滚动投资观察界7月10日讯（记者 吴翠娥）在没有用上机器学习(ML)的时候，一个网站或者App有许多人为设定的规则。而机器学习，能让产品不依赖这些规则，从数据中发现模式和关系。
机器学习能够为用户创造个性化的动态体验，小到视频网站、新闻应用，大到无人车，都在使用这种技术。
于是，用户体验设计师，或者说产品经理，面临着一项重任：确保机器学习和用户体验的协调，让用户感受到自己掌控着技术，而不是被技术掌控。
和互联网、移动互联网两波浪潮一样，ML也让我们在建立每一项用户体验时，都需要重新思考、重组、置换，考虑新的可能性。
Google的用户体验设计团队为了应对机器学习带来的新问题，提出了一个努力方向：“以人类为中心的机器学习”(HCML)。
这个名字有点眼熟？量子位猜，大概是因为和“以用户为中心的设计”比较像。
我们从“以人类为中心”的角度去看产品，探索怎样从人类的需求出发，用只有通过ML才能完成的独特方式去解决这些需求。
如果你刚刚开始接触机器学习，可能会觉得信息量太大。
不要慌。
通过Google用户体验团队和AI团队的合作，以及试错的经验，我们列出了以下7点，帮用户体验设计师来熟悉“机器学习驱动的产品”这一新领域。
这些要点能帮你把用户放在第一位，快速迭代，并了解机器学习带来的独特机会。
开始吧。
1. 不要指望机器学习自己找出需要解决的问题
机器学习和人工智能炒作得太火热，很多公司和产品团队在制定产品策略的时候，甚至不管要解决什么问题，先确定了以机器学习作为解决方案。
如果只是纯粹的技术探索，这样没什么问题，可能还会激发产品设计灵感。
但如果是在设计产品，你不从人的需要出发，可能就会建立一个非常强大的系统来解决非常小、或者根本不存在的问题。
所以，我们要说的第一点是，那些挖掘用户需求的苦活累活，你还是得自己做。
那些情境调查、访谈、深入讨论、用户调查、日志分析统统不能简化，你需要接近用户，找出你是否解决了问题，或者找到了他们潜在的需求。
机器学习不能自己找出该解决的问题，这需要我们来定义。
作为用户体验设计师，无论哪种技术范式主导，我们指导团队的基本工具还是不变的。
2. 问问自己，机器学习能否以独特的方式解决问题
一旦你确定了需要解决的问题、需要满足的需求，就该评估机器学习能否以独特的方式解决这些问题了。
很多问题根本用不上机器学习。
在产品开发的这个环节，一个很大的挑战是去确定哪些用户体验需要ML，哪些功能用了ML会得到有意义的增强、哪些用不用都一样，甚至用了还不如不用。
很多产品不需要ML就能给人“智能”或者“个性化”的感觉，不要以为只有机器学习才能救产品。
△ 忘了加附件的提示，就不适合用机器学习
我们创建了一组问题，来帮团队了解ML对其用例的价值。
这些问题，深入挖掘了用户与ML系统的交互可中可能有什么样的心理模型和期望，以及该系统需要哪些数据。
这里有三个例子，Google某团队想要用ML来解决一个用例时，就回答过这些问题：
描述理论上的人类“专家”现在可能怎样执行这个任务。
如果你的人类专家要执行这个任务，你会如何回应他们，以便下次改进？对混淆矩阵的四种情况(真正、真负、假正、假负)都做出说明。
如果一个人要执行这个任务，那么用户希望他们做出什么样的假设呢？
花几分钟时间回答这些问题，能帮我们了解用户会带着哪些预设去使用ML产品。在产品团队的讨论中，或者在用户研究的过程中都可以去问这些问题。
稍后我们讨论定义标签和训练模型时，还会再提到它们。
回答了这些问题，为特定的产品或者功能写了故事板，我们就可以将团队所有的产品想法都放进这四个象限中：
△ 横轴代表ML带来的影响，纵轴代表对用户的影响
通过这个坐标系，我们能找出哪些想法比较有影响力，哪些想法依赖于ML来实现。在前面的对话中，你就应该开始和开发人员合作了，如果还没有，从这里开始也不晚，让他们来衡量这些想法在实际中能否用机器学习解决。
在象限右上角的功能：也就是对用户有着最大的影响力，ML技术也能带来独特体验的那些，就是优先级最高的。
3. 原型设计：个人示例和Wizard of Oz
ML系统的一个重大挑战是原型设计。
