關(guān)注 三分設(shè) 和 10 萬設(shè)計師一起成長

翻閱計劃 2024

由 Midjourney 生成的人工智能藝術(shù)

生成式人工智能（Generative AI）和大型語言模型正在迅速改變我們的世界，對用戶體驗(yàn)（UX）設(shè)計產(chǎn)生巨大的影響。憑借分析數(shù)據(jù)、從中學(xué)習(xí)并做出預(yù)測的能力，人工智能（AI）和機(jī)器學(xué)習(xí)（ML） 正在改變我們用戶體驗(yàn)設(shè)計的方式，使其更加個性化、直觀和有效。

在這篇博文中，我將探討生成式人工智能和大型語言模型對用戶體驗(yàn)設(shè)計的影響、它們帶來的好處和挑戰(zhàn)，以及設(shè)計師如何利用這些技術(shù)創(chuàng)造更好的用戶體驗(yàn)。

對用戶體驗(yàn)（UX）設(shè)計的影響

生成式人工智能（Generative AI）和大型語言模型通過分析大量數(shù)據(jù)并從中學(xué)習(xí)，使設(shè)計師能夠創(chuàng)造更加個性化和直觀的用戶體驗(yàn)。這使設(shè)計師能夠創(chuàng)建適應(yīng)用戶行為和偏好的界面，從而改善整體用戶體驗(yàn)。

以下是生成式人工智能和大型語言模型如何影響用戶體驗(yàn)設(shè)計的一些實(shí)例：

1. 個性化：

生成式人工智能和大型語言模型可以分析瀏覽歷史和搜索查詢等用戶數(shù)據(jù)，從而創(chuàng)建個性化體驗(yàn)。例如，亞馬遜（Amazon）利用機(jī)器學(xué)習(xí)分析用戶行為，并根據(jù)用戶過去的購買和瀏覽歷史進(jìn)行產(chǎn)品推薦。同樣，奈飛（Netflix） 也利用機(jī)器學(xué)習(xí)根據(jù)用戶的觀看歷史推薦電影和電視節(jié)目。

個性化體驗(yàn)可以提高用戶參與度和滿意度。通過分析用戶數(shù)據(jù)并適應(yīng)他們的行為，界面可以為用戶提供更相關(guān)、更有用的內(nèi)容，使他們更有可能再次訪問。

2. 自然語言處理（NLP）：

NLP 使計算機(jī)能夠理解和解釋人類語言。這項(xiàng)技術(shù)用于聊天機(jī)器人和語音助手，使用戶能夠使用自然語言與界面進(jìn)行交互。這使得用戶體驗(yàn)更加直觀，更加人性化。

NLP 可以讓用戶體驗(yàn)更加直觀，更加人性化，使用戶能夠使用自然語言與界面進(jìn)行交互。

3. 預(yù)測分析：

生成式人工智能和大型語言模型可以分析用戶數(shù)據(jù)，對他們的行為做出預(yù)測。例如，谷歌（Google）利用預(yù)測分析來預(yù)測用戶的搜索查詢，并在用戶輸入時提供建議。同樣，聲田（Spotify） 利用預(yù)測分析技術(shù)根據(jù)用戶的收聽歷史推薦歌曲。

預(yù)測分析可以幫助設(shè)計師預(yù)測用戶需求，提供相關(guān)內(nèi)容，使用戶體驗(yàn)更直觀、更滿意。

4. 自動化：

生成式人工智能和大型語言模型可以自動完成數(shù)據(jù)錄入和客戶服務(wù)等重復(fù)性任務(wù)，從而讓設(shè)計師騰出手來，專注于更具創(chuàng)造性和戰(zhàn)略性的任務(wù)。

因此，自動化可以節(jié)省時間，提高效率。

5. 改善無障礙環(huán)境：

生成式人工智能和大型語言模型可以幫助殘障用戶更方便地使用界面。例如，語音助手和屏幕閱讀器可以讓有視覺障礙的用戶使用自然語言與界面進(jìn)行交互。

這有助于使殘障用戶更容易訪問界面，改善整體用戶體驗(yàn)，使其更具包容性。

用戶體驗(yàn)（UX）設(shè)計中生成式人工智能（AI）和大型語言模型（LLM）所面臨的挑戰(zhàn)

人工智能與人類創(chuàng)造力的交匯點(diǎn)：

機(jī)器真的有創(chuàng)造力嗎？

雖然在用戶體驗(yàn)（UX）設(shè)計中使用生成式人工智能（AI）和大型語言模型（ LLM ）有很多好處，但設(shè)計師在實(shí)施這些技術(shù)時也需要考慮一些挑戰(zhàn)。

其中一些挑戰(zhàn)如下：

1. 數(shù)據(jù)偏差：

生成式人工智能（AI）和大型語言模型（ LLM ）的好壞取決于它們所訓(xùn)練的數(shù)據(jù)。如果用于訓(xùn)練這些模型的數(shù)據(jù)有偏差，那么模型也會有偏差。這可能會導(dǎo)致對某些用戶群體的歧視，造成糟糕的用戶體驗(yàn)。例如，面部識別系統(tǒng)被發(fā)現(xiàn)對膚色較深的人錯誤率較高。

?? 快速統(tǒng)計：

美國國家標(biāo)準(zhǔn)與技術(shù)研究院的一項(xiàng)研究發(fā)現(xiàn)，膚色較深的人的面部識別系統(tǒng)出錯率較高，有些系統(tǒng)的出錯率比膚色較淺的人高出 100 倍。

2. 缺乏透明度：

生成式人工智能（AI）和大型語言模型（ LLM ）通常被視為 "黑盒子"，因?yàn)樗鼈兛赡茈y以理解和解釋。由于缺乏透明度，設(shè)計人員很難識別和糾正模型中的錯誤，從而導(dǎo)致糟糕的用戶體驗(yàn)。

?? 快速統(tǒng)計：

根據(jù) Pegasystems 的一項(xiàng)調(diào)查，69% 的消費(fèi)者表示，如果他們了解人工智能是如何做出決策的，他們會對人工智能更加放心。

3. 過度依賴自動化：

雖然自動化在某些情況下是有益的，但過度依賴它可能會導(dǎo)致糟糕的用戶體驗(yàn)。例如，如果聊天機(jī)器人無法回答用戶的問題，可能會讓用戶感到沮喪，并導(dǎo)致負(fù)面體驗(yàn)。

?? 快速統(tǒng)計：

凱捷（Capgemini）的一項(xiàng)調(diào)查中，46% 的消費(fèi)者表示他們更愿意與人互動，而不是聊天機(jī)器人，其中最常見的原因是聊天機(jī)器人無法回答他們的問題。

4. 用戶隱私問題：

生成式人工智能（AI）和大型語言模型（ LLM ）依賴用戶數(shù)據(jù)來運(yùn)行，這可能會引發(fā)對用戶隱私的擔(dān)憂。設(shè)計者需要對如何收集、使用和存儲用戶數(shù)據(jù)保持透明，以確保用戶能放心使用界面。

?? 快速統(tǒng)計：

在皮尤研究中心（Pew Research Center）的一項(xiàng)調(diào)查中，81% 的美國人表示，公司收集數(shù)據(jù)的潛在風(fēng)險大于好處。

5. 倫理方面的考慮：

生成式人工智能（AI）和大型語言模型（ LLM ）可對社會產(chǎn)生重大影響，設(shè)計者需要考慮使用它們的道德影響。例如，面部識別技術(shù)可用于監(jiān)控，從而引發(fā)對公民自由和隱私的擔(dān)憂。

?? 快速統(tǒng)計：

愛德曼（Edelman）的調(diào)查，66% 的消費(fèi)者表示，公司在社會問題上的立場很重要，64% 的消費(fèi)者表示，他們會向與自己價值觀一致的公司購買產(chǎn)品。

為了克服這些挑戰(zhàn)，設(shè)計師們需要意識到在用戶體驗(yàn)（UX）設(shè)計中使用生成式人工智能（AI）和大型語言模型（ LLM ）可能會帶來的隱患，并采取措施加以克服。這可能涉及使用不同的數(shù)據(jù)集來訓(xùn)練模型、建立透明度和可解釋性、平衡自動化與人機(jī)交互，以及優(yōu)先考慮用戶隱私和道德因素。

由 Midjourney 生成的人工智能藝術(shù)

結(jié)論

生成式人工智能（AI）和大型語言模型（ LLM ）的影響是巨大的，而且隨著這些技術(shù)越來越先進(jìn)，其影響還在不斷擴(kuò)大。通過利用人工智能（AI）和人機(jī)器學(xué)習(xí)（ML），設(shè)計師可以創(chuàng)造出更加個性化和直觀的用戶體驗(yàn)，以適應(yīng)用戶的行為和偏好。然而，使用人工智能（AI）和人機(jī)器學(xué)習(xí)（ML）也給設(shè)計師帶來了需要應(yīng)對的挑戰(zhàn)，如道德考慮、復(fù)雜性、數(shù)據(jù)隱私和用戶信任等。

為了克服這些挑戰(zhàn)，設(shè)計師需要與開發(fā)人員和數(shù)據(jù)科學(xué)家密切合作，確保將生成式人工智能（AI）和大型語言模型（ LLM ）系統(tǒng)無縫集成到用戶體驗(yàn)設(shè)計中。他們還需要確保以安全和負(fù)責(zé)任的方式收集和存儲用戶數(shù)據(jù)，遵守隱私法規(guī)。最后，他們需要確保人工智能（AI）和大型語言模型（ LLM ）系統(tǒng)是透明的，并為用戶提供清晰的解釋，說明它們是如何工作的以及使用了哪些數(shù)據(jù)。

總體而言，生成式人工智能（AI）和大型語言模型（ LLM ）在用戶體驗(yàn)（UX）設(shè)計中的優(yōu)勢遠(yuǎn)遠(yuǎn)大于挑戰(zhàn)。通過采用這些技術(shù)，設(shè)計師可以創(chuàng)造出個性化、直觀、有效的更好的用戶體驗(yàn)，最終提高用戶滿意度和參與度。

讓我知道你的想法...

原文標(biāo)題：The impact of Generative AI and large language models on UX design

原文鏈接：https://bootcamp.uxdesign.cc/the-impact-of-artificial-intelligence-and-machine-learning-on-ux-design-1f8258c63fd1

原文作者：Anirudh Hothur

翻譯作者：王翎旭（益達(dá)）

文章授權(quán)：魏心語

編輯：林庭婷

審核：王翎旭（益達(dá)）

文章字?jǐn)?shù)：3014 字

預(yù)計文章閱讀時長：9分鐘

該譯文并非完整原文，內(nèi)容已做部分調(diào)整。如在閱讀過程中發(fā)現(xiàn)錯誤與疏漏之處，歡迎不吝指出。如需轉(zhuǎn)載，請注明來自  @三分設(shè)

本文已獲得作者正式授權(quán)，截圖如下：

??????

共創(chuàng)  / 體驗(yàn) / 成長

所有平臺贊助

將用于社區(qū)建設(shè)和反饋社區(qū)粉絲

期待與更多優(yōu)秀產(chǎn)品設(shè)計師一起成長

??????

掃碼進(jìn)群