以约束型设计实现界面的个体化优化

概述

提出一套机制：输入关于认知特点的个人信息，参照界面的基本设计原则、安全与无障碍条件，以及关于人的特点的研究结论，生成贴合这个人的界面。

其中采用了「约束型设计」的思路——由人来设计必须守住的条件及其适用范围，在这个范围之内由生成式 AI 拿出具体方案。以车载导航为题材，从包含感知与身体特点在内的十三种虚构人物模型生成界面，并在另一道工序中检查是否符合条件，实现了一个 PoC。

对比中，有一个案例确认到由身体特点带来的明显画面结构变化；而多数生成结果并未出现大的视觉变化。实际的易用性与安全性尚未验证，但这项工作弄清了可以交给生成式 AI 判断的范围，以及那些收窄了个体化余地的设计条件。

背景 —— 一套界面究竟能覆盖到哪里

多数产品会设计并提供一套尽可能多人可用的通用界面。然而，一次能掌握的信息量、注意力投放的难易、语言表述的理解难度、精细操作的顺手程度，都因人而异。通用界面照顾到了很多人，却未必贴合其中的某一个人。

以群体为单位的评估同样有其局限。例如美国 NHTSA 于 2013 年公布的自愿性指南中，关于视线的各项接受标准要求 24 人中至少 21 人达标。这并不是一个意味着所有人都能同样使用的条件。[1]

即便产品可以更改字号或显示信息量，使用者也必须先注意到设置的存在，把它和自己的不便联系起来，再选出合适的调整。设置功能是不是没有被充分利用，人们就这样在不合适的状态下继续使用？这个疑问是本项目的起点。

在车载导航中，看屏幕与做操作会与驾驶所需的注意力相竞争。[1] 如果与界面的不匹配可能加重这份负担，那么在开始使用时就准备好贴合这个人的状态，从易用性与安全两方面都值得考察。

借助生成式 AI，已经可以把「由个人信息与设计知识具体化出界面」的工序做成原型。于是我思考：如何在减轻逐人手工设计画面负担的同时，把贴合个人的界面交到他们手中。

设置功能的使用率，以及与界面的不匹配对事故的影响，本项目并未验证。

提案 —— 把个人信息与两类设计知识连接起来

输入的是关于该用户认知特点的信息。AI 将其与事先整理好的两类知识对照：一类是界面的基本设计规则，另一类是由人的特点通向推荐界面的知识。

在此基础上，AI 在允许的范围内把界面具体化，并检查其是否符合条件。输出的是贴合这个人的界面，以及改了哪里、为什么改的说明。

输入：关于这个人的信息

例如，一次记住并处理信息是否得心应手，是否容易被其他刺激吸走注意力，哪一类说明更容易理解。实现中还把视觉表现与手指操作特点纳入了对象。画面不是由诊断名决定的，处理的是与界面使用相关的个人信息。

参照知识 A：界面得以成立的规则

整理界面的基本设计原则：一致性、对操作的反馈、信息的归组、文字与操作对象是否易见等。在此之上，把车载界面的操作限制与无障碍条件，连同其适用情形一并定义。

参照知识 B：由特点通向推荐界面的知识

把研究中确认的人的特点，连接到信息呈现的原则，再连接到界面设计。例如针对「一边记住信息一边操作会有负担」这一特征，考虑「减少需要记住的内容」这一方向，进而落到把必要信息留在画面上的设计。

不过，关于特点的研究未必能直接给出车载导航的设计取值。研究已经弄清的事，与本项目由此得出的设计判断，要加以区分。 对所有人都同样有效的改进归入基本规则，不计入个体化的成果。

理想的体验 —— 在第一次乘车时，一起确认怎样才好用

面向未来的构想。 通过对话完成初始设置，在本次 PoC 中并未实现。

买下车、第一次坐进驾驶座时。在停车状态下，AI 助手询问平时的使用方式。使用者不必去挑选专业的设置项，而是讲讲平时的困扰，以及自己觉得好用的方式。

1. 首次乘车：开始对话

   AI“为了把画面调整到您用着顺手，能否告诉我几点您平时的使用方式？也可以稍后再开始。”

   使用者理解其目的，选择现在开始还是稍后再说。

2. 访谈：说说困扰

   AI“当导航提示接连出现时，通常在哪些地方会变得不好理解？”

   使用者“下一条说明一来，我有时就忘了刚才那条的内容。”

   AI 询问具体场景，整理出与信息保持、注意力投放相关的使用困难。

3. 确认理解：可以纠正 AI 的理解

   AI“比起记住步骤再往下走，让需要的信息留在画面上会更好用——我这样理解对吗？”

   使用者确认并纠正这一理解。对话中获得的自述，与认知功能的测量值或诊断分开处理。对需要测量的项目，另行准备确认的方法。

4. 提案与试用：听过理由，再试画面

   AI“为减轻需要记住的负担，我提议一种能同时看到当前操作与下一步的画面。”

   使用者在停车时试着选择目的地等。可以说「之前那个更清楚」「这里想换个说法」，必要时可以调整提案，或退回原来的界面。

5. 开始使用：使用确认过的界面

   把使用者确认过的界面保存为初始状态。行驶中维持使用者已经记住的基本结构。想重新调整时，可以在停车时再作调整。

对话的目的不是把使用者一次性归类，而是通过一段他本人能够说明、能够纠正的往来，把开始使用时的状态整备好。

实现 —— 把须守住的条件与交给 AI 的判断分开

本次实现的是这样一套机制：接收个人的特点信息，生成界面，再检查、绘制并对比。作为替代对话询问的输入，定义了十三种特点各异的虚构人物模型。

选择车载导航作为验证题材，是因为画面面积、操作对象的大小、可显示的信息量、行驶中的操作等条件都能被具体地处理。

名为约束型设计的推进方式

本项目所说的约束型设计，是由人来设计须守住的条件与适用范围，并在其内部由 AI 提出具体解的方法。

在基于规则的参数化变更中，输入与取值或选项的对应是事先定好的。本次构想不去填满全部对应，而是定下允许的范围与判断依据，把尚未确定的具体取值与表述留给生成式 AI 裁量。实现上把由计算决定的部分与由生成式 AI 决定的部分组合起来。

把研究结论落到界面上时，记录了出处、适用条件与设计判断。通过与界面一并输出变更理由，使「为什么对这个人是这样的画面」可以被追溯。

在另一道工序中检查生成的界面

界面以带有画面元素与布局的结构化数据生成，再由这些数据绘制。数值与结构方面的条件由代码检查，少数需要解释语义的条件由 LLM 的另一道检查确认。自动判定之外的项目，以及材料不足而无法确认的项目，也一并记录。

检查所确认的是「是否符合已定义的条件」。实际是否好用、安全性是否提升，则需要由使用者来评估。

设计阶段若发现条件间存在矛盾，由 AI 指出相应位置，再由人来判断并修订条件。不做成每次生成时 AI 都按自己方便改动条件的机制。

界面对比 —— 变化很大的例子与几乎没变的例子

对比基准是不输入个人特点、以通用默认值生成的界面。在功能集合相同的前提下，比较输入个人特点后的输出。

以下图像是原型的输出，并非市售车载导航改造前后的对比。 人物模型也不是对真实用户的再现，而是为确认特点影响而设的虚构输入。

操作对象变大的例子

PS-12｜带有「精细触控操作困难」这一身体特点的人物模型

与作为基准的 PS-01 在年龄、认知、感知特点上保持一致，只改变手指操作特点。在所示图像中，各操作对象变大，画面中部排列的条目由 7 条减为 4 条。底部的固定按钮不计入这一数量。

通用默认界面

输入个人特点后生成的界面

把操作对象放大是有代价的：同一画面上一次能选择的条目变少了。设计上功能集合得以保留，但仅凭这一屏，无法评估通往后续画面是否依然顺畅。

结构几乎没有变化的例子

PS-01｜设为基准的人物模型

字号上虽有细微差别，但条目数量、布局、触控区域的大小几乎相同。在本次的规则与输入组合下，并未得到相对通用默认界面大幅改变结构的结果。

通用默认界面

输入个人特点后生成的界面

结果与讨论 —— 生成的自由度留在了哪里

生成式 AI 特有的价值未能充分展示

以作者的目视比较，能被认作画面结构明显变化的是 PS-12。其他输出虽在措辞与设置上有差异，但从画面外观上难以识别出价值上的显著不同。

PS-12 的改动也在「调整显示尺寸与显示量」的设置所能实现的范围之内。不必自己去找设置、初始状态就已整备好——这种体验是有潜力的。但这种体验的价值，与「生成界面是否需要生成式 AI」，必须分开验证。

本次 PoC 并未证明贴合认知特点能改善操作成绩，也未证明生成式 AI 做出的界面优于基于规则的方式。

本次构建的设计空间过窄

在确保文字与操作对象所需尺寸、并套用画面面积与显示量的条件之后，可选的结构就越来越有限。实现上由计算或固定结构决定的部分也不少，AI 在多个妥当方案之间挑选的余地很小。

措辞的改写上还留有自由度，但这类差异不像画面结构那样显眼，本次目视评估难以充分捕捉其价值。我认为，要确认生成式 AI 的价值，需要可选方案本身具有幅度，且这些差异对使用者的体验具有意义。

这一结果只针对本次收集的规则、采用的界面参数与实现的表现范围，不能说是车载导航整体或个体化界面整体的极限。

另外，我并未逐一直接查阅 JIS、ISO 等相关标准的全部正文，而是以论文、官方指引、公开数据、部分标准正文或预览等可获取的资料为基础构成设计知识。参照范围有可能影响了可采用的设计选项。不过，细读标准正文究竟会拓宽自由度，还是会因附加条件而进一步收窄，仍有待今后确认。

与 AI 的协作，带来了规则本身的改进

成果同样出现在「设计用于生成的条件、并使其可被检查」的过程之中。

AI 指出问题，人来判断，再反映到设计中。经由这样的往返，哪些要共同守住、哪些可以贴合个人变得清晰了。

今后 —— 确认体验的价值与生成式 AI 的价值

接下来想把两个问题分开验证。

其一，不必自己设置、开始使用时界面就已整备好，这样的体验究竟有多大价值。为此要实现对话询问、纠正理解直至试用的全过程，确认输入信息的可靠程度与给使用者带来的负担。

其二，在什么样的设计对象上，生成式 AI 带来的方案差异才会转化为体验的改善。希望拓展到这样的对象：在守住必要条件的同时，信息结构与操作流程上仍留有多个妥当方案。

在真实用户的评估中，把通用默认界面、由个人信息按规则调整的界面、由生成式 AI 具体化的界面放在同一任务下比较。通过操作时间、误操作、视线、主观负担等指标，分别考察「贴合个人」的效果与「使用生成式 AI」的效果。

同时推进对相关标准的查证，更新「研究已确认之事」与「设计判断」之间的边界。除了条件可被检查之外，把「在条件之内为使用者留下有意义的选项」作为下一个课题。