AI與認知卸載：與機器共享思維過程（2025年1月2日）

AI與認知卸載：與機器共享思維過程作者：TetianaSydorenkoCoverCredit:HenryBe/unsplash我們的?腦天?傾向于卸載認知負擔(dān)，?AI系統(tǒng)等?具正將這?特性提升到全新的?平。這種與?具、他?和技術(shù)共享思維的?然能?正是分布式認知的本質(zhì)。TetianaSydorenko2025年1?2?AI與認知卸載：與機器共享思維過程TetianaSydorenko,2025年1?2?為外化思維?設(shè)計分布式認知的起源認知卸載—思維伙伴關(guān)系設(shè)計認知負荷卸載的原則1.理解?戶痛點2.促進協(xié)作解決問題3.利?現(xiàn)有的?智模型和模式4.利?漸進式信息展?5.確保優(yōu)雅降級6.情境化引導(dǎo)最后的思考AIandcognitiveof?oadingsharingthethinkingprocesswithmachinesbyTetianaSydorenkoJan,2025UXCollective，https://uxdesign.cc/ai-and-cognitive-of?oading-sharing-the-thinking-process-with-machines-2d27e66e0f313/42為外化思維?設(shè)計我們的?腦是出?的委派者。我們將認知?作分配給從便利貼到復(fù)雜軟件的各種?具。這種將思維?然地分散到?、?具和環(huán)境中的傾向正是分布式認知（distributedcognition）的本質(zhì)。它挑戰(zhàn)了將?智視為孤?實體的傳統(tǒng)觀點，認識到我們的認知過程延伸到了個?頭腦之外。想象你正和朋友開?去?家新餐廳。你在開?，你的朋友??機導(dǎo)航。誰在真正"思考"？這是?個協(xié)作努?，是?個分布式認知系統(tǒng)，包含了個?和技術(shù)。就像飛?員依賴儀器和空中交通管制?樣，我們都利?外部資源來思考、學(xué)習(xí)和解決問題。分布式認知原則在當(dāng)今世界尤其重要，因為我們越來越多地與??智能系統(tǒng)互動，這些系統(tǒng)已成為我們認知過程的重要組成部分。我們需要為思維系統(tǒng)進?設(shè)計，認識到個?、??智能代理和周圍環(huán)境之間的動態(tài)交互。這不僅僅是為了減輕認知負擔(dān)；?是為了使??能夠更有效地思考和?作。通過設(shè)計將??智能?縫集成到?分布式認知的起源船員們是如何在海上進?航?的？這不僅僅依靠船?掌舵或航海家看地圖，?是?員、?具和時間之間的精密配合，如同?場復(fù)雜的協(xié)作舞蹈。這就是分布式認知的本質(zhì)，這個術(shù)語由EdwinHutchins在其開創(chuàng)性著作《野外認知》（CognitionintheWild）中?次提出。Hutchins不僅僅停留在理論層?，他實地觀察了真實的航?過程，發(fā)現(xiàn)認知并不局限于個?思維，?是分布在由?類和?具組成的系統(tǒng)中。溫斯洛·霍默—冬季海上—在海岸收帆（在《野外認知》出版25周年紀念活動中使?），來源?幅古?的插圖，描繪了?群??在惡劣的冬季天?中在船上共同?作。他們位于甲板上?的橫桿上，正在固定或調(diào)整?個?帆。場景展現(xiàn)了洶涌的海浪和陰云密布的暴風(fēng)?天空，突顯了任務(wù)的艱巨。插圖底部的?字寫著："冬季海上——在海岸收帆。——由溫斯洛·霍默繪制。"Hutchins的研究揭?，航海?員的認知活動主要依賴兩個??：社交互動和對航海?具的精確使??；谶@些觀察，他認為現(xiàn)實世界中的認知并不僅僅是傳統(tǒng)理論（如符號范式）所說的內(nèi)部思維過程。相反，這是?個貫穿三個關(guān)鍵維度的整體性活動：1.?類與環(huán)境—認知在?與他們使?的物理?具（如指南針、地圖或現(xiàn)代GPS系2.多個個體—思維往往源于協(xié)作，想法在團隊成員之間的動態(tài)互動中相互碰撞。3.時間—認知建?在?化產(chǎn)物和從前?代傳下來的知識之上，形成了?條解決問題的時間線索。學(xué)者哈欽斯提出，要真正理解思維，我們必須轉(zhuǎn)變關(guān)注點。與其將?腦作為主要分析單位來孤?研究，我們應(yīng)該研究認知發(fā)?的更?的社會技術(shù)系統(tǒng)。這些混合系統(tǒng)將?、?具和?化產(chǎn)物融為?體，創(chuàng)造出遠超任何單個個體的互動?絡(luò)。改編?FlorianWindhager和EvaMayr的概念圖，來源?張分布式認知的概念圖。中?是"認知"，由圓形節(jié)點表?，通過標記的箭頭與"?具"和"世界"相連。過程從"感知"流向"?動"，表明與外部環(huán)境的互動。周圍的標簽包括"物質(zhì)分布"、"社會分布"、"時間分布"和"過去系統(tǒng)狀態(tài)"，強調(diào)了認知是如何分布在?具、?和時間之中的。那是90年代的事了。如今，現(xiàn)代信息技術(shù)，尤其是??智能，正在徹底改變我們思考和?作的?式，通過轉(zhuǎn)變認知過程的分布?式。計算機和??智能系統(tǒng)承擔(dān)了重復(fù)和繁瑣的任務(wù)——如計算、數(shù)據(jù)存儲和搜索——使?類得以專注于創(chuàng)造?和問題解決。但它們不僅僅是減輕了我們的?理負擔(dān)；它們還擴展和增強了我們的認知能?，使我們能夠以全新的?式處理問題和想法。?類和計算機共同組成了強?的混合團隊。正如被錯誤地歸功于愛因斯坦的那句名?："計算機快速、準確但愚蠢；?類緩慢但睿智；兩者結(jié)合，?往不利。"如今，這種伙伴關(guān)系開啟了三條關(guān)鍵的認知途徑：1.純?類認知：?們完全依靠??的?腦?不借助外部技術(shù)。2.數(shù)字?持認知：?類和計算機協(xié)作，數(shù)字?具增強?類智能。3.?主??智能系統(tǒng)：認知完全外化到機器中，允許??智能獨?于?類輸?運改編?FlorianWindhager?張展?認知或智能模式范圍的概念圖。圖的左側(cè)顯?"世界"如何與"??智能"和"計算"（?筆記本電腦表?）相連，展現(xiàn)了數(shù)字輔助認知中??智能與?類認知的互動。右側(cè)則是代表純粹?類思維的"純?類認知"。圖中通過"感知"和"?動"等標注路徑展?了相互作?的過程?；诜植际秸J知的理念，即思維通過?智、?具和環(huán)境的相互作??產(chǎn)?，?個關(guān)鍵原則尤為突出：認知卸載的概念。這指的是?類將?智任務(wù)轉(zhuǎn)移到環(huán)境中的?式，利???制品、技術(shù)，甚?其他?來減輕認知系統(tǒng)的負擔(dān)，并增強思考、推理和解決問題的能?。理解形成—?論是處理復(fù)雜問題、頭腦風(fēng)暴還是應(yīng)對?常挑戰(zhàn)—都不是孤?發(fā)?的。相反，它是在與世界的協(xié)作中展開的。通過在?類-?具或?類-技術(shù)交互的混合模式中感知、交換和操作信息，我們將認知的邊界延伸到?腦之外。想想使?計算器解決數(shù)學(xué)問題，或使?協(xié)作應(yīng)?程序規(guī)劃項?。這些都是認知卸載的例?，其中?具成為認知過程中的伙伴。在??智能應(yīng)?中，設(shè)計認知卸載機制尤為重要，因為??需要借助數(shù)字化?段來增強認知能?。我們的?標是打造?個環(huán)境，讓??能夠?然地運?這些?具來擴展思維能?，實現(xiàn)?縫銜接的認知增強。設(shè)計認知負荷卸載的原則讓我們仔細看看?些在管理認知負荷卸載??表現(xiàn)杰出的AI應(yīng)?，并探討它們背后的關(guān)鍵成功原則。認知努?會讓?感覺像是?種痛苦。由于我們?腦運作的?式，?智努?本質(zhì)上是有代價的，因為它需要消耗?量的認知資源。這源于?腦如何管理能量——?智努?消耗葡萄糖這??腦能量來源，這可能導(dǎo)致疲勞和不適感。這種不適通常表現(xiàn)為?理抵觸甚?回避，這解釋了為什么?們傾向于拖延需要腦?的任務(wù)。時間動機理論也?持這?點，該理論指出，那些被認為困難或不愉快的任務(wù)，特別是沒有即時回報的任務(wù)，很可能被推遲。??天然會被那些能夠最?化這種努?感的?具所吸引。要進?有效的設(shè)計，?先要識別痛點：觀察???為，進?訪談，發(fā)現(xiàn)那些讓??變慢的認知任務(wù)。然后，設(shè)計能夠?縫分擔(dān)這些負擔(dān)的功能。截圖展?了Braintrust?于創(chuàng)建和審查AI?成的職位發(fā)布的界?。橫幅提醒?戶內(nèi)容是基于數(shù)據(jù)庫的，需要審查其準確性。這個職位發(fā)布標題為"兼職UI設(shè)計師"，包含職責(zé)和要求部分，并提供"刪除職位草稿"和"審查并發(fā)布"等選項來管理列表。例如，Braintrust在幫助??創(chuàng)建職位描述??表現(xiàn)出?。通過利??然語?輸?，該平臺可以將簡單的要點轉(zhuǎn)化為精煉的職位發(fā)布內(nèi)容，避免了從零開始寫作時的繁瑣思考。這個?具不僅節(jié)省時間，還通過直觀地引導(dǎo)??完成整個過程來減少決策疲勞，確保在?需?泛的職位寫作知識或?qū)I(yè)技能的情況下捕捉關(guān)鍵細節(jié)。這種?法為??提供了?個可以擴展的框架，將?動化與定制化完美結(jié)合。??可以專注于改進和個性化輸出內(nèi)容，?不是從?紙開始，使整個過程更加?效且壓?參考資源："如何使你的AI項?取得成功"——IxDF?師課，由GregNudelman主講。除其他內(nèi)容外，Greg分享了他設(shè)計初始??體驗的?法，以及現(xiàn)實世界約束和價值導(dǎo)向指標的重要性。"如何設(shè)計AI體驗"——另?個由GregNudelman主講的IxDF?師課。我從中獲得的主要收獲是如何調(diào)整設(shè)計流程以適應(yīng)AI。UXforAI——?個由GregNudelman策劃的?站，收集了關(guān)于AI設(shè)計的最佳實踐、見解分享和觀點?章。我建議訂閱他的郵件列表以獲取最新?章和資源更新。"在AI領(lǐng)域開展??體驗研究"——來?GitLab?冊的?篇?章，提供了關(guān)于如何在AI領(lǐng)域進???體驗研究的實?建議，包括研究指南。2.促進協(xié)作解決問題研究表明，?戶?然會從?持協(xié)作的?具中受益，尤其是當(dāng)這些?具能幫助分擔(dān)原本可能會減慢?作效率的認知任務(wù)時。協(xié)作系統(tǒng)架起了?類創(chuàng)造?和機器效率之間的橋梁，在減輕?理負擔(dān)的同時提升?產(chǎn)?。這個截圖展?了Craft應(yīng)?程序的界?，其中顯??個標題為"周?可以做的10件有趣事情"的?檔。側(cè)邊欄顯??錄，?嵌?的AI?具提供"總結(jié)"和"修正拼寫和語法"等選項。右側(cè)的插?菜單允許添加?本、圖?等內(nèi)容例如，CraftApp使?AI功能來幫助??克服寫作障礙。當(dāng)??停頓或難以繼續(xù)時，應(yīng)?程序會提供智能建議或流暢地繼續(xù)?本。這減少了從零開始產(chǎn)?想法所需的認知負擔(dān)，使??能夠?qū)Ｗ⒂谒茉旌屯晟扑麄兊南敕?。這種協(xié)作感覺很直觀，AI作為伙伴介?分擔(dān)認知負擔(dān)，?不是讓??獨??對挑戰(zhàn)。通過這樣做，該?具創(chuàng)造了?個更容易保持創(chuàng)作思路的環(huán)境，使??能夠更?由地思考和?作。RedSiftRadar，作者設(shè)計截圖該截圖展?了RedSiftOnDMARC界?，其中包含?于IP信任評估的AI助??具。?個標題為"按天統(tǒng)計的DMARC合規(guī)性分析"的圖表展?了電?郵件狀態(tài)，如通過、隔離、拒絕和失敗。在右側(cè)，AI助?對特定IP地址進?評估，提供地理位置詳情、ISP信息、公共?名單狀態(tài)和端?掃描結(jié)果。RedSiftRadar為我們提供了另?個展?如何通過協(xié)作減輕認知負擔(dān)的絕佳?例。在這個?作流程中，域名IP地址旁邊會顯??個AI助?圖標，表明??可以與之交互。由于評估域名可信度是??在此界?上的常見任務(wù)，AI助?預(yù)判了這?需求，提供了便捷的解決?案。??只需簡單點擊，就能詢問有關(guān)所選域名的問題并評估其可信度等信息——這些如果靠?動操作將會耗費?量時間。這種協(xié)作模式讓AI承擔(dān)了繁重的?作，簡化了整個流程，幫助??能夠快速且?效地做出明智決策。參考資源：微軟研究院AI前沿實驗室在出版物中分享了?些關(guān)于?機交互的研究論?我最推薦的是"?機交互指南"（2019）——這是?篇必讀?章。3.利?現(xiàn)有的?智模型和模式根據(jù)雅各布定律："?戶?部分時間都在訪問其他?站。這意味著他們希望你的?站能夠與他們已經(jīng)熟悉的所有其他?站以相同的?式運作。"這?原則不僅適?于?站，還適?于?戶交互的任何界?。利??智模型和既定模式是減輕認知負荷的黃?法則，因為它讓?戶能夠?縫地運?他們之前的經(jīng)驗。例如，Relume使?紫?強調(diào)和閃爍表情符號來突出AI驅(qū)動的功能，這已經(jīng)成為?種公認的設(shè)計模式，?于展?AI?持的功能，特別是在那些不以AI為主的產(chǎn)品中。這種?法通過減少??識別和使?AI功能所需的認知負擔(dān)來實現(xiàn)認知減負。???需仔細掃描界?或閱讀詳細說明，只需通過這些視覺提?就能快速定位AI?該截圖展?了Relume應(yīng)?程序界?，特別是站點地圖?成功能。顯?了"主站點地圖"部分，AI功能通過紫??調(diào)和閃光圖標進?標識。在右側(cè)，提?框允許?戶描述?個公司以使?AI?成站點地圖，并可選擇頁?數(shù)量（1-5頁）和語?。參考資源："成功軟件的UI設(shè)計模式"—在探索AI特定模式之前，最好先復(fù)習(xí)?下標準設(shè)計模式，這個IxDF課程是絕佳選擇。雖然AI的設(shè)計規(guī)則仍在編寫中，你可以在"ShapeofAI"?站上發(fā)現(xiàn)新興趨勢—這?收錄了由EmilyCampbell整理的?量精彩案例。VitalyFriedman也在IxDF?師課"如何通過設(shè)計模式提升AI的?戶體驗"中分享了他的見解。?歌的??智能研究團隊在他們的指南中開發(fā)了?系列模式—這是?個包含AI設(shè)計?法、最佳實踐和?例的綜合性資源。4.利?漸進式信息展?漸進式信息展?是?機交互中的?個經(jīng)典原則，通過逐步引?內(nèi)容和功能來簡化復(fù)雜的交互過程。這種?法不會?次性向?戶展?所有選項，?是根據(jù)?戶在系統(tǒng)中的進度按需顯?信息。在AI應(yīng)?中，由于管理復(fù)雜性?關(guān)重要，這種?法顯得特別有效。例如，Airtable的AI輔助應(yīng)?創(chuàng)建流程采?了向?qū)浇?，通過具有情境感知的?步驟引導(dǎo)?戶。通過針對?戶具體?標定制體驗，Airtable消除了填寫?盡表單的認知負擔(dān)，使整個過程變得直觀且易于管理。Airtable，來源截圖展?了Airtable的Cobuilder界?，提??戶提供有關(guān)其組織的信息。屏幕顯?類似"我在組織?作"、"我們在某類型?業(yè)"和"我為受眾構(gòu)建應(yīng)?"等句?，并提供可編輯的占位符以供定制。簡潔清晰的設(shè)計采?柔和的漸變背景，底部有標記為"跳過"和"下?步"的導(dǎo)航按鈕。另?個很好的例?是Jasper，它使?卡?式界?來展?各項功能。Jasper沒有??本?成的技術(shù)細節(jié)讓?戶負擔(dān)過重，?是專注于識別??智能與?類協(xié)作的最終?標。這使?戶能夠?qū)⒆⒁?集中在結(jié)果?不是過程上，從?創(chuàng)造出?個?縫且引??勝的體驗，有效降低了認知負擔(dān)。Jasper，來源截圖展?了JasperAI界?，?戶看到的第?個提?是"你想要創(chuàng)建什么？"。?個?本輸?框允許?戶指定寫作任務(wù)，旁邊有?個醒?的"創(chuàng)建"按鈕。下?顯?了預(yù)設(shè)的內(nèi)容模板，如"Instagram故事"、"新聞通訊"、"落地頁"和"社交媒體?告"供快速選擇。參考資源："漸進式展?"—JakobNielsen撰寫的?篇詳細介紹該技術(shù)的?章。"漸進式展?"—出?《?機交互術(shù)語表》?書，作者FrankSpiller。"漸進式展?：?戶何時、為何以及如何需要算法透明度信息？"—?篇探討如何平衡可解釋性和認知負荷的研究論?。"改善主屏幕選擇超載的漸進式展?選項"—?篇將漸進式展?與選擇超載和可讀性概念相聯(lián)系的研究論?，提供了?些實?見解。5.確保優(yōu)雅降級對許多??來說，AI功能仍然是新事物，錯誤在所難免。關(guān)鍵是要確保錯誤不會完全中斷??流程。相反，系統(tǒng)應(yīng)該幫助??平穩(wěn)恢復(fù)并繼續(xù)朝著?標前進。這對AI系統(tǒng)來說尤其重要，因為??對系統(tǒng)的信任是脆弱的——僅僅?個明顯的錯誤就?以動搖??對?具的信?。優(yōu)雅降級意味著設(shè)計能夠透明且有效地處理錯誤的系統(tǒng)。例如，如果AI錯誤理解了查詢或?成了有缺陷的結(jié)果，它應(yīng)該為??提供?個簡單的?式來修改、重試或了解出錯的原因。通過提供清晰的解釋、替代建議或后備選項，AI系統(tǒng)可以在出現(xiàn)問題時仍然保持??的信任和參與度。優(yōu)雅降級的?個很好的例?是?歌搜索的AI驅(qū)動功能，?如"這是[更正后的詞語]的搜索結(jié)果"。當(dāng)??拼寫錯誤或提交不清晰的內(nèi)容時，系統(tǒng)會提供更正或替代結(jié)果，?不是返回不相關(guān)或空?頁?。這種?法溫和地引導(dǎo)??找到相關(guān)結(jié)果，幫助他們從輸?錯誤中恢復(fù)，同時保持流暢的??體驗。?歌截圖，作者提供這張截圖顯?了搜索"grandebernard"的?歌搜索結(jié)果頁?。在頂部，?歌建議"這些是grandbernard的搜索結(jié)果"，并提供搜索原始詞語的選項。下?是關(guān)于"Ma?do-GrandBénare"的帶縮略圖的鏈接。參考資源："可訪問界?設(shè)計中優(yōu)雅降級的重要性"—EleanorHecks在SmashingMagazine上的?章"優(yōu)雅失敗的藝術(shù)"—SolomonHawk撰寫的?篇?章，從?程和?戶體驗的角度探討這個話題。來??類+AI指南的?章"錯誤+優(yōu)雅失敗"6.情境化引導(dǎo)?機協(xié)作的成功取決于?類和AI作為混合協(xié)作團隊之間共享的?智模型。為了使這種協(xié)作能夠有效運作，?戶需要清楚地了解AI系統(tǒng)的能?以及如何與之互動來實現(xiàn)他們的?標。然?，期望?戶通過閱讀冗?的知識庫來建?這種?智模型是不現(xiàn)實的。?個更有效的?法是提供情境化引導(dǎo)——在?戶需要的確切時間和地點提供幫助和解釋。通過整合?具提?、內(nèi)聯(lián)提?或交互式教程，系統(tǒng)使?戶能夠在與界?交互的過程中?然地學(xué)習(xí)。情境化引導(dǎo)通過減少理解系統(tǒng)運作?式所需的?理負荷來?持認知減負。系統(tǒng)不要求?戶記住多個潛在的交互或功能，?是提供及時的幫助，?步步引導(dǎo)他們，讓他們能夠?qū)Ｗ⒂趯崿F(xiàn)?標。這種?法使?戶保持專注于任務(wù)，同時逐步建?對系統(tǒng)能?的理解。提供建議是幫助?戶建?AI系統(tǒng)?智模型的最常見?式之?。通過提供相關(guān)提?，?戶可以快速掌握系統(tǒng)的能?和它?持的交互類型。例如，在June中，在連接數(shù)據(jù)源并查看指標后，?戶可以向系統(tǒng)詢問洞察。為了引導(dǎo)這個過程，JuneAI提供了起始提?，讓?戶清楚地了解他們可以提出的問題類型。這些建議使?戶更容易探索系統(tǒng)的功能，培養(yǎng)對如何有效與之互動的更好理解。該截圖顯?了?個AI驅(qū)動的聊天界?，