AI设计的新启发 | 什么是用户体验中台？

“用户体验设计在智能汽车和智慧出行领域面临的全新挑战与互联网行业不同：需要从基础构建用户体验的Know how而非应用先有范畴内的方法；要对许多概念作出第一次的定义而非采用既有的定义解释问题；要面对问题的本质而非成文的需求去做设计。基于以上挑战，我把无人驾驶的用户体验核心设计思想概括为‘抽象与演绎’。”

 

本文来自驭势科技出行体验高级设计师——周博在“2019 AI先行者大会”上的分享，将具体介绍驭势无人驾驶的用户体验中台——使能无人驾驶产品服务体系，希望从用户体验的视角给设计师们带来一些新的启发。

从事无人驾驶给我最深刻的感受是，AI的发展给用户体验带来了进一步拓展自身边界的重要机遇，同时，AI要想真正服务于人，迫切地需要用户体验深入地参与。

对于设计来说，人工智能特异性的东西是什么，做人工智能的设计和用户体验，与做其他的设计有什么不同？

是人与人造系统关系的改变。

在某种意义上，设计就是构建人和人造系统之间关系的活动：比如设计一把椅子以构建木结构与人体的姿态之间的关系。 之前，所有的关系都基于一个不言而喻的主客体关系：人为主体，机器为客体。而这种关系，在人工智能逐渐应用的趋势下，正在发生改变。

面对智能系统，想要构建它与人之间理想的关系，就必须定义代理之间互动所受到的管理。这种管理，就是以服务的形式被体现。通过服务设计让运营者、产品、用户之间达成围绕目标的积极互动，这就是产品服务体系的设计思想。

无人驾驶作为典型的人工智能产品，围绕什么目标与人互动呢？我将其概括为：减少人员的工作负荷。产品服务体系正是藉此支持无人驾驶实现设计者所期待的“人类的福祉”。

那么，我们的产品服务体系设计思想和一般的产品设计思想有什么不同呢？这里还是不能免俗，要用苹果的设计举一个例子：

第一代的Apple Pencile一度以来被认为是一款砸苹果招牌的设计，一方面是因为乔布斯之前说过手写笔很蠢。另一方面是它的充电方式：像这样插在iPad的接口上，感觉非常别扭。我也曾一度不认为这是苹果充分思考后的设计，但直到今年上半年，苹果发布新IPad，并宣布支持一代的Pencil时，我才意识过来我的局限。这样一来，苹果即使不升级上一代产品的硬件设计，也能使多个产品线都支持新的交互方式，用户也不一定要承担iPad Pro高昂的售价和溢出的性能才会去购买Pencil，开发者们不会因为担心iPad Pro用户量太小不值得专门适配而不愿为他们的App采用手写交互。

可见，一个配件不局限在其本身的设计，还能考虑到前后代的兼容、平行的产品线的兼容、用户的使用成本，甚至还想到了软件生态、开发者社区的利益，最终实现了自己的商业利益。仅仅具有产品设计思想是做不到的，而是需要产品服务体系的战略和实践。

然而，要想构建产品服务体系并不是没有代价的。产品设计思考的问题是一对一的关系，一个产品和一个用户之间的关系，是一种简单系统。

而产品服务体系，尤其是智能产品的产品服务体系，思考的是多对多的关系，系统内各部分的互动，系统不同部分与人的互动。这种关系不能通过局部来认识整体，被称作为复杂系统。

复杂性是产品服务体系中用户体验所要面对的核心挑战。就无人驾驶的产品服务体系来说，它的复杂性的挑战来自于三个方面：用户的复杂性、业务模式的复杂性、终端的复杂性。

首先是来自用户的复杂性。从产品到服务，用户从Owner转变为User，在这个过程中，获客成本降低，留存成本增高。

前者意味着：用户对学习成本具有较强的包容性，此时设计关注如何获客，追求产品的适用性。后者意味着：用户对学习成本具有很强的厌恶性，此时设计更关注如何留存用户，则会追求易用性。从适用性到易用性，系统会对用户的个性化需求变得敏感，要保证每个用户的个性化需求，系统的复杂性就会上升。

其次是来自于业务模式复杂性。原先的运载服务，无论是载客还是运货，都是个体经营的方式，出租车司机和卡车司机都是老板，自己决定自己的业务模式，也就是说一台车就有一个业务模式。复杂性被均摊到每个个体的决策上。

随着互联网的发展，业务被抽离出来，产生了业务经营者的角色，例如网约车平台、在线货车平台。司机在平台制定的业务流程下，只管开车就行了，其他都不用操心。接下来，到了无人驾驶落地的时候，因为不需要司机了，不同业务模式在交通出行上的共性会被进一步抽象，于是会产生智力经营者的角色。一套策略要支持多种多样的业务模式，复杂性就集中了。

最后是来自终端复杂性。服务是一个全生命周期的活动，在用户旅程的不同阶段以及不同阶段的不同片段，用户要通过各种各样的触点才能触达产品和服务。

对于无人驾驶来说，有运维端、客户端和车辆端的各种各样的终端，相比单纯的产品，多终端的系统具有更高的复杂性。

那么，如何应对这种复杂性呢？

对于服务而言，我们要假定每一个用户都是初次使用我们的系统，他们快速、低学习成本地克服系统的复杂性，必须通过强大的人机交互系统。具体而言，强大的人机交互系统有三个特征：场景感知、模态协同、主动响应。这样的交互系统能为用户带来 无感化、直觉化、个性化 的用户体验。

应对复杂性有两条路线：一种是以暴制暴，用复杂应对复杂；一种是抽象，针对问题本质提出解决方案。

相比以复杂应对复杂，抽象可以更系统化地解决问题，不会因为层出不穷的个性化需求导致系统的繁冗、频繁重构或者维护多个的分支，并且能使我们的设计基础不断迭代、沉淀和优化，而不是扩展。

因此我们把三种复杂性对人机交互提出的需求抽象到三个方面：情境迁移、提醒和可视化，无论用户的角色如何变化、业务模型如何变化、终端如何变化，人机交互都需要基于这三个方面基础的策略。

这三部分基础策略建构成三个引擎，它的后台是自动驾驶原始数据的支持，前台来自是客户端和运营端的用户体验需求，三个引擎就构成了连接数据和终端、并且专门为用户体验服务的中台。

01

情境迁移引擎

首先是情境迁移引擎。如何定义情境：情境就是用户旅程的片段，情境会由来自用户或系统自主的事件驱动迁移；我们前面所说的场景感知、模态协同、主动交互都是要基于情境迁移实现的。迁移逻辑的管理就是交互系统基础中的基础。

情境迁移引擎的第一个功能是管理 “基础迁移逻辑”，也就是我们从各种各样复杂迁移逻辑提取出的最大公约数。

这幅图举例了基础的迁移逻辑，它可以包含多个维度：

例如行程维度，这些状态构成几个闭环，无论是什么样模式的行程都不会脱离这几个闭环。例如行驶维度，是车辆行驶中的动作，行驶情境的迁移不连续的。例如起停维度，这里用不同颜色表示，起停的情境会跟随行程的逻辑迁移。又例如模式维度。

有了这些基础情境，引擎会将基础情境中的状态与各种业务的状态结合，演绎出各种各样业务下的具体情境。

这里举一个例子：

例如我们的Robotaxi：当车辆到达约定位置后，进入一个特定的基础的行程情境——到达，这个情境是将持续到用户上车后启动车辆。但实际上这个情境还需要进一步区分和细化，例如要区分是“接人”的到达还是“送人”的到达，这就需要结合调度的状态。

还有，要把到达分割成等待用户和等待出发，就需要结合车门锁的状态，当车辆被解锁之后，从等待用户迁移到等待出发。这样，每种业务模式就有了它的具体情境，我们就可以针对性地设计交互功能，同时在基础的层面上保持一致性。

因为有了情境迁移引擎，在交互设计中，就可以将不同维度的信息分开设计，以充分复用具有共性的部分。例如驭势科技的无人车内中控界面的设计方式采用了一个三明治结构：

这种结构把业务逻辑单独做成一个卡片，当我们的系统要去适配不同个性化需求的时候，我们只需要为其设计一个定制的业务卡片。同时，不同的业务卡片的设计会遵循同一个基础的业务迁移逻辑，这样后台的维护就会非常的优雅，响应不同的用户体验需求也会非常的便捷。

此外，正如前面所说，情境迁移引擎的一个重要的作用是支持多模态的协同和主动交互。车上除了中控屏外，还有很多其他模态的交互界面，这在公共出行的模式下尤为突出。例如数字导视系统和声音系统，他们的交互设计完全是基于情境定义的；例如车辆出发时导视和声音提供什么信息、到达时提供什么信息。

情境迁移引擎还给我们带来了一个计划之外的好处——工作中的沟通会非常高效。设计师在与需求、开发、测试的沟通中，直接说在什么情境下，有什么样的表现，会有一个具有清晰的、具有共识的定义，避免了很多误解。

02

引擎提醒引擎

提醒引擎的作用管理自动驾驶系统中的事件，并支持交互界面对事件的提醒。这些需要提醒的事件，包含了驱动情境迁移的事件，但更主要的是一些支线和异常事件。这些事件大部分是脱离情境存在的，例如，摄像头被阻挡、天气不好影响定位等等。

由于复杂性的原因，自动驾驶系统中的事件和它的发生频率呈现一种长尾式的分布，也就是说在一个成熟的自动驾驶系统下，大量的事件是很少发生的。

然而，不同性质的事件需要不同的提醒方式，交互设计如何能覆盖所有的事件，并且采用合适的提醒方式呢？这就需要我们对事件和提醒方式进行抽象。

这张图展示了提醒引擎构建三个提醒的通道，分别为：状态、通知和历史，无论什么样的事件都会在这三个通道中分别产生提醒的信息。他们之间的关系是这样的：当一个事件发生（比如启动车辆），它总会驱动一个相应的状态发生迁移，有可能迁移成功也有可能失败。但无论如何，都会停留在一个状态：比如车是停止还是行驶；状态迁移的结果会产生一个通知，比如启动失败；通知带有时间戳记录下来，产生一个历史，比如几点几分几秒启动失败。

那么，如何将这三种提醒匹配到多个终端的各种各样的交互方式上呢？

对事件进行编码和解码。

图中的e代表一个事件，它和其他所有事件一样具有若干个特征码，其中右边的特征码包含了它的性质信息，决定了提醒方式；左边特征码包含了事件的内容，决定了图形和文案。

提醒引擎通过解码，匹配事件到合适的提醒方式并赋予相应的内容。提醒方式匹配过程是怎样的呢？ 首先决定这个事件在哪个端提醒，再决定在端上提醒哪个通道， 最后选择采用什么UI组件。

那么，提醒引擎如何选择适合事件的UI组件？

我们把UI组件抽象成三个属性，引擎会通过事件的性质对这三个属性分别进行判断：是否阻塞其他提醒、是否需要用户确认关闭、是否需要提供回馈操作。根据这三个属性，在不同终端上演绎出若干组件：

接下来是表达提醒的内容：提醒的内容被抽象成类型、标题、描述、原因、结果、回馈操作，引擎通过对事件8个包含内容的特征码的解析，就可以填写模版，以决定UI上显示的图形和文案。

除此之外，我们还为提醒设计了一些声音。为了让提醒声音更准确地表达信息，我们通过一个三维坐标系来衡量他们的联系和差异，包括是紧张还是从容、否定还是肯定、喜欢还是厌恶。

此外，我们也设计了灯光的语义：包含闪烁、颜色、动作。

提醒引擎通过对事件性质的解码，可以通过声音和灯光准确地传达出提醒的信息。我们在设计声音和灯光交互的时候，开始以为要去音乐和密码学领域寻找方法，后来发现语言学中的语气、语调等理论，给我们带来了很多的帮助。

03

可视化引擎

可视化引擎存在的原因在于，对于一个成熟的无人驾驶系统来说，相比操作，显示对用户体验的影响会更加重要；其次，人与AI交互的过程中，最关键的痛点是默契。

默契会影响AI系统的可用性以及人对系统的信任。对无人驾驶来说，默契就是人想知道车在看什么？想什么？打算怎么做、有没有理解我？有没有注意到我？可视化引擎能够将这些用户想知道的事情，从AI内部的数据和计算，转化成人能够理解的图形，从而建立人与无人驾驶的默契。

可视化引擎的工作过程主要分为两部分：降维和表征。

降维就是将感知定位、规划决策、理解预测、高精地图原始数据，提取出其特征、异同、联系，在时间、空间、车辆这这三个维度构成的坐标系中的分布。

表征就是把降维后的信息通过图形语义表达出来。

构建一个可视化引擎，首先要构建一个坐标系：无人驾驶的可视化引擎由时间、空间、车辆这三个维度构成坐标系。其中最重要的是空间坐标系的建构，也就是地图。地图分为六个模块，分别为图层、样式、姿态、视角、事件、动作。地图的交互特性会在各种各样的可视化的应用中发挥作用。

这是一个地图渲染出来的效果，我们也可以根据具体的可视化需求对六个模块进行配置。由于数据较为简单，因此有些单调，重要的是交互部分带来的信息显示和操作对场景的适应。

对数据的降维就是抽出数据中有用的信息，数据包含了多个维度的信息：例如兴趣点的信息包含有状态和类型，道路标记包含有它是否干预车辆正常行驶......

这些信息会被分析他们的在时间、空间、车辆维度上的异同、特征和联系，并图形化表达出来，也就是表征的过程，例如：

（1）检测到物体运动和静止的异同在空间上的分布；

（2）车辆速度在时间、空间上的分布的特征；

（3）不同车辆和位置的联系。

这些信息都会通过位置、颜色、尺寸、图形、标注来表征出来。

与其他两个引擎一样，可视化引擎也是要根据不同的使用目标演绎出不同的表现形式，例如：面向开发者，尽可能保留更多的原始数据，不需要引擎做很多的分析和解释；面对受过培训的运营人员，就需要对数据进行进行更多的解释和并提供一定的分析能力；对于用户来说，就需要越符合直觉越好，减少暴漏让人困惑的原始数据。

这张图过滤掉了很多自动驾驶的底层机制，对数据进行了模拟和再现，更多把结果呈现出来，追求直觉化的呈现。它是在中控上的应用，主要的功能是向乘客预告和解释车辆的行为。

以上就是对驭势科技用户体验中台的介绍，相比于其他AI产品的设计。它看起来并不足够创新，但设计的本质并不是关心创新，而是关心人。

在机器认知能力逐渐追赶甚至在一些维度上超越人类的过程中，人和机器在认知能力上是受到不平等的对待的。

通常

人们希望AI具有情境感知的能力，但却忽视人感知AI情境的需求。——情境迁移引擎帮助用户感知所处他所处的AI的情境

人们希望AI理解和预测人的行为，但却忽视了人对AI行为理解和预测的需求。——事件提醒引擎帮助人掌握AI的一举一动。

人们希望AI会察言观色，但却忽略人对AI察言观色的需求。——可视化引擎帮助人对AI察言观色

主动交互实际上并不意味着人的被动。驭势科技的用户体验中台希望能做面向AI时代的人本设计。它包含了情境迁移引擎、提醒引擎、可视化引擎，它们的作用就是在用户旅程的整个生命周期，在各个片段连接前台的各种交互触点和后台云端和车端的数据，最终使能无人驾驶的产品服务体系。

最后，需要注意的是，用户体验中台贯穿始终的设计思想一个叫抽象，一个叫演绎。

（1）我们认为只有抽象才能应对AI时代最具挑战的设计问题：也就是复杂性。

（2）只有演绎才能实现AI时代最具价值的设计方向：也就是场景化。

以往的设计往往围绕着终端开展的，这很大程度上局限设计的能力。一方面是因为设计师们没有普遍意识到用户体验不仅仅是和用户接触的前端决定的，尤其是在AI时代，用户体验应该从底层、基础开始构建。另一方面是因为产业界还没有普遍认识到设计的作用和价值不仅仅局限于和表现和表达，而是能从问题的本质寻求以用户为中心的系统性解决方案。

我们希望AI产业能更多关注用户体验，也希望更多设计师能更多参与到AI产品的研发中去。

注：本文观点来源于作者对行业观察和实际工作经验的归纳和总结，仅代表作者个人在学术层面的知识分享。