web|Facebook 总监告诉你，以 AI 为中心的产品设计有何不同？( 三 ) 谷歌|全球变暖

如前文所述，如今的任务要比我们从 Web 时期过渡到移动端时期复杂得多。我们必须立足于 AI 擅长的领域，并利用我们的设计思维来帮助工程和研究团队考虑具体用例的优先级，从而在未来改进 AI。
以下是 AI 已经熟练掌握的一些能力：

自然语言处理（提供翻译、字幕、编辑建议或发布内容）；
计算机视觉（理解视频、照片、识别环境中的物体）；
语音和对话（ AI 与用户交谈、提问和回答问题、提供辅助服务的能力）；
模式匹配（将事物视为一个集合，并且熟知新项目是否适合该集合。识别不良照片，在文本中查找关键字，将信息进行分类）；
根据现有数据进行预测 (定价建议、可能喜欢的内容)；
根据已有数据的问题提供答案和信息；
完成基本任务（打开视频、设置计时器、播放歌曲）；
情境理解（知道你是在店里还是在家里）；
创意工具和效果（将衣服映射到身体上，让影像随着身体运动而变化，在虚拟会议中提供专业的办公室背景）。

世界各地多家公司和机构正独立开发 AI 功能，因此 AI 能力列表和用例清单在不断扩充。
记住这些功能后，产品团队就能思考当前过程中的摩擦点在哪里。尤其有趣的是涉及基本感知、认知或模式匹配的点。思考 AI 的哪些能力有助于重新设计当前的产品，并以一种全新的方式去实现同样的目标。
然后，团队可以测试各领域的摩擦点和不断发展的 AI 技术。探寻是否有办法重新考虑现有的或未来的技术，以及 AI 会在哪些方面颠覆或重塑现有的做事方式（在用户体验中，摩擦是指阻碍人们完成行动的障碍）。
3. 步骤三：AI 构想，设计数据及反馈循环一旦你立足于正在解决的人类问题和希望创造的未来，就可以展开构想。与过去工具不同的关键区别在于，AI 需要数据来提供准确的推荐，需要用户反馈来改进推荐。如果这两个部分不到位，产品就会失败。
当我使用谷歌 Docs 输入这个文档时，工具中的 AI 正从我创建的句子中收集数据。如果我输入的单词是 AI 曾在其他文档中见过的，它便会提供给我该单词的输入建议，以及我可能在句子中使用的其余单词。
AI 之所以能够做到这一点，是因为它可以访问来自谷歌的所有文档中的所有数据，以及来自互联网的所有页面内容库。每创建一份新文件， AI 就会获得更多所需数据。我们发现谷歌的 Docs 工具很好用，所以我们愿意使用数据来换取工具的能力。
有时 AI 提供的建议是准确的，所以我接受它们。我会按下 Tab 键，让 AI 帮我完成句子，从而节省时间。当我接受这个建议时， AI 会发现这个建议是好的，并继续向我和其他用户推荐这一建议。
有时 AI 提供的建议不好，我便会置之不理，继续自己完成句子。这时， AI 会知道这个单词不是我想要的，并观察我输入的内容，从而在未来，将我输入的内容添加到给他人的建议中。
全球有数百万人在使用谷歌文档，所以这个工具拥有丰富的数据。谷歌的 AI 设计师设计出一种无摩擦的方式来提出建议，它不会在我工作时打扰到我。
我可以轻松地说 “好” 或 “不好” ，更棒的是，我可以根据我想要的内容给 AI 提供反馈。AI 在不产生额外用户摩擦的情况下不断自我学习和改进，并通过提供有用的服务来换取它需要的数据。
当你思考所面临的问题的解决方案时，必须知道 AI 需要哪些数据才能成功解决问题。如果你无法获得数据，那么可以在产品中建立怎样的方式，让用户提供 AI 所需的数据？
你能为用户提供什么真正有价值的东西，让他们愿意提供数据？解决这些问题需要一种全新的劝导式设计思维，这样 AI 工具才能获得成功。