人工智能专业主要的课程是什么呀？

人工智能技术关系到人工智能产品是否可以顺利应用到我们的生活场景中。在人工智能领域，它普遍包含了机器学习、知识图谱、自然语言处理、人机交互、计算机视觉、生物特征识别、AR/VR七个关键技术。

一、机器学习

机器学习(MachineLearning)是一门涉及统计学、系统辨识、逼近理论、神经网络、优化理论、计算机科学、脑科学等诸多领域的交叉学科，研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能，是人工智能技术的核心。基于数据的机器学习是现代智能技术中的重要方法之一，研究从观测数据(样本)出发寻找规律，利用这些规律对未来数据或无法观测的数据进行预测。根据学习模式、学习方法以及算法的不同，机器学习存在不同的分类方法。

根据学习模式将机器学习分类为监督学习、无监督学习和强化学习等。

根据学习方法可以将机器学习分为传统机器学习和深度学习。

二、知识图谱

知识图谱本质上是结构化的语义知识库，是一种由节点和边组成的图数据结构，以符号形式描述物理世界中的概念及其相互关系，其基本组成单位是“实体—关系—实体”三元组，以及实体及其相关“属性—值”对。不同实体之间通过关系相互联结，构成网状的知识结构。在知识图谱中，每个节点表示现实世界的“实体”，每条边为实体与实体之间的“关系”。通俗地讲，知识图谱就是把所有不同种类的信息连接在一起而得到的一个关系网络，提供了从“关系”的角度去分析问题的能力。

知识图谱可用于反欺诈、不一致性验证、组团欺诈等公共安全保障领域，需要用到异常分析、静态分析、动态分析等数据挖掘方法。特别地，知识图谱在搜索引擎、可视化展示和精准营销方面有很大的优势，已成为业界的热门工具。但是，知识图谱的发展还有很大的挑战，如数据的噪声问题，即数据本身有错误或者数据存在冗余。随着知识图谱应用的不断深入，还有一系列关键技术需要突破。

三、自然语言处理

自然语言处理是计算机科学领域与人工智能领域中的一个重要方向，研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法，涉及的领域较多，主要包括机器翻译、机器阅读理解和问答系统等。

机器翻译

机器翻译技术是指利用计算机技术实现从一种自然语言到另外一种自然语言的翻译过程。基于统计的机器翻译方法突破了之前基于规则和实例翻译方法的局限性，翻译性能取得巨大提升。基于深度神经网络的机器翻译在日常口语等一些场景的成功应用已经显现出了巨大的潜力。随着上下文的语境表征和知识逻辑推理能力的发展，自然语言知识图谱不断扩充，机器翻译将会在多轮对话翻译及篇章翻译等领域取得更大进展。

语义理解

语义理解技术是指利用计算机技术实现对文本篇章的理解，并且回答与篇章相关问题的过程。语义理解更注重于对上下文的理解以及对答案精准程度的把控。随着MCTest数据集的发布，语义理解受到更多关注，取得了快速发展，相关数据集和对应的神经网络模型层出不穷。语义理解技术将在智能客服、产品自动问答等相关领域发挥重要作用，进一步提高问答与对话系统的精度。

问答系统

问答系统分为开放领域的对话系统和特定领域的问答系统。问答系统技术是指让计算机像人类一样用自然语言与人交流的技术。人们可以向问答系统提交用自然语言表达的问题，系统会返回关联性较高的答案。尽管问答系统目前已经有了不少应用产品出现，但大多是在实际信息服务系统和智能手机助手等领域中的应用，在问答系统鲁棒性方面仍然存在着问题和挑战。

自然语言处理面临四大挑战：

一是在词法、句法、语义、语用和语音等不同层面存在不确定性;

二是新的词汇、术语、语义和语法导致未知语言现象的不可预测性;

三是数据资源的不充分使其难以覆盖复杂的语言现象;

四是语义知识的模糊性和错综复杂的关联性难以用简单的数学模型描述，语义计算需要参数庞大的非线性计算

四、人机交互

人机交互主要研究人和计算机之间的信息交换，主要包括人到计算机和计算机到人的两部分信息交换，是人工智能领域的重要的外围技术。人机交互是与认知心理学、人机工程学、多媒体技术、虚拟现实技术等密切相关的综合学科。传统的人与计算机之间的信息交换主要依靠交互设备进行，主要包括键盘、鼠标、操纵杆、数据服装、眼动跟踪器、位置跟踪器、数据手套、压力笔等输入设备，以及打印机、绘图仪、显示器、头盔式显示器、音箱等输出设备。人机交互技术除了传统的基本交互和图形交互外，还包括语音交互、情感交互、体感交互及脑机交互等技术。

五、计算机视觉

计算机视觉是使用计算机模仿人类视觉系统的科学，让计算机拥有类似人类提取、处理、理解和分析图像以及图像序列的能力。自动驾驶、机器人、智能医疗等领域均需要通过计算机视觉技术从视觉信号中提取并处理信息。近来随着深度学习的发展，预处理、特征提取与算法处理渐渐融合，形成端到端的人工智能算法技术。根据解决的问题，计算机视觉可分为计算成像学、图像理解、三维视觉、动态视觉和视频编解码五大类。

目前，计算机视觉技术发展迅速，已具备初步的产业规模。未来计算机视觉技术的发展主要面临以下挑战：

一是如何在不同的应用领域和其他技术更好的结合，计算机视觉在解决某些问题时可以广泛利用大数据，已经逐渐成熟并且可以超过人类，而在某些问题上却无法达到很高的精度;

二是如何降低计算机视觉算法的开发时间和人力成本，目前计算机视觉算法需要大量的数据与人工标注，需要较长的研发周期以达到应用领域所要求的精度与耗时;

三是如何加快新型算法的设计开发，随着新的成像硬件与人工智能芯片的出现，针对不同芯片与数据采集设备的计算机视觉算法的设计与开发也是挑战之一。

六、生物特征识别

生物特征识别技术是指通过个体生理特征或行为特征对个体身份进行识别认证的技术。从应用流程看，生物特征识别通常分为注册和识别两个阶段。注册阶段通过传感器对人体的生物表征信息进行采集，如利用图像传感器对指纹和人脸等光学信息、麦克风对说话声等声学信息进行采集，利用数据预处理以及特征提取技术对采集的数据进行处理，得到相应的特征进行存储。

识别过程采用与注册过程一致的信息采集方式对待识别人进行信息采集、数据预处理和特征提取，然后将提取的特征与存储的特征进行比对分析，完成识别。从应用任务看，生物特征识别一般分为辨认与确认两种任务，辨认是指从存储库中确定待识别人身份的过程，是一对多的问题;确认是指将待识别人信息与存储库中特定单人信息进行比对，确定身份的过程，是一对一的问题。

生物特征识别技术涉及的内容十分广泛，包括指纹、掌纹、人脸、虹膜、指静脉、声纹、步态等多种生物特征，其识别过程涉及到图像处理、计算机视觉、语音识别、机器学习等多项技术。目前生物特征识别作为重要的智能化身份认证技术，在金融、公共安全、教育、交通等领域得到广泛的应用。

七、VR/AR

虚拟现实(VR)/增强现实(AR)是以计算机为核心的新型视听技术。结合相关科学技术，在一定范围内生成与真实环境在视觉、听觉、触感等方面高度近似的数字化环境。用户借助必要的装备与数字化环境中的对象进行交互，相互影响，获得近似真实环境的感受和体验，通过显示设备、跟踪定位设备、触力觉交互设备、数据获取设备、专用芯片等实现。

虚拟现实/增强现实从技术特征角度，按照不同处理阶段，可以分为获取与建模技术、分析与利用技术、交换与分发技术、展示与交互技术以及技术标准与评价体系五个方面。获取与建模技术研究如何把物理世界或者人类的创意进行数字化和模型化，难点是三维物理世界的数字化和模型化技术;分析与利用技术重点研究对数字内容进行分析、理解、搜索和知识化方法，其难点是在于内容的语义表示和分析;交换与分发技术主要强调各种网络环境下大规模的数字化内容流通、转换、集成和面向不同终端用户的个性化服务等，其核心是开放的内容交换和版权管理技术;展示与交换技术重点研究符合人类习惯数字内容的各种显示技术及交互方法，以期提高人对复杂信息的认知能力，其难点在于建立自然和谐的人机交互环境;标准与评价体系重点研究虚拟现实/增强现实基础资源、内容编目、信源编码等的规范标准以及相应的评估技术。

目前虚拟现实/增强现实面临的挑战主要体现在智能获取、普适设备、自由交互和感知融合四个方面。在硬件平台与装置、核心芯片与器件、软件平台与工具、相关标准与规范等方面存在一系列科学技术问题。总体来说虚拟现实/增强现实呈现虚拟现实系统智能化、虚实环境对象无缝融合、自然交互全方位与舒适化的发展趋势

苏州朝歌包装设计为您解答：

交互视觉设计相较于传统的视觉设计更倾向于用户目标的实现，以用户为设计理念中心，注重用户体验。从视觉上提高用户想参与的互动欲，从而唤起对产品、品牌的关注度。

项目经理说：“今天我们要实现一个新闻管理功能，用户是编辑人员”。<–新闻管理是一个大目标。 接着说：“用户可以发布、编辑、删除、复制、转移”。<–发布、编辑、删除、复制、转移这些是一个个小目标。…………那么大家都关注些什么？怎么做？产物是什么？交流对象是谁？ 一、Web交互设计师关注点：数据、操作、业务流程、产品远景、目标市场、期望值、可用性、易用性等。 思路：可用->易用->喜欢用->品牌度数据：数据分析、整理、提炼到信息架构。精简、可读、语义化、表达一致、少即是多。操作：制定用户目标，操作功能点细化。流程：精简、顺畅、愉悦、逻辑严谨。操作流程：拟定用户角色（市场调查）、需求分析（提炼数据转化为信息架构）、功能设计（功能规格文档）、任务分析（根据数据和功能，制定任务，通过多任务的完成最终实现用户目标）、流程设计（制定操作流程）、情景分析、导航设计（导航是一个站点的路标，迷路后的逃生门，一个好的导航能第一时间让用户知道这个网站的用途，都有哪些内容等）、结构设计（把数据和功能点转换为可操作界面）、产品原型设计（线框图原型和HTML+CSS静态文本原型）、故事板设计（模拟界面的交互，把自己想象成虚拟的用户角色去完成整个交互情景，体验整个流程是否顺畅，数据是否简洁、是否对目标用户有用、数据表达是否明确）、改进用户体验、提升产品品质。产物：sitemap（网站地图即信息架构）、功能规格文档、流程图、usecase、中低精度的线框图、故事板。主要交流对象：视觉设计师、软件开发工程师。怎么做？会议中：必需品两件：笔、本子。用途：记笔记。好记性不如烂笔头。怎么记？记用户的期望值、目标，与及为了达到某个目标要涉及到的相关操作与数据。（当然，记关键词）会议后：分析整理、讨论。 二、Web视觉设计师关注点：产品类型？用户？ 产品类型与用户，直接关系到产品设计的色（颜色）、型（形状）、神（灵魂）、意（意图）等。01 颜色色彩，情感传达的第一要素，感性，每个人对色彩的感知度不一样。众口难调，我们只能去迎合大众的口味而放弃小众。表达的主题：冷酷？激情？安静？……于是学会了去选择冷色、暖色或者中性色系。小窍门：找一张自然风景图，马赛克，然后提炼其中的颜色。大自然的颜色永远是最和谐的。品牌：碳酸饮料，提起红色，我们想到了可口可乐。提起蓝色，我们想到了百事可乐。02 形状点：点的大小、点与点的距离、点与点的对比。线：直线（庄严正直）、横线（安逸平静）、曲线（飘逸动感）。面：矩形（刚硬）、椭圆（温柔）、圆（稚嫩）点->线->面品牌：快餐，提起白发爷爷，我们想到肯德基。提起红毛小丑，我们想到麦当劳。03 灵魂每个设计都有自己的灵魂。04 意图这个设计想给用户表达什么？购物？新闻？交友…… 操作流程：用户明细->主题定义->颜色定义->形状定义->选图->取图->Icon设计->优化细节->Styleguide编写。产物：视觉稿PSD源文件、Styleguide文档。主要交流对象：交互设计师、前端开发工程师。 三、Web前端开发工程师关注点：结构层（HTML）、表现层（CSS）、行为层（JS或者AS）。传统意义上的视觉设计师和开发工程师在界面互动和实现上都不可能有更专业、更独到的认识。结构层：专注于HTML的架构，追求代码语义化、复用性、模块化、规范化。命名语义化、规范化。表现层：专注于CSS的渲染，追求视觉的一致性（兼容多种主流浏览器跨平台、测试DEMO的可用性、可访问性）。 行为层：专注于JS或者AS，实现与用户互动。追求行为的一致性、优化代码加快下载速度、减少请求数加速服务器的反应周期、规范整个代码层面的SEO提高搜索引擎的收录程度等。整个产品的体验过程应该是愉悦的，无障碍的。 操作流程：分析设计稿->制定命名规则->定义公用样式和私有样式->定义文件的分布->切图(优大小，确保质量)->合并相关(减少请求数，减轻服务器负担)->写HTLM和CSS并进行多浏览器测试->有必要是写CSS hack->写JS产物：HTML+CSS+JS/AS、切片主要交流对象：视觉设计师、软件开发工程师。 互联网是个平台，用户研究和交互设计是理论方法，视觉设计和前端技术开发是手段。服务提供商借助互联网这个大平台，利用用户研究和交互设计提供的分析数据、理论方法，视觉设计和前端技术开发做为手段去实现用户的目标，达到用户的期望。这个是我对用户体验流程的理解。

精彩地阐述出了当人们访问网站，打开软件，购买实体产品和被某人吸引时的心理状态，并且非常深入地用心理学的方法解释了刺激和触发人类行为的因素。书中提供的众多方法，让我们可以创造出更加持久和深刻的用户体验。

Stephen PAnderson是一位享誉世界的交互设计师和顾问，他在建设和领导信息构架师和交互设计师团队方面有着十余年的丰富经验，其客户包括Nokia、Frito-Lay、SabreTravel Network和Chesapeake Energy等知名企业。Stephen创建了著名的应用程序Mental Notes—一种广泛应用于产品开发、具有心理学要素的交互设计工具。

LinkedIn填写资料的流程：展现资料完善度，如25%，提示用户只需填写另一项资料就能提升到45%。通过逐步激励引导用户完善资料。它为什么会奏效？

行为的拆分 ，把复杂的任务分解成简单的任务，人们更易采取行动。

适度的挑战 ，有挑战才有乐趣，不会困难到无从下手，也不会简单到无聊透顶。

地位 ，人们常常评估，相对于他人和自己的最佳纪录，交互如何削弱或加强人们的地位。

成就 ，人们更趋于参加有意义的受到大家认可的活动。

寻找人们做事的潜在动机，从中提取行为原则，运用到设计中去。

诱惑即有意诱使某个人进行某种行为的过程。多数产品就好比一个沉默的朋友，人很好，但不会表现自己，他们的好，用户不会花时间去发掘。因为还有数不胜数的其它产品来吸引用户的眼球。太多竞争，你怎么可能脱颖而出？

真正使游戏体验如此美妙的原因并非网页的可用性， 而是心理学的应用。 通过清除令人困扰的界面干扰因素，网页的可用性为用户获得良好体验铺平了道路，但真正使用户获得良好体验的却另有其因— 了解用户的动机所在。 把易于使用和真正想要使用混为一谈是不恰当的。

Donald Norman说过：当技术满足了基本需求，用户体验便开始主宰一切。用户体验需求等级模型如下：

选择一种特殊颜色的口红或换个发型，既是为了展现个人风格也是为了得到别人的关注。视觉设计也是同样的道理，设计必然包含一些艺术的表达（即风格），但我们更应该关注由此引发的人类行为。

美学 包括可以引起感觉的一切事物—不只是我们看到的，也包括我们听到的、闻到的、尝到的和感觉到的。作为用户体验设计者，必须考虑能影响使用者交互的一切刺激因素。

感知的功能可见性，关于用户怎样，以及应该与一个对象进行交互的暗示。简单来说就是：如果它看起来像一个按钮，那么它就必须是个按钮。如果你不能建出网页的物理模型，那么用户就可能感到困扰。

亲近法则 表明，如果我把两个或多个物品组合在一起，你就会假设它们是有关联的。如果其中一个物品相对于另一个物品来说有不同的特征，我们就能感觉出它的不同，这就是 对比 。比起不具有共同特征的元素，具有一致性视觉属性的元素更容易被关联在一起，这就是 均质连接性 。

产品的个性影响我们的感知，想想我们能多快的从一个人的装束及表现就定位出他是个什么样的人。人们倾向认同一些个性， 信任与否和个性有关，看法和期望也与产品个性有关，用户会选择与自己个性相匹配的产品。 索尼的电子狗，如果做成一个机器男管家，那么如果他只对我们一半的指令能做出反应，我们就认为他坏了，但电子狗被认为不一定会执行我们的命令，所以如果它执行了，我们会感到高兴。 考虑一下你的产品有什么个性，同时这样的个性会带来什么样的期望。

据2002年斯坦福大学的研究成果：影响一个网站可信度的因素是：网站整体的视觉传达设计，包括版面设计、排印方式、字体大小和颜色方案。相对于信息真实性、结构、知名度，网站对人感官感受的影响更为深远。用户对网页产生第一印象只要50毫秒（1/20秒）

迪士尼对排队路线进行了精巧的设计，让人无法判断出排队路线在哪儿终止，娱乐设施从何开始，从而使得漫长的等待看上去变得更短暂。通过分散注意力和运用错觉效果，使得漫长的等待变得不那么糟糕。

《新科学家》发现：如果进度条要制造出走得更快的假象，其上下波动效果要随之加快。充满了向左推进的博文的进度条看上去走得更快。我们的大脑倾向于计算周期，而不是时间。循环更慢的让人感觉时间过得更快。

好的视觉审美可以弥补差的可用性，减少任务完成时间，降低出错率。当我们放松的时候，我们的大脑更灵活，并更能为复杂的问题找到解决方法。Norman提供了另一种解释：我们喜欢去做那些能让我们感到愉快的事情。我们更愿意去面对那些对我们有吸引力的问题。美学不仅影响可用性的感觉，也对实际性能有影响。

视觉设计不是附加的价值，不是核心功能的一层外壳。 形式和功能不是彼此孤立的 ，如果形式独立于功能，就意味着美学和功能是两个独立的要素，那么我们就会忽视“美不仅意味着装饰”这一原则。也许你会说“网页不必美观，只需便于使用”，也许有一定道理，但它与人类对视觉刺激的反应相互矛盾，将事物的外观与功能区分开显得有些可以。

苹果公司推出iPod时，曾直接把它与一盒口香糖作比较，它们的尺寸几乎一样。这是一个非常棒的隐喻，我们 把新信息同一些为人熟知的事物联系起来，通过这种方法来阐释它们的意义。 尺寸成了iPod与其他音乐破放弃的关键区分因素。

时刻思考大家所做的联想，可以显著提高你的设计。 通过理解各种美学元素所能引发的联想，我们可以使人们对我们的设计做出期望的反应。

设计选择应该支持某种特别的行为目标，大家自然都想让这个世界变得更美好，但变美并不总会为我们带来好处。

公认的美学。与基本的设计美学原则有关，如对称、协调、三分法则和黄金比例。

文化的美学。是在某个时刻从某种方面我们发现某种文化的迷人之处。

主观的美学。就是你个人觉得对象具有美，这与个人品味有关。

主观>文化>公认

虽然人们喜欢美丽的事物，但要思考我们的美学选择所带来的预期效果，一旦你理解了不同美学选择所产生的的效果，你就会发现有意做出缺乏风格的设计是完全可能的—前提是这种设计能实现特定目标。

视觉理解可以理解为：所得取决于所见和所知。当谈论联想，指的是我们所知的—不管来自过去的经验还是大众智慧—都会影响我们的判断和行为。

我们会朝其他人都在看的方向看。显示他人的存在将显著的改变我们的行为。Facebook注销账号的原始界面文案：我们很遗憾你要离开了，告我们你觉得Facebook没法用的原因。后来新的注销页面放上了一些你朋友的头像并询问：你确定注销账户吗？你的298位好友再也无法联系你了。这种设计让注销率减少了7%。

不要在评估可能的情感和联想价值之前，就判非功能性的设计元素没有价值，并将之去掉。

不要在所有元素中优先考虑视觉设计，就像这部分内容是对美学的论证。好的设计是关于做出全面和可评估的决策。

不要把视觉设计当做一种装饰，在项目的最后才添加。

伺机用图形强化或代替问题，五岁的孩子能理解这个嘛？

用视觉隐喻或模型来解释晦涩的概念。

做出适合于你的受众和商业目标的美学选择。

幽默的各种好处不多说了，通过使用情感化设计，培养用户形成对品牌的积极记忆，不仅鼓励用户成为常客，还能让他们为喜爱的产品做宣传。幽默不适用与一切情况，真正思考的应该是品牌的个性。

当人们感到愉快时，人们能够排除不重要的信息并发现有用的提示来解决问题。紧张时，肾上腺素能制造出恐惧和焦虑，我们会变得更集中。处于积极状态时，多巴胺能让我们变得兴趣盎然，跳出常规思维。

个性化、定制化，比如你的支付宝年度账单。

意外的，越让人意外越开心。

有意义的，有用的，不普通的。

令人愉快的包装。

我们的大脑会自发寻找组织、简化复杂信息的方法，就算没有模式存在，而当我们发现了一种模式，我们就会很高兴。比如对对碰，我们乐于在混沌中寻找模式。通过解决难题，我们可以得到短暂的快感。模式是人类理解知识的关键，你展示什么样的信息，能唤起人们的好奇心并鼓励它们寻找模式？

人们会对悬而未决的问题着迷。餐厅在你结账时会送你一张优惠券，上面写着千万不要打开，否则无效，下次来就餐时带上这张卡，可能会获得某种优惠，从免费的开胃菜到打八折，甚至更多，但直到你下一次来之前你都不知道你得到了什么。这就是激发人们好奇心的部分。

信息可以以直截了当或让人好奇的方式展现，如果选择后者，不但一定能获得关注度，还有可能获得更高的参与度—好奇心驱使人们去了解更多。已知的可能被忽视的信息已经被转换成一些未知的、神秘的、需要找到答案的信息。 当我们感觉到有知识空缺时，就会变得好奇。 为了消除被剥夺感，我们想找到丢失的信息，悬疑小说就在创造这种被剥夺感。我好奇，因为我所知道的和我想知道的之间存在空缺。好奇心的强度， 与特定信息填补信息差的可能有关系。 好奇心与我们队某个特定领域的认识程度有关系，我们对某些话题越了解，我们就越可能专注于自己的信息差。LinkedIn告诉用户某公司查看了你的简历，但你需要付费。

让你的小把戏有趣，让人感觉物有所值。

努力使信息与用户有直接联系。

承诺提供一些有价值的信息并说明获得这些信息需要付出什么代价。

通过之前的体验和上下文线索来建立诚信。

用图形来暗示或直接创造神秘的感觉。

不要尝试使用别处会免费赠送的东西来吸引用户。

/呦呵，作者说50Cent是说唱艺术家，难得/人们想在事物上留下属于个人的标记，表明“我来过这”“这就是我”。从选车牌到选纹身，到贴满贴纸的笔记本，我们喜欢自我表现，我们需要各种方式表达自己的个性、感受或想法。 当人们被允许控制某些事物，自我表现的需求就会体现出来。 究其实质而言，只要你允许用户发表言论和评价就是一种允许自我表现的方式，只要将这些评论与个人资料链接起来，用户就有机会再网上表现自己。

当你将某件事进行了简化，你就增加了人们去做那件事的可能性，建议详细的行动步骤，推动人们迈出第一步。设定默认选项，做出小小的承诺，分享地点，这些都是可以引导和改变行为的细节。

两种卡片，一种盖章八次可以获得免费洗车的机会，一种盖十次张可以获得免费洗车的机会，但已经盖了两个章了。结果拿到第一种卡片的人有19%获得免费洗车的机会，而拿得到第二种卡片的人有34%获得免费洗车的机会。

行为拆分将一个复杂的任务分解为几个简单的步骤，行为塑造被用来加强一种期望的行为习惯。教授新知识的时候，从最简单的工作开始，逐步加强对所需行为的训练。另一种方式是，当用户掌握一个技能或熟练度增加的时候，就给予他们奖励。 确定你期望他们做出的行为，列出完成这个行为所需额步骤，每完成一步就给予奖励。

影响人们决策的原因：可利用信息、经验和偏见、问题的表达方式。我们不擅长制定长期决策，更善于理解相对值而非绝对值，情感或情绪影响我们的行为。我们不擅长预测什么会使我们快乐，我们甚至不善于描述自己会首先因什么而快乐。

减少选项。 提供6种果酱时，比提供24种果酱时的购买量多了10倍。

减少文字。

有趣的干扰。 投资网站的 测试夹杂着关于个人喜好的问题。

隐藏信息，制造“少”的错觉。 可展开/收起的表单。

迷惑视觉系统，让内容更简约。 四行表格变成三行表格。

减少思考时间。 代替文字。

运用对比。

利用默认选项。 两个选择之间，我们倾向于选择无需付出任何代价的那个。

提出明确建议。 不要问对方有没有空，选定时间直接问对方同意不同意。

给予方便和个性化的推荐。 Steepster的评级系统，当鼠标停在某个刻度时，会显示之前评价过的星级，便于比较。

损失规避和所有权偏见。 我们讨厌失去。就算可以获得更多也不愿意放弃已有的东西。试验：有杯子的人对杯子的估价是没有杯子的人的估价的两倍。

在交互中进行角色扮演。

记叙体验过程。 记录体验中的每个步骤，包括经历的任务和情感。

将复合式要求分解为简单小步骤。 行为拆分，行为能遵循一定顺序吗？ 第四步：将每一刻的选择简化到最少。 将人们必须做出的选择（或行动）的数量限制为最小值。

寻找微时刻。

重鼠标，轻键盘。

为了获得商业成功，人们必须怎样做？ 要将商业目标翻译为行为目标 ，比如“提高上传视频的质量”并不是你可以为之设计的行为—它是某些行为改变后的结果。而类似“鼓励人们对所上传视频进行甄选”才是一个合适的行为目标。然后问自己： 如何鼓励这种行为？

稀缺性。 如果某事物的使用受到限制或被宣布为稀有罕见，我们就会推断它有价值。如果限制用户每日的上传数量是否会让用户上传时三思而后行呢？

限定权利。 人们渴望拥有被视作专有或只属于特定人群的事物。如果上传高清或高评价视频的用户获得更多特定功能的使用权呢？

权威。 我们喜欢关注权威并听取其建议。如果向用户发送知名导演的录制教程呢？

行为塑造。 逐渐教授新知识。如果设置适用于大多数用户的很常见的小挑战呢？

游戏首先必须有趣、吸引人—假定现在没有引人注目的积分和徽章，也没有简单的奖励程序，因为这些无论如何都会令人上瘾—如果人们不喜欢游戏所强调的行为，他们就会感到沮丧。好的游戏能为人们的生活带来欢乐。

玩耍可以自然发生，不需要任何公开宣布的目标。而 游戏有规则、目标 和其他特点。某事物加入游戏机制，这个事物现在具有了之前没有的新一层乐趣使人们更容易被这个事物所吸引。但光是加入积分和徽章并不能将其变成游戏，必须透过表象看本质。

多数游戏都属于下列类别：

玩耍和挑战；

矛盾和选择；

反馈回应；

目标和奖励；

虚构的世界。

社交要素虽然极具影响力，但不属于核心要素。玩家可能会面对各种矛盾，而且反馈回应可能与地位、身份、声望和其他动态社交行为相互关联。

游戏引入了挑战，以目标的形式体现，通过一些人为制造的矛盾及选择，玩家想成功挑战就变得复杂起来。一套所有玩家都必须遵守的规则更加剧了这种状况。矛盾可能是资源的稀有，竞争，或我们在游戏过程中必须做出的选择和计算等形式体现。游戏的过程中还存在各种反馈回应，有时这些反馈会引发体现为外在的激励因子，如目标和奖励“升到下一级”。（游戏是一个由各种规则确立的，玩家在其中参与人为制造的矛盾并产生可计量结果的系统）

人的内心趋于讯号新奇事物和各种挑战，趋于扩展和锻炼自己的能力，趋于探索和学习。为使目标明确，你需要建立等级，先建立一系列小目标，然后朝着更有意义更高级的目标发展。

如果你想让一个服务更像一个游戏，思考那些使游戏有趣的机制，不要借鉴其他游戏那些表面的内容，而要理解是什么使一个热门的游戏好玩。然后，寻找你服务中的这些机制。通过建立一个挑战，你能维持人们的喜悦。

得不到的才是最好的。 人们推断使用受限的事物具有特定的价值。

在商务中运用稀缺性。 饥饿营销。

用稀缺性来提高质量。 限制用户上传文件的数量。

使用稀缺性鼓励用户参与。 收件箱只能容纳15封邮件会不会鼓励用户及时清理邮箱呢？

稀缺性的其它形式 。限制时间、限制权限。

难得的东西一般比容易得到的东西好，人们用“使用受限”来帮助他们决策，如果面包店缺一种点心，但又充足的其它点心，这也许能说明哪种点心更受欢迎。利用稀缺性通常是做出选择的捷径。还有观点认为如果某个事物稀缺难以为人所得，它侵犯了我们对情况的控制感。事物本身的稀缺对自由选择是一种威胁，它可能是一种鼓励用户做出期望行为的有用手段。

所有限制带来的最终结果就是人们被迫做出选择：现在做还是等会做？怎么做？先做什么？就想RPG游戏，你会选择什么样的装备去什么样的副本，你需要计算，哪一种选择能更好的帮你达成目标。

当外界环境对我们的行为做出反应时，我们就获得了一些可以帮助我们提高相关领域能力的信息。

确定鼓励或阻止用户进行的特定行为模式。

将所期望的行为模式转变为可被动追踪和测定的数据。

将这些行为与积分联系起来。

将积分转换为一种周期性的得分及其他有用的信息。（如月报）

以有趣的方式展现这种得分。（如把距离显示为巴黎铁塔那么高）

创造将数据转化为有用信息的规则。

设置挑战。

添加社交暗示。（如与好友的比较）

让游戏有趣，让玩家开心。

对用户评论的行为实行积分奖励，这种行为可能适得其反。人们做出评论、分享、喜好及其他各种社会行动的理由，与地位、身份、声望和许多其他自发产生的内在激励因子有关。 开源软件和维基百科之所以能长存，是源于人们的内在动机，如果牵扯进外部奖励，必定会抑制这种内在的激情 ，或者导致不好的结果。

奖励促使人们去获取更多奖励，如果发表每一条评论都能获得奖励， 你真正在意的便不再是你评论的内容，你会写很多无意义的评论，因为你关注的是积分。 激励只对特定的行为类型有用。但它也能将人们的关注点从任务转移到提供的奖励上来。

我可以炫耀我的徽章、成绩单上的分数，这些都是我选择的有形符号，我攻克的挑战和我收到的反馈，但要记住， 仅当这些事物代表我的身份，或我尝试建立身份的一部分时，它们才具有意义。 积分和徽章， 当这些东西强调了人们所渴求的事物时，它们才会有效。 当缺乏内在动机时，如果用它们来制造趣味，效果将只是一时的。常见的机制：积分、等级、记分牌排行榜、成就、徽章、任务。

我们离一个目标越近，完成它的欲望就越强烈。不但向用户展示用户已达成的任务，还要像用户展示未完成的，当人们知道自己缺少什么时，就会强迫自己去收集。如早期的QQ图标点亮。新的任务永远都在出现，为用户展示的似乎是唾手可得却又永远无法实现的目标，就好比骑在马上，在马眼前垂一根胡萝卜引诱其往前走。

愉悦并不能持久，所有的关系最后都会陷入僵局。生物学家的观点是，曾向我们大脑发送多巴胺的物质，停止了这项工作。这就是为什么游戏不断向你提出各种挑战。 就算是魔兽世界以令人上瘾而闻名，也必须使它们的世界保持活力，不断进行改造 ，为忠实玩家创造新的目标，只有这样才能维持人们的兴趣。 相同的东西重复太多，就会随着时间失去魅力。

我尝试分享现实世界、互联网世界的例子，我更专注于这些不变的行为模式，而不是哪一个特别的例子/感兴趣自行搜索Fogg行为网格/

魅力超越了任何特定的策略或战略。许多交际打人帮助人们建立一种身份感和自信感。结交女人的新方法？一开始要弄清你是谁以及你代表着什么。 服务和产品也要确立自身的定位和个性，并努力确保所有的用户交互都能塑造出始终如一的品牌形象。当你有了身份，知道了自己是谁，不是谁，你知道自己代表了什么。一旦确定了这个，你就有了故事，这是一种吸引人们并使他们记住你的最有效的方式。 人们都在寻找与自身最搭配的故事，根据计划进行的每一步都经过我们的深思熟虑，根据我们是谁和我们想成为哪种人而定。在此基础上，再根据我们想交往的人和想了解的事而决定。你能不能明确的讲述一个关于你服务的故事？好公司的一个特点是，每个人都知道它为什么存在。

使公众关注其他人正在做什么，可能会增加你想要的行为或不想要的行为。 根据其他人的行为来做决定是很自然的事情 ，我们是极度依赖社会的物种。如果大家都在做这件事，某种程度上就证明了做这件事是安全的。如果你了解为什么客户评价起作用，你就可以想出一种有创意的方式来展示许多人都支持某一想法。/社交互动很复杂，不能将某种因素作为单一的影响因素去看/

诱惑不是指欺骗或者操纵，而是给予人们更多他们想要的，渴求的或需要的，甚至他们还不知道对自己有用的东西。诱惑是指在原本互不了解的情侣之间搭建一座桥梁。 诱惑人们，并以此揭示你是谁和你想做什么，并在这个过程中让人知道为什么你值得被关注。

本书的目的是用新颖的交互设计想法来激发你的灵感，如同任意一本技术书籍，现在的例子不久就会过时或被模仿，但这些想法当初起作用的原因却是不变的。这正是本书的核心所在： 这些想法背后的心理学原理，对人类的行为进行永恒的探索。 如果我们能理解什么样的事物能吸引人们，并保持这种吸引力，我们就可以创造更多令人愉快和极具诱惑的体验。

传统的人机交互，主要通过键盘、鼠标、屏幕等方式进行，只追求便利和准确，无法理解和适应人的情绪或心境。而如果缺乏这种情感理解和表达能力，就很难指望计算机具有类似人一样的智能，也很难期望人机交互做到真正的和谐与自然。由于人类之间的沟通与交流是自然而富有感情的，因此，在人机交互的过程中，人们也很自然地期望计算机具有情感能力。情感计算（Affective Computting）就是要赋予计算机类似于人一样的观察、理解和生成各种情感特征的能力，最终使计算机像人一样能进行自然、亲切和生动的交互。 有关人类情感的深入研究，早在19世纪末就进行了。然而，除了科幻小说当中，过去极少有人将“感情”和无生命的机器联系在一起。只有到了现代，随着数字信息技术的发展，人们才开始设想让机器（计算机）也具备“感情”。从感知信号中提取情感特征，分析人的情感与各种感知信号的关联，是国际上近几年刚刚兴起的研究方向（图1）。

人的情绪与心境状态的变化总是伴随着某些生理特征或行为特征的起伏，它受到所处环境、文化背景、人的个性等一系列因素的影响。要让机器处理情感，我们首先必须探讨人与人之间的交互过程。那么人是如何表达情感，又如何精确地觉察到它们的呢？人们通过一系列的面部表情、肢体动作和语音来表达情感，又通过视觉、听觉、触觉来感知情感的变化。视觉察觉则主要通过面部表情、姿态来进行；语音、音乐则是主要的听觉途径；触觉则包括对爱抚、冲击、汗液分泌、心跳等现象的处理。

情感计算研究的重点就在于通过各种传感器获取由人的情感所引起的生理及行为特征信号，建立“情感模型”，从而创建感知、识别和理解人类情感的能力，并能针对用户的情感做出智能、灵敏、友好反应的个人计算系统，缩短人机之间的距离，营造真正和谐的人机环境（图2）。 在生活中，人们很难保持一种僵硬的脸部表情，通过脸部表情来体现情感是人们常用的较自然的表现方式，其情感表现区域主要包括嘴、脸颊、眼睛、眉毛和前额等。人在表达情感时，只稍许改变一下面部的局部特征（譬如皱一下眉毛），便能反映一种心态。在1972年，著名的学者Ekman提出了脸部情感的表达方法（脸部运动编码系统FACS）。通过不同编码和运动单元的组合，即可以在脸部形成复杂的表情变化，譬如幸福、愤怒、悲伤等。该成果已经被大多数研究人员所接受，并被应用在人脸表情的自动识别与合成（图3）。

随着计算机技术的飞速发展，为了满足通信的需要，人们进一步将人脸识别和合成的工作融入到通信编码中。最典型的便是MPEG4 V2视觉标准，其中定义了3个重要的参数集：人脸定义参数、人脸内插变换和人脸动画参数。表情参数中具体数值的大小代表人激动的程度，可以组合多种表情以模拟混合表情。

在目前的人脸表情处理技术中，多侧重于对三维图像的更加细致的描述和建模。通常采用复杂的纹理和较细致的图形变换算法，达到生动的情感表达效果。在此基础上，不同的算法形成了不同水平的应用系统（图4，图5） 人的姿态一般伴随着交互过程而发生变化，它们表达着一些信息。例如手势的加强通常反映一种强调的心态，身体某一部位不停地摆动，则通常具有情绪紧张的倾向。相对于语音和人脸表情变化来说，姿态变化的规律性较难获取，但由于人的姿态变化会使表述更加生动，因而人们依然对其表示了强烈的关注。

科学家针对肢体运动，专门设计了一系列运动和身体信息捕获设备，例如运动捕获仪、数据手套、智能座椅等。国外一些著名的大学和跨国公司，例如麻省理工学院、IBM等则在这些设备的基础上构筑了智能空间。同时也有人将智能座椅应用于汽车的驾座上，用于动态监测驾驶人员的情绪状态，并提出适时警告。意大利的一些科学家还通过一系列的姿态分析，对办公室的工作人员进行情感自动分析，设计出更舒适的办公环境。 在人类的交互过程中，语音是人们最直接的交流通道，人们通过语音能够明显地感受到对方的情绪变化，例如通过特殊的语气词、语调发生变化等等。在人们通电话时，虽然彼此看不到，但能从语气中感觉到对方的情绪变化。例如同样一句话“你真行”，在运用不同语气时，可以使之成为一句赞赏的话，也可以使之成为讽刺或妒忌的话。

目前，国际上对情感语音的研究主要侧重于情感的声学特征的分析这一方面。一般来说，语音中的情感特征往往通过语音韵律的变化表现出来。例如，当一个人发怒的时候，讲话的速率会变快，音量会变大，音调会变高等，同时一些音素特征（共振峰、声道截面函数等）也能反映情感的变化。中国科学院自动化研究所模式识别国家重点实验室的专家们针对语言中的焦点现象，首先提出了情感焦点生成模型。这为语音合成中情感状态的自动预测提供了依据，结合高质量的声学模型，使得情感语音合成和识别率先达到了实际应用水平。 虽然人脸、姿态和语音等均能独立地表示一定的情感，但人在相互交流的过程中却总是通过上面信息的综合表现来进行的。所以，惟有实现多通道的人机界面，才是人与计算机最为自然的交互方式，它集自然语言、语音、手语、人脸、唇读、头势、体势等多种交流通道为一体，并对这些通道信息进行编码、压缩、集成和融合，集中处理图像、音频、视频、文本等多媒体信息。

目前，多模态技术本身也正在成为人机交互的研究热点，而情感计算融合多模态处理技术，则可以实现情感的多特征融合，能够有力地提高情感计算的研究深度，并促使出现高质量、更和谐的人机交互系统。

在多模态情感计算研究中，一个很重要的研究分支就是情感机器人和情感虚拟人的研究。美国麻省理工学院、日本东京科技大学、美国卡内基·梅隆大学均在此领域做出了较好的演示系统。目前中科院自动化所模式识别国家重点实验室已将情感处理融入到了他们已有的语音和人脸的多模态交互平台中，使其结合情感语音合成、人脸建模、视位模型等一系列前沿技术，构筑了栩栩如生的情感虚拟头像，并正在积极转向嵌入式平台和游戏平台等实际应用（图6）。 情感状态的识别和理解，则是赋予计算机理解情感并做出恰如其分反应的关键步骤。这个步骤通常包括从人的情感信息中提取用于识别的特征，例如从一张笑脸中辨别出眉毛等，接着让计算机学习这些特征以便日后能够准确地识别其情感。

为了使计算机更好地完成情感识别任务，科学家已经对人类的情感状态进行了合理而清晰的分类，提出了几类基本情感。目前，在情感识别和理解的方法上运用了模式识别、人工智能、语音和图像技术的大量研究成果。例如：在情感语音的声学分析的基础上，运用线性统计方法和神经网络模型，实现了基于语音的情感识别原型；通过对面部运动区域进行编码，采用HMM等不同模型，建立了面部情感特征的识别方法；通过对人姿态和运动的分析，探索肢体运动的情感类别等等。

不过，受到情感信息的捕获技术的影响，并缺乏大规模的情感数据资源，有关多特征融合的情感理解模型的研究还有待深入。随着未来的技术进展，还将提出更有效的机器学习机制。 情感计算与智能交互技术试图在人和计算机之间建立精确的自然交互方式，将会是计算技术向人类社会全面渗透的重要手段。未来随着技术的不断突破，情感计算的应用势在必行，其对未来日常生活的影响将是方方面面的，目前我们可以预见的有：

情感计算将有效地改变过去计算机呆板的交互服务，提高人机交互的亲切性和准确性。一个拥有情感能力的计算机，能够对人类的情感进行获取、分类、识别和响应，进而帮助使用者获得高效而又亲切的感觉，并有效减轻人们使用电脑的挫败感，甚至帮助人们便于理解自己和他人的情感世界。

它还能帮助我们增加使用设备的安全性（例如当采用此类技术的系统探测到司机精力不集中时可以及时改变车的状态和反应）、使经验人性化、使计算机作为媒介进行学习的功能达到最佳化，并从我们身上收集反馈信息。例如，一个研究项目在汽车中用电脑来测量驾车者感受到的压力水平，以帮助解决所谓驾驶者的“道路狂暴症”问题。

情感计算和相关研究还能够给涉及电子商务领域的企业带来实惠。已经有研究显示，不同的图像可以唤起人类不同的情感。例如，蛇、蜘蛛和枪的能引起恐惧，而有大量美元现金和金块的则可以使人产生非常强烈的积极反应。如果购物网站和股票交易网站在设计时研究和考虑这些因素的意义，将对客流量的上升产生非常积极的影响。

在信息家电和智能仪器中，增加自动感知人们的情绪状态的功能，可以提供更好的服务。

在信息检索应用中，通过情感分析的概念解析功能，可以提高智能信息检索的精度和效率。

在远程教育平台中，情感计算技术的应用能增加教学效果。

利用多模式的情感交互技术，可以构筑更贴近人们生活的智能空间或虚拟场景等等。

情感计算还能应用在机器人、智能玩具、游戏等相关产业中，以构筑更加拟人化的风格和更加逼真的场景。 由于缺乏较大规模的情感数据资源，情感计算的发展受到一定的限制，而且多局限在语音、身体语言等具体而零散的研究领域，仅仅依靠这些还难以准确地推断和生成一个人的情感状态，并进行有效的情感交互。目前，科学家们正在积极地探索多特征融合的情感计算理论模型。很多人认为，今后几年情感计算将在这些方面需要取得突破：

更加细致和准确的情感信息获取、描述及参数化建模。

多模态的情感识别、理解和表达（图像、语音、生理特征等）。

自然场景对生理和行为特征的影响。

更加适用的机器学习算法。

海量的情感数据资源库。 不久前，为了推动我国在这一领域的研究，探讨情感计算和智能交互技术的发展动态与趋势，促进我国科研人员在此领域的交流与合作，中国科学院自动化研究所、中国自动化学会、中国计算机学会、中国图象图形学会、中国中文信息学会、国家自然科学基金委员会和国家863计划计算机软硬件技术主题作为主办单位，在北京主办了第一届中国情感计算与智能交互学术会议。

事实证明，情感计算的概念尽管诞生不久，但已受到学术界和产业界的高度重视，相关领域的研究和应用正方兴未艾，国家自然科学基金委也将其列入重点项目的指南中。值得注意的是，近几年来，与情感计算有密切关系的普适计算和可穿戴式计算机的研究也已获得了蓬勃发展，并同样得到了国家的大力支持。这为情感信息的实时获取提供了极大的便利条件，也为情感计算在国内的发展提供了更好的发展平台。

刚好对这方面有一点浅见，发出来抛砖引玉一下。

首先要注意的

1如果发行或项目资源足够的情况下,仍然没有争执的矛盾工作。（产品、视觉)上游和下游需求的过程,其实，和交互设计师的讨论和决定是一个很好的互动。

2但给具体操作具体的专业,这个设计资源达到最优配置。

3互动草案尚未完成,如工厂流水线,你完全可以在任何工作中做到这些。

随着项目的发展需求将继续改变,从各个方面的需求变化,战略调整的决策水平的公司,小到一个按钮的用户标识或开发和实现问题。

简单来说，简单的互动是非常重要的工作,要求改变之前很多的思维必须纠正,这样的交互工作量将会非常大,在特定工作负载大吗其实不大。

内容流程

1在场景分析之前，任务流程和布局，还有控制键的使用都要从新的思路出发，因为每个需求都有其特定的场景，接着是讨论和分析。

2我认为这是不可能的,所有的设计或最初的想法就会出现问题,比如用户研究和各种测试数据和结论,将会出现很多问题，这些问题是预期的设计师,所以合格的交互设计师更多的项目,后投降交互稿一次又一次验证的合理性互动版不会死,直到产品发布。

总结

如果说交互设计师真的喜欢那么做的话，那还是尽量配合他，毕竟能者多劳。我们还是要尽量满足甲方的需求。

就这样。