2023-2-26 鶴鶴
注：閱讀此文章大約需要30分鐘
先給大家看兩個案例：大家都很熟悉的，自動感應(yīng)測溫，不需要人為操控
第二個案例則是nest智能恒溫器，比起傳統(tǒng)的需要人為的去手動觸發(fā)調(diào)節(jié)溫度，他能夠?qū)崟r感知家里的溫度，基于不同的場景與客戶習(xí)慣去調(diào)節(jié)溫度，比起傳統(tǒng)模式便捷了不少
那么從這兩個案例中，大家可以發(fā)現(xiàn)，傳統(tǒng)人機(jī)交互與下一代人機(jī)交互是有著本質(zhì)區(qū)別的，傳統(tǒng)人機(jī)交互一直以來都是輸入輸出的被動交互邏輯，什么是被動交互呢，就是必須有用戶向機(jī)器發(fā)送指令，機(jī)器接收指令，執(zhí)行后將結(jié)果反饋給用戶。而新的交互模式，則是用戶不需要做任何指令輸入，機(jī)器自動感知當(dāng)前的場景，來理解你的意圖是什么，來去主動幫你完成任務(wù)。那么這是如何實現(xiàn)的呢，主要是依靠傳感器，算法等實現(xiàn)的。這也說明了我們的生活開始下一代人機(jī)交互的新時代。
這也就是今天的主題，那么今天，我會詳細(xì)講解，把這個課題講透。包括什么是智能感知交互，他的底層框架模型是怎樣的，以及結(jié)合案例是講解他是如何落地使用的，
回顧整個人機(jī)交互的發(fā)展史，經(jīng)過了不同的階段，從命令行界面，也就是通過手柄，遙控等進(jìn)行交互，再然后是圖形用戶界面，也就是觸摸屏等交互，再到語音交互，圖像識別等等
人們對于人機(jī)交互也從依賴于人去手動觸發(fā)，再到趨于自然和本能，隨著技術(shù)的發(fā)展，我們也迎來的技能感知交互的新時代
在這里也對智能感知交互做了初步定義：是以人為中心，基于傳感器、大數(shù)據(jù)及AI技術(shù)，自動感知用戶情景，理解用戶意圖，主動響應(yīng)用戶需求，真正提升人機(jī)交互效率
那么智能感知交互也有幾個特征，更加的趨于自然，輸入輸出方式更加無感知，智能
接下來是最核心的重點，智能感知交互的框架是怎么樣的，他的底層邏輯是怎樣運行的，這也是整套理論知識的基石和核心。
智能感知交互模型主要分為三層：
那么以剛開頭的無接觸測溫門為例，在感知層主要通過紅外傳感器去感知人的體溫，在決策層則是當(dāng)遇到發(fā)燒的顧客則需要進(jìn)行干預(yù)，在表達(dá)層，則會通過音效、光效做出主動的預(yù)警的設(shè)計表達(dá)。
那么我們接下來詳細(xì)的看下整個框架模型，那么，感知層又細(xì)分為三大模塊：
第一塊為【用戶感知】，第二塊為【場景感知】，第三塊為【行為感知】。 那我這里給他串聯(lián)起來，簡單來說就是感知用戶是誰，在什么楊的場景下，做了什么樣的行為。那么決策層則細(xì)分為兩大塊，也就是無感知之后怎么做決策，理解用戶的意圖是什么，。那么第二則是做出決策后怎么去做設(shè)計表達(dá)和輸出呢，受到那些變量因素的影響，這是由設(shè)計表達(dá)影響因子模型決定的。那么最后一層則是正式做出設(shè)計表達(dá)，目前表達(dá)的介質(zhì)主要有界面、聲音、光效、觸覺、動作等。那么這張圖是一個大框架，接下來我會詳細(xì)的剖析每一層
先講第一層，感知層，就是感知技術(shù)，這里在進(jìn)一步細(xì)分為三個板塊，用戶感知，場景感知，行為感知，用戶感知為，用戶性別、地域、年齡等等特征，場景感知則是什么時間、什么地點，當(dāng)前環(huán)境、溫度等等，行為感知則是去感知，你用了什么工具，對什么對象，做了什么操作行為等等。針對不同的業(yè)務(wù)會有不同的針對感知，例如開頭案例中的體溫測量，他對溫度這一屬性重點感知。大家這里也能想到，世間萬物都可感知，為了方便后續(xù)的統(tǒng)計和分析，需要進(jìn)行加工處理，需要將當(dāng)前的感知線上化和數(shù)據(jù)化，同時會將這些數(shù)據(jù)進(jìn)行標(biāo)簽化的處理，那么如何去處理這些數(shù)據(jù)呢，這里主要分成三類：
簡單來說就是從傳感器或者線上平臺等渠道直接獲取的數(shù)據(jù)。舉個例子，比如說登錄網(wǎng)站，那么我們可以獲取用戶ID，從溫度傳感器，我們可以直接獲得溫度。這些都是統(tǒng)計類數(shù)據(jù)
簡單來說就是基于一定的規(guī)則產(chǎn)生，舉個例子，比如我們規(guī)定用戶與設(shè)備之間的距離為0~40cm為近距離，，工人每小時生產(chǎn)產(chǎn)品80件定義為熟練工，這些都定義為規(guī)則類數(shù)據(jù)
他是通過機(jī)器學(xué)習(xí)挖掘產(chǎn)生，根據(jù)相關(guān)屬性進(jìn)行預(yù)測和判斷。比如淘寶上對男女的劃分，他通過你買的商品去判斷你是男生還是女生，你的興趣愛好是什么
那么接下來我們講決策層,那么剛剛我也介紹了整個框架模型，決策層主要有兩部分，現(xiàn)在講述第一部分，也就是整體框架中紅色圈住部分，針對【意圖識別決策模型】進(jìn)行剖析。簡單來說就是我感知之后去理解用戶的訴求是什么，這里也抽象為四大類決策方向:行為干預(yù)、推送建議、意圖預(yù)判、自動決策
簡單來說就是我感知到當(dāng)前的行為是異常、錯誤的，會做出主動預(yù)警進(jìn)行干預(yù)。舉個例子，比如圖中的場景，通過攝像頭的圖像識別檢測到工人的操作不規(guī)范，會通過光效和音效的預(yù)警來進(jìn)行行為干預(yù)
是基于你的愛好去推送不同的內(nèi)容
感知之后去預(yù)判，你接下來會做什么。比如上圖，當(dāng)系統(tǒng)之前感知到用戶粘貼了地址和電話信息，那么系統(tǒng)就預(yù)判你是不是要寄快遞
比如陀螺儀識別用戶將設(shè)備傾斜了多少度，將屏幕做自動關(guān)屏
那么前面講述的是決策層的第一大板塊，那么現(xiàn)在講第二板塊，也就是設(shè)計表達(dá)影響因子模型。簡單來說，就是我已經(jīng)決策完成，那么我怎么去做決策和輸出，受那些變量因子影響呢
那么這里也抽象為三大類變量因子，用戶感官因子，環(huán)境因子，設(shè)備因子。
比如在【用戶感官因子】上，會去分析，用戶當(dāng)前的認(rèn)知負(fù)荷是什么樣的，如果當(dāng)前是在黑暗的情況下，用戶的視覺負(fù)荷比較大的話，那么設(shè)計表達(dá)是不是就應(yīng)該以聽覺和觸覺為主。同時我們還會去分析用戶是運動狀態(tài)還是靜止?fàn)顟B(tài)，如果是運動狀態(tài)那么在設(shè)計的時候是不是需要考慮，字體是不是需要更大，方便用戶獲取信息等等案例。
【環(huán)境因子】就是環(huán)境光線的強(qiáng)弱，噪聲的大小等等，比如設(shè)計的時候，是在室外，光線比較強(qiáng)的環(huán)境，那么設(shè)計的界面對比度是不是就得更強(qiáng)。
【設(shè)備因子】就是傳統(tǒng)設(shè)計當(dāng)中，他的輸入通道是物理按鍵，還是觸屏，還是語音，手勢這些，以及輸出通道，有沒有喇叭，指示燈等等。這些都會影響我們采用怎樣的方式去進(jìn)行設(shè)計表達(dá)。
那么第三層就是我們最熟悉的表達(dá)層，也就是具體的交互執(zhí)行。常用的表達(dá)方式主要有界面，音效，光效，觸覺，動作這幾類，這些大家都很熟悉，這里就不做詳細(xì)的講解。
那智能感知交互依賴的技術(shù)和條件也是比較多的，所以他是分企業(yè)分階段發(fā)展的。那么這里主要分為5個等級。從無智能到完全智能，那么目前呢主要處在中間C2這個條件智能的階段中。簡單來說就是機(jī)器自動感知部分情景，再加上人的輔助輸入，讓系統(tǒng)完成任務(wù)。
那么前面說這些都是偏理論偏框架類的，那么下面我會結(jié)合案例具體講解智能感知交互是怎樣去落地使用的
那么當(dāng)有了模型框架后怎樣應(yīng)用呢，首先，離不開設(shè)計流程，和傳統(tǒng)設(shè)計流程類似，智能感知交互的設(shè)計流程也為：【發(fā)現(xiàn)一個機(jī)會點，制定對應(yīng)的設(shè)計策略，然后定義具體的設(shè)計表達(dá)，持續(xù)監(jiān)測進(jìn)行迭代和優(yōu)化。】這樣構(gòu)成，那么大家就會想了，那我們的不同之處在哪呢？這其實離不開設(shè)計對于技術(shù)的洞察力，我們設(shè)計對于技術(shù)的了解和應(yīng)用其實貫穿在全流程中。
比如說，在我們在做UED設(shè)計中，發(fā)現(xiàn)痛點時，我們可以通過問卷調(diào)研，訪談?wù){(diào)研獲得用戶的主觀數(shù)據(jù)，也可以通過埋點檢測獲得用戶的行為數(shù)據(jù)，而我們在優(yōu)化的時候，除了從設(shè)計側(cè)出發(fā)的體驗優(yōu)化，那是不是可以不給自己設(shè)立邊界，比如從技術(shù)出發(fā)，讓算法自身不斷學(xué)習(xí)，讓準(zhǔn)確率有所提升。帶著這樣的不同，我來舉一個案例。
這塊沙琪瑪出生在一個非常傳統(tǒng)的食品供應(yīng)鏈公司，她從出生出來到被運送到客戶手中，會經(jīng)過4個空間，12個節(jié)點。而在這層層的校驗中，當(dāng)我們想知道沙琪瑪?shù)馁|(zhì)量，生產(chǎn)日期，和他的位置，需要的是員工的手動介入和對于條形碼的掃描，
但我想更精細(xì)化的知道沙琪瑪具體的信息來進(jìn)行更好的數(shù)字化管理，那就變得非常困難。所以我們在想，怎么可以讓對沙琪瑪?shù)墓芾?，變得更聰明一些呢，那改變這傳統(tǒng)模式的機(jī)會，就來自于識別技術(shù)的發(fā)展。
那么現(xiàn)在已經(jīng)運用起來這樣的技術(shù)了，一些商場的衣服和商品上都會有RFID標(biāo)簽，比如優(yōu)衣庫，在進(jìn)行結(jié)賬時只要將多件商品投送到結(jié)賬框中，就可以一次性識別多個商品完成結(jié)賬，這就是RFID的優(yōu)勢，他可以完成一對多的批量識別，并且具有更大的識別范圍，識別過程中不需要設(shè)備和條碼直接對視。
那我們就要想了，如果每個沙琪瑪都有一個RFID碼，那我們是不是就可以批量無感知的識別他們了呢。帶著這樣的技術(shù)優(yōu)勢，我們來回顧整個操作流程，我們發(fā)現(xiàn)，在圍繞沙琪瑪?shù)囊粚右粚有ｒ炛?，已我剛剛提到的【行為干預(yù)、意圖預(yù)測、自動決策和推送建議】四個角度來找到更智能的優(yōu)化點，比如說，當(dāng)沙琪瑪從車間生產(chǎn)出來，即將被打包的時候，我們?nèi)绻l(fā)現(xiàn)了一個異常，可以怎么處理呢，大家覺得~~~~我們是不是可以進(jìn)行一個行為干預(yù)，來將這個異常及時的告知給用戶，又或者，我們可以進(jìn)行一個自動決策 ，我們通過自動化設(shè)備，來吧出現(xiàn)異常的商品進(jìn)行自動剔除。
那由于整個鏈路太長，所以我現(xiàn)在呢，以沙琪瑪離開倉庫的最后一個校驗環(huán)節(jié)為例，來做展開
這個時候，用戶拖著托盤，來到月臺，準(zhǔn)備將沙琪瑪裝上卡車，這個時候，如果沙琪瑪上錯了車，那我們就非常難以將他追溯回來了。所以這個時候，用戶的意圖是非常清晰的，那就是及時的阻止這個異常的商品流出倉庫。但我們知道了，那下一步呢，就是讓機(jī)器也知道這一個意圖，其實在這個場景下非常簡單，無非是，某人在某場景下做出了某個行為，而這個場景下我們可以通過員工的賬號ID來獲取的員工的身份，
我們也可以通過設(shè)備上在運行的秘鑰來獲得當(dāng)前的實操場景是什么，
還能通過RFID的天線，他所識別到的信號逐漸增強(qiáng)，來發(fā)現(xiàn)，啊確實有一個用戶，在拖著商品逐漸靠近，那以上這三個條件，就可以觸發(fā)我們對于托盤上的貨物的識別來判斷，他上的車是不是對的呢，數(shù)量是不是準(zhǔn)確呢，一旦發(fā)現(xiàn)異常，我們就需要將信號及時的傳給用戶
那下面問題就來了，我們該怎么表現(xiàn)這個異常，剛才也提到，我們設(shè)計的表達(dá)是多種多樣的，有界面內(nèi)的，界面外的，環(huán)境空間的。而用戶接收的渠道卻非常的單一，無非是，視覺、聽覺、觸覺、甚至以后可能會有嗅覺。
所以我們在定義一個合適的表達(dá)方案的時候，就需要考慮到當(dāng)下用戶、環(huán)境、設(shè)備的影響因素，那在我們的場景中，我們應(yīng)該怎樣選擇一個合適的感官通道來傳遞這個異常信號呢
這就需要我們清晰的了解，在這個場景下，每一個感官通道被占用的情況，這樣我們才能選擇其中占據(jù)優(yōu)勢的那些來做出我們的設(shè)計表達(dá)
為此，我們總結(jié)過往一些學(xué)術(shù)研究，來將用戶、環(huán)境、設(shè)備他具體的影響程度進(jìn)行數(shù)值化。比如對于用戶的限制，我們采用VACP的工作負(fù)荷模型來量化用戶的各個通道上認(rèn)知資源被占用的程度。而對于用戶自身的能力限制，我們通過劍橋大學(xué)提出的一個無障礙公式，來計算用戶自身能力限制的程度，同樣，我們綜合國內(nèi)一些常見的標(biāo)準(zhǔn)，來將環(huán)境因素，例如，亮度、噪聲、和設(shè)備自身的表達(dá)能力進(jìn)行等級的劃分。那大家就要好奇了，那要數(shù)值化，那數(shù)值化靠譜嗎，我們怎么做這個數(shù)值化呢？
那我以VACP工作負(fù)荷模型來做一個簡單的展開，他起源與1984年，對于飛行員在駕駛飛機(jī)的一個觀察和研究。研究者將他劃分為視覺、聽覺、認(rèn)知、運動四個維度。同時呢，對于不同難度系數(shù)的任務(wù)，劃分了不同對資源程度占用不同的等級，這樣，我們就可以像查閱字典一樣，來根據(jù)我們需要的任務(wù)表現(xiàn)，找到這個通道上對應(yīng)具體的占用程度
回到我們剛才的場景，當(dāng)用戶拖著托盤靠近的時候，他需要時刻注意眼前的道路，避免和其他物品碰撞，這個時候，視覺上他對物體的追蹤和跟隨，這個時候呢，在視覺上通道上他會有77%的占用情況
而聽覺上，雖然他不需要聲音來辨別道路，但在這個過程中，有可能有小組長會叫他說，唉，你過來以下，那這樣我們就需要做一個聲音的辨認(rèn)，那在聽覺通道上，可能會有14%的占用程度
而在月臺上，時刻會有運輸與發(fā)動機(jī)的聲音，這個大約在70分貝的噪聲，會給用戶在聽覺上有個二級的干擾作用
綜合來看，首先，我們對用戶在觸覺上的反饋通道就被阻斷了，因為設(shè)備端離用戶實在太遠(yuǎn)了，無法進(jìn)行一個觸覺上的反饋，
而剩下的視覺通道已經(jīng)被高度占用了，他的有效性是較為有限的。而在聽覺上，雖然他的占用程度沒這么高，但他收到了環(huán)境噪聲的二級干擾，所以我們單一的通過視覺或者聽覺都不足以達(dá)到一個有效的反饋作用。
好在現(xiàn)在用戶的認(rèn)知還是比較充沛的，所以呢，我們可以通過視覺、聽覺、認(rèn)知三個通道上的整合，來做一個比較有效的反饋。
也就是，當(dāng)用戶靠近時，首先，她會在聽覺上聽到蜂鳴器的報警，
然后呢，他的注意力就被抓到了燈光的閃爍模式上。，他從他的記憶中記得的燈光的三種閃爍模式上，辨識到了這個閃爍意味著說：這個閃爍，標(biāo)識著我現(xiàn)在拉得沙琪瑪品類有問題，那我要好好的檢查一下。那我們的反饋呢，就成功的達(dá)成了
那除了剛剛提到的，多感官的反饋，我們在對于界面的設(shè)計上，也考慮到了多因素的影響
那第一個就是大家相當(dāng)熟悉的視覺距離，在我們的生活場景中，，有手持設(shè)備的近視距，也有推動設(shè)備的中視距，還有推動大型設(shè)備上走向通道門的，遠(yuǎn)達(dá)130厘米的遠(yuǎn)視距
那面對這樣不同的視覺距離，和用戶靜態(tài)或者動態(tài)的移動狀態(tài)，我們推導(dǎo)了計算文字高度和文字字號的公式，
然后計算這樣的視覺距離和運動速度的不同，來對關(guān)鍵信息做突出化的展示，保證用戶在看到關(guān)鍵信息時他的清晰度。那大家可以想想，除了視覺的距離以外，還有什么因素會影響到視覺的表達(dá)呢，
那就是環(huán)境的亮度。在我們的場景內(nèi)，盡管有部分都是在室內(nèi)發(fā)生，但也有部分是在室外發(fā)生，就比如我們舉的沙琪瑪?shù)睦樱窃谠屡_發(fā)生的場景，那這個時候，就需要我們在色彩的設(shè)計上，去考慮到環(huán)境亮度的影響，
我們基于 W3C,對于色彩對比度的分析，然后定義了我們的配色方案，在對于室外的環(huán)境，我們會采用色彩對比度較高的配色方案，而到了室內(nèi)呢，我們會動態(tài)的將色彩對比度降低，避免用戶長時間注視對比度高的界面，造成視覺疲勞
那既然有設(shè)計方案，那自然就有效果評估，
我們將智能感知設(shè)計的評估，分為主觀和客觀兩個部分，主觀就是大家比較熟悉的，比如我們感知的這個情景是否準(zhǔn)確，能不能夠幫助用戶提高效率呢，整個感受是不是愉悅的，是不是有效的，那么這一塊我們是通過李克特5點量表問卷，和SAM問卷來進(jìn)行度量，另外一部分則是客觀部分，這一部分我們通過對于算法模型的評估指標(biāo)來進(jìn)行度量，比如他的準(zhǔn)確率，召回率，精準(zhǔn)率來評估他的算法是否可以不斷學(xué)習(xí)和進(jìn)步。
那智能感知交互的分享就到這里，這里我衍生一下，從剛才的案例中，主要都是實操類的，那么我們是不是可以做個衍生，將智能感知設(shè)計的思路方法也延用到產(chǎn)品設(shè)計中呢，比如現(xiàn)在的抖音，頭條，他們?nèi)シ治鑫覀兊南埠?，主動的替我們進(jìn)行篩選，于是在使用產(chǎn)品的時候，我們可以說是被動的看內(nèi)容，被動的看到商品被吸引然后下單。那么B端產(chǎn)品也可以以此類推，傳統(tǒng)模式下，是人登錄后臺，主動去找任務(wù)，那么在這里，我們是否可以換個思路，任務(wù)主動來找人，通過感知到用戶的身份，我們來主動檢測，他所關(guān)注的任務(wù)的進(jìn)度，并且在這個任務(wù)落后的時候，主動發(fā)出預(yù)警和提示，真正的提升用戶的管理效率。
藍(lán)藍(lán)設(shè)計( www.alimai.net )是一家專注而深入的界面設(shè)計公司，為期望卓越的國內(nèi)外企業(yè)提供卓越的UI界面設(shè)計、BS界面設(shè)計 、 cs界面設(shè)計 、 ipad界面設(shè)計 、 包裝設(shè)計 、 圖標(biāo)定制 、 用戶體驗 、交互設(shè)計、 網(wǎng)站建設(shè) 、平面設(shè)計服務(wù)、UI設(shè)計公司、界面設(shè)計公司、UI設(shè)計服務(wù)公司、數(shù)據(jù)可視化設(shè)計公司、UI交互設(shè)計公司、高端網(wǎng)站設(shè)計公司、UI咨詢、用戶體驗公司、軟件界面設(shè)計公司
藍(lán)藍(lán)設(shè)計的小編 http://www.alimai.net