[自译]机器学习如何影响界面

从 Quora的设计博客中翻出来的一篇文章，从一个简单的拼写检查，来谈论新技术对设计的影响，以及设计种可能会产生的一些机会点，文章不长，简单就可以读完，作者也是一个相当厉害的人呀，可以去原文看一看

原文链接：How Machine Learning Influences Interfaces

原文作者：Elaine Zhou

数字产品设计，总是引导人们尝试使用技术。直到最近，我们都只能能编写特定的指令集-如果用户点击这些按钮，然后执行这些操作。由于这些限制，我们设计的界面是流式线性的，下拉菜单，按钮这些控件。

通过机器学习，数字产品可以执行一系列操作和输入然后推断用户可能想要什么。这会减少很大的压力，因为工作量减少了，就像Netflix提供个性化推荐的时候，没必要去每个频道都浏览。

机器学习在交互设计中占有举足轻重的地位。在这篇文章中，我们将通过对SpellCheck,AutoCorrect,Inbox三款相似产品的案例学习，来探究带来的影响，优势以及局限性。

机器学习之前的世界

有些人可能还记得在Microsoft Word中使用拼写查找，或者使用这种工具的早期版本。它是如何工作的？首先，你必须编写整个文档，然后手动运行一个拼写检查程序。拼写检查的早期版本只能验证单词是否拼错。

 下一代的拼写检查会在后台进行，这是实际修正和发挥作用的地方，但它们依然有清晰的步骤。它会把每个拼错的单词用亮红色划线。你必须右手手动更改每个错误，并使用一系列的选项（忽略当前，忽略所有，更改，更改所有）或“添加”到你个人的Microsoft Word字典中。作为一名作家，这简直是笨拙的，特别是如果你有一个特别的词汇。

拼写检查是一个中间步骤，在技术和界面上，应该是朝着更加智能和无缝的设计解决方向发展。

对比一下你在iMessage里如何自动修正的。当你打字错了，拼错的单词会自动修正，即使是半个字或胡言乱语，也会提示你如何更正。没有明确的步骤进行纠正。变化是连续的，而且是实时的。

这些技术有什么不同？

拼写检查将每个单词和本地字典进行比较，一旦检查过后，这个信息就会被丢弃。

但是iMessage的AutoCorrect使用机器学习-它收集你写的东西和你试图拼写的数据。它不仅从你那里收集数据，而且从每一个实用iMessage的人那里收集数据，从而提高准确性。

设计机会

这种技术山的进步使得设计师能够以不同的方式处理产品的交互，对于iMessage来说自动校正功能基本上是看不见的。大多数情况下，你不会注意到它的发生-我们在正确的环境中使用，没有人会想去学习如何拼写正确。

尽管AutoCorrect的技术已经有一段时间了，但短信的动态使得这种插入式和隐式交互更为成熟。

错误率低-它只纠正单词，所以只有一小部分需要验证。如果错误率高了，那么这个功能就会成为新的烦恼。

失败的代价低-你知道你正在发短信的对象是谁，你可以立即回复“whoops, autocorrect.”

AutoCorrect允许用户以更高的精度和速度进行通信，而不是将拼写检查的界面移植到iMessage。同样的，只有产品功能的改变，功能才会如此强大。随着我们的技术不断发展，我们的界面也会随之发展。

为了改进算法，Inbox可能会收集如下的信息：

正向信号-用户点击响应建议并发送。

修改信号-用户点击响应建议，修改文本，再发送。

中性信号-用户在邮件中输入，忽略响应建议。

消极信号-用户不回复邮件时，为什么也会弹出响应呢？

对设计师的影响

SpellCheck和iMessage AutoCorrect就是技术变化如何影响产品交互的例子，建议语句是一个组合起来的复杂问题，而不是简单的拼写检查。机器学习仍在不断发展，我们必须设计信号的交互，允许用户的输入反馈到我们的算法中去。

Dieter Rams的设计原则之一就是“好的设计，就是尽可能少的设计”。随着时间的推移，机器学习变得越来越好，机器学习如何被恰当地应用，这取决于设计师。