译文| 算法——设计中的新素材

译者序:本文作者与大家分享了作为体验设计师如何在算法应用中推动设计流程以及一些算法与数据隐私方面的道德困境。 算法推动着股票市场,为贷款获批提供依据,甚至应用于驾驶技术中。算法正在打造着我们每一天的体验。你的 Facebook 动态,你的 Spotify 歌单,你的亚马逊商品推荐等等,将一个个性化的窗口打造成为以算法驱动的世界。在算法和机器学习的帮助下,谷歌地图为你推荐最佳路径。当你向 Siri 或 Cortana 提问时,算法帮助理解你的问题,并提供所需信息作为解答。 作为体验设计师,我们在每一次的网站或应用的迭代设计中,都越来越依赖于算法。随着设计的意义受屏幕的局限越来越小,而与通过功能扩展、新想法、甚至可能是更多的感性认识来延伸人类极限有关,我们更加需要算法。如果我们认为体验设计师是人类与技术之间交互界面的创造者,那么,我们更有理由应该进一步了解算法。 所以,一个体验设计师在大数据、算法和机器学习主宰的未来应该扮演什么样的角色呢?我们先想想算法能做和不能做的,然后来看看它们对于设计的一些影响。 算法之谜 “算法(algorithm)”一词看上去有些神秘。从某种程度上讲,像是一种“营销玄学”。一个秘密算法听上去既聪明又难以复制。他看上去就像个待解的谜。为什么在我的 Facebook 上,这条动态会出现在另一条的前面?我们如何反推 Uber “动态定价(surge-pricing)”的算法?算法有时候甚至有些危险。毕竟最近,有一个算法导致了一次市场崩溃(作者指 Navinder Singh Sarao 涉嫌操纵2010年美股闪崩事件)。 那么,算法究竟是什么? 对于“算法”一词的困惑,有一部分源于它的复合性。“算法”看上去可以作为任何数据驱动相关技术的代名词。人们经常将其与“人工智能”通用。这成为一种用来描述大数据、算法和机器学习这一整体的更方便的说法。因为这三种因素密不可分,这种称法也是有道理的。 “大数据(big data)”是我们每次参与技术的行为中不断生产的原材料。我们每天在使用网站、智能手机、平板电脑和可穿戴设备时,平均每人会产生将近35万字节的数据。当然,并不是所有这些数据都会被应用到每一次体验之中,但是算法会用到从不同渠道获得的各种类型的数据。这些数据可能是你一个人的,也可能来自于几组人的数据集合。 “算法(algorithms)”是一系列关于如何执行一个任务的指令。当你发送短消息时,进行网络搜索时,或者在电脑上下载电影时,你都在触发一系列嵌套的相互依存的算法。有些算法以基本数学函数的形式出现,而其他算法基于它们之上。基本上,它们就是一系列指令。像 HowOld.net 这样的机器学习类应用,就是基于用大量的数据训练一种算法的原理工作的。 “机器学习(machine learning)”是指一个算法如何随着时间演化。机器学习是一个在工作时不断改造自己的系统,而非一直重复一套不变的指令。事实上,机器通过不断试错来学习如何正确完成任务。如果一种算法搞错了你在一张图片里的年龄,你会一笑置之。如果它把人类识别成了大猩猩(作者指谷歌图片软件将有色人种识别为大猩猩,其工程师为此道歉一事),这就麻烦了。而这并不是唯一的缺点。 算法的局限性 尽管算法创造了更多的可能,它仍有一些局限性。作为体验设计师,我们需要注意。如果我们了解了算法的局限性,我们就可以切实地设计一些体验来弥补它们。而且我们知道什么时候更应该依靠人类的才智。 1.算法并不中立或客观 算法——就像网站、应用、组织或人们一样——也有自己的观点。个性化算法的存在并不仅仅为了创造更好的体验,也是出于其背后组织的商业目标。算法是人创造的,所以创造者的想法也同时植入到了系统之中。有时候这些目的是显而易见的——比如根据你的一些个人数据出现的广告。有时候没有那么明显,直至我们遇到了破绽。 2.算法依赖于数据所有权或数据所有权的缺失 大多数人对于我们留下了什么数据和谁在利用这些数据的意识很模糊。当我们谈论算法时,对数据的控制权是一个主要议题。我们希望,每个人以后都可以对其有更多的个人控制权。但现在,在影响算法的隐私权上,站点间、组织间以及国家之间还有很大的差别。 3.算法无法理解你是一个复杂的独立个体 无论你称之为个性化的“恐怖谷( uncanny valley, 见:恐怖谷理论)”,还是你的“数据镜像( data double )”,有时候你都会遇到惊人精确的自我画像。但大多数时候,总是有一些出入的。不同的网站有不同的利益驱使,所以他们获取不同的偏好。(比如亚马逊和相亲网站 OKCupid 的数据重点完全不同。)算法归纳、精简,并将它们认为无关的信息过滤出去。很多情况下,算法会用其他人的数据填补某个人的信息缺失。最终结果就是算法不能反映出你的变化发展和复杂性。但是在 aboutthedata.com 网站上,Acxiom 数据公司让你浏览并调整关于你的数据信息(如果你想这么做)。 4.算法是不透明的 尽管我们如此依赖于算法,但对他们工作的方式以及采用这种方式的原因并不总是很清楚。机器学习算法可以非常复杂以至于写出他们的人都不完全了解它们的如何工作。换而言之,个性化是不透明的。尽管人们尽力尝试了解并改变个性化算法,也很难实现。 5.算法可能最终导致我们的生活过度自动化 算法越来越多地接手了过去需要我们自己完成的任务——比如,帮我们规划行驶或步行的路线。这可能将我们狭隘地局限于循规蹈矩的日常。算法自动化了探索的体验,但却剥夺了一些不确定性可能带来的惊喜。它们越了解我们的品位,我们在想象新的可能性上花的时间就越少。算法自动预测我们对陌生人和新想法的体验,所以我们可能会觉得自己活在一个回音室中。作为设计师,我们必须思考其中的平衡点。 尽管有这么多的复杂性,我们的设计还是越来越依赖于算法。为什么?因为算法会简化我们在技术上的体验——甚至可能会达到根本没有用户界面的程度。定制的体验,对话式的应用,以及聊天机器人,他们在本质上都有自己的算法。在体验设计师尝试去解决算法和用户界面问题时,了解算法的局限性很重要。我们如何设计一种体验是可以抵消一些算法上的负面效应的。 […]

© 2017 JDC. All Rights Reserved.