今年，关于人工智能的新闻真是层出不穷。你打开任意一个新闻网站，头版都有关于ChatGPT、Stable Diffusion、Midjourney或OpenAI的文章。
虽然人工智能自20世纪50年代就已经存在，但最近的进步将其带到了技术的前沿。第一批计算机在执行重复性任务方面非常出色，但需要我们人类通过编程语言与之交流。随着时间的推移，我们开发了越来越复杂的语言和界面，如鼠标和语音助手，允许非编程人员使用计算机。
今天，人工智能的一个特定分支被称为变形金刚，以及像ChatGPT这样的工具，由于其基于大型知识库生成内容的能力而在新闻中爆炸式增长。出现了许多利用生成式人工智能的在线工具，但它们的设计似乎让事情退步了。
这么多的新功能!
生成式人工智能已经打开了许多功能的大门，这些功能在以前是无法想象的，只是在设计中使用，因为开发成本实在太高。然而，在生成性人工智能的帮助下，你的应用程序现在可以：帮助人们创造东西，帮助人们在非结构化数据中寻找东西，回答复杂的用户问题，为每一个用户提供个性化的体验，甚至代表你与用户沟通。波士顿咨询集团有一篇关于生成性人工智能对企业意味着什么的伟大文章。
通过制作来思考
我总是通过潜心学习和理解新的能力，并通过亲身体验来学习。在我的工作中，我们称之为 “通过制作思考”。为了更好地使用人工智能，我参加了一个内部竞赛，使用生成性人工智能工具制作电影海报。通过这个练习，我们对生成性人工智能的优点和缺点有了宝贵的认识，把它看作是一种设计的材料。
我们使用像ChatGPT这样的工具来创建电影标题、脚本，甚至是杂志的引言。然后我们用Midjourney和Stable Diffusion等工具来生成图像。
通过在一个有趣但专业的比赛中使用所有不同的工具，我们学到了很多关于这些工具如何工作，它们擅长什么，最重要的是它们不擅长什么。在玩的过程中，我们了解了生成性人工智能作为一种材料，我们可以用它进行设计。
这对设计师来说意味着什么？
首先： 负责任地玩。
首先，我想用一句简短的警告来告诫文章的其余部分。目前，人工智能往往会给出很多错误的答案，而且在很多情况下，输出的质量可能是有问题的。关于人工智能生成的内容的知识产权的法律立场并不明确，而且正在公开辩论，对于人工智能所训练的材料以及生成性人工智能可能对社会产生的一般影响，也有许多道德方面的考虑。
与任何新技术一样，生成性人工智能的用户体验的最佳实践仍然需要被定义。让我们继续谈一谈几个已经成熟的设计主题：
设计的可发现性
这项技术是如此之新，以至于人们还不了解它能做什么。可能性似乎是无穷无尽的；总结文本，用海盗的语言重写这个文本，在数据中寻找重复的模式，甚至创造一个戴着棒球帽的滑板小狗的图像。
当务之急是帮助人们发现这些功能，并让他们快速获取重要的功能。ChatGPT可以做所有这些不可思议的事情，但是OpenAI并没有提供功能文档。这就是为什么像Github这样的网站已经爆发出大量的资源，供人们学习编写提示语。从本质上讲，人们正在为OpenAI编写文档，并相互分享。
Midjourney的图像生成工具更有帮助，并在其操作模式中内置了提示共享。每当用户使用该工具生成图像时，它们就会被添加到一个可浏览的目录中，使其他用户能够看到生成该图像时使用了哪些提示和设置。这样一来，用户可以互相学习，而不是从头开始。
谷歌更进一步，将文本编辑简化为代表常用功能的易于使用的按钮。这种模式完全消除了用户编写提示的需要。与其写一个 “请为我总结这段文字 “的提示，用户可以直接点击称为缩短的按钮。
启示：你的用户不知道你的工具的力量。向他们介绍他们能做什么，并帮助他们使用它。
帮助人们浏览各种可能性的迷宫
生成式人工智能使其很容易在短时间内创造出很多东西。用15种不同的方式重写一个段落很容易，创造一个图片的30种变体也很容易。但你如何帮助用户挑选哪个变体是最好的？你又如何在一个以单一思维流构建的界面中创建独立的概念？
ChatGPT的聊天风格界面允许你与算法进行多次 “对话”。一旦你开始对话，ChatGPT就会根据内容为其命名，以帮助你找回它。尽管这很酷，但它确实有它的不足之处。如果你的目标是获得改写文章的帮助呢？你可能希望有多个你想比较的变体。聊天界面对此并不理想。
Midjourney也是如此，它将聊天应用程序Discord作为其唯一的互动方式。用户必须打开聊天应用程序，向机器人发送命令。然后，机器人反过来回应，将生成的图像添加到一个连续的流中。
幸运的是，处理物品的集合并不是一个新的UI问题。在Adobe Lightroom中可以找到一个很好的例子，它确实允许你进行策划，Adobe的工具用于管理大型摄影档案。它有过滤、分类、评级、比较和选择的机制。如果你正在创建一个为人们产生视觉效果的工具，我肯定会看一看这个工具。
启示：当你的应用程序能以低成本产生大量的内容时，它需要帮助用户策划和跟踪变体。
培养怀疑精神，让人们检查工作。
生成式人工智能在 “什么 “方面很出色，但在 “为什么 “方面就不那么出色了。当你要求生成型人工智能回答一个问题时，它将满怀信心地回答，即使答案可能是完全的幻觉，而不是基于事实。幻觉是生成性人工智能的一个副作用，很难防止。因此，在设计有这个弱点的应用程序时，我们该如何处理？
下面的例子是谷歌的Bard LLM在回答一个问题。我们可以讨论Bard在这里是对是错，因为所用的提示包含了一个错误，而这个错误被机器人成功地继续下去了，在现实世界中，这个答案仍然是错误的。然而，Bard没有给出关于为什么或如何给出答案的背景。
解决这个问题的一个方法是引用LLM自己的模型知识以外的来源，这样用户就可以利用这些来源来验证事实。微软的Bing是一个很好的例子，说明如何做到这一点。在每个答案的底部，他们提到了不同的来源，用户可以通过这些来源来深入了解它的答案所依据的页面。
另一个数据来源被称为 “信心分数”。许多机器学习算法对它们对特定结果的确定程度进行评分。下面你可以看到OpenAI的Whisper的截图，这是一个可以自动将音频文件转录成文本的工具。通过可视化的置信度评分，你的用户可以很容易地识别出结果中需要研究的部分，而不是仅仅把完整的输出当作真理。
经验之谈： 当使用生成式或任何其他类型的人工智能进行设计时，确保你给用户提供工具来验证你的答案。机器并不总是正确的，你的用户也应该知道。
考虑法律和道德方面的影响
巨大的权力伴随着巨大的法律和道德责任！在将生成性人工智能添加到你的应用程序之前，请考虑这些问题！在为你的应用添加生成性人工智能之前，请考虑这些问题：
你所使用的模型中存在哪些偏见？”数据集中存在偏见。当你要求Midjourney生成专业人士的工作图像时，它更喜欢生成男性的图像。我们还能发现什么？
你是否在处理敏感或私人信息？”大多数生成性人工智能能力通过所谓的API在云中运行。从本质上讲，这意味着为了能够使用这些服务，你正在向另一个公司的服务器发送数据。在这种情况下，最好检查你正在发送什么样的数据，以及你的用户是否清楚你不是他们输入的唯一接收者。
以ChatGPT为例，他们的隐私政策明确指出（2023年3月14日），他们被允许使用用户提供给他们的所有个人信息作为输入。这与欧洲名为GDPR的隐私法相冲突，并导致意大利最近禁止了ChatGPT。
在任何情况下，当你使用基于云的生成性人工智能时，请检查隐私政策，看看在你的实施中是否符合道德和合法使用。
生成的输出的知识产权对你的工具很重要吗？关于谁拥有由生成性人工智能创造的东西（部分）的知识产权的争论正在激烈进行。版权还没有得到法律上的裁决，但目前一些案件正在审理，至少在不久的将来可以决定事情的命运。
最早的法律案件之一是《黎明的扎里亚》漫画书的案件。在一个法律案件中，美国版权局决定，人工智能生成的图像不可能有版权。
最近，版权局发布了一个更细微的指导意见，指出你只不能对完全通过使用人工智能提示生成的内容进行版权保护，而没有进一步的人类参与。你可以想象，下一个问题是，有多少人的参与是必要的？目前，陪审团还没有定论，我也不会打赌很快就会有要求版权的能力。
经验之谈： 你是用户的代言人。问问自己这些问题，问问自己：我是否照顾到了用户的利益？并记住，所有这些事情都在变化之中，并将在一段时间内保持这种状态。在为你的应用程序添加生成性人工智能时，要考虑到这一点，因为它可能不会在很长一段时间内保持目前的形式。
请牢记：
设计师是设计方面的专家。不要让自己受到鼓励，计算机现在可以生成你以前手工制作的东西，让它赋予你比以前更多的能力。
人类是关于人性的专家。计算机可以生成很多东西，但只有你能看到这些东西中哪些是值得创造的，哪些东西使人类向前而不是向后。
不要忘了：“弄脏你的手”，通过制造来思考！！
Guus是argodesign的首席设计师，指导人工智能工具的设计，同时也负责实验设计模拟的最新技术。
