一位科技大厂的资深设计师最近分享了一个许多人都会感同身受的时刻。他让一个AI模型重写他的博客。模型照做了，然后，在没有任何提示的情况下，自动添加了一个带有模糊动画效果的搜索框和开箱即用的无障碍功能。这位设计师自己承认，这些他没要求的功能，比他亲手构建的还要好。在一个重要的用户体验与人工智能会议上，他指出，短短三年时间，我们就从AI只能写出几行勉强可用的代码，走到了AI写出的前端代码比资深设计师还强的地步。

这种反应很熟悉，诚实、慷慨，却把问题问错了对象。我们大多数人都有过类似的经历。第一次，一个AI模型生成了我们意料之外的东西，超出了我们自己的想象力和前端技能边界。发现AI工具这种真正惊人能力的时刻，改变的不仅仅是我们如何在实践中看待它们。它改变了我们如何看待自己的实践本身。但在这种时刻，有一个问题值得追问：一个预测下一个词的模型，是如何做到在没有提示的情况下，生成一个带模糊动画和无障碍功能的搜索框的？这三年里究竟发生了什么，让这一切成为可能？

打开网易新闻 查看精彩图片

关键的答案不在于模型理解了他的博客、他的用户或他的设计意图。答案在于，模型接受的训练数据，包含了比任何一个人一生能读完的还要多的前端代码、设计系统文档、无障碍指南和UI模式库。当它生成那个搜索框时，它不是在推理他的博客需要什么。它是在根据现代博客改版通常包含哪些内容的统计分布，进行模式补全。更深层的洞见是，在训练数据分布中，“重写博客”这个指令所关联的模式，比发言者本人的设计直觉，更可靠地包含了搜索框。那些无障碍功能不是被设计或推导出来的，是被检索出来的，是被内插出来的。那个模糊动画不是一个创造性决策，而是训练数据中当前设计趋势的众数平均值。这为什么重要？因为我们越了解正在重塑我们领域的工具，就越能善用它们，并提出我们要求必要改变的呼声。

在当下这个时刻，我们或是被收音机能说话这件事吓坏了，或是被深深震撼，以至于我们不去追问它是否理解自己在说什么，或者是什么让它在一开始说出了那些话。这对设计师和人机交互从业者而言尤为关键，因为作为一个群体，我们正被要求为那些能力尚无人完全理解的“智能”系统构建界面、为与之交互的用户发声、并判断它们在何时值得信赖。我们的设计判断需要对当前人工智能系统能做什么、不能做什么有更清晰的图景——不是为了给人们对这些工具潜力的兴奋泼冷水，而是为了确保我们在设计过程中不至于把自己的能动性拱手相让。我们需要一套方法，在不依赖魔法思维的情况下，测试这些工具的边界。而这套方法，可能比你想象的更直截了当。