每位设计师都应了解的心理学原理，用以构建感觉可预测、值得信赖且以人为本的人工智能。
有时，很难说服利益相关者遵循某些规则并认同用户体验的决策和建议。他们大多期望你同时交付概念、最小可行产品和高保真设计，最好开发投入低且使用可复用组件。
申请研究资金可能令人筋疲力尽，当前的经济市场也无济于事。在本文中，我主观地总结了一些我们已知的心理学规则与法则，这些知识在设计和理解人机交互时同样有用。你可以用它来草拟研究计划，预防伊丽莎效应（稍后你会了解到这是什么），或者只是为你的知识与理解增添新的层次。
研究、用户测试是识别用户需求和指明产品改进方向的最佳方式，但有时我不得不借助已有的既定法则和研究成果来辅助我的决策，这些能提供对该主题更广阔的视角。
基于此经验，我在此分享一系列法则，帮助我们理解人们如何思考、决策和建立信任，以及如今在设计AI用户体验时它们教会我们什么。
这是"AI用户体验的8条科学法则"——一份构建不仅有效……而且感觉正确的人工智能指南。
人工智能引入了传统界面中不存在的"不确定性"。在标准界面中，用户点击按钮，某事发生。而使用AI时，结果常常是不可预测且不稳定的。
此时，用户体验设计便至关重要。
数十年来指导用户体验的许多规则和法则，在设计人机关系时依然适用甚至更为相关。
1. 雅各布的用户体验一致性法则
用户将大部分时间花在其他网站或应用上，因此他们更希望你的网站或应用与他们已知的体验类似。
正如建筑学依赖熟悉的结构模块和标准化比例（大多如此）以使建筑物易于快速理解，用户体验中的雅各布法则提醒我们，用户信任感觉熟悉的事物——这通常也最简单。
由可用性专家（用户体验领域知名人物，尼尔森诺曼集团的创始人）雅各布·尼尔森提出的这条法则强调，相似的模式、惯例和交互能减少认知负荷。从而使无需从零学习新行为的用户更容易导航和使用产品。
在当前用户界面中应用很简单：使用符合用户期望的标准布局、按钮、组件和流程，使体验直观。（如果可能，可以寻找一些创新点。）
CNN、BBC、《华盛顿邮报》、《华尔街日报》都采用相似的布局。
对我来说，这在我为波兰一家大型银行工作时很有用。我知道，尽管我在做出用户体验/用户界面决策时有某种自由度，但我仍然需要了解其他银行在其应用中提供什么。
用户会期望你的人工智能表现得像他们使用过的其他人工智能一样。至少基本层面如此。因此，当ChatGPT、Gemini、Siri等对类似请求的回应方式不符合用户预期时，他们可能会认为它有点"故障"而离开。
2. 透明度悖论
一种现象，指在算法、人工智能或数字界面等复杂系统中增加透明度，实际上可能反而让用户更难理解。
当我在为大数据SaaS产品做设计时，围绕向使用系统的专家展示什么、何时展示，我进行过许多讨论。有时他们的工作是构建报告，并据此与客户达成未来交易。因此，我们总是在平衡能提供多少功能、数据、算法，以及用户应该在何处、何时看到它们，以获得最佳用户体验。
虽然透明度的本意是建立信任，但提供过多技术性、细节性、不必要的信息可能会使用户不知所措，并造成困惑。这凸显了需要一种以用户为中心的、有意义的透明度，提供清晰、情境化且可能具有可操作性的解释。
目标是让系统感觉值得信赖且易于理解，而不仅仅是"开放"。
3. 尼尔森诺曼集团的执行与评估鸿沟
用户需要理解他们可以用界面做什么，以及他们的行动如何影响系统。
我遇到的最具挑战性的案例之一，是在设计健康数据转换的用户体验/用户界面流水线时。这意味着用户可以触发一个庞大的序列，包括数据上传、下载、转换等等。这里的用户指医护人员、大学教授和员工、医疗公司人员，他们需要明白，每次启动流水线时，转换的数据量都会产生费用。
它也衡量了用户多容易弄清该做什么以及如何去做。当我的任务是设计最有效的信用卡申请表单和包含所有步骤的流程时，这就是我的"关注点"。用户需要被完美地告知他们正在做什么——同时，整个流程必须感觉流畅。
传统用户界面的方法是创造直观、一致且透明（但记住透明度悖论！）的产品，使用户能够毫无困惑地行动并轻松理解反馈，从而获得流畅的体验。
人工智能的例子？ 看到AI聊天机器人建议提示词来引导用户行为，而不是假设人们知道要问什么以及如何问，这很好。与AI互动可能造成认知负荷，因为你并不总能知道AI在做什么。人工智能需要感觉是可预测的。
4. 希克法则
一个人做决定所需的时间随着可用选择的数量和复杂性的增加而增加。
由心理学家威廉·埃德蒙·希克和雷·海曼提出的这条法则，将人们做决策的过程量化为一个数学函数。基本上：呈现的选项越多，做出选择所需的时间就越长。
当你看到苹果公司的主页时，你可能会认为他们完全采纳了这条规则。
希克法则用于强调简洁和清晰。建议很简单：减少可见选项的数量，逻辑地分组选择，或逐步引导用户。通过这样做，你可以加速决策过程，减少摩擦，最终创造更直观的体验。
Spotify的AI会准备少量个性化歌单，而不是展示无穷无尽的选择。苹果音乐应用也是如此：选择会根据你过往的播放记录进行优化。
当AI建议过多提示时，可能适得其反。
5. 伊丽莎效应
人们倾向于将类人的理解、情感或意图赋予计算机程序或人工智能系统的倾向，即使该技术只是遵循脚本或基于模式的回应。
该术语源自ELIZA——一个由约瑟夫·魏泽鲍姆在20世纪60年代创造的超早期聊天机器人原型。该算法通过将用户的陈述改述为问题来模仿心理治疗师，令人惊讶的是，尽管其简单，许多参与者却感觉ELIZA真正理解了他们。
在现代语境中，如AI代理、聊天机器人，伊丽莎效应突显了用户多么容易将机器视为类人，在没有真正存在的地方投射出同理心、意识或智能。不过，很难保证未来某一天不会实现。
这里需要做的是一系列扎实的研究，以理解如何平衡用户信任与透明度，确保与人工智能的情感连接至少不会导致失望。
所以，如果你的相机恰好在你要拍摄重要镜头的瞬间停止工作，而你认为是故意的、针对你个人的——那就是伊丽莎效应。我个人发现自己会和无人机、相机、笔记本电脑说话——我就是倾向于这样做。是的，我曾感觉我的设备在某些时候让我失望。对于汽车爱好者来说，正如电影《非常人贩》中的名言："尊重汽车，汽车就会尊重你"。
如果人工智能模仿人类对话太好，人们会高估其智能。已有大量关于用户如何与AI互动，将其视为心理医生并导致可怕后果的新闻。
6. 回归法则
如果用户先前的互动是有回报的、有意义的，或者留下了一个未完成或值得返回的"开放循环"，那么他们更有可能重新访问或重新参与某个体验。
回归法则是一个基于行为强化理论的应用性用户体验原则。指的是一个心理和行为原则。当有人看到你并微笑时，你更可能报以微笑。
换句话说，人们倾向于回到那些提供积极强化、未满足的好奇心或进步感的系统、产品或地方。
在用户体验设计中，回归法则通过创建习惯循环（如连续签到或成就）、个性化跟进、持续叙事、奖励、社区等方式应用，使用户想要回归。
那么，将这条法则转化到人机交互中：它不再仅仅是每日连续签到或游戏化徽章，而是关乎进步、记忆、连续性和真正的成长。
"成长"意味着AI在每次互动中都会改进，适应你的风格，预判模式和行为，最终变得更好——因为你回来了。
这创造了一种感觉："我在投资某样东西，而它也反过来投资我。"这为"回归法则"开启了一个新时代。
7. 蔡格尼克记忆效应
一种描述人们对未完成或中断的任务比已完成的任务记忆更深刻的心理现象。
由心理学家布鲁玛·蔡格尼克在20世纪20年代观察到，她注意到服务员能更准确地记住未结的账单，而非已结清的账单。她的研究结果表明，未完成的任务在我们的脑海中产生一种心理张力，使这项任务在我们的记忆中保持活跃，直到它被完成或解决。
这个效应常被用于用户体验设计中，通过显示进度条、清单或未完成的操作来鼓励参与，微妙地促使用户完成他们已经开始的事情。Facebook、Instagram和TikTok等平台提供的"无限滚动"信息流旨在减少结束感。在这种情况下，AI需要保持用户的参与度，并至少为其提供新的提示。所有这些都可能引发道德问题的讨论。YouTube的推荐系统强化了兴趣，创造了回音室，用户很少看到相反的观点，或者它们被隐藏在下方某处。
人工智能驱动的回应和推荐系统可能会强化现有信念，如果设计不道德，可能助长回音室效应。如何做到？我也没有头绪。
AI塑造人们所见内容和时机的新能力引发了伦理设计问题。可见内容可能引发强迫性行为，导致极端观点。良好的AI用户体验应在参与度与伦理责任之间取得平衡。
8. 峰终法则：人们记忆高峰、低谷和结尾多于完整体验。
这个心理学原理表明，人们评判一段体验主要依据他们在其最强烈的时刻（"高峰"）和结束时（"终"）的感受。每个时刻的总和或平均值是次要的。
由心理学家丹尼尔·卡尼曼提出，该法则为我们对体验的记忆可能存在偏差提供了更多解释。我们并非准确回忆它们，而是通过情感高潮和结尾来记忆。
在用户体验设计中，峰终法则意味着设计师应专注于创造积极的情感高峰和强有力的、愉快的结尾，例如流畅的结账过程或令人满意的确认。这些时刻最强烈地塑造了用户对整个体验的记忆。
如果任何形式的人工智能在（关键）时刻失败，例如ChatGPT生成了冒犯性文本，用户记住那个失败时刻的程度会超过之前所有好的回应。
总结
人工智能不仅仅是关于数据、模型或计算能力。它是关于人的。AI用户体验关乎塑造我们体验人工智能本身的方式。
作为用户体验设计师，我们必须弥合原始AI能力与人类直觉之间的鸿沟。我们是机器逻辑与人类思维之间的翻译者。我们将塑造AI给人的感觉、如何赢得信任、如何解释自身、如何提供帮助而非制造负担。因为最聪明的AI或通用人工智能，如果让本该服务的人感到困惑、沮丧或疏远，那就毫无意义。
最好的人工智能能与人们自然的思考、感受和行为方式保持一致。
精选文章：
2026 年 AI 解决方案在 UX/UI 设计中的应用趋势