از دیدگاه کاربر، سیستمهای هوش مصنوعی ذاتاً نامشخص هستند. آنها میتوانند نتایج متناقضی تولید کنند و مرتباً اشتباه کنند. رابط کاربری فرصتهای زیادی برای جذب، فیلتر کردن و کاهش ناامیدیهای ناشی از محدودیتهای هوش مصنوعی ارائه میدهد. به عنوان یک توسعهدهنده، شما نقش محوری در شکلدهی تجربیات کاربر هوش مصنوعی دارید زیرا بینش عمیقتری نسبت به چگونگی و محل شکست یک سیستم هوش مصنوعی دارید.
یکی از ملاحظات کلیدی طراحی، میزان کنترل کاربران بر هوش مصنوعی است. برخی از فرصتها برای کاربران نامرئی هستند، در حالی که برخی دیگر تعامل آشکاری دارند. در معرض دید قرار گرفتن بیشتر به معنای انعطافپذیری بیشتر است، اما همچنین ریسک و پیچیدگی بیشتری را نیز به همراه دارد که باید مدیریت شود.
در این ماژول، ما بهترین شیوهها را برای طراحی الگوهای تجربه کاربری (UX) برای سه نوع مواجهه یاد میگیریم: پسزمینه، محدود و باز. برای هر نوع، ما برجسته میکنیم که چگونه انتخابهای فنی و معماری بر تجربه کاربری سیستم هوش مصنوعی تأثیر میگذارند.
هوش مصنوعی پسزمینه
هوش مصنوعی میتواند بدون معرفی ویژگیهای جدید، برای تقویت نامحسوس یک تجربه موجود مورد استفاده قرار گیرد. این امر احتمال اختلال و خرابی را به حداقل میرساند. در این حالت، مسئولیت مفید بودن، قابلیت اطمینان و تخریب مناسب کاملاً بر عهده محصول است. کاربران برای بهرهمندی از هوش مصنوعی نیازی به یادگیری نحوه کار آن یا حتی دانستن اینکه هوش مصنوعی در آن دخیل است، ندارند.
هوش مصنوعی پسزمینه زمانی مناسبترین است که:
- کار کم ریسکی است.
- کنترل کاربر به طور معناداری نتایج را بهبود نمیبخشد.
- حتی اگر ویژگی هوش مصنوعی از کار بیفتد یا در دسترس نباشد، محصول همچنان میتواند ارزش اصلی خود را ارائه دهد.
نمونههای زیادی از هوش مصنوعی پسزمینه در سراسر وب وجود دارد، از فیلترهای اسپم گرفته تا پیشنهادهای سرگرمی، یا حتی نمونههای پیچیدهتر، مانند نظرات بولتاستریم BILIBILI . برخی از این ویژگیها را حتی ممکن است به عنوان «هوش مصنوعی» در نظر نگیرید.
مثال: خلاصهها و نکات برجسته نقد و بررسی با هوش مصنوعی
مثال Shoppe را به خاطر دارید؟ ما تاکنون دو طرح کلی سیستم را برای ویژگیهای مختلف هوش مصنوعی، از جمله ویژگی پشتیبانی مشتری و جستجوی پیشرفته محصول ، به اشتراک گذاشتهایم. اکنون، ویژگی سومی را معرفی میکنیم: خلاصه نظرات. نگاهی به طرح کلی سیستم هوش مصنوعی بیندازید.
صفحات محصول اغلب شامل صدها نقد و بررسی است. برای کاربران، ارزیابی ویژگیهایی که واقعاً برایشان مهم است میتواند دشوار باشد.
شما میتوانید از هوش مصنوعی برای ارائه تمهای تکرارشونده در جستجوهای آنها استفاده کنید تا نکات برجسته و خلاصههای شخصیسازیشدهای از نقد و بررسیها ارائه دهید. در رابط کاربری نمونه ما، کاربر به دنبال هدفون است، بنابراین تمهای کیفیت صدا و عمر باتری برجسته میشوند. این امر بار شناختی را کاهش میدهد و میتواند منجر به تصمیمگیری سریعتر برای خرید شود.
از آنجایی که خلاصهها برای هر فرد منحصر به فرد هستند، هنگام انتخاب پلتفرم خود باید حریم خصوصی و سرعت را در اولویت قرار دهید. ممکن است بخواهید هوش مصنوعی داخلی و رابط برنامهنویسی Summarizer را انتخاب کنید، بنابراین محاسبات مستقیماً روی دستگاه کاربر انجام میشود.
بهترین شیوهها
دستورالعملهای زیر را رعایت کنید تا ویژگی هوش مصنوعی شما به طور یکپارچه با تجربه کاربری موجود ترکیب شود:
- شفافیت سبک ارائه دهید : وقتی هوش مصنوعی محتوای تولید شده توسط کاربر را تبدیل یا جمعآوری میکند، نشانههای ظریفی انتظارات کاربران شما را تعیین میکنند. میتوانید از برچسبهای خنثی مانند "خلاصه" یا "بینشهای کلیدی" استفاده کنید و از طریق راهنماهای ابزار یا سایر عناصر رابط کاربری، افشای تدریجی را اضافه کنید.
- اجازه انصراف : افراد نگرشهای متفاوتی نسبت به هوش مصنوعی دارند. برخی ممکن است به هوش مصنوعی به عنوان مزاحم، طاقتفرسا یا آزاردهنده واکنش نشان دهند. مسیر مشخصی برای غیرفعال کردن این ویژگیها ارائه دهید.
- مراقب کلمات باشید : زبان بخش مهمی از هر تجربه کاربری، از جمله متن تولید شده توسط هوش مصنوعی است. در مثال ما، خلاصهها باید منعکس کننده روندها باشند، نه ادعاها. قوانینی را به سیستم خود اضافه کنید تا زبان بیش از حد مطمئن را در خلاصه کاهش یا حذف کنید.
- یک جایگزین مناسب طراحی کنید : در صورت امکان، بدون هوش مصنوعی، ارزش ارائه دهید. اگر خلاصه به دلایل فنی، مانند عدم دسترسی به مدل، در دسترس نباشد، سیستم همچنان باید بررسیهای خلاصه نشده را ارائه دهد. پس از دانلود مدل، برنامه شما میتواند به طور خودکار خلاصه جدید را نمایش دهد.
- به حداقل رساندن اختلال در طول راهاندازی : دانلود اولیه یک مدل سمت کلاینت میتواند باعث ایجاد اصطکاک شود. ابتدا ارزش ویژگی را نشان دهید. میتوانید یک پشتیبان محدود سمت سرور اضافه کنید یا دانلود را به انتهای سفر کاربر منتقل کنید، بنابراین وقفه به حداقل میرسد. زمانبندی مناسب و ایجاد زمینه به همسو کردن محصول شما با اولویتهای کاربر کمک میکند.
هوش مصنوعی محدود
در حالی که هوش مصنوعی پسزمینه به طور خودکار اجرا میشود، ویژگیهای هوش مصنوعی محدود به طور صریح توسط کاربر، اغلب با یک لینک یا دکمه، فعال میشوند. شما وظیفه، هدف، محدودیتها و قالب خروجی را در یک اعلان سیستم تعیین میکنید. برخلاف یک نشانگر اعلان باز، کاربران به جز شروع کار و دریافت خروجی، هیچ گزینه دیگری ندارند. سیستم با محدود کردن دقیق آنچه هوش مصنوعی مجاز به انجام آن است، قابلیت پیشبینی را حفظ میکند.
درست مانند هوش مصنوعی پسزمینه، ویژگیهای هوش مصنوعی محدود به خوبی با مدلهای سمت کلاینت که برای کار خاص سفارشیسازی شدهاند، جفت میشوند.
مثال: تولید عنوان
تولید تیتر میتواند یک کار به خصوص چالش برانگیز باشد. BlogBuddy از هوش مصنوعی برای کمک به نویسندگان استفاده میکند تا تیترهای متفکرانه و متناسب با متن را با حداقل تلاش ارائه دهند. طرح کلی سیستم هوش مصنوعی را برای این ویژگی مرور کنید.
کاربر میتواند روی «نمایش عنوانها» کلیک کند تا چندین پیشنویس برای ارزیابی و اصلاح تولید کند.
ما در مهندسی Prompt، نحوه پیادهسازی این امر با API مربوط به Prompt را بررسی کردیم. یک اعلان سیستمی بسازید که وظیفه، محدودیتهای سبکی و ساختار خروجی را کدگذاری کند. فقط محتوای پست وبلاگ به صورت پویا از رابط کاربری ارسال میشود. با پیادهسازی سمت کلاینت، این ویژگی برای تکرار بدون هزینه راهاندازی بهینه شده است.
بهترین شیوهها
هدف شما این است که کاربران را به استفاده از ویژگیهای جدید ترغیب کنید. برای انجام این کار، ارزش را به آنها نشان دهید و به آنها کنترل نتیجه را بدهید:
- وضوح و اطمینان را منتقل کنید : برچسبهای واضح برای اقدامات همیشه بر زبان عمومی مانند «از هوش مصنوعی بپرسید» ارجحیت دارند. کاربر شما باید بتواند فراتر از نحوهی وقوع، آنچه را که اتفاق میافتد، درک کند. اگر تأخیر ویژگی شما کم است، برچسبهایی اضافه کنید که نشان دهند نتیجه از قبل در دسترس است. به عنوان مثال، به جای «ایجاد عنوان»، «نمایش عنوانها» را انتخاب کنید .
- کاربر را در جریان امور قرار دهید : برای هوشیار نگه داشتن کاربران، کمی اصطکاک شناختی ایجاد کنید. با ارائه گزینههای متعدد، میتوانید از گیر افتادن کاربران در نتیجهای که ممکن است دوست نداشته باشند، جلوگیری کنید. کاربران باید بتوانند قبل از ذخیره شدن، صریحاً نتایج را بپذیرند یا ویرایش کنند.
- در صورت امکان، نتیجه را از قبل آماده کنید : به خصوص برای وظایف سمت کلاینت، از قبل محاسبه نتیجه را در نظر بگیرید تا بلافاصله در دسترس باشد.
- پشتیبانی از تکرار سریع : بازسازی باید آسان، برگشتپذیر و ارزان باشد. کاربران باید بتوانند اقدامات خود را لغو کنند. این سیگنالهای بازخورد را جمعآوری کنید تا بتوانید این ویژگی را برای اجراهای بعدی به دقت تنظیم کنید.
- در صورت نیاز، کنترلهای جزئیتری ارائه دهید : عناصر ساختاریافته اضافی مانند برچسبهای لحن، انتخابگرهای طول یا سبکهای از پیش تعیینشده میتوانند برای اصلاح نتایج استفاده شوند. در بسیاری از موارد، با گذشت زمان و با افزایش اعتماد و نیازهای کاربر، نیاز به کنترل بیشتر پدیدار میشود. حلقههای بازخوردی ایجاد کنید که به شما امکان میدهد این پیشرفتها را پیگیری کنید.
چگونه بین هوش مصنوعی پسزمینه و هوش مصنوعی محدود یکی را انتخاب کنیم؟
برخی از ویژگیها میتوانند به صورت پسزمینه یا هوش مصنوعی محدود پیادهسازی شوند، بسته به اینکه چگونه و چه زمانی آنها را فعال میکنید. این تمایز تحت تأثیر قابلیت مشاهده، بار شناختی و زمانبندی قرار میگیرد، نه قابلیتهای موجود. به عنوان مثال، به جای نیاز به کلیک صریح روی دکمه، عناوین میتوانند به صورت پیشگیرانه در پسزمینه، در حالی که کاربر در حال نوشتن است، آماده شوند. وقتی کاربر روی فیلد عنوان تمرکز میکند، میتوانید پیشنهاداتی ارائه دهید.
این رویکرد زمانی بهترین نتیجه را میدهد که:
- ورودیهای مورد نیاز این ویژگی به طور پیشفرض در دسترس هستند
- تعداد ویژگیهای مبتنی بر هوش مصنوعی کم است
- هزینه پیشمحاسبات کم است
- پیشنهادات میتوانند بدون اینکه کاربر را از وظیفهاش منحرف کنند، ادغام شوند.
در مقابل، هوش مصنوعی محدود در محصولاتی با چندین ویژگی یا اقدام هوش مصنوعی ترجیح داده میشود. محرکهای صریح به جلوگیری از محاسبات غیرضروری کمک میکنند و به کاربران حس قویتری از قصد و اختیار میدهند.
هوش مصنوعی باز
هوش مصنوعی باز به کاربران امکان کنترل مستقیم بر رفتار یک سیستم هوش مصنوعی با ورودیهای آزاد را میدهد. به جای شروع یک اقدام از پیش تعیینشده، کاربران میتوانند زمینه را به زبان طبیعی ارائه دهند. پس از ارسال، سیستم هوش مصنوعی قصد را تفسیر میکند، زمینههای از دست رفته را اضافه میکند و بهترین حدس خود را در مورد اقدام بعدی میزند.
ورودیها بسیار فردی و اغلب غیرقابل پیشبینی هستند و سیستم هوش مصنوعی شما باید بتواند این تنوع را مدیریت کند. این نوع، بالاترین انعطافپذیری، اما همچنین بالاترین ریسک را برای تجربه کاربر ارائه میدهد:
- ورودی مبهم یا ناقص کاربر
- خروجیهای غیرقابل پیشبینی
- احتمال بیشتر پاسخهای نادرست یا گمراهکننده
- افزایش خطر اعتماد بیش از حد
- تلاش برای به خطر انداختن سیستم، به عنوان مثال، با وادار کردن آن به تولید محتوای نامناسب
مثال: نماینده پشتیبانی مشتری مجهز به هوش مصنوعی
برای مثال، پشتیبانی مشتری در Shoppe طیف وسیعی از مسائل را در بر میگیرد: ردیابی سفارش، بازگشت کالا، سوالات مربوط به محصول، مشکلات تحویل و موارد حاشیهای که با گردشهای کاری شفاف مطابقت ندارند. طرح کلی سیستم هوش مصنوعی را از ماژول پلتفرم به خاطر بسپارید.
پس از افزودن ویژگیهای هوش مصنوعی محدود برای رایجترین اقدامات، رابط کاربری شما ممکن است شلوغ باشد. در عوض، یک عامل پشتیبانی هوش مصنوعی با قابلیت دسترسی باز میتواند انعطافپذیری را فراهم کند.
- مسائل رایج را به سرعت حل کنید.
- کاهش زمان انتظار و هزینههای پشتیبانی
- ارائه کمکهای فوری در بسیاری از موضوعات، بدون جریانهای پشتیبانی پیچیده.
ارزش عامل پشتیبانی در مدیریت تنوع در مقیاس نهفته است. در نهایت، شما باید سیستمی بسازید که بتواند این ورودیها را به طور مسئولانه مدیریت کند. در حالی که شما امیدوارید و انتظار دارید که کاربران از بهترین قضاوت خود استفاده کنند و اعتماد را تنظیم کنند ، ممکن است مسئول پاسخهای نادرست ارائه شده توسط مدل باشید.
کاربران با اپراتور چت میکنند و میپرسند: «سفارش من کجاست؟» یا «دو بار از من هزینه دریافت شده است - میتوانید کمک کنید؟» اپراتور منظور را تفسیر میکند، سوالات روشنکننده میپرسد، اطلاعات مرتبط را بازیابی میکند و مراحل یا اقدامات بعدی را پیشنهاد میدهد.
اکثر سیستمهای هوش مصنوعی باز به مدلهای سمت سرور متکی هستند. این مدلها میتوانند با اجزای دیگر مانند پایگاههای داده، ابزارهای خارجی و منطق کسبوکار ترکیب شوند تا یک سیستم هوش مصنوعی مرکب تشکیل دهند. شما باید مسیرهای ارتقاء را برای عوامل پشتیبانی انسانی فراهم کنید.
بهترین شیوهها
تمرکز بر شفافیت، کالیبراسیون اعتماد و مکانیسمهای کنترل:
- کاربران را راهنمایی کنید تا منظور خود را به طور واضح بیان کنند : برای کاهش ابهام، پیشنهادهای فوری (مثلاً «میخواهم سفارش را برگردانم») و پیگیریهای پیشنهادی ارائه دهید.
- وضعیت سیستم و فرضیات را قابل مشاهده کنید : عامل باید به وضوح آنچه را که میفهمد ("به نظر میرسد که شما در مورد سفارش ۱۲۳۴۵ سوال میکنید") و اطلاعاتی را که استفاده میکند، بیان کند.
- قبل از اقدام، سوال کنید : قبل از انجام اقدامات حساس، مانند بازگشت کالا، بازپرداخت وجه، تغییر آدرس، نماینده باید اقدامات را خلاصه کرده و از کاربر درخواست تأیید کند.
- طراحی برای تأیید و اصلاح : کاربران باید بتوانند سوءتفاهمها را اصلاح کنند، درخواستها را به شکل دیگری بیان کنند یا مکالمه را بدون شروع دوباره، به عقب برگردانند.
- ترکیب با ویژگیهای محدود هوش مصنوعی : مکالمهی زیاد و رفت و برگشت ممکن است کاربران را دلسرد کند. عناصر ساختاریافته را به عنوان میانبر اضافه کنید. به عنوان مثال، یک شماره سفارش استنباطی میتواند به عنوان یک عنصر قابل کلیک ارائه شود که به کاربر اجازه میدهد آن را جستجو، انتخاب یا جایگزین کند، به جای اینکه از او خواسته شود درخواست را به صورت متنی دوباره بنویسد.
- عدم قطعیت ظاهری و محدودیتها : عامل باید عدم قطعیت را بپذیرد، اطلاعات از دست رفته را نشان دهد و وقتی اعتماد به نفس پایین است، با ظرافت به یک انسان ارجاع دهد.
این نوع تجربه هوش مصنوعی مستلزم آن است که کاربران شما پاسخها را به طور انتقادی ارزیابی کنند و بدانند چه زمانی باید به مرحلهی بعد بروند.
نکات کلیدی
در این ماژول، انواع مختلف تجربیات کاربری هوش مصنوعی را بررسی کردیم:
- هوش مصنوعی پسزمینه به شما امکان میدهد ارزش یا لذت بیشتری به سفر کاربری فعلی خود اضافه کنید.
- ویژگیهای هوش مصنوعی محدود میتوانند برای موارد استفاده خاص و کاملاً تعریفشدهای که به بهترین شکل با هوش مصنوعی انجام میشوند، مورد استفاده قرار گیرند.
- هوش مصنوعی با پایان باز برای حوزههایی با تنوع بالا مورد نیاز است. فقط در صورتی از هوش مصنوعی با پایان باز استفاده کنید که از عملکرد فنی سیستم خود بسیار مطمئن هستید.
جدول زیر الگوهای UX توصیه شده برای هر نوع هوش مصنوعی را خلاصه میکند:
| تم تجربه کاربری | الگوی تجربه کاربری | پیشینه | مقید | پایان باز |
| شفافیت | هوش مصنوعی به وضوح سیگنال داده شده است | |||
| توضیح سبک وزن از رفتار هوش مصنوعی | ||||
| وضعیت سیستم و فرضیات قابل مشاهده | ||||
| راهنمایی | پیشنهادهای فوری | |||
| ورودی ساختاریافته (برچسبها، پیشتنظیمها) | ||||
| کنترل | ماشه صریح هوش مصنوعی | |||
| پیشنمایش قبل از اعمال خروجی | ||||
| جایگزینهای متعدد | ||||
| بازسازی | ||||
| لغو | ||||
| کالیبراسیون اعتماد | جملهبندی محافظهکارانه | |||
| شاخصهای اطمینان | ||||
| مدیریت ریسکها و شکستها | اصطکاک عمدی و دروازههای بازبینی | |||
| انتقال/تشدید مسئولیت توسط انسان | ||||
| پشتیبان عالی بدون هوش مصنوعی |
مطالب بیشتر
برای ادامه یادگیری در مورد الگوهای UX، منابع زیر را توصیه میکنیم:
- کتاب راهنمای افراد + هوش مصنوعی گوگل را بخوانید.
- جعبه ابزار HAX مایکروسافت، به ویژه دستورالعملهای آنها برای تعامل انسان و هوش مصنوعی .
- شکل هوش مصنوعی نوشته امیلی کمپبل.
- فصل دهم از کتاب هنر توسعه محصول هوش مصنوعی .
درک خود را بررسی کنید
محو کردن پسزمینه در تماس ویدیویی چه نوع الگوی تجربه کاربری است؟
چه زمانی باید از هوش مصنوعی باز به عنوان یک الگوی تجربه کاربری استفاده کنید؟