學到這里，這個課程終于到了尾聲。過去的二十多講里，我們圍繞著文本、語音、視頻、圖像體驗了大量的 AI 應用場景。不過在這些場景里，我們還只是通過撰寫代碼體驗了 AI 的能力。那么，如果我們今天想通過學習到的這些知識，開發(fā)一個真正的 AI 應用，需要注意些什么呢？我們是只需要簡單地給我們的 Python 代碼封裝一個對話框一樣的用戶界面就可以了嗎？

如果你有這樣的疑惑，那請一定要堅持學完這最后一講。我們一起來看看 Midjourney 這個 AI 畫畫的應用是怎么做的。它在整個應用的體驗里考慮了哪些設計原則？畢竟，Midjourney 在過去一年里可謂是創(chuàng)造了一個 AI 產品的奇跡。它沒有獨立的 App，完全依賴 Discord 這個語音社區(qū)聊天工具和用戶交互。團隊只有十幾個人，但是出圖的質量始終領先于有整個開源社區(qū)支持的 Stable Diffusion。沒有外部融資，卻完全靠用戶訂閱獲取了 1 億美元的年收入。

無論從哪個角度來看，Midjourney 都是一個值得研究的 AI 產品。在它所有的產品設計里，我認為有三個要點是今天所有的 AI 應用都應該借鑒的，那就是以用戶社區(qū)作為入門教程、給用戶即時反饋以及搭建數(shù)據(jù)飛輪以迭代模型。下面我們一個一個來看。

善用用戶社區(qū)，降低上手門檻

Midjourney 這樣的 AI 內容生成類型的產品，常常會遇到一個挑戰(zhàn)，就是用戶其實不知道該怎么玩這個產品。這個“不知道怎么玩兒”，不是說不知道怎么生成一張圖片，而是說不知道什么樣的提示語值得一試，可以畫出什么樣的場景。

因為大部分人和你我一樣，不太懂得繪畫，也缺少一些想象力。這樣，很容易隨便畫了兩三張圖片之后，就放棄使用 Midjourney 這樣的產品了。所以，Midjourney 就做了一個很巧妙的設計。就是你一旦注冊成功，進入 Midjourney 的 Discord 頻道之后，并不是讓你對著 Midjourney 的機器人自己發(fā)揮想象去畫畫，而是會直接進入某一個新用戶的聊天室里，無論是自己通過提示語去畫畫，還是其他在聊天室里的用戶去畫畫，都會在聊天室里不停地刷新。

因為用戶的背景以及想要畫的內容各不相同，所以你在這個聊天室里，可以看到各種不同風格的畫作。而如果你想要自己嘗試相同的風格，這些畫作的提示語也在那里。你只需要簡單地復制粘貼提示語，然后修改幾個單詞，就可以嘗試復刻其他人相同風格的畫作了。

而且，這樣的聊天室并不僅僅局限于新用戶。Midjourney 同樣也為老用戶設置了 general 頻道，你在里面一樣可以看到老玩家們繪制的優(yōu)秀畫作。?

此外，整個 Midjourney 的 Discord 里，還有 show-case、daily-theme 等一系列從用戶生成的圖片里面挑選出來的優(yōu)秀案例。

通過“共享”用戶創(chuàng)建的內容這樣的方式，Midjourney 很容易地讓整個社區(qū)成為了教會新用戶使用產品的通道。而不需要自己費勁費力地去寫教程，或者提供大量的新手引導功能。

事實上，ChatGPT 就缺少這樣的功能。這也給很多外部開發(fā)者提供了機會，于是就有了 ShareGPT、FlowGPT 這樣分享 ChatGPT 對話內容以及特定、有趣的提示語網(wǎng)站了。

AI 應用面臨的技術限制

在通過這樣的引導學會了使用 Midjourney 各種好用的提示語之后，相信用戶都會愿意多試試不同的提示語，畫出漂亮的圖畫來。而作為一個 AI 內容生成的應用，Midjourney 在產品設計里的第一個挑戰(zhàn)，就是響應時間問題。

我們之前用 Stable Diffusion 畫畫的時候，即使已經(jīng)用 UniPCMultistepScheduler 來加快生成速度了，也還是要花上個 10 秒鐘，而且那還是我們獨占一塊顯卡的時候。如果你要像 Midjourney 一樣，直接面向消費者提供服務，你還會面臨一個問題，就是所有的用戶請求需要排隊。并且，最好能夠按照一個批次（Batch）進行處理。

這是由我們通過 GPU 來生成內容的原理決定的，GPU 不像 CPU 那樣可以通過多線程或者時分復用的方式來處理請求，而只適合順序地處理請求。而為了讓顯卡的利用率最大化，最好的辦法是一個批次能夠同時處理多張圖片。

通過及時反饋，提升用戶體驗

所以我的預測是，你發(fā)給 Midjourney 的請求在它服務器端的集群里一樣會先去排隊。等到其他人的請求和你的請求一起湊滿了一個批次，才會去生成圖片。這也會使得從我們向 Midjourney 發(fā)送提示語，到拿到最終的圖片需要更長的時間。而這也會進一步消耗用戶的耐心，讓用戶可能連第一次嘗試都等不到完成的時候就走了。

Midjourney 解決問題的辦法，則是盡可能讓用戶能在等待過程中看到這個任務是有進展的。

首先，在你的提示語提交之后，Discord 里面的 Bot 會告訴你，目前的任務是處于 Waiting to start 的階段的。

而一旦整個圖片生成的任務啟動，Midjourney 就會不斷更新圖片生成的中間過程，整個圖像會逐漸從模糊變清晰。你不需要等到整個圖片生成完成之后，才能看到最后的完整圖片。而是每隔一兩秒鐘就能看到一點點進展，這樣整個圖片的生成過程感覺一晃就過去了。而如果你想用 StableDiffusion 來做一個圖片生成的應用的話，我們在第 24 講也演示了如何將生成過程里的中間結果輸出出來。你完全可以仿照著實現(xiàn)和 Midjourney 相同的效果。

此外，針對每次你輸入的提示語，Midjourney 并不是為你直接生成一張高清晰度的大圖，而是生成了 4 張不同的圖片。這其實也是為了彌補 Diffusion 類型算法的一個缺陷，就是生成的圖像可控性比較差，一次性就能拿到我們滿意的圖片的概率比較低。比如，我們這里輸入的“Michael Jordan playing soccer”是想要生成邁克爾喬丹踢足球的照片。但是里面右下角的第四張圖里，顯然還是一個打籃球的姿勢，只是把手上拿著的籃球換成了足球而已。而一次性提供四張圖片，讓用戶可以從四張里面挑一張，顯然成功率就高多了。

而且生成小尺寸的圖片，GPU 需要的計算時間也比較少。等到我們確定大致圖片沒有問題了，再通過 Diffusion 的生成算法，把圖片放大變成高清大圖，需要的總時間也短得多。在上面的 4 張圖里，顯然第 2 張更像是一張靠譜的踢足球的圖片。我們選擇它之后，只要 1~2 秒鐘，就能拿到自己想要的高清大圖。

事實上，盡可能地讓用戶在內容生成的過程中就獲取到反饋，是現(xiàn)在很多 AI 應用一個比較常見的產品設計策略。比如用來做文本生成的 ChatGPT，在你輸入問題之后，并不是等到整個答案生成完畢之后一股腦兒地返回給你。而是在生成的過程中就一個詞一個詞地輸出，讓你能夠看到整個答題過程。在第 18 講的時候，也教過如何使用 OpenAI API 的 Stream 模式來達到這樣的效果。所以你可以自己嘗試一下。

搭建數(shù)據(jù)飛輪，快速迭代模型

如果你用過 Midjourney 的話，應該知道它出的圖質量很好，很多人都覺得要比開源的 Stable Diffusion 好上不少。在我看來，這背后有一個很重要的因素，就是它擁有更多高質量的標注數(shù)據(jù)。你可能要問了，Midjourney 只有不到 20 個人的團隊，哪里來的資源去標注數(shù)據(jù)呢？答案就在 Midjourney 的產品設計流程里。

最直接的一個數(shù)據(jù)標注，就是在每次生成的高清大圖下面，都有一個 Favourite 的按鈕。用戶可以點擊這個按鈕表示喜歡并且收藏這個圖片。而每次當用戶按下這個按鈕的時候，Midjourney 的團隊其實就獲得了一個由用戶標注好的優(yōu)質圖片數(shù)據(jù)，也就是用戶輸入的提示詞和對應圖片的配對組合。

但是只要做過一些產品，你也會發(fā)現(xiàn)真的會主動點擊 Favorite 的用戶還是太少了。不過，Midjourney 其實還有更多“隱形”的操作，也幫助他們標注了圖片質量的好壞。

我們上面剛剛介紹過 Midjourney 對于任何一個提示語，都會生成四張圖片。除了直接從四張圖片里面選一張放大之外，還可以有另外兩個選擇。

第一個是可能對四張圖片都不滿意，那么可以直接點擊圖片下面的“刷新”按鈕，重新生成四張圖片。?

或者，對其中一張圖片的整體觀感還是不錯的，但是還不夠滿意。同樣可以點擊四格圖下方的 V1-V4 按鈕中的一個，以四格圖里面的一張為基礎，再生成 4 張相似的圖片。而對于已經(jīng)放大了的高清大圖，用戶同樣可以點擊 Make Variation 的按鈕，來重新生成 4 張圖片，再讓用戶選擇。?

這兩個動作里，用戶盡管沒有標記說哪一張圖片是好的。但是其實已經(jīng)告訴了我們，哪些圖片他并不喜歡，以及 4 張圖片里哪一張更接近他心目中理想的圖片。而 Midjourney 就可以根據(jù)用戶前后的一系列操作日志，來篩選出那些用戶最終選擇的圖片。如果用戶做了大量刷新重新生成或者生成變體的操作，并且最后選定了一張圖片放大，那么這張圖片大概率是一張用戶滿意的高清大圖，我們不需要依賴用戶點擊 Favorite 按鈕這一動作。

其實，這樣“隱式”的反饋，在搜索、推薦等應用場景下早就被廣泛應用了。在搜索的應用場景下，如果用戶輸入了搜索詞之后，沒有點擊任何鏈接又重新輸入了新的搜索詞，那么自然表示用戶對搜索結果不滿意。在短視頻的推薦里面，盡管用戶沒有點贊或者收藏，但是用戶看完了整個視頻，大概率表示用戶對視頻是感興趣的。

對于 AIGC 應用，這樣“隱式”反饋信息的使用也是非常重要的。能夠盡早讓產品上線，并且收集到的真實用戶反饋往往能帶來意想不到的產品優(yōu)勢。因為用戶反饋越多，數(shù)據(jù)的質量也就越高。高質量的數(shù)據(jù)，則能讓我們訓練出更好的模型。而更好的模型，就意味著產品能夠生成更高質量的內容，吸引更多的用戶。這樣，好的產品 -> 更多的用戶數(shù)據(jù) -> 更好的模型質量 -> 更好的產品就進入了一個正向循環(huán)。一旦我們搭建起了這樣的數(shù)據(jù)飛輪，就能在競爭中和對手拉開距離。

就比如 Midjourney，盡管沒有開源社區(qū)里自帶干糧的開發(fā)者們添磚加瓦，但是大量的用戶反饋數(shù)據(jù)給了他們一個高質量的數(shù)據(jù)集。而開源的 Stable Diffusion，相對來說就缺少這樣的數(shù)據(jù)反饋。因為大部分人部署模型之后，生成的圖片都是自己使用，并沒有把什么樣的圖片質量高、什么樣的圖片沒法用反饋給 Stability AI 這個公司。

小結

好了，這一講我們針對 Midjourney 這個現(xiàn)象級的 AI 應用，總結了 AI 產品設計的一些核心原則。

很多用戶面對 AI 內容生成類的應用，其實是不知道應該如何入手的。因為生成內容的挑戰(zhàn)不在于如何操作，而是如何發(fā)揮想象。而通過 Discord 的新手房間，任何一個新用戶都可以看到其他人的提示語和對應的圖片效果。很快就能學會更多的提示語。

而通過 AI 來生成內容需要的時間往往比較長，所以我們需要在內容生成的過程中，就要給到用戶反饋。即使只是一個模糊的輪廓圖，也能撫慰用戶焦躁的情緒。此外，因為文生圖本身的可控性比較差，Midjourney 采取了一次性生成 4 張小圖的方式，讓用戶有更多挑選的余地。只有當用戶確定真的滿意其中的某一張圖，再通過一次生成過程將其變成高清大圖。

最后，通過生成 4 張小圖供用戶進行選擇的這個過程，Midjourney 本質上是讓用戶為自己標注大量的數(shù)據(jù)。每一次用戶選擇進行“變形”的圖片，都是一個正面反饋的標注。而每一張用戶選擇放大的圖片，也都是一個更強力的“正面”信號。在不經(jīng)意間，Midjourney 就有了海量的用戶在背后為他們標注數(shù)據(jù)。

當然，Midjourney 以及其他優(yōu)秀的 AI 產品的亮點并不只有這三個。但是一般來說，用戶社區(qū)、及時反饋以及建立數(shù)據(jù)飛輪是 AIGC 類應用必不可少的組成部分。如果你接下來決定開發(fā)一個這樣的應用，一定不能在產品中漏掉這三個元素。文章來源地址http://www.zghlxwxcb.cn/news/detail-830036.html

到了這里，關于27｜從Midjourney開始，探索AI產品的用戶體驗的文章就介紹完了。如果您還想了解更多內容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關文章，希望大家以后多多支持TOY模板網(wǎng)！