告別命令，迎接意圖

我們與軟件交互的方式絕非一成不變。有時(shí)，它是緩慢的演變，有時(shí)則是突飛猛進(jìn)。如今，越來(lái)越多的設(shè)計(jì)先鋒，包括維塔利·弗里德曼，艾米麗·坎貝爾和格雷格·努德爾曼正在剖析人工智能應(yīng)用中的新興模式，描繪出永不停歇的格局。乍一看，這似乎只是又一次炒作周期，就像圍繞著每一個(gè)新技術(shù)趨勢(shì)的那種令人窒息的熱情。但退一步來(lái)看，一個(gè)更深層次的轉(zhuǎn)變顯而易見：我們與數(shù)字系統(tǒng)的互動(dòng)不僅在發(fā)生變化；它們的本質(zhì)也在發(fā)生轉(zhuǎn)變。

想象一下從膠片相機(jī)到數(shù)碼攝影的轉(zhuǎn)變——突然之間，用戶不再需要了解曝光時(shí)間或仔細(xì)定量膠卷。他們只需點(diǎn)擊一個(gè)按鈕，剩下的就交給設(shè)備處理了。

人工智能正在為UI設(shè)計(jì)帶來(lái)類似的轉(zhuǎn)變，讓我們擺脫僵硬、循序漸進(jìn)的流程，走向流暢、直觀的工作流程。交互的本質(zhì)正在發(fā)生轉(zhuǎn)變，正如Jakob Nielsen最近在其文章中強(qiáng)調(diào)的那樣，這種演變需要我們?nèi)褙炞?。他闡述了一個(gè)至關(guān)重要的見解：

“有了新的人工智能系統(tǒng)，用戶不再告訴計(jì)算機(jī)該做什么。而是用戶告訴計(jì)算機(jī)他們想要什么結(jié)果。”

這不僅僅是一場(chǎng)技術(shù)變革，更是一場(chǎng)哲學(xué)變革。它挑戰(zhàn)了長(zhǎng)期以來(lái)關(guān)于控制、自主性和人機(jī)協(xié)作的假設(shè)。我們?cè)?jīng)一絲不茍地掌控著每一步，而現(xiàn)在，我們能夠定義意圖，并讓人工智能決定最佳的前進(jìn)路徑。這種轉(zhuǎn)變的意義深遠(yuǎn)，堪比從命令行界面到圖形用戶界面的轉(zhuǎn)變，對(duì)于 UI 設(shè)計(jì)師來(lái)說，它既是機(jī)遇，也是挑戰(zhàn)。

點(diǎn)擊、滑動(dòng)、詢問：交互方式正在演變

但在深入探討人工智能如何重塑交互之前，我們有必要反思一下迄今為止最直觀的界面是如何定義的。1985 年，埃德溫·哈金斯、詹姆斯·霍蘭和唐納德·諾曼發(fā)表了一篇關(guān)于直接操作界面的開創(chuàng)性論文。諾曼后來(lái)在《設(shè)計(jì)心理學(xué)》中定義了一些最廣為接受的設(shè)計(jì)原則，而哈金斯則率先提出了分布式認(rèn)知的概念。但在 1985 年，他們與霍蘭一起抓住了設(shè)計(jì)史上的一個(gè)關(guān)鍵時(shí)刻，即直接操作逐漸成為一種主導(dǎo)策略。

直接操作是一種交互方式，用戶使用物理、增量和可逆的操作對(duì)顯示的感興趣對(duì)象進(jìn)行操作，其效果立即在屏幕上可見。NN /g

但這簡(jiǎn)單來(lái)說意味著什么呢？比如，你需要將一個(gè)文件從一個(gè)文件夾移動(dòng)到另一個(gè)文件夾——這是一個(gè)典型的直接操作的例子——你看到這個(gè)文件，抓住它，然后把它移動(dòng)到你想要的位置。

首先，你需要明確目標(biāo) (1)。然后，在當(dāng)前文件夾中找到文件，并決定將其拖動(dòng)到新位置 (2)。點(diǎn)擊并按住文件，將其移動(dòng)到屏幕上，最后將其拖放到目標(biāo)文件夾中 (3)。

如果你不小心把它放在了錯(cuò)誤的地方，你會(huì)立即看到結(jié)果，調(diào)整方法，然后再次拖動(dòng)它，直到它落到你想要的位置。這種交互方式感覺很直觀，因?yàn)樗畲笙薅鹊販p少了認(rèn)知投入——系統(tǒng)會(huì)實(shí)時(shí)響應(yīng)你的操作，強(qiáng)化了直接參與和掌控的感覺。

這個(gè)過程越順暢，交互感覺就越自然、越令人滿意。

雖然縮短距離可以提高可用性，但真正定義直接操控的是參與度。作者寫道：

“最能體現(xiàn)直接操縱的系統(tǒng)都給人一種定性的感覺，即人們直接參與對(duì)對(duì)象的控制——不是通過程序，不是通過計(jì)算機(jī)，而是通過我們的目標(biāo)和意圖的語(yǔ)義對(duì)象。”

幾十年來(lái)，直接操控一直是設(shè)計(jì)的基本原則。然而，隨著我們向人工智能驅(qū)動(dòng)的系統(tǒng)過渡，我們必須思考這些原則如何演變——以及它們何時(shí)會(huì)被目標(biāo)導(dǎo)向的交互所取代。

現(xiàn)在，想想Windows Photos 的 AI 驅(qū)動(dòng)“擦除”功能。假設(shè)你給你的狗狗拍了一張照片，但照片里有一條不想要的牽引繩。你不用像十年前那樣手動(dòng)選擇像素并精心編輯，而是只需選中牽引繩，剩下的交給 AI 處理即可。系統(tǒng)理解你的目標(biāo)——移除牽引繩——并執(zhí)行最佳解決方案。

將顯示縮放圖像

這種交互仍然需要一定程度的操作，因?yàn)槟惚仨氈付ㄒ脸膶?duì)象，但不同之處在于，你是在優(yōu)化請(qǐng)求，而不是直接修改像素。你不再需要一絲不茍地編輯每個(gè)細(xì)節(jié)，而是與系統(tǒng)協(xié)作，以達(dá)到預(yù)期的效果。這種轉(zhuǎn)變標(biāo)志著 UI 設(shè)計(jì)的根本性變革。

Desolda 與其他研究人員基于諾曼的“執(zhí)行鴻溝”和“評(píng)估鴻溝”理論，構(gòu)建了一個(gè)模型，捕捉到了這種動(dòng)態(tài)。與簡(jiǎn)單的直接操作（例如在文件夾之間拖動(dòng)文件，操作需要逐步展開）不同，AI 交互需要更流暢、更迭代的過程。用戶清晰地表達(dá)他們的目標(biāo)，但并非手動(dòng)執(zhí)行每一步，而是與系統(tǒng)協(xié)作，優(yōu)化輸入，并在 AI 進(jìn)行動(dòng)態(tài)解釋、調(diào)整和響應(yīng)時(shí)對(duì)其進(jìn)行引導(dǎo)。

直接操縱的持續(xù)相關(guān)性

人工智能或許正在重塑我們與科技互動(dòng)的方式，但直接操控卻不會(huì)消失。即使在基于意圖的界面時(shí)代，用戶仍然需要與人工智能系統(tǒng)互動(dòng)，用正確的輸入引導(dǎo)它們，將人類的目標(biāo)轉(zhuǎn)化為機(jī)器可讀的指令。設(shè)計(jì)人工智能體驗(yàn)并非要取代直接操控，而是要增強(qiáng)它，在既有模式的基礎(chǔ)上疊加新的交互模型，使交互更流暢、更直觀，并最終增強(qiáng)其功能。

為了設(shè)計(jì)無(wú)縫的人工智能體驗(yàn)，我們需要識(shí)別并構(gòu)建熟悉的模式。

例如，在許多 AI 應(yīng)用中，開放式提示框可以充當(dāng)破冰船，幫助用戶開啟對(duì)話。這種方法建立在人們熟悉的輸入框模式之上，幾十年來(lái)，該模式一直是 UI 的標(biāo)準(zhǔn)組件，如今，它又扮演著新的角色。無(wú)論是在 ChatGPT 中輸入問題，還是指示設(shè)計(jì)工具生成布局，這種方法都能提供靈活性，同時(shí)以直觀易懂的方式引導(dǎo)用戶意圖。

這種方法不僅限于交互模式——它也擴(kuò)展到用戶體驗(yàn)框架。

例如，Evan Sunwall 提出了“Promptframes”的概念，通過將即時(shí)寫作和生成式 AI 融入設(shè)計(jì)流程，作為傳統(tǒng)線框圖的補(bǔ)充。其目標(biāo)是通過在工作流程的早期階段融入 AI 驅(qū)動(dòng)的內(nèi)容生成，提高內(nèi)容保真度并加速用戶測(cè)試。然而，這一概念建立在線框圖的基礎(chǔ)上，這進(jìn)一步強(qiáng)調(diào)了理解傳統(tǒng)用戶體驗(yàn)結(jié)構(gòu)對(duì)于有效設(shè)計(jì) AI 驅(qū)動(dòng)體驗(yàn)的重要性。

最后的想法

不需要霓虹燈“人工智能驅(qū)動(dòng)”標(biāo)簽；它應(yīng)該無(wú)縫地融入用戶旅程，感覺就像意圖的自然延伸。

以Netflix 的推薦系統(tǒng)為例。它不會(huì)打斷你的體驗(yàn)，提醒你它正在使用高級(jí)算法。它也不會(huì)要求你配置一堆設(shè)置。相反，它會(huì)默默地學(xué)習(xí)、適應(yīng)，并為你提供建議，讓你感覺毫不費(fèi)力——以至于你很少會(huì)停下來(lái)思考它背后的系統(tǒng)。這才是人工智能驅(qū)動(dòng)的交互應(yīng)該有的樣子：它不是一個(gè)需要你費(fèi)力操作的功能，而是一個(gè)根據(jù)你的需求不斷改進(jìn)的隱形助手。

隨著我們邁向意圖驅(qū)動(dòng)的系統(tǒng)，這正是設(shè)計(jì)師應(yīng)該努力追求的目標(biāo)。人工智能應(yīng)該減少摩擦，而不是增加復(fù)雜性。它應(yīng)該賦予用戶權(quán)力，而不是用不必要的選擇讓他們不知所措。最好的人工智能不是那種需要注意力的人工智能——而是那種能夠融入你最初想要完成的任務(wù)流程中的人工智能。