推荐产品看起来很简单。让它工作要复杂得多。为了使状态更新如“朋友们!”到芝加哥去理发最好的地方是哪里?”在一篇推荐文章中，我们必须首先明白:(1)你要提出建议，(2)你要找的是什么类型的地方，(3)你要找的地方。这是说比做容易，尤其是考虑到人们在Facebook上使用俚语和非正式语言的方式。

　　我们与Facebook的会话理解团队紧密合作，使用自然语言理解(NLU)来为我们的经验提供动力。该团队开发了一种人工智能技术，可以理解文本帖子，以便准确地检测出某人在请求本地推荐时的情况，从而使我们能够自动触发推荐体验。

　　当你的朋友对你的帖子发表评论时，建议你应该去看看那些很酷的地方，我们使用人工智能来理解文本，并提取最有可能的地方。人工智能也给了我们一个信心分数，它表明了它是正确的地方。这个分数决定了评论者收到的用户体验。如果它是高的，我们只需在他们的评论上附上一张卡片(可删除)。如果我们有中等的自信，我们会问它是否再附加它之前是正确的位置。当分数较低时，我们会向他们展示一个空卡，打开一个搜索栏，让他们手动搜索他们想要添加的位置。

　　我在人工智能设计方面的经验

　　人工智能的魅力在于它能让你的产品“神奇地”工作。但我在推荐方面的经验告诉我们，人工智能的力量并不会减少对产品设计的需求——事实上恰恰相反。在这个项目的所有经验中，以下是我始终坚持的:

　　寻找现有行为

　　人工智能打开了许多机会，使现有的行为变得更快、更容易。我们并没有试图创造一种全新的行为;相反，我们找到了一个现有的，并让它变得更好!人工智能让我们有可能提供一种神奇的体验，同时尽可能少的改变，让人们给出或接受建议。

　　如果你没有注意到人工智能那就对了

　　当你使用人工智能来完善体验而不是定义它时，它实际上几乎无法感知。 人工智能让你摆脱传统的用户界面，以无感的，几乎神奇的方式为人们解决问题。

　　我们特意决定不让你觉得是在和一个机器人聊天，或者像Facebook一样把自己融入到你想和你的朋友聊天的对话中。 相反，我们使用了一种设计来增加您从朋友那得到有用的信息。 这种方法感受更自然，并保持你与你朋友的对话在最前端。 事实上，在用户研究中，当我们向以前从未见过的人展示这些时，有人说：“噢，我以前用过这个! 这真实太好了!”

　　测试 测试 测试

　　一旦你开始在体验中引入“人工智能”，人们就会认为它应该一直工作。 当我们开始测试我们的数据时，我们的人工智能出错了。 很多时候，当我们推荐给你一家餐馆时，你会链接到牙医的页面，这并不是一种很好的体验。对真人进行可用性测试非常重要，特别是在我们有一个工作产品的时候。我们还研究了很多公共推荐的帖子，以了解该产品实际上是如何满足人们的需求的。通过观察人们早期的经历，我们发现了很多与我们的人工智能有关的问题，如果没有测试我们就不会注意到。

　　不依赖于完美

　　即使你的人工智能大多时候都在运行工作，也会有一些时候完全出错。 如果在这种情况下人们无法实现目的，那么最终会导致用户的不满。 有一项建议是，即使我们的人工智能没有识别你的帖子，它也不会阻止你发布你的问题，并从你的朋友那里得到推荐——你的帖子也不会获得什么帮助。

　　优雅的退化

　　通过回到可选的UI，你可以确保即使你的人工智能失败了，你也可以为人们提供良好的体验。尽管设计多个UI处理的难度更大，但我们能够通过区分基于人工智能的体验来提供一种较少侵入性的产品。对于推荐功能，我们尝试提高和降低信心水平，并在每个级别上使用不同的UI处理方法，直到我们找到效果最好的组合。

　　反馈是一种礼物

　　在Facebook这是一个说法，使用人工智能进行设计更是如此。 重要的是，提供一些方法让人们对我们的猜测给出反馈，然后用它来改进经验。通过让人们在错误的时候对我们的建议进行反馈，我们不仅提供了一个优化渠道，我们还创造了一种收集关于我们人工智能的有用信息的方法。我们收到的每一条反馈都有助于改进我们的人工智能和整体推荐体验。

　　影响人工智能的未来