人工智能新算法：为残疾人优化用户界面！

近日，芬兰阿尔托大学和日本高知工科大学的科研人员开发出一种优化用户界面的人工智能新算法，这种优化可以考虑到个人间的差异。

背景

用户界面，特别是文字输入界面，一般都是针对正常用户来设计的。然而，对于长者和残疾人等特殊人群来说，普通的用户界面使用起来显得非常困难。

那么，如何才能考虑到个人之间的差异，提高特殊人群的用户界面体验，优化并设计出更加用户友好的界面呢？

创新

芬兰阿尔托大学（Aalto University）和日本高知工科大学（Kochi University of Technology）的科研人员对此进行了研究，他们开发出一种优化用户界面的人工智能新算法，这种优化可以考虑到个人间的差异。

（图片来源：高知工科大学）

研究成果发表在《 IEEE Pervasive Computing 》杂志上。阿尔托大学的研究小组由 Antti Oulasvirta 教授领导。

技术

阿尔托大学的博士后研究员 Jussi Jokinen 表示：“大多数的用户界面是针对普通用户进行设计的。这种‘一刀切’的想法并没有考虑到个体之间能力上的差异。在日常技术使用中，老年人和残疾人用户会遇到许多问题，这些问题通常都与他们的能力以及所处的环境相关。”

他继续说：“有许多办法可以自动优化用户界面，但是只有当我们拥有用户的实际模型后，这样才是有效的。之前，设计师们并没有获得基于心理学研究的细致模型，而这个模型可以预测不同个体执行交互任务的情况。”

残疾用户会遇到的问题，举例如下：

1）特发性震颤，阻碍了用户精准指向的能力，导致在基于触摸的人机交互中的出现巨大困难。优化器可以提升用户界面元素尺寸和群组功能，从而适应屏幕尺寸的限制。

2）读写困难，使得用户界面的输入文本校对和单词阅读更耗时且易错。优化器能调整用户界面中的文字量，并且采取辅助措施以保证输入文字的正确性。

3）痴呆，降低了思考和记忆的能力，使得用户难以或者根本无法使用大多数的日常用户界面。优化器能给出设计建议，最小化内存负载，并使用户需要尽可能少的过往知识。它们优先处理频繁或者重要的任务。

他们研究的基础是一种新型交互预测模型，它可以预测个人能力是如何影响触摸屏上的文字输入。这个模型结合了手指指向和眼球移动的心理学研究，从而可以预测文字输入速度、打字错误以及校对。

如下图所示：根据不同用户改变模型参数，带来优化后的不同界面设计。

（图片来源：阿尔托大学）

为了演示这一模型，研究人员使用它模仿具有特发性震颤的用户。他们预测，通过具备普通Qwerty键盘的智能手机打字，对于这种用户来说几乎是不可能的，因为超过半数的键入是错误的。Jokinen 表示：“通过这种预测之后，我们将文字输入模型连接到优化器，优化器循环访问几千个不同的用户界面设计。然而，没有任何一个真实用户能够尝试所有这些设计。因此，我们能够使得对于计算模型的评估变得自动化，这一点非常重要。”

价值

优化的成果是一个文字输入界面，通过模型预测，它将比较适合具有特发性震颤的用户。在打字过程中，几乎没有文字输入错误发生。在模型预测之后，优化界面经过具有特发性震颤的真实用户测试。模型预测与真实观测相符，且用户可以打出几乎无错的消息。

Jokinen 提醒道：“这当然仅仅正是一个原型界面，并不适合消费者市场。我们的研究工作就是提出解决方案。我希望设计师们可以从这里获取有益的东西，并在我们的模型和优化器帮助下，设计出针对个体的完美界面。”

（图片来源：阿尔托大学）

该模型可用于模仿处于不同交互任务中的不同用户。这项研究带来的益处如下：

1）优化可以改善性能，降低错误和提高效率。

2）用户界面根据不同的疾病，例如：读写困难、震颤或记忆缺陷，进行设计。

3）优化器无需大量的训练数据。

4）这种定制化是自动的。

Jokinen 总结道：“我们从文字输入开始，它是一个日常任务。我们选择特发性震颤进行模拟和优化，是因为它让文字输入变得非常困难。现在，我们已经确认了这种模型的效力和有用性。经过拓展后，它可以用于其他使用场景和残疾。例如，我们用模型模仿初学者或专家界面对于用户表现的影响。我们也对于记忆缺陷人群如何影响学习以及界面的日常使用，进行了建模。重点是，无论残疾与否，都必须有一个心理学正当性理论支持对它的建模，从而使得对于模型的预测是可信的，优化的目标是正确。”

关键字

人工智能、人机交互、智能手机

参考资料

【1】http://www.aalto.fi/en/current/news/2018-03-27/

【2】Sarcar, S., Jokinen, J., Oulasvirta, A., Wang, Z., Silpasuwanchai, C., Ren, X.Ability-Based Optimization of Touchscreen Interactions.. IEEE Pervasive Computing, 2018