В последнее время я размышлял об изменениях мышления, которые машинное обучение привнесло в дизайн, а также о влиянии на дизайн взаимодействия.В этой статье обобщены некоторые заметки и впечатления от чтения, в основном связанные с технологиями искусственного интеллекта, техническим мышлением, дизайнерским мышлением, инструментами дизайна, пользователями. дизайн опыта и т. д.
1
Изменения в образе мышления, вызванные проектированием с помощью машин
- Задача дизайнера - найти лучший дизайн из существующих
Процитирую цитату Микеланджело:
«В каждом каменном блоке есть статуя внутри, и задача скульптора — обнаружить ее».
Внутри каждого камня находится статуя, и работа скульптора состоит в том, чтобы извлечь ее. В дизайне не так? Каким образом мы можем помочь нам «узнать дизайн»?
1.1 Перечисление, метод поиска лучшего ответа в ограниченном пространстве
Как оформить бокал для вина? Например
При проектировании бокала для вина нам необходимо учитывать соотношение между высотой бокала и шириной основания. Чтобы сделать бокал слишком высоким, нам нужно расширить основание, чтобы он не опрокинулся. Когда мы думаем о соотношении между высотой и шириной основания, легко ли заставить чашку опрокинуться? Мы находим ответ на этот вопрос, рассматривая пространства, которые различаются по высоте и ширине. Это типичное «перечисляющее» мышление, сочетающее различные возможности высоты с различными возможностями ширины основания для получения ответа.
1.2 Методы уменьшения размерности для решения реальных сложных задач
Немногие реальные проблемы проектирования состоят только из двух осей изменчивости. Однако с помощью так называемых систем машинного обучения с «уменьшением размерности» можно создать низкоразмерное пространство многомерного пространства признаков. Возьмем в качестве примера лист, уменьшим размерность набора изображений контура листа, и по мере развития обучения алгоритм переконфигурирует положение каждого листа в двумерном пространстве так, чтобы похожие листья находились близко друг к другу. Наконец, сложные изменения листьев отображаются в непрерывное двумерное пространство.
1.3 Дизайн через исследовательский подход
Дайте обычным людям дизайнерское задание: оформить гостиную. Большинству людей будет трудно это сделать, но если бы их попросили просмотреть Pinterest и выбрать понравившиеся элементы в качестве эталона для дизайна, им было бы очень легко выполнить эту задачу. Поскольку у каждого есть врожденное чувство эстетики и дизайна, у каждого есть свое мнение о том, что приятно или полезно. Проектирование посредством «исследования» упрощает процесс проектирования.
1.4 Возможность оформления по языковому описанию
В задачах обработки естественного языка то, как слова представлены в компьютерах, обычно имеет два представления: однократное представление и представление распределения.
Горячее представление представляет каждое слово как длинный вектор. Размерность этого вектора соответствует размеру словаря.Только одно измерение в векторе имеет значение 1, а остальные измерения равны 0. Это измерение представляет текущее слово. Например: Слово «дизайн» может быть выражено следующим образом:
[0, 0, 0, 1, 0, 0, 0, 0, 0, ...]
Представление распределения относится к преобразованию слов в распределенное представление, Репрезентативная технология - это встраивание слов, а технология вектора слов - преобразование слов в плотные векторы, и для подобных слов соответствующие векторы слов также подобны. Например, выражение для слова дизайн может быть таким:
Эта увлекательная механика предлагает совершенно новый взгляд на дизайн. Он позволяет использовать в языке визуальные понятия, такие как описание красоты: минимализм, простота, лаконичность, простота и т. д. Подобным понятиям, используя технологию векторных слов, мы все можем найти четкое математическое выражение.
2
Алгоритм и дизайн RNN
2.1 RNN
RNN имеют возможности автодополнения и широко используются для таких задач, как предсказание следующего символа в текстовой строке или следующей ноты в музыкальном произведении.
Умный текстовый редактор
https://cyborg.tenso.rs/
Текстовый редактор, который может помочь вам автоматизировать создание текста.
Существует также открытый исходный код Google sketch-rnn, который используется в живописи и музыке. На самом деле этапы проектирования также сериализованы, что делать на первом этапе и что делать на следующем. В сочетании с системой рекомендаций музыка или фильмы рекомендуются в соответствии с предпочтениями пользователей.Что касается дизайна, рабочий процесс многих дизайнеров можно использовать для рекомендации подходящих рабочих процессов в соответствии с предпочтениями пользователя. Другим примером является Luban Али, который использует LSTM для имитации процесса проектирования.
2.2 Интеллектуальные инструменты также в определенной степени снижают возможность инноваций
На основе RNN мы можем трансформировать наши инструменты проектирования, но использование эффективных и интеллектуальных инструментов заставляет нас в определенной степени игнорировать другие возможные результаты, а инновационные результаты могут быть скрыты интеллектом.
Возьмем пример поиска маршрута с помощью карты
Возьмем, к примеру, карту: расширенные инструменты позволяют нам быстрее находить лучший маршрут в пространстве поиска, а также снижают вероятность перемещения в любом месте пространства. В этом смысле инструменты не могут расширить область поиска, а вместо этого сужают область нашего исследовательского пространства, в определенной степени уничтожая возможность инноваций.
в перерыве
3
Дизайн пользовательского опыта продуктов ИИ
Все больше и больше продуктов искусственного интеллекта, машины не только выполняют наши команды, но и сами что-то делают. Это изменит то, как пользователи реагируют, ведут себя и что пользователи ожидают от этих продуктов. Наша цель как дизайнеров — создавать полезные и простые для понимания продукты.
3.1 Четко информируйте пользователей о том, что это контент, сгенерированный алгоритмически
Особенно с персонализированными системами рекомендаций, такими как рекомендации фильмов на Netflix, переводы в Google Translate или прогнозирование продаж в системах CRM, иногда неизбежно появление неправильных/странных рекомендаций.
Например, ИИ предсказывает запросы в службу поддержки и четко идентифицирует это как предсказание.
Например, в практике Firebase, помимо предоставления информации о точности прогнозов, пользователи также могут устанавливать пороги риска.
3.2 Объясните, как думают машины
Объясняет, почему мы рекомендуем определенные продукты.
Интерфейс беспилотного автомобиля, показывающий схему всех других автомобилей и пешеходов вокруг владельца. Красная линия также появляется рядом с объектами, требующими особого внимания, такими как велосипедисты и люди, переходящие дорогу.
Инструмент электронного маркетинга Drip. Это не продукт искусственного интеллекта как таковой, у него есть функция подсчета очков, которая показывает вовлеченность подписчиков на новостную рассылку. Нажмите на оценку, и вы получите подробный список действий, объясняющий, почему люди получили свои оценки.
3.3 Дизайн продукта на основе персонализированных данных пользователя
ранее обновлено оTensorFlow.js, трансферное обучение и путь к инновациям продуктов ИИ», пользователи могут обучать свои собственные модели классификации изображений для решения различных задач классификации по очень низкой цене. Мы можем расширить, например, распознавать жесты и действия пользователя для управления персонажами в игре, распознавать выражение лица пользователя, управлять выражением 3D-персонажа, распознавать количество лиц на изображении, автоматически скрывать просматриваемый контент и т. д. предотвратить его подглядывание ... даже Такие приложения, как autodraw, ui2code, распознавание рукописного ввода и т. д., могут попытаться интегрировать персонализированный игровой процесс переобучения данных пользователя, чтобы предоставить пользователям контроль. Каждая новая технология имеет естественный новый способ взаимодействия с ней. Переобучение на основе персонализированных данных пользователя на основе браузера может выделить следующие основные процессы взаимодействия:
—> Установить категорию
—> Собрать данные
--> начать обучение
—> использовать пользовательские данные
—> Основные функции
—> Выполнить задание/получить определенный результат.
Пользователи используют свои собственные данные, и приложение больше соответствует персонализированным характеристикам пользователя, что является «персонализированным» методом разработки продукта, отличным от персонализированной рекомендации.
PS: эта часть контента была предоставлена вам на сайте мероприятия в июне.
4
Знать границы технологии
Как дизайнер, вы должны понимать границы технологий, такие как чат-боты, не понимающие контекст, или люди, дающие им простые, но неожиданные команды. Странных результатов можно эффективно избежать, если перед проектированием хорошо понять используемые технические ограничения.
В предыдущих статьях "Нужно ли дизайнерам/менеджерам по продуктам разбираться в технологиях?? «Также упоминаются другие случаи, вы можете нажать, чтобы просмотреть, если вы заинтересованы. и насМероприятие Smart Product Architect в Mixlab, чтобы помочь участникам понять технические границы и освоить метод интеллектуальной архитектуры продукта.
Рекомендуем больше статей
От раскадровки до DIY, чтобы создать генератор комиксов-01
Страшное применение искусственного интеллекта ужасным ИИ
Сделай сам дизайнер ювелирных изделий с искусственным интеллектом v1.0
использованная литература
1
https://medium.com/artists-and-machine-intelligence/rethinking-design-tools-in-the-age-of-machine-learning-369f3f07ab6c
2
https://www.tensorflow.org/tutorials/word2vec
3
https://uxstudioteam.com/ux-blog/ai-ux/