在本章中，我們將探討 AI 可以偵測的各種類型的異常 (anomalies)，並為這些使用案例提供 UI 設計建議。掌握本章內容將使 UX 設計師和產品經理能與他們的數據科學和工程同事進行高品質、詳細的對話，並討論介面設計的重要考量。本章還將探討 UI 最佳實踐，以微調您的系統，從而優化可用性並避免偽陽性 (false positives) 和偽陰性 (false negatives)。
為何偵測異常很重要？ (Why Is Detecting Anomalies Important?)
異常偵測在廣泛的使用案例中都很有用：
關鍵生產問題的識別 (Identification of Critical Production Issues): 某個特定電信塔的訊號強度突然顯著下降，很可能指向一個關鍵問題，例如設備故障。異常偵測可以幫助工程師及早發現問題並進行修復，以免影響服務品質。
品質控制與保證 (Quality Control and Assurance): 在製造業（尤其是在六標準差工場），生產線上的小工具測量出現異常，可能預示著品質控制問題。識別此異常有助於製造商找出問題根源，改善製造流程，並確保生產高品質的小工具。
安全與詐欺偵測 (Security and Fraud Detection): 在金融業，一張信用卡在短時間內於不同國家進行多筆高額交易，可能表示有詐欺活動。及早偵測此類異常能提醒銀行凍結該卡，以減少責任損失並阻止駭客行為。
預警系統 (Early Warning System): 異常在工業機械的預測性維護中扮演著關鍵角色。例如，工業機器的某個特定組件的震動或溫度讀數異常升高，可能預示著即將發生故障。及早偵測異常能讓維護團隊安排及時的修理或更換，防止意外停機。
改善決策制定 (Improving Decision-Making): 在一個電子商務平台，特定時段內（例如，由於行銷活動）網站流量超出正常模式的突然激增，可被視為「好的」異常。成功識別此異常能讓行銷團隊即時調整策略，利用增加的興趣並可能提升銷售。
合規與監管 (Compliance and Regulation): 製藥業的製造過程通常特別嚴格，以避免產品污染。偵測過程中的異常（例如化學反應時間過長）對於遵守法規至關重要。識別並處理這些異常能確保公司符合品質與安全法規，避免昂貴的罰款與訴訟。
雖然 AI 可以偵測許多不同類型的異常，本書將重點關注在各行業中廣泛認可的四種主要類型。設計 UI 以偵測這四種類型異常的考量，在複雜的使用案例中具有廣泛的適用性和指導意義。
四種主要的異常類型 (Four Main Anomaly Types)
雖然對所有各種異常類型進行完整分析遠超出本書的範疇，我們可以從 Andrew Maguire 極其實用且充滿智慧的異常分類 (1) 中汲取靈感，來檢視四種主要的異常類型及其各自的介面設計考量
Keep reading with a 7-day free trial
Subscribe to AI 素養與隱私體驗 to keep reading this post and get 7 days of free access to the full post archives.