本期 UX Coffee 的嘉賓是消極姐。除了名字，她的經(jīng)歷也很特別，她在清華和 MIT 學(xué)了八年的建筑，畢業(yè)后，她卻放棄了建筑專業(yè)，在微軟做了近五年的 UX 設(shè)計(jì)師。而現(xiàn)在，她的職稱卻是 Uber 高級軟件工程師，她的產(chǎn)出物從一張張?jiān)O(shè)計(jì)稿變成了一行行代碼，從建筑學(xué)到 UX 設(shè)計(jì)師，再到軟件工程師，這些轉(zhuǎn)變是怎么發(fā)生的呢？

歡迎關(guān)注相關(guān)專題：UX COFFEE 專訪

設(shè)計(jì)師和碼農(nóng)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(shè)計(jì)師。加入 Uber，你的職稱變成了「軟件工程師」，能跟我們講講這個(gè)轉(zhuǎn)變是怎么發(fā)生的嗎？

消極姐：

其實(shí)之前跳槽的時(shí)候也拿到了 Google 的設(shè)計(jì)師 offer，但那時(shí)候薪資沒談攏。后來面試 Uber，那個(gè)崗位其實(shí)是一個(gè)設(shè)計(jì)和代碼都做一點(diǎn)的混合的職位，他們最后給我的頭銜是「軟件工程師」，因?yàn)樗麄冋f組里其他人都是工程師，沒有設(shè)計(jì)師。我覺得也無所謂頭銜，只要工作內(nèi)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(diǎn)，其實(shí)我當(dāng)時(shí)也確實(shí)是有點(diǎn)不想做設(shè)計(jì)師了，因?yàn)槲腋杏X在科技行業(yè)里，很多人對設(shè)計(jì)師沒有那么尊重。我當(dāng)時(shí)想，如果我的頭銜是軟件工程師，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。最后實(shí)際上，我覺得確實(shí)是這樣（苦笑）。

UX Coffee：

做了五年的設(shè)計(jì)師，后來做工程師，在設(shè)計(jì)師和工程師這兩種角色之間來回切換，你有什么不一樣的感受嗎？

消極姐：

寫代碼的時(shí)候，你要親手把這個(gè)東西實(shí)現(xiàn)出來，你肯定要想這個(gè)東西有沒有邏輯，這個(gè)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(shè)計(jì)的時(shí)候是不會這么想的。這相當(dāng)于兩個(gè)帽子，你摘下一個(gè)戴上一個(gè)，換一個(gè)角度來看問題，對做設(shè)計(jì)和寫代碼都是很好的。每天在兩個(gè)角色之間轉(zhuǎn)換，對于自己來說是一個(gè)訓(xùn)練。

數(shù)據(jù)可視化 ── 無人車黑科技背后的基礎(chǔ)設(shè)施

在做了近五年的交互設(shè)計(jì)師之后，消極姐成功轉(zhuǎn)型成了一名軟件工程師，在 Uber 她將面臨的不僅僅是職業(yè)轉(zhuǎn)型所帶來的挑戰(zhàn)，她還將參與到一個(gè)令人興奮但又充滿了技術(shù)挑戰(zhàn)的工作：無人車項(xiàng)目。

2015 年，Uber 從卡耐基梅隆大學(xué)雇傭了一整個(gè)研究團(tuán)隊(duì)，建立起了它的無人車部門。在這個(gè)部門里，有汽車工程師、人工智能專家，也有鉆研圖像識別的科學(xué)家。還有一支團(tuán)隊(duì)，他們在做的事情很特別，就是無人車的數(shù)據(jù)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(chuàng)造的無人車究竟有多聰明。

消極姐：

我們的最終目標(biāo)是汽車?yán)锩娓揪蜎]有方向盤，也沒有駕駛座。你上車后，你說要去哪，車就把你帶到哪，告訴你車子現(xiàn)在到哪了。我覺得對無人車這個(gè)行業(yè)來說，大家在奔著這個(gè)方向去，但是技術(shù)上道路還很漫長。即使技術(shù)實(shí)現(xiàn)了，還有很多社會限制，比如政策、法律……你這個(gè)車怎么上保險(xiǎn)？出了事以后誰來負(fù)責(zé)？要真正產(chǎn)品化，還有很長的路要走。

自動(dòng)化工程師在研究無人車時(shí)，需要了解車子的行駛情況。車看到了什么東西，車是怎么應(yīng)對的。在這中間會收集大量的數(shù)據(jù)，這時(shí)候就需要一個(gè)可視化工具來還原場景。

△ Uber 的自主可視化系統(tǒng)

舉個(gè)例子，車行駛的時(shí)候，前面亮起了紅燈，這時(shí)候車有沒有看到紅燈？車看到紅燈以后知不知道該停下了？車決定要停下來和實(shí)際上停下之間的行為是怎樣的？這些都需要人通過車上各種傳感器所記錄下來的數(shù)據(jù)來仔細(xì)判斷。但是車上的攝像頭、傳感器記錄的數(shù)據(jù)太多了，行駛一小時(shí)可能就收集了幾百 GB 數(shù)據(jù)，這時(shí)候我們就需要有個(gè)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(fā)生了什么事情，這就是我的工作內(nèi)容。

現(xiàn)在法律要求無人車上路一定要有司機(jī)，如果出問題司機(jī)要及時(shí)停車。如果前面有行人在過馬路，但車沒有停，得靠司機(jī)踩剎車。之后你就要去分析為什么無人車在當(dāng)時(shí)那個(gè)情況下沒有停車。車是在一個(gè)三維的環(huán)境里面跑，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(dāng)時(shí)的場景，我們很難知道當(dāng)時(shí)到底發(fā)生了什么。

你要分析車在當(dāng)時(shí)看到了什么東西。攝像頭和激光掃描有沒有正常識別周邊環(huán)境？識別周邊后，車有沒有識別出那是人，成功識別之后有沒有判斷到這個(gè)人五秒鐘后會走到車的前面。如果這些都做到了，為什么沒停車？我們必須通過重建三維環(huán)境來還原場景，這是所有無人車優(yōu)化的前提。

UX Coffee：

聽起來這種數(shù)據(jù)可視化要比我們平時(shí)在新聞網(wǎng)站或者雜志上看到的數(shù)據(jù)可視化要復(fù)雜得多，你可不可以稍微詳細(xì)介紹一下這背后的原理呢？比如說你們抓的是什么數(shù)據(jù)？你又怎么把它給還原成一個(gè)三維圖形？

消極姐：

無人車上有一種做激光掃描的設(shè)備，抓到的數(shù)據(jù)就是一些三維的點(diǎn)，你把它放在一個(gè)三維空間里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(huán)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(diǎn)是一輛小車還是一輛公共汽車，它會往哪個(gè)方向走，當(dāng)時(shí)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(gè)工作的確跟傳統(tǒng)的數(shù)據(jù)可視化很不一樣。

△ Uber 的自主可視化系統(tǒng)

UX Coffee：

既然無人車的攝像頭已經(jīng)把所有行車時(shí)候的環(huán)境信息都拍下來了，為什么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么信息。比如說你對無人車當(dāng)時(shí)旁邊的這輛車感興趣，你點(diǎn)它就能看到這個(gè)車的相關(guān)的信息。你還可以還原在某個(gè)特定時(shí)間，無人車是怎么預(yù)備做接下來的動(dòng)作的？比如說當(dāng)時(shí)車是怎么規(guī)劃接下來 5 秒、10 秒的行動(dòng)的？它預(yù)備以什么速度換道，什么時(shí)候打燈？這個(gè)工具可以展示車子每一秒的規(guī)劃，然后我們可以把它跟實(shí)際軌跡疊加到一起，看看這車是不是這么行動(dòng)的?？赡芩袆?dòng)到一半的時(shí)候，有其他的情況發(fā)生，它又改變主意了，這些狀態(tài)和變化我們都可以通過這個(gè)工具看到。

數(shù)據(jù)可視化的力量

UX Coffee：

你從很早的時(shí)候就開始對數(shù)據(jù)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(shù)據(jù)可視化項(xiàng)目。你是從什么時(shí)候開始對這個(gè)領(lǐng)域感興趣的？為什么會對它產(chǎn)生興趣呢？

消極姐：

其實(shí)讀建筑的時(shí)候，我就挺喜歡做這些東西的，畫流程圖、交通圖、示意圖實(shí)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(gè)項(xiàng)目叫「天空顏色」，我找到國內(nèi)城市每天空氣質(zhì)量報(bào)告的數(shù)據(jù)，給每個(gè)城市做了一個(gè)天空顏色的色盤，這樣你就能很直觀地看到每個(gè)城市的空氣質(zhì)量歷年變化，它看起來很有視覺沖擊力。如果你結(jié)合這些年每個(gè)城市環(huán)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(gè)城市造成的影響。

△ 部分城市空氣質(zhì)量可視化圖表

在 Uber，我們會記錄 Uber 的車在每個(gè)城市的運(yùn)行的路線和速度，比如，你可以在這個(gè)交通數(shù)據(jù)的可視化圖上看到每個(gè)星期一的早高峰，從城市中心到機(jī)場的時(shí)間。我們收集整理這些數(shù)據(jù)，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(jī)動(dòng)車牌號限行政策之后，就用了 Uber 的這個(gè)數(shù)據(jù)可視化工具來給他們的這個(gè)交通政策做評估。

△ Uber Movement 界面截圖

UX Coffee：

對于在平時(shí)生活中接觸到可視化數(shù)據(jù)的普通大眾，你有什么建議嗎？

消極姐：

我覺得大家要學(xué)會去判斷一個(gè)可視化設(shè)計(jì)做得好不好。最重要的是要去觀察這個(gè)可視化有沒有準(zhǔn)確地、有效地反映它背后的數(shù)據(jù)和信息。有些數(shù)據(jù)可視化，因?yàn)檫x用了錯(cuò)誤的圖形，或者是通過顏色、基準(zhǔn)點(diǎn)的選擇，傳遞出誤導(dǎo)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(zhǔn)確。比如說世界地圖，把一個(gè)球形投影到平面上，肯定會有各種各樣的變形。我們經(jīng)常看的世界地圖，北歐看起來跟非洲差不多大，但實(shí)際上非洲比北歐大多了。俄羅斯和加拿大也是比實(shí)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(xiàn)實(shí)際上都包含了設(shè)計(jì)者的「偏見」和個(gè)人立場。

△ 投影方法不同的世界地圖

消極姐說：

我為什么喜歡做這些可視化？因?yàn)閺恼畔⒐_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(xiàn)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(yuǎn)遠(yuǎn)不夠。

掃描二維碼或微信內(nèi)搜索「UXCoffee」，關(guān)注 UX Coffee 設(shè)計(jì)咖 微信公眾賬號：