生成式AI应用程序的设计原则

文献标题

Design Principles for Generative AI Applications

文献信息

• 主题领域: 生成式人工智能用户体验设计
• 关键词: 生成式 AI、设计原则、人机交互（HCI）、用户体验设计、基础模型、信任与依赖、共同创作、变量性

研究背景与问题

• 作者发现的问题或挑战:

  • 生成式人工智能技术日益普及，然而现有的人机交互设计指南并未针对生成式 AI 的特点提出专门的解决方案。
  • 生成式 AI 产品不仅具有生成多样化产出的能力，还伴随用户信任校准、复杂的心理模型理解以及潜在的用户伤害。

• 为什么这个问题重要:

  • 针对生成式 AI 的专门设计原则可帮助用户有效、安全地使用生成式 AI工具，能够提升用户体验，减少可能的伤害，并促进人与 AI 的协作效率。

• 研究动机与相关工作:

  • 虽然已有关于 AI 系统设计的指导，但其主要针对判别式 AI（如分类模型）而非生成式 AI，这类算法的生成特性引入了新的设计挑战。
  • 文献综述表明，在过去几十年中，人机交互领域积累了丰厚的设计指南，例如针对常规计算系统、网络接口、移动应用及 AI 的交互设计。但针对生成式 AI 的设计框架尚未建立。

解决方案

• 作者提出方法:

  • 提出一套专为生成式 AI 应用设计的六项原则，以指导用户体验设计。这些原则既重新解读现有 AI 系统问题，也为生成式 AI 的新特性提出解决方案。

• 创新之处:

  • 针对生成式 AI 独特的特点（例如生成变异性和用户共同创作能力），提供针对性设计指导。
  • 结合设计策略，既可通过设计过程实现，又可通过具体的用户体验功能实现。

• 实施步骤:

  • 作者通过以下迭代步骤开发设计原则：
    1. 文献检索与初步框架设计。
    2. 收集外部和内部的反馈以反复修订。
    3. 利用修改后的启发式评估方法测试其在真实应用中的相关性与全面性。
    4. 通过生成式 AI 项目团队的应用评估其实践性。

研究成果

• 具体成果:

  • 提出了六项设计原则：设计责任、心理模型设计、适当信任与依赖设计、设计生成变量性、共同创作设计、不完美设计。
  • 每项原则附有具体策略及举例，帮助设计师将其应用于设计实际实践。

• 与现有解决方案的优势比较:

  • 此设计框架不仅扩展了既有 AI 设计原则，还通过多个实验和实际应用验证了其在生成式 AI 上的适用性和实用性。
  • 研究充分考虑到生成式 AI 特有的多样输出能力、用户心智模型的重新认知以及人机协作潜力。

• 实验或评估结果:

  • 针对九款商用生成式 AI 应用（如 ChatGPT、Adobe Firefly 等），通过启发式评估发现六项原则既能涵盖用户体验中的核心问题且具有广泛适用性。
  • 在两类实际生成式 AI产品设计中成功帮助团队发现设计盲点并生成大量可行设计建议。

• 局限性与未来方向:

  • 未充分涉及实验性生成式 AI 应用及非商用创新形式，例如通过叙事生成或动态动作生成的交互形态。
  • 设计指南仍需进一步扩展至生成式 AI全生命周期的其他阶段，如模型选择、优化、部署监控。
  • 随着生成式 AI技术的发展，新的挑战与领域需求可能出现，需持续更新原则以适配新形式与用途的生成式 AI 应用。

总结

• 这项研究提出了一组完备的生成式 AI设计原则与策略，重新解读了 AI交互中的既有问题，并针对生成式 AI独特特性提出创新设计解决方案。原则的迭代开发过程结合理论构架与实践验证，为设计师提供了一套实用工具，满足多样化用户目标（优化与探索）。这些原则为未来生成式 AI技术的设计与应用提供了稳固的基础。