AI时代下，交互设计师要掌握哪些能力？

😎Hi~我是小胖，一个保护头发的设计师。随着人工智能技术的飞速发展，我们正迅速步入一个由智能机器和算法驱动的新时代。在这个时代，设计师们的角色正在经历前所未有的转变。不再仅仅局限于传统的图形界面设计，设计师们现在更加迫切的是要掌握一系列新技能，以适应不断演进的技术和用户需求。本文将深入探讨AI时代下交互设计师必须掌握的核心能力，以及这些能力如何塑造未来的设计实践和用户交互体验。

在探索这些新领域时，我们不仅要关注技术的进步，还要理解这些进步如何影响设计过程和用户体验。我将从AI策略的制定、AI交互设计的新范式、模型设计的独特要求，到快速学习和适应能力的重要性，逐一解析。此外，我们也将讨论设计师如何在社交媒体和网络影响力中找到自己的声音，以及情感计算和多模态交互设计如何成为创造更有吸引力体验的关键。

通过这篇文章，我们希望为小伙伴们提供一个适合AI时代的导航图，帮助各位小伙伴在AI驱动的世界中找到自己的位置，并激发各位积极的使用这些新兴工具和理念，创造出真正创新和有价值的用户体验。

AI的场景化思维是指人工智能在特定场景下的应用和思考方式。它强调将AI技术与具体的应用场景结合起来，通过深入理解场景需求、用户行为和业务流程，设计出更加精准、高效、人性化的智能解决方案。就比如，如火如荼的“AI+教育”、“AI+电商”、“AI+智能化客服”等等，在AI发展的方向上我更加认同周鸿祎的观点“AI技术的发展不应该仅仅停留在造大模型的层面，而应该更多地思考如何将大模型应用到具体的业务场景中，实现技术与场景的深度结合”。

在AI场景化的过程中，数据会更加密集且清晰的摆在设计者面前，作为设计师我们更加应该充当着数据的翻译者和洞察者的角色，确定所需收集的数据类型和来源，以确保数据的相关性和有效性。对收集到的数据进行深入分析，从而揭示用户的行为模式和偏好。这些洞察对于设计师来说至关重要，设计师将这些分析结果转化为具体的设计决策，不仅可以为AI模型的训练指明方向，还能对具体的模型的进行持续的优化，确保AI的解决方案更加细致全面。

设计师们应该更加的专注于优化用户与AI系统之间的交互流程，确保每一次互动都是流畅而自然的，从而提升用户的满意度。此外，设计师还应该精心设计有效的反馈机制，使用户能够轻松地与系统进行沟通。

交互设计师需要把更多的精力放在设计更多的保护机制来保障用户的隐私，包括但不限于匿名化处理和数据最小化原则。同时，设计师要让用户感知到AI系统的透明度，通过清晰的解释和展示，让用户能够理解系统的工作原理和背后的决策过程。此外，定期的参与展伦理审查，是AI系统能够被使用的关键，所以，设计师应该确保所有的AI应用都能够遵循社会伦理标准，并符合相关的法律法规要求，从而在追求技术创新的同时，坚守伦理道德和法律界限，保障用户的利益和权益。

通过这些步骤，设计师可以更好地掌握AI的场景化思维，同样还可以确保AI应用不仅技术先进，而且能够真正解决用户的问题，提供高质量的用户体验，并在伦理和安全的框架内运作。设计师的角色在这个过程中至关重要，我们需要将技术能力与用户需求、业务目标和伦理考量相结合，创造出真正有价值和有意义的AI解决方案。

相对于传统的交互方式，开放式交互是一种更灵活的交互方式，它允许用户与技术系统以更自然、灵活和个性化的方式进行交流。如果有玩过开放式结局游戏的小伙伴一定能更好地理解这种交互。在传统的交互中我们习惯于沿着具有可预测结果的线性路径进行设计，但现在，开放式交互和灵活路径的引入带来了无限的可能性，这需要在用户开始体验时深入了解他们的期望，准确判断成功和失败的能力，以及对潜在风险或漏洞的理论眼光。

开放式交互是一种以用户为中心的设计理念，它强调通过自然、直观的沟通方式来增强用户与技术系统之间的互动。这种交互模式与传统的、命令式的交互有着本质的区别，它不再要求用户去适应机器的语言，而是让机器通过先进的算法来理解和适应人类的语言和行为习惯。

开放式交互的核心在于其对上下文的敏感性和对用户行为的适应性。系统不仅能够处理用户的直接请求，还能根据用户所处的环境、历史交互记录以及个人偏好来提供更加精准和个性化的服务。此外，开放式交互系统通常具备持续学习的能力，能够随着时间的推移不断优化其性能，更好地满足用户的需求。

最后，开放式交互还体现在其灵活性和扩展性上。用户可以自由地改变话题或方向，而系统则能够灵活地理解和响应这些变化。同时，开放式交互支持多模态的输入和输出，如语音、文本、手势等，为用户提供了更为丰富和便捷的交流手段。这种交互方式不仅提升了用户体验，也为技术系统带来了更高的智能化水平和更好的应用前景。

传统交互往往采用命令式的设计，要求用户通过特定的命令或操作来与系统交互，这通常需要用户对系统有一定的了解，并且需要按照系统规定的步骤进行操作。相比之下，开放式交互更倾向于对话式，它允许用户以自然语言的方式与系统进行交流，就像与另一个人交谈一样，减少了用户学习系统操作的负担。

在传统交互模式中，用户交互的流程往往是固定的，用户需要按照预设的路径一步步操作，这在一定程度上限制了用户的自由度。而开放式交互则强调灵活性和适应性，系统能够根据用户的输入和上下文信息灵活地调整响应，为用户提供更加个性化和动态的交互体验。

传统交互多依赖于单一的输入输出方式，如键盘输入或屏幕显示，这种方式虽然直接但可能不够丰富和直观。开放式交互则支持多模态交互，它可以结合语音、视觉、触觉等多种感官通道，为用户提供更为直观和全面的交互体验，同时也使得人机交互更加自然和人性化。

用户操作时，模型应该执行哪些类型的动作、用例或者任务是开放式交互的首要考虑的问题，当用户与开放式交互模型进行操作时，模型需要执行一系列复杂的任务以确保提供高效、个性化的服务体验。模型必须准确识别用户的指令或查询背后的意图，无论是通过语音还是文本输入。例如，当用户说“明天早上7点叫我起床”时，模型需要理解这是一个设置闹钟的请求。

在用户操作时，开放式交互模型的设计和行为应严格遵循一系列禁止性原则，以确保交互的安全性、合法性和伦理性。模型不应该执行侵犯用户隐私的操作，如未经同意收集个人信息；不应该生成或传播不适当的内容，例如暴力或色情材料；不应该提供虚假或误导性信息，尤其是在用户的决策依赖于模型输出时；不应该尝试未授权的系统访问或控制；不应该执行可能危害用户或他人的物理操作；不应该促进任何形式的歧视或偏见；不应该设计用于操纵用户行为；不应该在缺乏透明度的情况下做出重大决策；不应该忽视用户的反馈和投诉；

在处理数据时，应采用加密等安全措施以防止数据泄露。 例如，如果一个健康咨询AI模型接收到用户的医疗询问，它不应该提供专业的医疗诊断或治疗建议，因为这需要相应的医疗资格和责任承担。相反，它应该建议用户咨询合格的医疗专业人员以获得准确的诊断和治疗方案。

此外，如果一个智能家居系统被要求执行一个操作，比如打开安全门，而这个操作违反了预设的安全协议，那么AI模型应该拒绝执行，并提醒用户注意安全风险。通过这些措施，开放式交互模型可以在提供高效服务的同时，确保用户的隐私、安全和最佳利益得到保护。

不确定性或可信度阈值是AI系统中一个关键的概念，它决定了AI生成的结果是否足够可靠以呈现给用户。这个阈值的设定通常基于应用场景的风险水平、结果的影响、用户的期望、系统的性能标准、成本效益分析以及伦理和法律要求等因素。例如，在医疗诊断或自动驾驶等高风险场景中，阈值会被设定得非常高，以确保只有高度可信的结果才会被采纳。

在某些情况下，即使AI结果超过了设定的阈值，也应该谨慎地呈现给用户。系统应提供关于结果可信度的透明度和解释，使用户能够理解结果的不确定性水平，并据此做出明智的决策。这种透明的沟通有助于建立用户对AI系统的信任，并鼓励对AI输出的合理使用。

然而，对于未达到可信度阈值的结果，AI系统可能选择不直接展示这些结果，而是进行进一步的分析和验证。这种方法有助于防止误导用户，并确保AI系统提供的信息具有高质量和高可靠性。通过这种方式，AI系统能够在提供高效服务的同时，最大程度地保障用户的利益和系统的专业性。

AI模型在执行任务时可能会产生多种类型的误差，这些误差包括误分类、预测错误、推荐系统偏差、数据过拟合、缺少泛化能力、依赖漏洞、对抗性攻击、解释性不足和延迟响应等。这些误差可能会导致用户面临安全风险、经济损失、健康风险、法律和伦理问题、隐私泄露、信誉损失以及用户对AI系统信任度下降等风险。

为了应对这些潜在的风险，AI系统的设计者和使用者必须对模型的性能进行严格的测试和评估，确保其在实际应用中的可靠性和安全性。这包括对模型的错误类型和可能产生的后果有深刻的理解，并采取相应的预防措施，如实施定期的系统维护、更新算法以修复已知漏洞、以及增强系统的鲁棒性和泛化能力。

此外，还需要对用户进行适当的教育，让他们了解AI系统的局限性，并在关键决策中保留人类的判断权。透明的沟通和适当的用户指导对于建立用户对AI系统的信任至关重要。同时，确保AI系统的决策过程具有可解释性，使用户能够理解系统的输出和推荐的原因，从而在使用AI系统时能够做出更加明智和负责任的决策。通过这些措施，可以最大程度地减少AI模型误差带来的风险，同时发挥AI技术在提高效率和推动创新方面的潜力。

在传统的软件开发和设计流程中，程序编写和设计工作往往由不同的专业人员分工完成。程序员负责编写代码，实现产品的功能和逻辑，而设计师则负责产品的外观和用户体验。然而，随着技术的发展，尤其是自然语言处理（NLP）技术的进步，这种界限开始变得模糊。现在，设计师可以利用自然语言编程工具来直接实现他们的设计想法，而无需深入了解底层的代码逻辑。

这种趋势预示着，未来设计师在编写程序方面的能力可能会大大提升，甚至在某些方面超过传统的软件工程师。这主要是因为设计师在理解和提炼用户需求、将复杂的用户需求转化为清晰可执行的设计方案方面拥有丰富的经验和独特的视角。他们对用户行为的洞察和对用户体验的深刻理解，使他们能够更准确地把握产品的方向和重点。

此外，随着AI技术的发展，设计师在未来的工作中可能会越来越依赖于提示词和自然语言指令。通过使用精心设计的提示词，设计师可以更高效地与AI编程工具进行交互，快速生成原型、测试设计想法，并迭代优化产品。这不仅可以提高设计工作的效率，还可以帮助设计师更好地探索设计的可能，创造出更加创新和个性化的产品。

然而，这并不意味着设计师会完全取代程序员的角色。相反，设计师和程序员之间的合作将变得更加紧密和互补。设计师可以利用他们的专业知识和创造力来定义产品的方向和形态，而程序员则可以利用他们的技术专长来实现这些设计想法，确保产品的功能性和可维护性。通过跨学科的合作，设计师和程序员可以共同创造出既美观又实用的优秀产品。

有效提示通常由几个关键部分组成：首先是“指令”，它指明模型需要执行的具体任务；其次是“上下文”，提供辅助信息以帮助模型更好地理解问题；接着是“输入数据”，即用户希望模型处理的具体内容；以及“输出指示”，它指明预期的输出类型或格式。重要的是，并非每个提示都需要包含所有这些组件，其组成应根据手头任务的具体需求而定。

提示词并不是近年来才有的概念，实际上，从计算机技术的初步发展阶段，提示词就已经存在了，早期的计算机界面中，用户需要键入特定的命令来与计算机交互，随着技术的发展，图形用户界面成为主流但提示词仍然在编程领域发挥着关键作用，下面我就展示一些我常用的三种结构化提示词：

①APE提示词框架

定义需要完成的特定任务、行动或活动。这是框架的第一步，旨在明确要执行的具体任务或活动。

讨论意图或目标。这部分是为了解释为什么要执行这个特定的任务或活动，它的背后意图是什么，以及它将如何支持更大的目标或目标。

陈述期望的结果。在这最后一步，明确表述通过执行特定任务或活动期望实现的具体结果或目标。

②

提供足够的背景信息，使GPT能够理解问题的上下文。

设定特定的角色，让GPT能够根据该角色来生成响应。

明确任务目标，让GPT清楚知道需要实现什么。

定义关键的、可衡量的结果，以便让GPT知道如何衡量目标的完成情况。

通过试验和调整来测试结果，并根据需要进行优化。

③

角色为大模型提供了关于用户身份和角色的信息，有助于大模型更好地定制其回应。例如，一个医生可能需要的信息与一个学生完全不同。

背景部分提供了与当前问题相关的历史信息和背景知识。这使得大模型能够更好地了解用户所在的上下文环境。

目标描述了用户希望从与大模型的交互中实现的长期或短期目标。它可以帮助大模型提供更有针对性的建议和解决方案。

任务部分明确了用户希望大模型执行的具体任务或行动。这是最直接的指导，告诉大模型用户期望的具体操作或回答。

我们深入讨论了场景化思维在AI驱动的交互设计中的重要性、开放式交互代表了AI时代的设计创新，以及探讨了提示词工程，即如何通过精心设计的提示词来引导AI系统生成期望的输出。随着AI技术的不断进步，场景化思维、开放式交互和结构化提示词工程将成为交互设计领域的新标准。如果对更多的AI内容感兴趣欢迎关注我其他的媒体账号，如果有什么疑问也欢迎来评论区留言，未来我会持续更新更多更好的内容谢谢啦😎~