摘要：本文內容節選自由主辦的第七屆，分享的實錄。據美國紐約時報報道，人工智能的測試會根據膚色種族，出現不同的錯誤率。微軟在美國工時比較長，而在歐洲工作時間有嚴格的要求，我們需要花費時間磨合并找到共同的時間。

本文內容節選自由msup主辦的第七屆TOP100summit，Microsoft Principal Program Manager Annie Wang分享的《Building an Inclusive Product》實錄。

Annie is a 18-year veteran in Microsoft with proven success of leading large-scale collaborations and shipping world-class product like Cortana, Bing search, NET Framework and Visual Studio. Her focus of the last few years is on AI-powered applications/services and led projects such as future of home experience in Microsoft Envisioning Center and SwiftKey. She is motivated by solving hard user problems and building delightful and inclusive solutions that scale.

編者按：2018年11月30日-12月3日，第七屆全球軟件案例研究峰會在北京國家會議中心盛大開幕，現場解讀2018年「壹佰案例榜單」。本文為Microsoft Principal Program Manager Annie Wang老師分享的《Building an Inclusive Product》案例實錄。

不論是產品經理還是運營又或是市場，我們都希望學習到一些方法/思維將產品體驗做好，提高用戶使用頻率。今天，我希望借TOP100summit平臺為大家分享一些自己在產品工作中的經驗與心得。

切入正題之前，我們一起來看上圖的照片。相信大家第一眼看到的模塊都不太相同，這是因為當我們看到同一張照片，切入的角度不同，所以看到的東西也就不盡相同，其實，在用戶方面也是如此多元化。用戶多元化不止看人的性別、年齡，還需要考慮文化背景、個人喜好、對科技的認知程度等其他因素。所以，做一個成功的產品，我們應該全面了解用戶的需求。

如果單從自己的角度出發，就會在無形中建立了一道墻，導致你和用戶之間沒有接觸。所以，我今天想和大家聊聊包容性設計的思維方式。包容性設計的思維方式是指考慮人類的多樣性，交互環境的復雜性，認知功能缺失的不同場景，并最終幫助產品更好地為每個人服務。

? 包容性設計的好處：

1.擴大用戶群

2.優化用戶體驗

3.增加用戶粘性

? 包容性設計原則：

第一，考慮用戶的多元性，發掘自身盲點，不要把用戶排除在外。

第二，在多樣化中學習，由于用戶是多方面的，所以在收集資料/接收反饋時，不要只針對一群人做測試。所有的設計要以人為中心，建立同理心，這樣才能更深入了解用戶需求。

第三，特定功能延伸到更多的用戶群。

以上三個原則均可應用于產品研發的各個階段。在產品設計期，套用包容性設計的思維方式可以更深入的了解用戶的需求和痛點，以便想到更好的解決方式。在產品開發期，將這些思維融入到工作的計劃中，可以讓產品自動變成更有包容性。從總體研發來看，思維方式不僅是收集和反饋，而是覆蓋不同的用戶群。

接下來，我開始分享一些自己在工作中的心得。

Learning #1

提供用戶多種選擇

? 配合用戶的習慣：

產品的包容性并不是以一概全，而是要配合用戶的習慣、表達方式等。以SwiftKey的人工智能輸入法為例，它會根據每個用戶的打字方式，打造出合適的模型，即讓科技配合不同的用戶習慣。

? 支持多語言：

SwiftKey在倫敦起家時，為了迎合歐洲多語種的情況，會按照用戶的打字形式在用戶不需要特意轉換的情況下，幫助判斷用戶選擇他使用的語言，此種形式，給用戶提供了方便，也增加了更多歐洲用戶的加入。

? 配合用戶的表達方式：

此外，SwiftKey還做到了配合用戶的表達方式，例如，加一些表情符號等。所以，我們在打造鍵盤的時候，會提供配合用戶的表達方式，給用戶提供不同的選擇。

? 設計多元空間來滿足不同的需求和工作方式：

我在未來展望中心做設計空間的時候，由于每個人性格、職業、年齡不同，所以，設計出來的空間不僅要美觀，而且要考慮到使用空間者的需求。以產品經理為例，他們更喜歡社交，最適合開放的空間；而寫代碼的程序員，他們需要一個獨立思考的空間。因此，在設計空間時，要考慮到用戶的不同需求和工作方式。

Learning #2

小心無心的偏見

? 缺乏多元性的培訓數據會造成偏頗的人工智慧：

在做人臉識別時，要避免一些無心的盲點或偏見。因為在做人工智能運算或模型的時候，數據對質量來說非常重要。如果數據極小或同值，往往會產生問題。所以，缺乏多元性的培訓數據去開發人工智能會造成一個偏頗的人工智能。

據美國《紐約時報》報道，人工智能的測試會根據膚色、種族，出現不同的錯誤率。白人男性的錯誤率最低（1%），膚色較深的女性錯誤率最高（32%）。這表明，人工智能在訓練時，會被大數據帶有的偏見影響，所以，我們現在做人臉辨識要避免這種情況發生。

微軟除了做人工辨識之外，還用模型測試人的表情。后來我們發現，訓練模型都是用成人的臉測試，這導致小孩子使用時就會非常不準確；厚嘴唇的用戶在使用時，嘴巴明明閉著卻顯示的是張開狀態。這些都屬于盲點。因此，我們在注意數據多元化的同時，也會用不同的案例測試，不然流入市場時會造成PR問題。

? Five Ways to Identify Bias：

我將其大概分成五類：

第一類Dataset Bias，數據的盲點。

第二類Association Bias，連署的偏見。假設微軟發展翻譯功能，描述人的性別時，它是有區別的。如果把職業和性別聯系在一起，例如，醫生和律師會自動把性別變為男性，這無形之中加了一些偏見。

第三類Automation Bias，自動偏見。例如，美顏類app會根據每個用戶的審美，設計不同的調整空間，用戶可以選擇自己認為最完美的呈現方式。

第四類Interacton Bias，微軟在中國和美國分別有人工智能小冰，起初我們設置小冰非常有禮貌，但機器人是人教什么就學什么，所以到了社群后，有些人教它說很多不該說的話，而我們在程序中也沒有設限和審核，導致發生故障。有些機器不該學習的內容需要從訓練數據中拿掉，才不會造成model的偏差。

第五類Confirmation Bias，亞馬遜購物會給用戶經常推送，他經常購買的某種類型產品，即使用戶已經購買，也還會繼續推薦。所以，在設計產品時要結合這類的可能性，并做出相應的調整。

Learning #3

將包容性的理念融入日常工作中

前幾年產品賣出不去，導致工程師一直修改包容性設計。現在，我們在日常程序之中做一些變動，把幫助包容性的工作項目列入計劃中，則減少了之后的工作量。另外，寫代碼的時候，要結合無障礙功能。在安卓/ios系統中，盡量善用系統組件讓很多東西自動化的加在一起，不需要另外做編碼。

Learning #4

聆聽多元的反饋

做產品需要聆聽用戶的聲音，可是當你去聆聽用戶聲音的時候，可能會犯一些錯誤。我們做過一個調查，選擇18歲-20歲的用戶群測試表情符號，可用戶量并未發生變化，后來才發現表情符號并不局限于年輕人，其他年齡層的用戶同樣有需求。所以，不管是收集資料，還是在市場推銷產品，在進行使用群體調查時應避免針對一些特定群體以提高調查的適用性。另外，在市場調研中，也要考慮從未使用過我們產品的用戶，了解他們選擇其他產品的原因。

Learning #5

善用多元化的團隊

團隊具備包容性的思維，才能打造出包容性的產品。微軟在亞洲、歐洲、北美洲的團隊提供了全球化的產品，這對我們語言測試工作非常有利，同時也面臨一個挑戰。微軟在美國工時比較長，而在歐洲工作時間有嚴格的要求，我們需要花費時間磨合并找到共同的時間。因此，團隊合作要考慮不同的文化背景，工作習慣才能達到最高的效率。

經驗教訓

? 提供用戶多選擇

Offer Alternatives to Your Users

? 小心無心的偏見

Watch out for Unconscious Bias

? 將包容性的理念融入日常

Incorporate Inclusive Practices to Day-to-Day Tasks

? 聆聽多元的反饋

Listen to Diverse Feedback

? 善用多元化的團隊

Embrace the Diversity of Your Team

最后，發覺有用戶被排除在外是個好的開始，如此我們才能發揮同理心找出解決之道，希望大家今后多思考如何消除人工智能中的偏見。

以上內容來自Annie Wang老師的分享。

本文章來自壹佰案例公眾號原創，轉載請聯系：fuzhinaxiewenxin（微信號）。