下一个设计挑战:自适应产品

越来越多的传感与连接技术被添加到产品上，正在快速改变着我们感知这些技术、学习和使用它们的方式。反过来，同样的技术也在改变我们设计产品的方式。基于连接技术的产品已经远远不只是提供远程访问、数据搜集而已，它们正在日常生活中扮演着越来越重要的角色。我们已经开始用最能代表生物智能的词汇来描述这种新兴产品了：学习。

当学习能力已经逐渐成为产品的标配时，我们的下一个挑战就将是完美地呈现一个过程――成功地、可靠地设计这类新兴的、自适应的产品。

数字根基

机器学习的起源可以回溯到半个多世纪以前，这是早期的人工智能作品。如今，神经元网络和统计建模已经成为追求真正的机器学习的关键工具。通过海量数据的收集，算法已经能够检测各种数据并生成多种输出―如动作和分析，正是这些输出让电脑显示出一定的智能。

事实上，随着传输、存储、数据处理的硬件成本的急剧下降，如今，每一个基于互联网络生态系统的交互过程都被记录跟踪着，这能保证系统实时、不断地进化。

这一趋势的种子，是由电子商务系统种下的。亚马逊的产品推荐机制是一个最典型不过的范例，如今，这一机制几乎成为了同类标配，而搜索引擎根据你的历史购买行为、网页浏览记录及地理位置信息为你进行动态的实时结果推荐，则是另外一个例子。

这些技术的发展已经走过了漫长的时间，但它们身上也彰显着当前技术的限制瓶颈―在大多数情况下，它们依然是被动的。它们无法积极地从不断试错中学习进步。我们需要看看人类的学习模式。1992年，Chris Hughes和他来自新南威尔士大学的同事们共同发表了一种全新的学习模式（如下图）。

设计过程的影响

我们必须先回答一个更基础的问题：设计一款学习型产品意味着什么？如下步骤是学习型产品设计过程中需要的：

定义感知 感知定义着我们与世界互动的能力，对产品一样。感知可以是直接的―借助物理传感器芯片等设备的使用，也可以是间接的―基于数据分析而来的直觉。

主动出击 为了给学习过程提供支持，产品必须知道如何决定在何时采取什么样的行动。这一点已经超越了交互设计的传统理念――产品提供反馈，以触发人类行为。

正确评估状态 学习型产品必须能够做出正确的判断。一个高级目标是必须的。例如，学习型的恒温器首先需要判断什么时候有人在家，然后再去判断什么样的温度让人感觉最舒适。

提供反馈 相对于非学习型产品而言，提供明确的反馈对学习型产品更为重要，也更具挑战性。提供反馈不但能不断提升产品的实际性能，也能与用户建立信任。

通报控制指令与错误信息 产品的自主学习行为引发了一个问题，是谁在控制？是用户还是产品？要提升用户的信任感，并即时改正错误的设定，用户应该能越过产品自主学习进行直接控制。

制定路径 随着时间的推移，学习型产品能从一片空白进化到对你的一些事了如指掌。产品的进化不仅需要有一个路径，也需要约束的边界。不同于传统的产品，学习型产品有可能在设计师未曾料想的进化之路上越走越远，对我们而言，这意味着未知的风险与惊喜并存。

基于学习的情感纽带

我们在设计产品时所面临的最大的短期挑战是如何在产品与用户间建立起信任。

学习型产品的力量非常可能来自于它们学习过程的不可预测性。这种不确定性甚至可能会影响到设计这款产品的意义。因此，我们就要赋予学习型产品成功和失败的机会。两者相辅相成，才能创造出振奋人心与令人爱不释手的体验。

为学习能力而设计是进程中更伟大的一步：创造用户与产品之间更牢固的情感纽带。在未来，我们不仅创造会学习的产品，更创造会与人类建立关系的产品。因此，我们创造学习型产品的方式将从设计它们向培育它们转变。

沉默的观察者，倔强的动物，充满疑问的人类学家―我们的家正在成为学习型产品的快速孵化器，每一个场景都可以是重塑产品与用户之间联系的实验机会。

也许最前沿的日常范例是“Nest恒温器”，它能利用红外传感器被动地监测周边环境的温度变化和人类活动。基于这些数据流，恒温器能够分析出主人什么时候在家，他们在不同时段喜欢的温度状态是怎样的。通过主动的小范围温度调节，它能感知室内温度变化的速度――夏天温度上升的速度是多少，而冬天温度下降的速度又是怎样的。它是一个沉默的观察者，在调节温度这一过程中不会询问用户任何问题。它会做的，只是不断测试、学习、调整。

iRobot公司的Roomba是一款家用机器人，它使用传感器和算法来学习和清洁它所处的环境。通过基于动物如何寻找食物的算法，Roomba以可能的最长距离来探索周围的环境。接下来，如果灰尘传感器被激活，它就会待在那个地区清洁灰尘，如果没有，它就会继续前进，直到碰到一个障碍物，旋转，换一个新的方向前行。周而复始，通过这种方式的不断重复，它最终积累了足够多的足以覆盖整个房间的路径。移开屋内的玩具、椅子和宠物会减少Roomba的移动路途，但它仍将持续到底：这是一个非常顽固的学习者。

另一个例子是东芝的ApriPoco，这是一款桌面设备的原型，能像一名人类学家一样学习你的日常行为习惯。形状像一只蹲着的塑料鸟叫ApriPoco的传感器能够探测到周围任何使用标准的红外遥控器的设备――如电视机、闭路电视、空调或其他小玩意。它的摄像头能够追踪周围环境中人的活动。当感觉到周围有一种新型红外信号出现时，ApriPoco会大声问：“你在干什么？”用户可能回应：“调大电视音量。”接下来它就会在其数据库中存储相应的语音命令，以及与对应的红外信号相关的操作。之后，用户不必再拿起遥控器，只须要大声说：“调大电视音量”，ApriPoco就会将正确的操作信号传输到电视机上。

上述的三个例子向我们展示了学习型产品能带给我的各种体验。Nest的学习过程是被动的，但效果非常好，能为我们的生活带来直观的改善：更舒适的温度与更多的能源节约。Roomba的行为是可见的，但我们无法控制它能学什么，也不能对它的最终产出――正确的覆盖范围――进行修正。ApriPoco更为直接，它向我们揭示了学习的潜力：在人类的帮助下，它既能学习新的行为，也能纠正自己的错误。