。

1.3.3 当然语言处理（Natural Language Processing, NLP）

“语言判辨是东说念主工智能规模金冠上的明珠”——比尔盖茨

当然语言处理（NLP）等于在机器语言和东说念主类语言之间交流的桥梁，终极目的等于让东说念主和机器大要通过当然语言进行交互，也等于让机器大要判辨东说念主类的语言、笔墨等。

主要包含当然语言判辨（NLU）和当然语言生成（NLG）。简单来说等于听懂东说念主话和说东说念主话。

1.3.4 机器学习（Machine Learning, ML）

通盘的对象，无论东说念主类、动物，以致是无人命机械，如果接受外界信息的刺激之后，能形成警戒反应，并影响日后的步履，那其实这个过程就依然不错称之为“学习”了。——《智谋的疆界：从图灵机到东说念主工智能》

机器学习是完毕东说念主工智能的中枢方法。从有限的不雅测数据中“学习”（or“计算”）出一个具有一般性的法令，并利用这些法令对未知数据进行瞻望的方法。

简单来说，机器学习等于通过数据历练让算法掌捏法令。

机器学习

1.3.4.1 深度学习（ Deep Learning）

机器学习的一个分支。使用深眉目神经汇集模子进行学习。深度是指模子有多个眉目的神经元。通过逐层分解来措置复杂度较高的问题。

深度学习与传统机器学习最大的区别在于使用神经汇集模子代替东说念主工的特征提真金不怕火过程，通过数据历练来优化模子的阐发。

可简单判辨为使用神经汇集算法的机器学习。

1.3.4.2 监督学习（Supervised Learning）

有措施谜底的学习。其基本想想是利用带有标签的历练数据来历练模子，从而使其大要从输入数据中学习到输入与输出之间的映射关系，然后不错利用这个映射关系对新的未打标签数据进行瞻望。

监督学习需要告诉模子：1. 事物的枢纽特征是什么（称为特征）；2. 那东西到底是什么。就像学生刷题，通过进修赢得的警戒来解新的题目。

1.3.4.3 无监督学习（Unsupervised Learning）

莫得措施谜底的学习。其目的是让模子从未符号的数据中自行发现共性、结构、模式、关联或者暗意，而无需使用东说念主工标签或者先验知识的率领。包括聚类、降维、特地检测等。

1.3.4.4 强化学习（Reinforcement Learning）

与监督学习、无监督学习类似，亦然一种机器学习的方式。

算法连接的尝试、试错，反馈机制通过犒赏与处分告诉算法哪种是好的，哪种是不好的，从而规训其步履宗旨。简单来说等于奖励积极步履和处分绝望步履。

好意思剧《生活大爆炸》中Sheldon就使用巧克力动作奖励，驯化Penny的步履。

1.3.5 大语言模子（Large Language Model, LLM）

是一种基于神经汇集、机器学习、当然语言处理技巧的模子，咫尺大部分知名的大语言模子都是基于Transformer架构。

它通过将每个词振荡为向量输入到模子中，并使用多数的文本数据进行历练，让模子来学习管事东说念主类语言判辨和生成的能力。

大语言模子的【大】主要体当今历练数据与模子参数的大，从而需要更高的算力援助。

与传统的机器学习模子比拟，大模子具有更强的暗意能力和泛化能力，大要处理海量数据、完成种种复杂的任务，如当然语言处理、蓄意机视觉、语音识别等。

02 AI能力分析2.1 东说念主类能力地形图

机器东说念主行家汉斯·莫拉维克（Hans Moravec）曾建议东说念主类能力地形图的倡导，其中，海拔高度代表这项任务对蓄意机的难度，连接高涨的海平面代表蓄意机当今能作念的事情。

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

AI的发展，会缓缓湮灭东说念主类的特有的上风规模。最终，当AI运行具备设计东说念主工智能的能力（AI Design），AI能力的推动将有AI我方的改进来推动，其速率会比由东说念主类推动快得多。这亦然所谓的“奇点”，到达奇点，东说念主工智能将出现爆发式的增长。

就咫尺而言，东说念主类与AI各有上风，是以东说念主类与AI联袂合作，阐发各自的上风，形成群体智谋，完毕1+1> 2 才是最优解。

2.1.1 东说念主类比拟于AI，所领有的上风：

自主创造、构想以及策略性经营、精细化决策具有同理心，大要判辨东说念主类的心境、情愫对于好意思的判辨与感受不同规模之间的警戒不错移动、复用具备学问具有价值不雅、东说念主生不雅、寰宇不雅，大要判辨东说念主类的步履与文化不错完成精确且复杂的膂力责任不错收缩界定想考问题的框架，也等于哪些问题与任务干系，哪些无关

2.1.2 AI比拟于东说念主类，所领有的上风：

莫得情愫等主不雅身分，比东说念主类更感性，不错公正客不雅对待每个决策不错在极短时期内完成超复杂的运算，从而产出多数的决策与探索收场不错万古期不厌其烦作念归并件事，而且不会累或者因为疲钝而造谣准确度顾虑力好，蕴蓄的警戒不错被随时调用2.2 阐发各自最大的上风

对于AI将会取代东说念主类，当今最常见的说法等于：

AI将改变或者澌灭某些责任，同期创造出新的责任。AI不会取代东说念主，而会使用AI用具的东说念主将取代不会使用AI用具的东说念主。

让AI解放东说念主类的双手，去作念那些机械性、访佛、败兴的蓄意责任。而东说念主类则把时期元气心灵参加到更有价值的责任比如经营、决策、制定目的、东说念主际关系景仰等。

虽然，二者之间的责任并不是全都剥离、沉静的，而是相互影响与交流合作。比如，东说念主类不错借用AI的数据分析能力、瞻望收场等增强我方的决策能力。

是以，一方面，东说念主要学习怎么更好地使用AI，阐发AI最大的价值。另一方面，AI也要往增强东说念主类能力、改善东说念主类社会生活的宗旨发展。

03 AI能力加持后，家具/业务层面变化3.1 家具规模变得迷糊

3.1.1 物理寰宇与数字寰宇深度融会

数字孪生将物理寰宇映射到数字寰宇，具身智能机器东说念主、自动驾驶等让数字寰宇操控物理寰宇。AI能力的强化则让二者之间的融会愈加深化。比如京东AI数字东说念主“采销东哥”，看面相简直和真东说念主无异，不错在直播间为群众先容种种家具。如果再进一步，不错实时回答不雅众的问题，那就与真东说念主别离不大了。

3.1.2 家具成为能力中心

家具之间的壁垒买通，成为能力插件，主要在于提供某种能力。比如小D想通过视频学习糖醋排骨的作念法，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生成一个新的、针对于小D喜好的内容。平台成为底层信息的提供方或者说资源池，用户也无需在多个家具之间走动切换。

3.1.3 管事设计

由于AI对进程中每一个触点信息的掌捏以及对于各项能力的集成，使得左证场景调用不同能力以得志需求成为可能。

家具的设计不啻筹商单一的家具，而是要筹商与其他家具、能力、管事的配合。在使用环境/场景中，从用户的历程开赴，得志用户在总计任务链路中每一个节点的需求。

3.1.4 进程自动化

家具与家具之间的相互相接、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建议这个需求时，AI一并将机票、酒店同步预定好，同期，在出差收场后，自动对接东说念主事考勤、用度报销等家具能力，完毕进程自动化。也等于依据场景将管事打包，用户触发一次就完成总计进程动作，无需到每一个系统/家具均分别去施行一遍操作。

进程自动化带来的亦然后果和易用性的提高，用户的操作包袱被大大减少。

3.1.5 B/C端各别减少

B端各进程节点之间的交流、合作、传递也不错由【东说念主-家具-东说念主】的方式改动为【Agent-Agent】 的方式。提高进程运转的后果，造谣了B端家具的操作复杂度。

当用户与AI Agent交互，由Agent代替用户去顺利靠近、调用各个家具的各项能力，发起种种任务，B端家具和C端家具交互的逻辑会愈发类似。Agent对话式的交互、自动经营等将会大大减少B端家具的学习老本，用户在使用不同类型家具时将不会有太大的各别。

3.1.6 多家具形态互联互通

AI不错在手机、平板、电脑、电视、车载结尾等不同开发之间的无缝切换，开发随着场景改动，然则进程不中断，多开发和洽配合走完满个任务链路。比如鄙人班回家的路上，小D在车里听演义，回家以后，家里的智能音箱连接从下车时刻的部分运行连接播放。

3.2 接受非结构化的信息

语音识别、NLP、图片识别、手势识别、红听说感、重力感应、脑机接口等等技巧的演进与突破。让输入不再依赖于表单、按钮等创建符总蓄意机判辨模式的结构化信息。

非结构化输入的特质：多模态、更当然、更高效、学习老本更低。不再是东说念主去顺应蓄意机能接受的数据模式，而是蓄意机来学习判辨东说念主类的信息抒发方式，比如脸色、手势、口吻等。

AI对于非结构化数据、当然语言的判辨，也造谣了家具的复杂度，减少用户的领略包袱，让家具的学习老本大大减低。

3.2.1 普适蓄意（ubiquitous computing）

普适蓄意是指蓄意不错在职何开发上、在职何地舆位置中以及用任何方式进行。其显贵目的之一则是使得蓄意机开发不错感知周围的环境变化，从而左证环境的变化作念出自动的基于用户需要或者设定的步履。

与物联网类似，简单来说等于通过种种化的开发（手机、腕表、眼镜、微波炉、雪柜等）来感知信息、获取信息、处理信息，通盘的物品都有可能变成一个蓄意机。这样的目的是让蓄意机不错随时感知环境、步履的变化，从而实时、贴心性得志用户的需求。

3.3 数据的集合化处理

假定个东说念主助手或者说AI Agent的纯熟，那么东说念主们与家具交互的通说念将会从各个分散的家具集合到一个点。由融合的交互进口采集的用户步履数据以及AI主动通过各种开发采集的用户个东说念主数据，让每个东说念主的信息愈加完满、全面地被AI所记载，更容易完毕个东说念主数据的集合化处理。

AI掌捏的个东说念主信息越多，才能更全面地了解一个东说念主，也才能更有针对性地为用户提供个性化的管事。理智、贴心、智能的AI与集合化的数据将会相互促进、相互强化，也等于越集合的数据带来越理智的AI，越理智的AI将和会过多渠说念采集到更多的个东说念主数据。

3.3.1 对于个东说念主信息安全的留意

AI将会使用个东说念主的数据进行历练并改进步履，这需要适当监管条件，衔命个东说念主数据处理的最小化原则，保证用户的知情权，进行节点封锁以及加强对于数据处理权限、存储、守秘的不竭。幸免个东说念主信息的浮现或者被不当使用。

虽然，这也需要愈加完善的数据保护法例进行撑持，比如GDPR、ADPPA、中华东说念主民共和国数据安全法、个东说念主信息保护法等，幸免个东说念主诡秘浮现。

3.4 东说念主机深度协同，构建信任变得更伏击

越是使用时常的、形成依赖的家具，越需要得到用户的信任。如果微信在使用过程中时往往的出现bug，发给A的音讯错发给了B，那么用户就会变得不敢使用。尤其AI家具还需要采集用户的种种数据才能更好地阐发作用，那么得到用户的信任将显得愈加伏击。

信任开端于了解、详情、可控，由于AI的黑盒性质以及家具越来越主动，怎么解释AI的决策过程、范例AI的步履、提高AI步履的可瞻望性、保持用户的掌控感也越来越伏击。

解释决策过程和范例步履并不是说需要AI事事作说明、呈文，而是当用户想要了解时提供详实的解释与说明、当用户想要我方决策时不错修改AI提供的决策。从原则上而言，AI最终照旧要恪守于东说念主、管事于东说念主，而不是指挥东说念主、适度东说念主、取代东说念主。

3.5 提前预判，主动推送，具备主动性

左证用户的场景、步履，判断用户的意图，通过多家具、数据的贯通，概括分析，提供事先的提醒与管事。比如在用户购买机票后对接航班、天气、交通等数据，如果有航班管制、恶劣天气、交通拥挤等不良景色发生，不错实时告知用户。

3.5.1 场景驱动

信息的集合化处理，使得结合种种传感器、开发所提供的环境信息以及用户的生理、步履等信息进行概括分析成为可能。AI不错了解用户所处的环境及其需求，通过场景所提供的迤逦文来减少信息输入的条件。同期，调用各个家具的能力，措置问题，减少用户操作，提高后果与用户体验。

比如，智能家庭助手通过手环检测到小D躺在沙发上依然睡着，况兼有点冷，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、大开空调，让用户愈加舒坦且不会着凉。

3.6 个性化/定制化

由于用户与家具之间通过一个融合进口来交互，那么用户的步履数据（包括个东说念主的生物信息、健康状态、行车阶梯、购买习惯、用户偏好、场合进出数据等）将愈加全面、完满、准确被获取。

通过多数的数据与机器学习，让东说念主工智能不错依据个东说念主喜好、场景，进行意图判断。结合各个家具能力，针对不同用户不错推选愈加精确、个性化的内容、功能等，也等于说功能也大要像feed流同样被推选，更好地得志不同东说念主群、场景的需求。

3.6.1 用户自界说

AI造谣了家具/用具操作的门槛，让更多东说念主不错使用它，也等于所谓技巧的民主化。

这就让用户有可能左证我方的喜好、习惯、场景等需求各别来配置家具功能组成结构、优先级等。就像是洞洞鞋，本人提供一个基础的方式，然则每个东说念主不错遴选我方不同的鞋花。改日，也许每个东说念主都不错都不错我方设计一个APP应该具有什么功能、设计衣服方式、设计屋子的装修作风等等。

同期，通过社区、论坛等的信断交流，A设计的家具也许B不错参考、改进后成为属于我方的家具，每个东说念主都有可能成为生活的创作家，而创作的对象不错包罗万象。

3.7 改变垂直规模的细分家具

通盘行业都值得基于东说念主工智能技巧重作念一遍——阿里巴巴张勇

AI的生成、总结、提真金不怕火、分类等能力的突破，将进一步促进各行业中各种信息的整合与利用，接办访佛性的责任，给九行八业带来进程的简化、模式的改动、后果的提高。

针对如颓势东说念主士、老东说念主、小孩等特殊群体，不错开发提供陪伴、护理等功能的AI机器东说念主。针对讼师、大夫等特定作事的东说念主员，利用AI辅助进行云尔采集、数据分析等，增强他们的能力，提高责任的后果。针对生产线、仓库等目的和任务相对固化的场景，也不错引入AI来替代好多访佛性等责任。比如利用无东说念主超市模式来不竭仓库出库，领用东说念主员刷脸后自动说明领料单，同期系统在领料东说念主员拿走物品后自动进行出库处理、更新库存数据，在库存不实时对接采购系统进行采购等。04 AI能力加持后，家具的交互逻辑变化4.1 信息架构的变化

AI能力加持下的对话式交互，让用户只需要靠近一个融合的进口，通过这个进口直达苟且一个功能（类似于Deeplink）。信息的结构不再是以用户快速找到为中心，而是以让AI快速调取为导向。不再是由东说念主去穿越层层结构寻找所需信息，而是所需的信息从纷纭复杂的数据中跳脱出来。

4.1.1 功能架构扁平化

通过AI顺利调起家具中的某一个页面，模块的功能愈加沉静、内聚，成为一个个能力单位，家具则成为能力单位的横向蚁集。

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，被顺利调起时容易缺失迤逦文，导致功能不可用。

4.1.1.1 导航的弱化

顺利调起的模式，用户直达功能。比如对AI说【我想听李健的《给你》】，它会顺利大开播放器，播放这首歌。而不再需要咱们【大开音乐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。

减少了寻找信息的法子，也就减少了导航的需求。导航页的价值将会造谣，以往功能之间需要合理组织以方便用户顾虑、寻找的特征将会减弱。

4.1.2 信息模块化

功能变成类似于API或者组件的方式，不错左证需要与其他家具的信息平缓组装，成为全体信息流的一部分。就像咱们在小红书看一个个的札记，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位，在场景需要的时候与其他的功能组装形成一个措置决策。

同期，从全体而言，每个家具可能只提供总计信息蚁集的其中一个部分。也等于前边的说的家具规模被龙套。

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，这需要家具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的设计，AI所触及的任务可能包含多个层级的复杂度，需要不同能力的配合才能完成，也等于需要依赖不同的家具、组件所提供的能力。

家具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。同期AI直达功能的能力不错弱化过宽的信息架构所带来的寻找信息不方便的问题。

4.1.4 用完即走

用户以任务目的为导向，不在乎是哪个家具、哪个功能，枢纽在于高效。就像咱们不会关注手机包装盒里的充电器是哪个代工场生产的。家具/能力会“透明化”“无形化”，这些能力的提供方将会成为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音乐提供的、也有可能是网易云音乐提供的、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 交互范式的变化

技巧的鼎新会引起范式的变迁。最终指向的都是越来越简单、方便、当然，都是围绕着更好地管事于东说念主而来的。

4.2.1 东说念主机交互的发展历程：

批处理（Batch Processing）大呼行交互（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）/语言用户界面（Language User Interface,LUI）当然界面交互（Natural user interface,NUI ）/基于意图的收场范例化（Intent-Based Outcome Specification ）

前三种都属于用户向蓄意机发出大呼，蓄意机严格施行大呼并产生收场，用户评估收场逐措施整输入，最终一步一步达成目的。

对话式交互，骨子也和之前的几种范式同样，东说念主发出大呼，蓄意机施行大呼，只是用户的输入方式愈加种种化，不啻是依赖于刻下界面所呈现的元素与选项。（图形界面相对于大呼行，亦然在输入输出方式上变得更丰富，鼠标、触控、手势等输入方式以及图形、动画等输出方式减少了用户的领略包袱、顾虑包袱、操作包袱）

而在高档阶段当然界面交互/基于意图的的收场范例化中，用户不再需要去顺应蓄意机，而是蓄意机来顺应东说念主，去判辨东说念主的脸色、手势、语言、口吻、点击、生理数据等等方式/渠说念所传递的信息。用户也不再告诉蓄意神秘作念什么，而是告诉蓄意机他们想要的收场，或者，蓄意机大要通过感知周围环境，主动识别用户的意图并自动达成其目的。

类似于前文提到过的AI Agent，大要依据目的分解复杂的责任进程，从而完毕大语言模子的自我对话与运转，而不是简单地施行单一任务或者由东说念主类来驱动任务的每一步。

东说念主机交互发展历程

4.2.2 对话式交互

交互骨子上是信息的交流，包含信息的输入与输出。东说念主与现存家具的交互，输入的方式包括鼠标、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（语言、报警音等）、触觉（振荡）。

东说念主与东说念主之间最当然的交流方式闲居是语言交流，通过言语抒发想想、情谊和意图。除了语言，东说念主们还通过非语言的方式进行交流，如面部脸色、姿势、手势、眼力等。这些非语言元素不错传达丰富的信息，有时比言语更直不雅和浓烈。这是咱们总计成长过程中一种主要的学习方式。

对话式交互，就像是东说念主与东说念主之间聊天的交互方式，输入的路子不错是笔墨，也不错是语音、图片、通顺、手势等。Sora以致不错使用视频动作输入来生成视频。

4.2.2.1 对话式交互的特质

用户的输入莫得规模

解脱了按钮、输入框等的放胆，用户的输入可能林林总总，以致与家具的主邀功能无关。功能“无形”之后，就需要针对种种场景给出不同的反馈。

龙套家具规模、跨越信息层级

进口融合，交互旅途镌汰，大要穿透信息层级、跨越家具的业务界限。咱们的交互过程基于语言的方式输入，然后回答的方式左证内容而变。不错结合所个家具、规模的数据，概括给出谜底。也等于说，咱们毋庸靠近数目富贵的应用/家具，只需要像使用Siri同样，和一个融合的AI Agent交流，然后由它来调取各个家具的能力来为咱们提供管事。

4.2.2.2 对话式交互的场景

任务式设计——高效

专科化的应用/用具。针对具体的业务规模、任务类型建议需求。输入一般具有规模、比较集合。家具的目的是尽快达成用户的目的。

谈天式设计——风趣

文娱型的应用/伙伴。用户莫得明确的目的，奴才心境变化。输入一般莫得规模，可能包含任何主题。家具的目的是在对话过程中渐渐得志用户的情愫需求。

4.2.2.3 对话式交互的原则

提供指挥，荧惑用户输入

如果运行对话之后迟迟莫得输入，则提供计算、默许选项、参考示例等，让用户顺利点选、指挥用户输入，幸免用户在空无一物的前提下不知说念怎么开展对话。

极度是在谈天式场景下，通过打呼唤来指挥、辅导等让对话可持续。

判辨语境

在咱们日常的对话中，好多信息是群众的【共鸣】，是相互之间交流的信息基础，无需在对话中特地说明。

比如对话【Q：今天的天气怎么样？A：那边的天气？】。这其中位置信息一般都是基于刻下对话所在的位置或者迤逦文出现的位置信息来决定的，也就无需用户再次说明。

在AI的对话设计中，也就需要判辨这些语境信息，减少信息输入的数目条件，提高交流的后果。

记取迤逦文

迤逦文包括用户之前的操作、输入、用户的布景信息等，记取迤逦文并运用到之后的对话之中多轮对话的基础。一方面不错保证话题的连贯性，一方面也幸免用户的访佛输入。

具有包容性，扬弃歧义

语言抒发会有不同的口吻或者抒发方式，语音识别也会有谬妄的情况，这时候要像谷歌搜索同样，给出合理的计算并回答，减少用户二次输入的老本。

当用户的输入有歧义时，实用多级置信度的方式给出最匹配的、最有可能的回答，并进一步商量且允许用户修改。

纯粹、澄莹、保证抒发质地

片纸只字，阐发与话题干系的信息，幸免迷糊晦涩的抒发。不管以何种方式来反馈，阐发的都是灵验的事物，而不是无真谛的谜底。比如这样的对话【Q：你知说念有哪些东说念主赢得了2023年诺贝尔奖吗？A：知说念。】就毫无真谛。

合适的信息量，接纳多种信息输出模式

不丰不杀，恰到自制的信息含量。靠近一个问题，汇集上干系的信息可能千千万。需要结合实践家具、场景、用户属性等实践情况，给出合理、灵验的回答。

咱们大脑能处理的信息量是有限的，一朝超出，就会对短期顾虑变成包袱。在某些场景下，语音不错提高后果。然则语音输出的一个瑕玷是：听清并判辨语音中的信息，需要破钞咱们大脑的资源，而且语音播放之后就澌灭了，也加剧了用户的顾虑包袱。

是以不可只依赖于语音的输出方式，也不单是依赖于刻下的输出渠说念。接纳视频、图片、声息等多种形态的输出方式以致跨结尾的输出渠说念（比如某些场景在腕表输入在手机、电视娇傲反馈收场等），不错极地面丰富咱们反馈的种种性、提高信息传达的后果，幸免用户需要在不同端之间走动处理信息。

护理东说念主类心境，保持礼貌，具备恪守指示的属性

比如这样的对话【Q：不错诵读一首唐诗吗？A：不不错】会让东说念主认为别扭、受挫。

如果无法作念到，也应该抒发歉意况兼说明骄矜来安危用户。比如【A：不好风趣，刻下汇集状态不可用，请查验汇集成立后再次尝试吧】

话轮改动

对话是一种相互合作，必须有来有回，实用的对话让对话两边知说念该谁谈话。

设定用户的渴望，让用户知说念什么时候不错轮流到我方、输入是否见效等。方法包括隐性说明（在回答时带上用户提供的信息）、非语言说明（使用灯光、图像、振荡、辅导音等进行反馈）等。

4.2.2.4 VUI/LUI

VUI，Voice User Interface，语音用户交互界面。LUI，Language User Interface，语言用户交互界面。是基于语音/语言动作输入与输出的交互方式。

严格来说，VUI/LUI是对话式交互形态之一。因为对话式交互的中枢在于一来一趟的对话，输入输出的可能并不单好语音、笔墨，不错容纳更多的内容方式。

对话式交互

优点

当然流通、学习老本填塞低。因为对话是从咱们降生运行就随同咱们的交流方式，对话式的交互和东说念主与东说念主之间的交流相似，无需教养就会使用。从输入后果的角度而言，语音输入比键盘打字的速率更快。解放双手，在双手被占用的情况下，不错拓展交互的渠说念。语音中包含口吻、语调、语速等心境性信息，如果大要识别这些从属的信息，也就拓宽了信息罗致的渠说念。减少对于导航的依赖，减少用户的顾虑包袱、领略包袱

短处

视觉通说念和听觉通说念的信息融会要优于单独的视觉通说念和听觉通说念。对于多法子、多字段的操作，如果全都依赖于对话式交互，所需的对话次数将会过多，影响总计动作的后果。这时候就需要用户意图瞻望、沿用典型模板、结合其他通说念（屏幕点击、手势、实体按钮、位置等）操作等方式来简化所需的信息量或者多通说念融会获取信息。容易受到周围杂音的插手。诡秘问题，在全球场合使用语音输入容易浮现诡秘或者影响到其他东说念主。全球场合之下对入辖下手机谈话，有可能会激发社会期侮感。是以，新的类型的家具往往需要通过明星效应、营销来形成一种风俗，指挥东说念主们使用。

4.2.3 NUI

NUI充分利用咱们生活在这个寰宇中赢得的技能，最大限定地减少领略包袱，从而最大限定地减少对于提神力的分散。（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

当然用户界面（Natural user interface，NUI）。维基百科对于NUI的形容是东说念主们以最当然的交流方式与机器互动，使用NUI的蓄意机不需要键盘或鼠标。

比拟于传统的GUI或者当下比较火热的CUI，NUI更强调【当然】，也等于以适当东说念主类直观的方式与蓄意机交流。不局限于某一种交互方式，而是依据场景遴选最合适的交互方式。比如在我方家里，使用语音与智能音箱交互。在藏书楼，使用触控、手势与智能腕表交互。

NUI最大的中枢是以东说念主为中心，让用户不错使用生活中依然习得的技能、警戒以及已有的脸色模子来与蓄意机交互，极地面减少学习老本。因为东说念主与外界的当然交流本人是多通说念的，包含视觉、听觉、触觉、感觉、味觉，也就决定了NUI注定是多模态的。

4.2.3.1 不全都依赖于语音

因为声息稍纵则逝、难以回溯。全都依赖于语音输入与输出的交互方式需要占用用户多数的提神力，而咱们的提神力往往有限，万古期的提神力集合相当消耗东说念主的元气心灵，从而造谣了交互的准确性、影响交互的后果。同期万古期占用用户的主要提神力，也让用户无法同期作念其他的事情。

对话式交互主要改变的是输入方式与使用旅途，与现存丰富的、多模态的反馈方式结合，不错灵验提高东说念主机交互的后果。除听觉反馈除外，输出方式不错是视觉（指示灯、图片、视频等）、触觉（振荡、温度变化等）。

随着AI在语音识别、语义判辨等方面能力的杰出，当然对话的方式已成为AI家具的主流交互方式。就咫尺的情况而言，AI还难以捕捉并解读咱们的面部脸色、姿势、眼力等这些非语言、心境化、视觉化的信息。

肯定改日，随着种种传感器、算法模子的连接演进，在咱们与机器对话时，它不仅能听懂咱们的话语，也能结合咱们的面部脸色、姿势、手势、眼力等概括分析。至少在输入端，让东说念主与机器的交互缓缓集聚东说念主与东说念主的交互。有可能就像图灵所瞻望的，咱们难以分辨和咱们对话的到底是一个东说念主照旧一台机器。

4.2.3.2 VUI+GUI

改日的东说念主工智能系统很可能会领有夹杂用户界面，结合了基于意图和基于大呼的界面元素，同期保留许多图形用户界面元素。——Jakob Nielsen

凡事王人具两面性。不同交互方式的目的都是为了减少用户的领略包袱、操作包袱、顾虑包袱，不是为了用个用。结合用户、场景、开发等特质，选用不同的交互方式结合，最大化场地便用户才是最优解。

4.2.3.3 多模态交互

多通说念融会交互/多模态交互，包括语音、面部脸色、手势、各种传感器所检测到的生理信息等都不错动作输入通说念，既不错是用户主动发起的，也不错是家具主动获取的。输出则不错结合视觉、听觉、触觉、味觉和感觉多种模态。中枢是围绕情境遴选合适的交互模式，目的是当然、高效。

上风：

多模态融会不仅是为了适当用户当然的操作习惯，也不错加多信息的处理后果。就像在听演讲时，如果演讲者结合PPT进行图示化说明，就更容易、更快速地让东说念主持解。多模态交互充分调节东说念主的五感，结合AR、VR、MR等技巧，将数字寰宇与物理寰宇有机结合，不错提供更好的真实感、临场感、千里浸感。减少对于个东说念主能力的条件，让老东说念主、残疾东说念主等特殊群体也不错收缩、方便地使用，践行通用设计的原则，促进社会的和谐。

4.2.3.4 基于意图的收场范例化（Intent-Based Outcome Specification ）

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

以前是设计家具的能供性（Affordance）来指挥用户操作，比如按钮代表可点击。当今是蓄意神秘来判辨东说念主的意符（Signifiers），比如抬起手臂，手机自动点亮屏幕，因为它计算你可能需要运诈欺用手机。

NUI侧重于交互方式的当然化，基于意图的收场范例化侧重于对于用户意图的反应。一个是方式，一个是目的，二者的中枢都是让蓄意机围绕东说念主来进行改变，减少东说念主们对领略包袱、顾虑包袱、操作包袱，提妙手的后果，丰富东说念主的生活。

4.3 交互特征的变化

4.3.1 交互层级的压缩

功能架构愈加扁平对应的等于交互层级的压缩。通过对话顺利调起某个特定的功能，不需要在一层一层的功能结构中去寻找。每一个动作都是直达目的，减少了好多寻找功能过程中的过渡操作。

4.3.2 界面的减少

一方面，NUI结合多种输入输出方式，不再单纯依赖于界面的呈现，语音、辅导音、灯光、振荡等多种方式的反馈会替换部分界面的反馈。另一方面，对话式的交互减少了好多承载功能的页面如导航页、责任台等。

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，卡片等元素本人不错充任按钮。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 主动交互加多

家具不再只是被迫的接受信息，而是不错通过多模态感知主动获取信息，并依据用户设定的目的、对于用户的了解进行自主决策并触发下一步的动作，不再需要每一个任务都由用户来触发。比如汽车在检测到到用户辨别车辆时自动锁车。智能音箱会在天气预告有雨时提醒用户外出铭记带伞。

主动交互减少了用户的操作包袱，提高了东说念主机协同的后果，也让家具显得愈加贴心。

4.3.3.1 分析用户的意图

用户的步履数据、个东说念主习惯与偏好等通过AI Agent这个融合的交互进口被全面、完满、准确地获取，结合AI Agent所顾虑的迤逦文信息以及种种传感器所获取到的场景信息，对用户意图对分析将愈加准确。也等于不错通过瞻望用户的下一步步履，主动提前匡助用户完成。有点类似于想要喝水的时候，杯子里老是有温度稳健的水。

4.4 AI的“东说念主设”

4.4.1 东说念主设是什么

东说念主设是指用户在与AI家具互动过程中，左证感知到的信息（假造形象、文本或者语音中的口吻、语调、音色、心境等）将AI对象东说念主格化后所建立的一种对于AI的脚色形象领略。比如，扫地机器东说念主在电量不实时，发出语音：“没能量啦，我要且归吃饭了。”在用户商量“你在那边”时，回应“我在这里”。都不错让东说念主感觉到它是一个有温度、多情谊的个体而不是一个冰冷的机器。这是一种脸色上的简化步履，幸免“恐怖谷”效应。

东说念主设使得家具的个性愈加显然、杰出，用户与家具交互时大要赢得“伙伴感”以及交流的愉悦感，有助于拉近家具与用户之间的脸色距离。

4.4.2 东说念主设设定的原则

4.4.2.1 一致性

脚色的设定要与家具/内容的属性一致。比如法律、政事新闻等严肃性内容，就不适合使用呆萌、可儿的脚色。

动作管事于东说念主类的家具，在于用户对话时，应该保持前后一致、褂讪的形象。如果前后的回答反差太大会让东说念主认为家具出错了。

4.4.2.2 有礼貌

同期要提神礼貌。比如要实时回答用户的问题，不可随意莽撞，不可责难用户。即便用户尖刻、不满，脚色也应该体现出礼貌、慈详、关怀。

4.4.2.3 情愫性

感知到东说念主类的心境，并给出适合的、矜恤的回应。用户因此而与家具之间形成情愫依恋，增强全体的使用体验。

4.4.2.4 幽默性

使用象征、讽谕、双关等手法，让东说念主感受到愉悦、风趣，赐与用户类似真实的酬酢体验。使AI的形象愈加纯真、生动、敷裕情面味，而不再是冰冷的机器。

4.4.2.5 个性化

针对不同的用户特征（年事、作事等），也不错针对性地提供不同的脚色设定。

4.4.3 东说念主设性情的体现方式

声息的音色、语速、节拍、表述的方式/口吻、头像都能体现出AI的性情特征。

4.4.4 东说念主设性情的设定方法

与品牌/家具东说念主设设定的方法类似，使尽心境板moodboard，结合贸易目的、家具目的来发散东说念主设的枢纽词，比如客户但愿以什么描画词来形容家具、用户可爱什么样的东说念主设。然后通过筛选、整合，遴选最具有代表性的描画词，以可视化的方式呈现。然后与Persona类似，固假名字、职位、年事、性别、步履习惯、敬爱等特征。

东说念主设设定好以后，通盘的步履（口吻、语速、抒发方式等）、外不雅（脸色、头像、假造形象等等）都围绕东说念主设，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，家具设计应该提神的原则

咫尺比较系统的建议AI家具设计原则都有MicroSoft、Google、SAP、IBM几家公司（原文档见文后参考通顺）。总体而言，设计原则中不变的是以东说念主为本的中枢，变化的是怎么故东说念主为本、怎么更好地以东说念主为本。

5.1 明确传递系统不错作念什么

作念出说明、给出推选等，匡助用户明白 AI 系统大要匡助我方措置何种问题。

提供框架与制约身分，指挥用户马上伸开行动，幸免用户在靠近全都空缺的页面时，脑海中想绪过多且无法集合，不知从何入辖下手。

5.1.1 说明系统能作念到多好

匡助用户了解AI系统犯错的频率，让用户对家具形成合适的预期。使用诸如【咱们认为你可能会可爱】来先容推选的音乐，会让东说念主更能包容谬妄。

5.2 基于具体场景和时期提供管事

左证用户刻下的任务和环境判断何时该触发步履或中断步履。

比如检测到用户在行走过程中，腕表自动记载步数。假定用户刚刚查询畴昔往目的地的阶梯，则自动进入步行导航模式。比如那时期为深夜时，语音助手在回答问题时主动造谣音量。

5.2.1 记取前后文

记取用户最近的交互步履。保持短期顾虑并允许用户高效援用。比如用户说：搜索【歌手李健】，在AI给出收场后，用户说：播放他的歌曲。这时候家具就应该播放李健的歌曲而不是再次商量用户播放谁的歌曲。

5.2.1.1 娇傲与迤逦文干系的信息

娇傲与用户刻下任务和环境干系的信息。比如用户商量【天气情况】时，在收场中标明是今天、刻下位置的天气情况。

5.2.2 记取对于用户的信息

记取用户的个东说念主偏好、步履习惯等，主动推送/建议，减少用户的访佛操作。类似于登录之后的个性化推选。

5.2.2.1 从用户的步履中学习

连接学惯用户过往的操作来个性化用户体验，与用户建立愈加亲密的接洽。类似于推选算法，推选的是用户感有趣、可能会用到的功能、信息。比如用户老是在每天的归并时刻大开归并个APP，iPhone会在用户下次这个时期点解锁手机时推选这个APP。

5.2.2.2 荧惑用户反馈

让用户大要在与东说念主工智能系统的如期互动中提供反馈，标明我方的偏好。也等于家具不仅不错主动学惯用户的步履，还不错让用户主动告诉家具我方可爱什么、习惯什么。

5.2.3 机器主动感知

通过各种传感器实时感知周围环境、东说念主的步履，以此更好地为东说念主类管事。不需要用户主动发出指示，就不错结合以往的使用习惯进行意图判断，主动推送/发起进程。

5.2.3.1 坦然技巧

交流不是为了体现技巧开发的能力，而是为特出志用户需求。——《交互的改日》

因为东说念主们的提神力是有限的，是一种难得的资源。应该让东说念主把提神力放在果然伏击的事情上。如果各个家具一直高声的吆喝，不停地争夺用户的提神力，那么伏击的事情有可能会被湮灭。

在用户需要时，大要实时反映以致提前预判，提高后果与流通度。用户不需要时，不要过多的插手用户，幸免家具/技巧本人引起太多的提神。类似于微信家具司理张小龙之前建议【用完即走】 的理念，家具是管事于东说念主的，不可成为包袱，而是要减轻东说念主的包袱。

5.3 建立信任、不要让用户失去适度感

由于AI的不可解释性、自主决策，用户势必会对其有所记挂。是以让用户建立起对于AI的信任感，是东说念主类与AI深度协同的伏击前提。

信任是有粘性的，如果用户信任一项管事，可能会遴选一直信任。反之，如果用户不信任，可能会一直遴选不信任。

信任对于用户是否会接纳至关伏击。不信任会推广，一个功能的不信任会影响对于全体或者通盘类似家具的不信任。比如Siri就造谣了东说念主们对于通盘手机语音助手的信任度。

东说念主类对机器的信任依赖于可靠性与安全性、可控性、澄莹透明、一致性。

5.3.1 可靠性与安全性

要使 AI 系统受信任，它们需要可靠且安全。系统必须像设计好的那样运行，并安全反映新的情况。其固有的回答能力应能抵御预期操作或未必操作。

5.3.1.1 准确、实时

信任由积极的体验组成。时常的犯错、蔓延、不可用，让用户遇到屡次失败、用功，会造谣用户对家具的信心与信任。

与实践的东说念主比拟，东说念主们对于机器犯错的容忍度更低。

5.3.1.2 用户数据权柄

提供告知和应承的机制，允许用户阻隔管事或数据。诡秘成立和权限应该澄莹、可查找且可调整。

充分透露个东说念主信息的使用或分享方式。对数据的用途、使用范围提供详实的说明。

用户应永远适度正在使用的数据以及遴选在什么情况下使用。他们不错阻隔AI走访他们认为可能会受到挫伤或不适合东说念主工智能了解或使用的个东说念主数据。

保护用户的诡秘与数据安全。当个东说念主详实信息（举例地址）可能动作东说念主工智能瞻望的一部分而娇傲时，遴选非凡措施来保护诡秘（举例，匿名化姓名，即使东说念主们应承使用他们的名字）。保护个东说念主诡秘，盲从机器东说念主三定律等。

5.3.2 可控性

5.3.2.1 由用户适度

AI的底层原则是强化东说念主的能力，而不是取代东说念主。辅助用户决策，简化用户的包袱。

简约单、沉静的任务运行，让用户肯定、顺应AI的能力。同期，不错提供瞻望、建议，然则应该由用户来作念最终的决策。如果家具决策完以后再告知用户，会让用户感觉失去主导权或者被家具所适度。

当用户建议的诉求有歧义时，给用户提供选项或者调整的契机来渐渐明确目的。比如用户说想听【称愿】这首歌曲，搜索收场有好几个版块，这时候让用户遴选一个，或者在播放运行时辅导用户不错主动更换。

提供全局适度，允许用户全局自界说东说念主工智能系统的监控内容和步履方式。

5.3.2.2 不错收缩的调用与关闭

在需要时大要易于启用。比如使用【Hi，Siri】来随时激活iPhone的语音助手。

出错时能收缩回退、编订、改进或回答。大要随时退出，类似于安全舱设计理念。

5.3.3 澄莹透明

5.3.3.1 至意

符号AI生成的内容，让用户冷暖自知，保持诚信。

5.3.3.2 可解释性

澄莹地说明系统为什么这样作念。提供解释说明，让用户清醒AI作念出决策的原因（一般是基于决策所带来的自制，当用户对底层技巧感有趣时，通过渐进式透露的方式来提供更多详实的信息）。或者如果发生谬妄，解释那边出了问题。

由于AI对于普通用户来说就像一个黑盒，可解释性可匡助数据科学家、审核员和业务决策者确保 AI 系统大要诠释其决策及其得出论断的方式，建立公众对颠覆性技巧的信心，促进更安全的实践，并促进更粗造的社会接纳。

可解释性还有助于确保适当公司政策、行业措施和政府法例。

5.3.3.3 告知用户

严慎的更新和修改，添加或更新其功能时要告知用户。在更新和调整东说念主工智能系统步履时，放胆胁制性变化，让用户大要顺应变化。

传达用户步履的后果，实时更新或传达用户步履将怎么影响东说念主工智能系统的改日步履。

5.3.3.4 一致性

一致性让AI的步履可预期，有助于用户建立心智模子，减少因为AI能力黑盒带来的不可知，加多用户的掌控感。

5.4 适当社会范例、减少偏见

5.4.1 平正

谬妄的数据会带来谬妄的领略。如果AI预历练的数据中存在偏见，那么AI可能也会产生偏见。

建立伦理说念德范例，减少社会偏见。由于现实寰宇的数据中未免包含带有种族愤激等社会偏见的意向，需确保东说念主工智能系统的语言和步履不会强化不良和对抗正的成见和偏见，极度是那些与种族、民族、性别、国籍、收入、性取向、能力以及政事或宗教信仰等明锐特征干系的偏见。

5.4.2 海外化/土产货化

左证用户的社会和文化布景，确保以用户渴望的方式提供体验。海外化的家具要尊重当地的文化、民俗习惯、宗教信仰等。

5.5 拟东说念主化

社会语言学家的辩论标明即使是少量的语音样本，也会让东说念主产生对于演讲者性情、形象方面的印象。咱们早已进化成不错左证东说念主的声息来总结评判别东说念主的行家。——《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》

东说念主与AI的对话式交互，就像东说念主与东说念主之间的交流同样。用户大要这种拟东说念主化的对话中赢得“伙伴感”以及交流的愉悦感，拉近了东说念主工智能与用户的脸色距离，大大造谣了用户使用东说念主工智能的脸色抗拒进度，从而形制品牌或家具和顾主间的情愫纽带，强化用户与该品牌之间的关系。

06 AI家具发展过程分析

能力的发展会推动家具形态的变革，就像是通讯汇集、智能手机催生出了无数的APP，让微信视频聊天、实时看直播成为可能同样。AI能力的发展也会拓宽AI家具的规模、丰富AI家具的形态。

6.1 从能力发展看

东说念主工智能的主要发展宗旨：运算智能、感知智能、领略智能。

蓄意智能：蓄意智能是东说念主工智能发展的领先阶段，主如果指机器对信息进行存储和蓄意的能力。在这个阶段，机器主要进行简单的数据处理和蓄意任务，穷乏更深眉目的判辨和学习能力。这部分主如果模子蓄意能力的提高。感知智能：感知智能是东说念主工智能发展的第二阶段，指机器具备感知寰宇的能力，包括视觉、听觉、触觉等感知方式。这让机器大要更好地舆解周围环境和与之进行交互，但仍穷乏深眉目的想考和推理能力。这部分主如果多模态感知能力的提高。领略智能：领略智能是东说念主工智能发展的最高阶段，指机器具备类似东说念主类的领略能力，包括学习、推理、顾虑和判辨等方面。在这个阶段，机器不错自主地进行学习和想考，具有更高档的智能阐发。这部分主如果模子大要自主学习、调整、优化。6.2 从家具角度看

6.2.1 一个趁手的用具

利用AI的运算智能、感知智能，在职务全进程的某一个任务中引入AI能力，措置各种业务场景中出现的问题。或者左证不同规模、作事等特定场景，打造垂直规模的AI而不是通用型的措置决策。比如使用东说念主脸识别技巧分析学生上直播课的脸色，判断学生的学习状态，实时提醒安分关注，促进学生高效学习。

东说念主智结合，任务照旧由东说念主来主导，AI动作像锤子同样的用具，主如果施行指示，成为用户的助手，提高操作后果，匡助用户节俭时期。比如内容创作平台的编订器，不错让作家利用AI助手优化著述抒发，然则没法从新到尾写一篇适当用户高条件的著述。

6.2.2 成为当代“电力”

通过软硬结合的方式，联结起各个家具，家具之间借助各自的AI Agent相互交流，形成融合的生态。这样的话，AI就在咱们的生活环境中无处不在，渗入到每一个边缘，集成各种步履数据进行分析，提供概括、全面、贴心的管事。比如最常见的智能家居场景，门锁通过东说念主脸识别为主东说念主开门，同期把客厅的灯大开。用户坐到沙发上之后，用语音适度大开电视，客厅的灯光则自动调整到适合看电视的模式。

6.2.3 一个管家/私东说念主助理

领略智能让AI学会自主预判、创造、决策，领受东说念主类生活的琐碎事情。打造个东说念主专属的AI，借助信息通讯，从用户干系的每一个家具中获取信息，概括分析，匡助用户作念出决策。这个AI助理熟悉用户方方面面的习惯，通过用户的步履分析主动去对接各个家具、能力，从而完毕全都的个性化。

比如一个茕居老东说念主，手环、腹黑监测安设等检测到用户可能会形体不适，提前通过智能音箱、手机等辅导用户去往病院查验。用户乘坐自动驾驶等汽车到达病院后，AI助理依然匡助用户挂号，并将过往的数据发给病院的AI大夫。医护东说念主员左证AI大夫的建议，顺利安排查验、调治决策。老东说念主出院后，AI大夫将医嘱传送给老东说念主的AI助理，由它来提醒老东说念主每天按时吃药。

07 AI与现存家具的融会模式分析

从与现存家具的结合进度而言，大要应该是AI部分介入动作辅助——AI主导功能——全都AI化。

7.1 从融会进度看

7.1.1 单点镶嵌

在局部加多AI能力，比如镶嵌到某一个按钮中、在原界面加多一个小进口、在批驳区/聊天窗口使用AT等方式呼出AI助理。这样不错在保持原有用户习惯的基础上渐渐培养用户的习惯。

需要对场景进行风雅地分析，也等于应该在什么场景下辅导用户家具所具有的AI能力。比如文档类家具，不错自动生成著述大纲。或者在用户遴选一段笔墨后，编订菜单中会出现【AI改写】的进口。

单点镶嵌

7.1.2 模块镶嵌

永诀出专门的一块功能区，比如页面加多一个tab、或者作念一个沉静的模块、或者下拉后进入AI对话模式。这样的自制是加入AI后，对原有的页面影响不大，同期又会比较严防，让用户快速感知。

比如FigJam AI，通过一个悬浮框来指挥用户使用。

Figma界面截图

7.1.3 半沉静

这种是比较常见的一种方式，自制是不胁制底本的信息结构与页面布局，不错更快地融入AI能力。比如悬浮操作球动作进口、浏览器插件等。

7.1.4 全都沉静

把AI能力打包，动作一个融合进口，不错辅助/调用通盘家具，就像是镶嵌AI Agent的PC或者手机同样。

这样AI就不是为了增强某一个家具的能力，而是本人成为一个能力平台/私东说念主助理，类似于Siri，不错调用iPhone内的种种应用。

7.2 从结合方式看

以下模式只是基于现存景色对改日发展宗旨的一种合理推测与猜度。

7.2.1 软硬结合

7.2.1.1 能力平台

在电脑/手机中镶嵌AI Agent ，就像手机的语音助手同样，概括多模态交互，顺利调起开发中的各项能力进行反映。结合个东说念主步履数据后，不但在对指示的回应方面愈发契合用户的喜好与习惯，还不错主动交互，提高生产后果。

比如用户想要看振作麻花的电影，那么Agent会整合各个应用资源供用户遴选，或者依据用户的习惯顺利播放用户可能感有趣的那一部。

比如在用户看论文时，肃静匡助用户总结、整理、采集、分类，用户看完几十篇论文后，不仅不错匡助用户横向对比、提真金不怕火中枢不雅点，还不错匡助用户发现类似的论文。用户在写稿中援用某一原文时，对应生成参考文件凝视。

7.2.1.2 硬件协同

AI来和洽指挥硬件，让信息在各个家具/开发之间流动，按照具体场景完毕开发之间关联的贯通，促进各个开发之间的高效合作。

比如家庭助理，和洽家中的种种电器，鄙人班到家之前调好空调温度、到家后连接通过智能音箱播放在车上收听的节目、音乐等。假定用户订好了第二天早上的机票，那家庭助答理在用户回到家后提醒用户打理行李况兼定好第二天早上的闹钟。

对于茕居老东说念主而言，可穿着开发会实时监控老东说念主的形体景色并提醒老东说念主按时服药。在老东说念主发生危机情况时实时拨打急救中心电话并为医护东说念主员开门。

7.2.2 物理寰宇与数字寰宇的融会

结合各种传感器，AI不错更全面的采集对于物理寰宇的各种信息。同期，利用XR（VR, AR, MR）、具身智能（Embodied Artificial Intelligence）等技巧等发展，数字寰宇也不错顺利影响、主宰物理寰宇。

物理寰宇的信息、步履将不错通过数字寰宇进行传输，也许改日不仅不错视频通话看到对方的样子，还不错资料捏手、拥抱等，东说念主与东说念主之间通过汇集的聊天就像是靠近面聊天同样。

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，指在信息化平台内模拟物理实体、进程或者系统，类似实体系统在信息化平台中的双胞胎。比如在医疗规模，通过把患者投射成具有人命功能的数字孪生体，就不错让AI来模拟患者对于种种药物的反应，从而为患者遴选最佳的调治决策。

在科幻电视《黑镜》中，技巧东说念主员通过抽取用户的想维，在数字寰宇制造一个用户的分身来动作用户的私东说念主助理。因为只好我方才最了解我方。

08 咱们该怎么作念8.1 AI只是技能，枢纽在于目的

AI不错施行【作念】这个过程，它知说念要作念什么，然则它不知说念为什么要这样作念。家具的目的、所需要管事的东说念主群、所产生的价值都是由东说念主来界说的。这些是将通盘资源整合起来的中枢。否则，只是通过AI生成一堆没关联联的内容，并不可振荡为实践的家具或者管事。

AI不错措置访佛性、端正性的责任，然则无法共情东说念主类的情愫、判辨东说念主类心境、主动创造、作念出决策。是以需要东说念主类与AI联袂合作，充分阐发各自的上风，

8.1.1 结合AI能力，匡助式样落地

在家具研发进程中，需要左证不同的业务需乞降场景遴选适合的AI技巧，纯真运用AI的能力，将AI技巧融入责任流。

比如咫尺AI生成的内容，就像是一个一个单独的元件，往往不可拿来顺利使用，需要结合业务目的、场景等进行调整、结合等，达成业务目的。就像当今种种设计组件库，也需要结合实践的业务场景、需要措置的问题等纯真选用。

8.2 提高概括能力，成为雪花形东说念主才

雪花型东说念主才是指多元、复合型东说念主才，围绕一个中枢，在多个规模快速蕴蓄知识和警戒。知识之间的交叉、警戒的迁移、不同业业之间的鉴戒等，有助于快速地给出措置决策、作念出决策。

由于AI不错措置好多基础性、访佛性的责任，拓展个东说念主的能力规模，提高个东说念主产出的后果。那么东说念主有限的元气心灵不错用来作念更多伏击的事情，个东说念主的能力将得到更全面的发展。也等于把以前用来进修与掌捏种种软件、用具的时期都用于去判辨不同规模的知识，并结合这些知识率领、使用AI进行创作与输出。

雪花型东说念主才

8.2.1 改日已来，只是漫衍得不均匀

技巧要找到合适的场景，措置问题，适配东说念主性。就像《梁宁-家具想维30讲》中所说的：改日已来，只是漫衍得不均匀。靠近问题时，咱们不错将多规模知识、警戒、技巧、逻辑等迁移互鉴，拓宽我方的视线，通过类比、理想赢得更优的措置决策。

这需要跨规模的学习能力，或者说快速熟悉某一个规模的能力，以及系统性想维。利用AI的快速总结能力，秉持终生学习的理念，将知识横向联结，最终成为一个具有我方私有视力的问题措置者。

8.2.2 提高软实力

8.2.2.1 对于寰宇的好奇心

好奇心引颈东说念主类前行。AI是措置问题的用具，而东说念主类则通过建议问题来拓展知识河山的规模。爱因斯坦曾说：“建议一个问题往往比措置一个问题更为伏击。”建议一个好问题，往往意味着对事物有着浓厚的有趣、深化的想考、狠毒的洞悉。在科学辩论中，一个具有创新性和前瞻性的问题可能会激发一系列的辩论和探索，从而推动总计规模的发展。

好奇心是自驱的能源。对未知充满好奇，不错提高咱们的自我批判能力，助力于咱们探索新的未知的规模、拓宽咱们的想维规模，而不是只是得志于刻下已有的模式。

8.2.2.2 保持东说念主性

AI主如果左证已有的数据、信息进行分析或瞻望，而东说念主类的假想力、直观、情愫等不错匡助东说念主类“捉风捕月”，创造那些不曾存在过的新事物。

信息不发生串联、关联、形成汇集，则只是数据，而不可称之为知识。AI不错帮咱们快速、准确地找到各种信息与资源，然则让这些信息改动为个东说念主的知识与智谋，还需要东说念主类自我的领略、分析、整合、想考的尽力后形成我方的不雅点与判辨。

同期，咱们大要运用批判性想维来质疑和考据所罗致到的信息，保持自我的沉静性，从而幸免盲目接受。

8.2.2.3 交流能力

通盘家具终究都是要为东说念主所管事的，与东说念主交流、了解东说念主的需求、详情咱们要措置的问题，是建筑家具目的的枢纽。而家具目的是决定咱们要作念什么、以及怎么作念的率领原则，是总计家具的宗旨与旗子。只好家具目的明确，家具才有可能赢得成功。

东说念主与AI比拟的一大上风是具有同理心，大要判辨东说念主类的心境、情愫，这在与东说念主交流中阐发着枢纽作用，不错推己及人为他东说念主着想，判辨他们的感受和不雅点，从而分析与判辨他们莫得顺利抒发出来的某些想法。

在交流中建立信任、自在情愫、均衡各方利益，与迤逦游合作鼓舞决策落地，是除了产出设计决策除外愈加伏击的能力。

8.2.2.4 对于业务的判辨

只好深化判辨业务，才能果然清醒用户在业务进程中的痛点和渴望，从而设计出能切实措置问题、提高用户体验的家具。

好多B端家具，极度是金融类、法律合规类的家具，由于现实情况、端正制定种种化的原因，往往有好多复杂业务场景放胆，这些端正由东说念主制定而且相互牵涉，AI 可能需要多数的历练数据和时期来学习蔼然应。

同期，评估这些端正对于家具的影响，也需要多维度的梳理，并针对性的措置，确保家具的合规性和褂讪性。

8.3 在咫尺的家具研发进程中，怎么使用AI提效？

就咫尺的阶段而言，东说念主工智能更像是一个趁手、高效的用具。是以咱们使用AI提效的总体原则是：在家具研发进程的不同阶段，收用有价值的枢纽、AI比较擅长的部分，利用AI来强化能力、提高后果。

比如不错使用AI提高咱们的搜索后果、助力咱们快速获取各种资源，或者辅助咱们进行一些发散、总结、提真金不怕火等方面基础性的想维创造责任，从中获取一些设计灵感与宗旨。

或者使用AI为决策过程加多视角的种种性。基于AI所领有的不同规模的布景知识，当咱们向AI寻求建议时，等于有种种类型的专科东说念主士意见可供参考。

8.3.1 家具经营

形容家具的目的、场景、用户等，由AI给出一定的家具设计想路参考，包括对于家具业务进程的优化、模块分类、页面布局等。

8.3.2 信息架构

在组织信息时，不错让 AI 演出不同的脚色，如用户、不竭员等，提供类似卡片分类测试的收场以供参考。

8.3.3 提供灵感

在设计的双钻模子中，当具体需要措置的问题明确以后，一般需要进行创意探索与决策发散。这时候不错利用AI所掌捏的海量数据与远超东说念主类的蓄意能力，快速尝试种种作风进行对比，探索种种类型的作风感觉。对于视觉条件度高的运营设计而言，大要极猛进度地缩减前期作风探索所需的时期。

8.3.4 寻找&生成各种资源

增强搜索能力，进行资源整合或者生成一些适当业务场景的资源。包括不限于竞品、分析回报、心境版、设计组件库、家具干系知识（业务、脸色学、设计等）、行业数据、展示模板样机、插画、宣传海报等。

8.3.4.1 生成设计元素

使用Midjourney等AI图像生成用具，生成如icon、logo、头像、假造东说念主物、布景、banner、运营步履宣传插图等视觉元素。比如QQ音乐的不同播放器作风，等于AI生成的。

8.3.4.2 AIGC丰富家具

家具中的一些内容资源，也不错加入AIGC内容。举例电商应用中的模特图片、数字东说念主假造主播、不错发表话题的假造用户、不错在群聊/批驳区随时出现的AI助理等。这样，不错使平台内容愈加丰富、种种化，以引诱更多的用户参与和交流。

8.3.5 优化案牍

对案牍抒发进行润色、优化抒发方式、查验错别字等，包括不限于内容示例、说明指挥案牍、反馈辅导案牍、家具的简介、销售案牍、各平台的运营案牍、Slogan等。

8.3.6 提真金不怕火重心、分析数据、撰写材料

把云尔整理、数据处理这一类访佛性的责任交给AI。比如设计调研后，由AI来产出数据分析回报并总结、家具呈文阶段用AI先拟定一个初步的PPT大纲、在用户测试阶段用AI匡助制定测试经营、在宣传计议阶段让AI撰写视频剧本等。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 提供决策依据

设计决策完成后，需要对不同的决策进行比对、测试、考据等。传统的用户测试常需要破耗多数的东说念主力、时期、财富老本。使用AI进行初步的分析总结，遴选一种决策上线并在后续迭代中连接优化，也许是另一种轻量化的措置想路。

09 临了

寰宇上唯独不变的是变化，咱们唯独能作念的等于拥抱它。

技巧是家具完毕的伏击基础，技巧的变革会导致家具的形态发生改变。因而通盘行业都有可能被AI纠正一遍，包括不限于：生产制造、讲授、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。

东说念主性是家具需求的伏击基础，东说念主性不变，需求则不变，改变的只是完毕需求的方式。技巧的发展应该管事于东说念主类的利益，不管技巧怎么演进，归根结底仍需以东说念主本为中枢，而不是只是追求技巧本人的杰出。也等于家具以技巧动作完毕技能，围绕着提妙手类生活质地、完毕东说念主类终极解脱的目的而前进。

参考

《智谋的疆界：从图灵机到东说念主工智能》

《AI改变设计—东说念主工智能期间的设计师生计手册》

《交互的改日》

《对话式交互设计原则与实践》

《东说念主工智能与用户体验：以东说念主为本的设计》

《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/一文看懂轮回神经汇集-rnn-私有价值-优化算法-实践应用-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/家具的影响

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/当然用户界面

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

改日发展

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

设计师技能与搪塞

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银河国际官网app下载