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，它是緩慢的演變，有時則是突飛猛進。如今，越來越多的設計先鋒，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，就像圍繞著每一個新技術趨勢的那種令人窒息的熱情。但退一步來看，一個更深層次的轉變顯而易見：我們與數(shù)字系統(tǒng)的互動不僅在發(fā)生變化；它們的本質(zhì)也在發(fā)生轉變。
想象一下從膠片相機到數(shù)碼攝影的轉變——突然之間，用戶不再需要了解曝光時間或仔細定量膠卷。他們只需點擊一個按鈕，剩下的就交給設備處理了。
人工智能正在為UI設計帶來類似的轉變，讓我們擺脫僵硬、循序漸進的流程，走向流暢、直觀的工作流程。交互的本質(zhì)正在發(fā)生轉變，正如Jakob Nielsen最近在其文章中強調(diào)的那樣，這種演變需要我們?nèi)褙炞ⅰＫU述了一個至關重要的見解：
“有了新的人工智能系統(tǒng)，用戶不再告訴計算機該做什么。而是用戶告訴計算機他們想要什么結果。”
這不僅僅是一場技術變革，更是一場哲學變革。它挑戰(zhàn)了長期以來關于控制、自主性和人機協(xié)作的假設。我們曾經(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路徑。這種轉變的意義深遠，堪比從命令行界面到圖形用戶界面的轉變，對于 UI 設計師來說，它既是機遇，也是挑戰(zhàn)。
點擊、滑動、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)表了一篇關于直接操作界面的開創(chuàng)性論文。諾曼后來在《設計心理學》中定義了一些最廣為接受的設計原則，而哈金斯則率先提出了分布式認知的概念。但在 1985 年，他們與霍蘭一起抓住了設計史上的一個關鍵時刻，即直接操作逐漸成為一種主導策略。
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顯示的感興趣對象進行操作，其效果立即在屏幕上可見。NN /g
但這簡單來說意味著什么呢？比如，你需要將一個文件從一個文件夾移動到另一個文件夾——這是一個典型的直接操作的例子——你看到這個文件，抓住它，然后把它移動到你想要的位置。
首先，你需要明確目標 (1)。然后，在當前文件夾中找到文件，并決定將其拖動到新位置 (2)。點擊并按住文件，將其移動到屏幕上，最后將其拖放到目標文件夾中 (3)。
如果你不小心把它放在了錯誤的地方，你會立即看到結果，調(diào)整方法，然后再次拖動它，直到它落到你想要的位置。這種交互方式感覺很直觀，因為它最大限度地減少了認知投入——系統(tǒng)會實時響應你的操作，強化了直接參與和掌控的感覺。
這個過程越順暢，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，即人們直接參與對對象的控制——不是通過程序，不是通過計算機，而是通過我們的目標和意圖的語義對象。”
幾十年來，直接操控一直是設計的基本原則。然而，隨著我們向人工智能驅動的系統(tǒng)過渡，我們必須思考這些原則如何演變——以及它們何時會被目標導向的交互所取代。
現(xiàn)在，想想Windows Photos 的 AI 驅動“擦除”功能。假設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——移除牽引繩——并執(zhí)行最佳解決方案。
這種交互仍然需要一定程度的操作，因為你必須指定要擦除的對象，但不同之處在于，你是在優(yōu)化請求，而不是直接修改像素。你不再需要一絲不茍地編輯每個細節(jié)，而是與系統(tǒng)協(xié)作，以達到預期的效果。這種轉變標志著 UI 設計的根本性變革。
Desolda 與其他研究人員基于諾曼的“執(zhí)行鴻溝”和“評估鴻溝”理論，構建了一個模型，捕捉到了這種動態(tài)。與簡單的直接操作（例如在文件夾之間拖動文件，操作需要逐步展開）不同，AI 交互需要更流暢、更迭代的過程。用戶清晰地表達他們的目標，但并非手動執(zhí)行每一步，而是與系統(tǒng)協(xié)作，優(yōu)化輸入，并在 AI 進行動態(tài)解釋、調(diào)整和響應時對其進行引導。
直接操縱的持續(xù)相關性
人工智能或許正在重塑我們與科技互動的方式，但直接操控卻不會消失。即使在基于意圖的界面時代，用戶仍然需要與人工智能系統(tǒng)互動，用正確的輸入引導它們，將人類的目標轉化為機器可讀的指令。設計人工智能體驗并非要取代直接操控，而是要增強它，在既有模式的基礎上疊加新的交互模型，使交互更流暢、更直觀，并最終增強其功能。
為了設計無縫的人工智能體驗，我們需要識別并構建熟悉的模式。
例如，在許多 AI 應用中，開放式提示框可以充當破冰船，幫助用戶開啟對話。這種方法建立在人們熟悉的輸入框模式之上，幾十年來，該模式一直是 UI 的標準組件，如今，它又扮演著新的角色。無論是在 ChatGPT 中輸入問題，還是指示設計工具生成布局，這種方法都能提供靈活性，同時以直觀易懂的方式引導用戶意圖。
這種方法不僅限于交互模式——它也擴展到用戶體驗框架。
例如，Evan Sunwall 提出了“Promptframes”的概念，通過將即時寫作和生成式 AI 融入設計流程，作為傳統(tǒng)線框圖的補充。其目標是通過在工作流程的早期階段融入 AI 驅動的內(nèi)容生成，提高內(nèi)容保真度并加速用戶測試。然而，這一概念建立在線框圖的基礎上，這進一步強調(diào)了理解傳統(tǒng)用戶體驗結構對于有效設計 AI 驅動體驗的重要性。
最后的想法
不需要霓虹燈“人工智能驅動”標簽；它應該無縫地融入用戶旅程，感覺就像意圖的自然延伸。
以Netflix 的推薦系統(tǒng)為例。它不會打斷你的體驗，提醒你它正在使用高級算法。它也不會要求你配置一堆設置。相反，它會默默地學習、適應，并為你提供建議，讓你感覺毫不費力——以至于你很少會停下來思考它背后的系統(tǒng)。這才是人工智能驅動的交互應該有的樣子：它不是一個需要你費力操作的功能，而是一個根據(jù)你的需求不斷改進的隱形助手。
隨著我們邁向意圖驅動的系統(tǒng)，這正是設計師應該努力追求的目標。人工智能應該減少摩擦，而不是增加復雜性。它應該賦予用戶權力，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流程中的人工智能。
