【IFTNEWS人工智能快讯】对我们人类来说，一切都结束了。它可能不是“黑客帝国”，但机器看起来好像终于准备好接受我们的工作了。由人工智能和机器学习过程数据驱动的机器速度更快，不会被愚蠢的人类偏见所阻碍，也不会浪费时间在社交媒体上闲聊，也不会要求增加休假。

虽然机器学习和人工智能很可能在您将来所做的任何工作中发挥重要作用，但有一种方法可以让您的职业生涯“面向未来”......拥抱设计思维的力量。

设计思维的力量

设计思维被定义为以人为中心的设计，它建立在我们对用户的深刻理解(例如，他们的倾向、习惯、爱好、行为)的基础上，产生想法，构建原型，分享你所做的，拥抱失败的艺术。，即快速失败，但学得更快，并最终把你的创新解决方案推向世界。幸运的是，对于我们人类(真正擅长以人为本的事物)，设计思维和机器学习之间有着紧密的联系(参见图2)。

图2:集成机器学习和设计思维。

事实上，将设计思维和机器学习相结合，可以给你“超能力”，让你在任何你决定追求的职业中都能找到未来。要将这两门学科融合在一起，你必须:

了解机器学习在何处以及如何影响您的业务计划。虽然您不需要编写机器学习算法（尽管考虑到“Tableau -izing”机器学习的进展，我不会感到惊讶），但是商业领导者确实需要学习如何“像数据科学家一样思考”，以便理解机器学习如何优化关键操作流程，降低安全性和监管风险，发现新的获利机会。

了解如何设计思维技巧、概念和工具，通过对客户的使用目标、操作环境和成功的障碍的卓越洞察，创造出更引人注目，更强调用户体验的“愉快”用户参与。

注:这个博客的许多图形来自于最优秀的书籍“机会工具箱的艺术”。《机会的艺术:如何通过战略创新和视觉思维来建立成长和冒险》一书，对于任何认真学习设计思维的人来说都是必读的。

第一步:移情和分析。

“强调和分析”步骤的目标是真正意义上的，真正了解您的用户，并为迎接挑战和制约因素建立一种同情心：我的用户是谁？这个人有什么关系？他们想要完成什么？他们对成功的障碍是什么？他们今天有什么挫败感？这一步捕获了用户试图完成的任务（即任务、角色、责任和期望）与他们正在做的事情。通过遮蔽用户的脚步走进用户的鞋子，并在可能的情况下真正成为产品或服务的用户。

“强调与分析”步骤的一个有用工具是角色。角色是用于捕捉关键用户操作和使用需求的模板，包括要完成的工作，消费障碍和用户满意度的障碍（请参见图3）。

图3中的人物模板是我们在Vision Workshop活动中使用的一个模板，用于捕获关键业务涉众在支持组织的关键业务活动时所做的决策，以及相关的痛点。

“强调和分析”的步骤如何应用于设计思维和机器学习?

设计思维——理解和捕捉用户的任务目标、操作要求和成功的障碍;尽可能多地了解你正在设计的用户。

机器学习 - 捕获并确定用户的关键决策的优先顺序;捕捉可能更好地预测这些决策的变量和指标。

步骤2:定义和合成。

“定义和合成”步骤开始组装关于用户需求的初始视图(POV):用户需要什么功能?用户在什么样的环境下工作?什么会阻碍他们的工作?什么有可能阻碍?

分享您的POV并从主要选区获得反馈对于确保您已正确定义并综合需求和潜在障碍至关重要。使用机会报告记录故事，收集来自选区的反馈和输入，并改进您对解决方案的看法（参见图4）。

“定义和合成”步骤如何应用于设计思维和机器学习？

设计思维——定义、记录和验证您对用户任务目标、操作需求和潜在障碍的理解。不要害怕犯错。

机器学习-综合您对决策的理解(例如，延迟、粒度、频率、治理、排序)，以充实潜在的变量和度量，并评估潜在的分析算法和方法。

第三步: 形成概念和设想

“形成概念和设想”步骤是…想象!这是一个收集所有受影响的各方、利益相关者和其他关键组成部分的机会，并利用便利技术来为用户的需求和障碍提供尽可能多的创造性解决方案。利用小组头脑风暴技术来构思、验证和优先考虑使用和操作需求，在策略报告中记录这些需求，并确定支持的操作和性能指标(参见图5)。

图5:战略地图

在步骤3中使用故事板来优化您的想法是非常有用的。故事板是一种图形翻译和解决方案使用的排序，以插图的形式显示为故事（请参见图6）。

故事板是一种有效的、有效的方式，可以让用户对潜在的体验和方法进行交流，并提供反馈。故事板可以在不编写任何代码的情况下对使用行为和潜在的障碍提供宝贵的见解。

如果能成为一个有成就的素描者是件好事，即使是草图也可以是一种无价的、快速的方式来收集关于用户体验和产品设计的反馈(见图7)。

图7:草图的力量。

“理想与理想”的步骤如何应用于设计思维和机器学习?

设计思维——尽可能多地思考潜在的解决方案。在你的头脑风暴中发散(“所有想法都值得考虑”)在你收敛之前(优先考虑潜在的商业和客户价值和实施可行性的最好的想法)。

机器学习-启动潜在的分析模型和小样本数据集的算法，以了解数据中隐藏了什么类型的洞察力和关系。捕获并精炼您想要测试的假设。

步骤4:原型和调优。

“原型和优化”步骤开始构建产品和支持分析。开始建模您的想法，以便您能够验证使用和导航的有效性，并确定度量使用和导航有效性的度量标准。Wireframe和mocup是有用的工具，可以用来验证产品的使用和导航效果(参见图8)。

图8: 交互式模型

“原型与调谐”步骤如何应用于设计思维和机器学习?

设计思维-创建一个或多个互动模型，你的关键成分可以“玩”。研究用户与模型之间的交互，以了解他们的工作和奋斗的方向。确定可以提供哪些额外的设计指南和/或分析视角来改进用户体验。

机器学习——确定需要分析的见解或建议——以及可以捕获哪些额外的数据——因为用户“玩”了模型。探索提供实时可操作的见解的机会，以帮助“指导”用户体验。失败很快，但学得更快!接受“失败的艺术”。

步骤5:测试和验证。

“测试和验证”步骤旨在实现设计和分析。但是，第5步也是从用户体验和分析模型调优角度开始持续改进过程的开始。检测或标记产品或解决方案变得至关重要，这样就可以不断地监视它的使用:哪些特性得到了最大的利用?最常见的路径是什么?是否存在表明用户感到困惑的使用模式?它们的使用路径是由用户“弹出”而不再返回的吗?

第5步也是产品使用和决策有效性度量指标可以用来监视和最终改进用户体验的地方。Web分析包(如图9中的谷歌分析)提供了一个很好的例子，可以用来监视产品或解决方案的使用情况。

图9:谷歌网络分析

如果想要衡量和提高产品或解决方案的使用和导航效果，像新的访问、跳出率和站点上的时间等Web分析度量是非常相关的度量标准。

“测试与验证”步骤如何应用于设计思维和机器学习?

设计思维——监视使用和导航指标，以确定产品或解决方案的有效性。创建一个持续改进的环境，在这个环境中，可以快速地对使用和性能反馈进行处理，以持续改进产品的设计。

机器学习-利用“建议”的作用来改进或指导用户体验。利用“群体智慧”不断调整和调整支持分析模型的预测性和规范性。

设计思维+机器学习=游戏变化潜力。

我知道我可能在这里向唱诗班布道，但我建议我的学生和我自己的孩子们，关于整合设计思维和机器学习的力量。举个例子，我的儿子Max通过将Kinesoleogy的学科与数据分析相结合，创造了一个“强大的科学”品牌。他甚至写了他的第一本关于这个主题的书。检查“最优电力开发的应用原则”。

但对于我们这些老程序员来说，也不太迟，他们也会接受将设计思维与机器学习相结合的力量。如果你不,那么,享受作为一个人类电池供电“黑客帝国”…

有知觉的机器创造了“母体”来征服人类，并将人类作为能量的来源。