本期 UX Coffee 的嘉賓是消極姐。除了名字,她的經歷也很特別,她在清華和 MIT 學了八年的建築,畢業後,她卻放棄了建築專業,在微軟做了近五年的 UX 設計師。而現在,她的職稱卻是在 Uber 高級軟體工程師,她的產出物從一張張設計稿變成了一行行代碼,從建築學到 UX 設計師,再到軟體工程師,這些轉變是怎麼發生的呢?

設計師和碼農這兩頂帽子,不妨換著戴

UX Coffee:在加入 Uber 之前,你在微軟做了 5 年的 UX設計師。加入 Uber,你的職稱變成了「軟體工程師」,能跟我們講講這個轉變是怎麼發生的嗎??

消極姐:其實之前跳槽的時候也拿到了 Google 的設計師的 offer,但那時候薪資沒談攏。後來面試 Uber,那個崗位其實是一個設計和代碼都做一點的混合的職位,他們最後給我的頭銜是「軟體工程師」,因為他們說組裡其他人都是工程師,沒有設計師。我覺得也無所謂頭銜,只要工作內容是我感興趣的就行,更重要的是每天上班做的是自己想做的事。

另外一點,其實我當時也確實是有點不想做設計師了,因為我感覺在科技行業裏,很多人對設計師沒有那麼尊重。我當時想,如果我的頭銜是軟體工程師,可能會得到更多的尊重,在決策過程中,他們可能會更接受我的意見。最後實際上,我覺得確實是這樣(苦笑??)

UX Coffee:做了五年的設計師,後來做工程師,在設計師和工程師這兩種角色之間來回切換,你有什麼不一樣的感受嗎?

消極姐:寫代碼的時候,你要親手把這個東西實現出來,你肯定要想這個東西有沒有邏輯,這個代碼好不好寫,如果不好寫的話肯定是哪兒不對了。但你在做設計的時候是不會這麼想的。這相當於兩個帽子,你摘下一個戴上一個,換一個角度來看問題,對做設計和寫代碼都是很好的。每天在兩個角色之間轉換,對於自己來說是一個訓練。

數據可視化——無人車黑科技背後的基礎設施

在做了近五年的交互設計師之後,消極姐成功轉型成了一名軟體工程師,在 Uber 她將面臨的不僅僅是職業轉型所帶來的挑戰,她還將參與到一個令人興奮但又充滿了技術挑戰的工作:無人車項目。

2015 年,Uber 從卡耐基梅隆大學僱傭了一整個研究團隊,建立起了它的無人車部門。在這個部門裡,有汽車工程師、人工智慧專家、也有鑽研圖像識別的科學家。還有一支團隊,他們在做的事情很特別,就是無人車的數據可視化平臺,這也是消極姐所在的部門。他們的工作使得 Uber 的工程師可以去理解自己所創造的無人車究竟有多聰明。

消極姐:我們的最終目標是汽車裡面根本就沒有方向盤,也沒有駕駛座。你上車後,你說要去哪,車就把你帶到哪,告訴你車子現在到哪了。我覺得無人車這個行業來說,大家在奔著這個方向去,但是技術上道路還很漫長。即使技術實現了,還有很多社會限制,比如政策、法律……你這個車怎麼上保險?出了事以後誰來負責?要真正產品化,還有很長的路要走。

自動化工程師在研究無人車時,需要了解車子的行駛情況。車看到了什麼東西,車是怎麼應對的。在這中間會收集大量的數據,這時候就需要一個可視化工具來還原場景。

Uber 的自主可視化系統

舉個例子,車行駛的時候,前面亮起了紅燈,這時候車有沒有看到紅燈?車看到紅燈以後知不知道該停下了?車決定要停下來和實際上停下之間的行為是怎樣的?這些都需要人通過分析車上各種感測器所記錄下來的數據來仔細判斷。但是車上的攝像頭、感測器記錄的數據太多了,行駛一小時可能就收集了幾百 GB 數據,這時候我們就需要有個可視化工具,來幫助我們的工程師更方便地知道車在行駛過程中發生了什麼事情,這就是我的工作內容。

現在法律要求無人車上路一定要有司機,如果出問題司機要及時停車。如果前面有行人在過馬路,但車沒有停,得靠司機踩剎車。之後你就要去分析為什麼無人車為什麼在當時那個情況下沒有停車。車是在一個三維的環境裡面跑,周邊有很多東西:限速牌、交通指示燈、其他車輛、行人……如果不去還原當時的場景,我們很難知道當時到底發生了什麼。

你要分析車在當時看到了什麼東西。攝像頭和激光掃描有沒有正常識別周邊環境?識別周邊後,車有沒有識別出那是人,成功識別之後有沒有判斷到這個人五秒鐘後會走到車的前面。如果這些都做到了,為什麼沒停車?我們必須通過重建三維環境來還原場景,這是所有無人車優化的前提。

UX Coffee:聽起來這種數據可視化要比我們平時在新聞網站或者雜誌上看到的數據可視化要複雜得多,你可不可以稍微詳細介紹一下這背後的原理呢?比如說你們抓的是什麼數據?你又怎麼把它給還原成一個三維圖形?

消極姐:無人車上有一種做激光掃描的設備,抓到的數據就是一些三維的點,你把它放在一個三維空間裡面渲染出來就能知道事物的位置。另外,攝像頭會為我們提供一些環境信息,比如顏色和深度。

另外還有些很抽象的東西,比如無人車判斷到這一堆點是一輛小車還是一輛公共汽車,它會往哪個方向走,當時的速度和加速度是多少?這些東西都挺抽象的,我們要做的就是把這些信息疊加到 3D 的場景上,這個工作的確跟傳統的數據可視化很不一樣。

Uber 的自主可視化系統

UX Coffee:既然無人車的攝像頭已經把所有行車時候的環境信息都拍下來了,為什麼還需要可視化工具呢?

消極姐可視化工具跟視頻不一樣,你可以和它交互,你能自己選擇要看什麼信息。比如說你對無人車當時旁邊的這輛車感興趣,你點它就能看到這個車的相關的信息。你還可以還原在某個特定時間,無人車是怎麼預備做接下來的動作的?比如說當時車是怎麼規劃接下來 5 秒、10 秒的行動的?它預備以什麼速度換道,什麼時候打燈?這個工具可以展示車子每一秒的規劃,然後我們可以把它跟實際軌跡疊加到一起,看看這車是不是這麼行動的。可能它行動到一半的時候,有其他的情況發生,它又改變主意了,這些狀態和變化我們都可以通過這個工具看到。

數據可視化的力量

UX Coffee: 你從很早的時候就開始對數據可視化感興趣了,我們知道在工作之外,你自己還做過一些很有意思的數據可視化項目。你是從什麼時候開始對這個領域感興趣的?為什麼會對它產生興趣呢?

消極姐:其實讀建築的時候,我就挺喜歡做這些東西的,畫流程圖、交通圖、示意圖實際上都是一種可視化,你是在把抽象的概念清楚地展示給別人。

我自己做過一個項目叫「天空顏色」,我找到國內城市每天空氣質量報告的數據,給每個城市做個了一個天空顏色的色盤,這樣你就能很直觀地看到每個城市的空氣質量歷年變化,它看起來很視覺衝擊力,如果你結合這些年每個城市環境政策的部分新聞來看,你可以看到這些政策的變化對每個城市造成的影響。

部分城市空氣質量可視化圖表

在 Uber,我們會記錄 Uber 的車在每個城市的運行的路線和速度,比如,你可以在這個交通數據的可視化圖上看到每個星期一的早高峯,從城市中心到機場的時間。我們收集整理這些數據,公開分享給公眾和制定交通政策的政府部門。菲律賓首都馬尼拉在推出機動車牌號限行政策之後,就用了 Uber 的這個數據可視化工具來給他們的這個交通政策做評估。

Uber Movement 界面截圖

UX Coffee:對於在平時生活中接觸到可視化數據的普通大眾,你有什麼建議嗎?

消極姐:我覺得大家要學會去判斷一個可視化設計做得好不好。最重要的是要去觀察這個可視化有沒有準確地、有效地反映它背後的數據和信息。有些數據可視化,因為選用了錯誤的圖形,或者是通過顏色、基準點的選擇,傳遞出誤導人的信息,大家要注意識別。

任何視覺上的東西都不可能 100% 準確。比如說世界地圖,把一個球形投影到平面上,肯定會有各種各樣的變形。我們經常看的世界地圖,北歐看起來跟非洲差不多大,但實際上非洲比北歐大多了。俄羅斯和加拿大也是比實際上的面積要大很多。任何一種可視化,你所看到的圖形呈現實際上都包含了設計者的「偏見」和個人立場。

投影方法不同的世界地圖

消極姐說:

我為什麼喜歡做這些可視化?因為從政府信息公開到公眾參與之間還有巨大的鴻溝,打破詮釋壟斷,用多樣化的民間視角去呈現他們,是喚起公民意識的第一步,而我們的媒體在這方面做的努力還遠遠不夠。

以上為播客精選內容,完成播客收聽請點擊:

  • 設計師和碼農這兩頂帽子,不妨換著戴
  • 數據可視化的力量

嘉賓聯繫方式

  • 消極姐的 Twitter(強烈推薦):twitter.com/cxiaoji
  • 消極姐的個人網站:xiaoji-chen.com/

部分圖片來自消極姐個人網站,其他圖片來自網路。

本期編輯: @珊爺, @Riceman 米飯俠

你可以在蘋果 Podcast、網易雲音樂、喜馬拉雅 FM、或是任何播客 app 搜索「UX Coffee 設計咖」來收聽我們的節目。

訂閱 UX Coffee 微信公眾號:uxcoffee


推薦閱讀:
相關文章