輸入ML ExperienceIN PUT 和 輸出OUTPUT（模式）

指標和資料可以量化和評估模型效能，指導模型最佳化。但也需要考慮到如何在介面中展示模型，確保模型輸出輸入對使用者友好且易於理解。

輸出是將資訊嵌入到使用者體驗中，提升整體體驗的連貫性和實用性。

輸出（Outputs）的四個屬性：

  1. Multiple Options（多選項）：
    • 允許使用者在多個結果中進行選擇，以滿足不同的使用者偏好和需求。例如，在地圖應用中，提供多條路線供使用者選擇，而不僅僅是單一的最佳路線
  1. Attributions（歸因）：
    • 歸因是向使用者解釋應用如何做出決策的方式，幫助使用者理解應用的工作原理。比如，在App Store中，解釋某個推薦是基於使用者之前下載的應用
  1. Confidence（置信度）：
    • 置信度表示輸出結果的確定性程度。設計中可以透過顯示百分比或其他形式來傳達置信度。例如，天氣應用中的降雨機率
  1. Limitations（侷限性）：
    • 當使用者對功能的預期與實際功能不符時，侷限性會顯現。設計時需要考慮如何向使用者傳達這些侷限性，並提供解決方案或替代方案

輸入（Inputs）的四個屬性：

  1. Calibration（校準）：
    • 校準是收集使用者的基本資訊以便參與體驗的過程。例如，設定Face ID時，需要使用者掃描面部兩次進行校準
  1. Explicit Feedback（明確反饋）：
    • 明確反饋是透過直接詢問使用者特定問題來收集資訊，幫助改進模型。例如，使用者在Safari中標記某個連結不感興趣，這會幫助模型避免將類似的內容再次推薦
  1. Corrections（修正）：
    • 修正允許使用者透過熟悉的介面修復模型的錯誤。比如，使用者在鍵盤輸入時修正自動糾正的錯誤，系統將學習並改進
  1. Implicit Feedback（隱性反饋）：
    • 隱性反饋是使用者與應用互動時產生的資訊，可以用來改進模型。Siri透過分析使用者的使用習慣，提供更個性化的建議