用人工智能(AI)去设计我从设计一个人工智能的项目中学到的经验

　　在Facebook上，人工智能无处不在

　　在数据后台，人工智能帮助Facebook使产品变得更加智能和好用。人们可以用它来进行翻译减少因语言不通而带来的阻碍，识别图像内容帮助视障人士“看到”他的朋友所发布的照片并过滤垃圾邮件等不良内容。Facebook也会使用人工智能来了解人们的发布意图，这样Facebook就可以改善用户在其平台上的使用体验。

　　当我刚开始在Facebook担任设计师时，我并没有多少关于人工智能的想法，也没有意识到人工智能应如何作为工具来进行产品设计。但后来我设计了Facebook推荐功能，它使用人工智能来检测用户是否需要本地推荐，然后匹配好友推荐给Facebook页面。这是我们帮助联系人和当地企业的一种方式。

　　这一切源于一个问题

　　我注意到在我的Feed里有很多帖子，人们都转向Facebook，寻找推荐的地方和事情。这些帖子得到了大量的参与，但不是很有用。你必须浏览所有的评论，然后把这些名字复制粘贴到Yelp或Google上，以了解你的朋友推荐的地方——尽管有超过6千万的企业在Facebook上有页面。尽管你能在你的时间轴上找到它们但最糟糕的是，在你的Feed中很容易丢失这些帖子，。

　　我想让收集和使用的人们从他们的朋友那里得到的建议变得更容易更快，并且帮助他们从他们信任的人那里得到更多的建议。

　　为什么使用AI

　　人们已经在Facebook上提出了建议，我们不想妨碍已经发生的用户行为。最终，人工智能被证明是最好的方法，因为它让我们把人们的非结构化对话变成了有用的候选词名单或旅游指南。不过，我们并没有马上解决这个问题。首先，我探索了许多可能的解决方案，我们通过用户研究和现场实验验证了这一问题。

　　我们测试的第一个概念是一种方法，你必须预先说出你想要的和在哪里。但是我们发现人们并不真正理解他们为什么要这么做。他们没有看到将这些额外的元数据添加到他们的帖子的价值，而且当他们无法真正明确自己的目的时我们很难证明我们能给他们的价值。我们还在与现有的行为作斗争，那就是基于他们的问题来写一个状态更新。

　　(*注：这块说的是一个具体的使用情景，如用户A有去旅游的打算，那么他在他的个人社交主页更新信息如果是：“好无聊啊，好想出去玩”和“好无聊啊，周末想去山里玩”给AI的元数据是不同的，前者更泛用户本身发布的动机可能更多的无聊或者是想玩，而后者则有时间 有地点对于AI的预判会有很大帮助，就像你在你的微博搜索了你喜欢的明星，那可能你的兴趣推荐就会有这个明星的新闻和相关推荐)

　　我们测试的另一个概念是更具教育意义的方法。我们认为，通过教导人们了解将要发生的事情，我们可以帮助人们对产品感觉更舒服。我们再次发现，很难用文字或图解来解释我们是如何提供价值的，然后让他们自己亲身体验。一旦人们使用了这个产品，不出意料的是他们就会喜欢它，当我们在发布前添加了额外的步骤时，我们看到了一些使用量的下降。

　　通过测试这些更结构化的方法，我们发现，我们在体验中加入的改变越少，对人的感觉就越好。我们认为最好的方法是“自动的”，这样可以增强已经发生的行为，而不需要太过打扰。为了能以一种无干扰的方式触发体验，我们依靠人工智能来理解人们何时提出建议，以及他们的朋友在回复时推荐了哪些地方。

　　建议是如何工作的

　　有了推荐，你可以像平常一样在Facebook上发布你的问题，当你的朋友评论你的建议时，我们会链接到相应的Facebook页面，并显示诸如评分、价格范围、开放时间和地址等细节。我们还把他们推荐的所有地方都放在地图上，这样你就可以很容易地找到所有的东西。从佛罗里达的飓风和澳大利亚最好的手工酿酒厂，我们看到人们用各种建议来寻找一切。甚至有一些Facebook群组，比如三州餐馆俱乐部，几乎每一个帖子都是一个请求或提供建议。

　　产品背后的人工智能