WWDC 19，Session 803，機器學習與體驗設計相關話題，包括基本原理、設計要素、數(shù)據(jù)、指標、界面設計原則。

基本原理與設計要素

說起機器學習，我們總會想到一系列相關話題，例如語音識別、計算機視覺、深度神經(jīng)網(wǎng)絡、個性化處理等等。在 Apple，我們非常關注于如何面向機器學習進行體驗設計，因為我們正在提供或將要打造的產(chǎn)品都不可能脫離于這項技術而存在。

例如 AirPods 可以幫助我們喚起 Siri，進而使我們能夠在脫離屏幕和雙手參與的情況下，僅通過語音來控制設備；離開了 Siri 與機器學習，這樣的體驗就無從談起。

同樣以機器學習為基礎的 Face ID 則可以幫助我們進行便捷的安全認證。

機器學習還會被運用到很多人們幾乎察覺不到的地方，于無形之中提升著設備體驗。譬如我們會通過機器學習來了解人們的打字習慣，進而動態(tài)地增大或減小鍵盤按鍵的實際點擊區(qū)域，使其更符合人們的使用規(guī)律。

機器學習的應用形式是多種多樣的，而非局限于語音助手、內容推薦算法或是自動駕駛一類。它既能被用于現(xiàn)有產(chǎn)品的優(yōu)化，也能融入新產(chǎn)品來實現(xiàn)更加豐富多彩的體驗。

我們接下來以「照片」為例，了解一下機器學習與 app 設計之間的關系。

在「照片」中，機器學習可以幫助人們創(chuàng)建相冊，編輯照片，搜索記憶。我近來正好需要搜索安吉的照片并分享給朋友們。安吉是我家的狗狗，這張照片拍攝于很多年前。

其實就在不久之前，要找到這樣一張?zhí)囟ǖ恼掌际欠浅＠щy的事，你需要在手機里成千上萬張照片當中，花上很多時間尋找一番，期間還必須回想著那張照片可能是在何時何處拍攝的。我往往會半途而廢，尋找照片這件事成了我發(fā)起人際交流的障礙。

從 iOS 10 開始，我們在「照片」中引入了搜索功能。經(jīng)過持續(xù)的迭代優(yōu)化，如今照片搜索的體驗模式大致是這樣的：我點擊搜索框，輸入「dog」，然后得到一個包含所有狗狗照片的列表；我選擇要找的那張，然后分享給我的朋友。

基于圖像中的內容來搜索照片，這一技術改變了我們與圖像信息的互動方式，如今我們已經(jīng)習以為常。而如此簡單便捷的體驗其實是經(jīng)過精心設計的，其中自然涵蓋一系列界面層面的設計工作，例如分類搜索建議、自動補全關鍵詞、將搜索結果與「時刻」進行關聯(lián)等等。

然而如果只關注界面設計，我們就很容易忽視掉整個智能化體驗當中最為重要的部分，即內容本身的輸出邏輯，包括搜索結果類別及匹配度的制定等等。設計不止存在于界面層面。

對于以機器學習為核心的功能或產(chǎn)品，在塑造其體驗時，設計師需要考慮的遠不止界面樣式和交互層面的設計。除了流程、操作體驗、外觀美學等等，我們同樣需要對機器學習的運用方式及輸出邏輯進行設計。

基本原理

那么讓我們來了解一下機器學習在照片搜索功能當中的基本運作機制。

將最核心的邏輯提煉出來，我們可以簡單地理解為：app 能夠對圖像的內容進行掃描，并判斷其中是否包含著系統(tǒng)已知的對象類型。

對于我們的案例來說，app 可以判斷安吉的照片中存在「狗」這種類型。

在傳統(tǒng)的編程方式下，我們必須編寫代碼告訴計算機具體做些什么。我們需要在代碼中預先定義不同的品種、場景，包括不同類型的圖片分辨率，因為用戶各有不同，他們的愛犬也多種多樣。

我們還需要通過代碼將狗狗與其他類似的動物加以區(qū)分，例如這只鬣狗。它雖然長得像狗，但你不會想讓它做你的寵物。

所有這些變量組合起來，其結果是無窮無盡的，我們完全沒可能通過編寫代碼來預先進行完整的定義。

而「狗」只是我們可能需要識別的成千上萬的對象類型當中的一種而已，有太多的實際需求令我們無法預先告訴計算機具體要做些什么。這種情況下，我們就可以通過機器學習技術來「教」計算機該怎樣做。

具體如何來「教」？我們需要為計算機提供大量的「范例」進行訓練。

例如我們希望計算機學會將包含狗的照片與不包含狗的照片區(qū)分開來，我們就要預先提供這兩種類型的照片，供它學習其中的特征。計算機會逐漸培養(yǎng)出判斷能力，而這個能力即可被用到我們的 app 當中，用以構建照片搜索。

我們將這個判斷能力稱作「模型」。

完成訓練之后，模型便可以分析它此前從未見過的照片，從中識別出不同種類的狗狗，并能將狗狗與其他動物或物體區(qū)分開來。

模型是機器學習的核心。任何基于機器學習所構建的功能都離不開相應的模型。Siri 擁有將人聲轉化為文字的模型。鍵盤擁有判斷用戶輸入意圖的模型。

對于以機器學習為核心的功能或產(chǎn)品，其體驗設計必須同時考慮到「界面」與「模型」這兩個層面。我們本次的主題將涵蓋到這兩大方面。

設計要素

模型的訓練是一件復雜的事，你可能需要在算法、參數(shù)、框架等方面進行大量的決策。這些決策會影響到模型的能力，并最終決定著產(chǎn)品體驗的優(yōu)劣。

所有相關決策在本質上都是產(chǎn)品設計決策。但對于設計師而言，其中的某些方面是需要特別關注的，包括兩個層面。

1. 模型層面

• 通過怎樣的范例訓練模型，即「數(shù)據(jù)」。
• 如何判斷模型是否有效，即「指標」。

2. 界面層面

• 如何將處理結果呈現(xiàn)給用戶，即「輸出」。
• 用戶如何與模型進行互動，如何通過互動來改進模型，即「輸入」。

關于WWDC 設計大會，這個專題也不能錯過！

歡迎關注作者的微信公眾號：「Beforweb」