Прототипирование UX для AI

Создание прототипов UX для AI

В проектировании, ориентированном на человека, и гибкой разработке программного обеспечения трудно переоценить важность прототипирования. Прототипы - это невероятные инструменты с низкими инвестициями для обучения и проверки. Этот предварительный опыт необходим, когда дело доходит до ИИ, учитывая его огромные накладные расходы (например, сбор данных, построение моделей, тестирование надежности и обслуживание). Поэтому имеет смысл создать прототип продукта заранее.

Но как UX-команды могут создавать прототипы на основе искусственного интеллекта?

Именно об этом и просила наша команда при создании Конструктора Эйнштейна. В отличие от традиционных программных инструментов, которые можно протестировать с помощью прототипа с линейным щелчком, инструменты ИИ часто открыты. Например: пока файл загружен или нет, чат-бот или голосовой помощник нуждаются в гибких вариантах ответа.

В этой статье я расскажу о шести различных методах прототипирования, которые мы использовали.

Этапы прототипирования ИИ

В любом проекте ИИ есть два основных этапа (которые могут происходить одновременно): видение продукта и разработка модели. Для каждой из этих двух фаз есть две широкие категории прототипов: прототипы значений и прототипы взаимодействия.

На этапе видения продукта прототипы помогают ответить на вопросы: какой продукт мы должны производить и как люди должны взаимодействовать с ИИ? Прототипы не помогают напрямую ответить на этот вопрос, но они помогают проверить свои гипотезы. Как обсуждалось выше, прототипы представляют собой более дешевую альтернативу созданию полного продукта, позволяя вашей команде изучить несколько вариантов и получить отзывы от заинтересованных сторон и пользователей о потенциале каждого из них. Ответы на эти вопросы для самой модели очень похожи, но более детализированы. Из всего, что может сделать система, не все будет предсказанием. Прототипы модельных значений могут помочь вам определить ключевые области, в которых вам нужен ИИ, по сравнению с тем, где эвристика или человек будет лучше.

Когда дело доходит до взаимодействия, прототипы могут помочь вам понять возможные исходные данные и то, как люди хотят их предоставить. Вы можете узнать, как должна работать система. Проблема с ИИ в том, что то, как он должен работать, не всегда совпадает с тем, как он может работать. Создавать для магии так легко, но некоторые прототипы могут помочь сохранить наше воображение реальностью.

Типы прототипов ИИ

Некоторые из них автоматизированы, например прототипы ввода / вывода или эвристические системы. Другие, например, то, что я называю «Волшебником страны Оз» или «Люди как ИИ», требуют поддержки человека. Кроме того, существуют нишевые прототипы, в том числе визуализация данных / рассказывание историй и сценарии с ограничениями, которые предназначены для конкретных нужд проекта. Давайте рассмотрим их все и рассмотрим, как наша команда взаимодействует с каждым из них.

Вход и выход

Это один из самых уникальных прототипов проектов искусственного интеллекта. Это также один из самых дешевых. В этом виде прототипирования вы создаете образцы входов и выходов как средство тестирования ценности этой услуги.

Наша команда сделала это, когда мы нарисовали образцы версий дизайна, которые, как мы надеялись, сгенерирует Einstein Designer при вводе текста и изображения. Чтобы выполнить это, мы просто поместили их на слайд, как показано ниже, и попросили клиентов дать нам отзывы о том, насколько они полезны. Этот простой метод позволил нам узнать, как клиенты использовали, оценивали и сравнивали дизайны.

Люди как ИИ

В ИИ замечательно то, что каждый из нас уже обладает самым мощным ИИ, о котором мы знаем: человеческим разумом. Конечно, мы не можем делать все, что умеют машины (в основном из-за проблем с масштабом и пропускной способностью). Однако мы все еще можем использовать собственный разум для моделирования результатов модели машинного обучения. Если мы, люди, не можем понять некоторые исходные данные, то, скорее всего, вам будет сложно сделать прогноз на основе данных. Это позволяет вам проверить ценность прогноза, если бы это было возможно. Надеюсь, вы сможете найти шаблоны, а затем систематизировать их в модели. В конце концов, именно этим занимаются специалисты по данным каждый день.

Мы использовали людей как ИИ, когда изучали различные способы прогнозирования выбора шрифта на веб-сайте. Чтобы быстро поэкспериментировать с тем, какие функции были важны, мы поместили некоторые образцы данных в Sketch (ниже) и спросили членов команды, какие решения каждый из них примет с учетом предоставленных входных данных. Это позволило нам очень быстро понять, что абсолютный размер шрифта и относительный масштаб шрифта - очень плохие предикторы. Вместо этого мы узнали, что нам нужно спрогнозировать некоторые ориентиры, такие как базовый размер шрифта в дизайн-системе бренда.

Волшебник страны Оз

Этот метод прототипирования похож на предыдущий в том, что люди используются для моделирования модели ИИ. Разница в том, что компании обычно используют это либо для демонстрации видения опыта, либо для тестирования взаимодействия пользователем в реальном времени. Ключ в том, что люди работают вживую за занавесом, чтобы создать отзывчивый опыт, который кажется полностью функциональным. Представьте себе сцену из «Сайнфельда», когда Крамер притворяется Мовиефоном. Другие примеры могут включать удаленного оператора-человека для автоматизированного автомобиля или автоматизированного чат-бота.

В нашем проекте мы сделали это, создав прототип кода с использованием расширений Chrome. Затем мы предварительно заполнили его вручную подобранными результатами. Приложение, показанное ниже, широко использовалось внутри компании, чтобы проиллюстрировать, как будет работать продукт, перед созданием модели.

Визуализация данных и повествование

Хотя эти методы не являются строго методом прототипирования, они все же имеют место в наборе инструментов для создания прототипов искусственного интеллекта. Достаточно взглянуть на всю научно-фантастическую литературу и средства массовой информации. Хотя писатели на самом деле не создают футуристических роботов, они могут перенести нас в это будущее и помочь нам исследовать то, что возможно, желательно и, возможно, даже вероятно. Немного ближе к дому - работа Ника Фостера с Design Fiction - способ облегчить надежные продуктивные разговоры о возможных продуктах, услугах и опыте, которые сделают более пригодным для жилья в ближайшем будущем. Это могут быть фильмы, объекты, веб-сайты, книги или зарисовки.

В рамках нашего собственного проекта мы использовали возможности визуализации данных и рассказывания историй, чтобы помочь объяснить концепцию Einstein Designer и то, как она работает. Эта интерактивная визуализация данных, созданная в сотрудничестве с мастером визуализации данных Moritz Stefaner, использовалась в основной презентации Dreamforce, чтобы объявить Einstein Designer.

Эвристические системы

Эвристические системы, возможно, наиболее близки к тому, что вы обычно представляете как программный прототип. Кроме того, изготовление прототипов обходится дороже. Эти прототипы встроены в код. Однако вместо использования моделей они используют набор эвристических правил, которые аппроксимируют выходные данные модели.

Мы широко использовали их при создании Einstein Designer. Мы создали серию генераторов дизайна, подобных приведенному ниже, которые опробовали различные основанные на правилах методы для прогнозирования стилей шрифтов, макета и даже размещения. Это позволило нам очень реалистично протестировать наш UX, когда пользователям разрешалось загружать любое изображение и вводить произвольный текст. В ходе этого процесса мы узнали, что некоторые из наших взаимодействий между дизайном и исследованием были очень трудными для понимания пользователями. В более поздних версиях мы сосредоточились больше на представлении хороших альтернатив, а не на том, чтобы пользователь мог ориентироваться в дизайне.

Ограниченные сценарии

Наконец, я хотел упомянуть технику, о которой я узнал во время выступления некоторых дизайнеров, стоящих за функцией «умного создания» в Gmail (ниже). Этот метод тесно связан с эвристическими системами, но помогает ограничить сложность. В их случае они хотели создать прототип, как для пользователя предлагать реальные фразы и пробовать различные взаимодействия с клавиатурой. Для этого им нужен был реальный прототип кода, но, очевидно, пока они не могли построить всю модель. Поэтому они выбрали очень узкий сценарий: электронное письмо на день рождения. Это позволило им решить проблему с помощью грубой силы. Был составлен длинный список всех возможных предложений и фраз для дня рождения, которые может ввести пользователь, и они провели простое сравнение текста, чтобы предложить правильный ответ.

Хотя у меня не было возможности использовать этот прототип, что мне нравится в нем, так это умный способ, которым команда ограничила проблему, чтобы они могли быстро создать прототип решения.

Проблемы прототипов ИИ

Как показывают эти различные методы, прототипирование UX для AI представляет некоторые уникальные проблемы, которых нет в традиционном программном обеспечении и услугах. Я упомянул заранее, насколько сложен фундаментальный открытый формат ИИ, потому что он требует обработки множества возможных пользовательских входов с таким же огромным количеством выходов. Я также хочу выделить дополнительные проблемы, связанные с предвзятостью, которые нельзя упускать из виду.

Прогнозы

Как узнать, как на самом деле отреагирует система? Это не похоже на классический программный продукт, в котором вы можете создавать образцы данных для своего прототипа. Вместо этого система искусственного интеллекта должна генерировать правдоподобные прогнозы. На первый взгляд это может показаться простым. Фактически, это может быть настолько просто, что вы создаете прогнозы, которые на самом деле не отражают выходных данных модели. По этой причине крайне важно разрабатывать прототип в тандеме с инженерами, которые могут помочь направить сценарий в правильном направлении.

Например, при отрисовке проектов, созданных с помощью прототипов, мы тщательно выделяли свойства, которые были изменены в Sketch. Мы взяли шрифты, размеры, цвета, кернинг и т. Д. Прямо с сайта бренда. Затем мы работали только с макетом и выравниванием, чтобы создать дизайн. Хотя мы могли бы воспользоваться всеми видами вольностей, которые легко сделать людям, мы этого не сделали, потому что было важно изучить, каким будет вероятный результат модели.

Этика

Наконец, нельзя забывать об этике. У прототипов нет предвзятости модели, поэтому нам нужно прямо обсудить предвзятость модели и непредвиденные последствия продукта. Прототипы также не раскрывают явно потенциальных негативных последствий продукта. Однако они могут помочь в разговоре о негативных последствиях. Рассказывание историй может быть полезным инструментом для непосредственного изучения этих последствий. Попробуйте попросить членов команды написать, нарисовать или описать возможные сценарии.

Прототипы также отлично подходят для определения контекста и согласования участников семинаров вокруг идеи. После подготовки использование такой методики семинара, как сканирование последствий, может стать отличным способом поговорить об этике. Обязательно включите упражнения, которые помогут людям рассмотреть широкий спектр возможных результатов. В конце концов, никто не ожидал, что Alpha Go победит Ли Седола в 2016 году, но это произошло. Будущее имеет свойство подкрадываться к нам.

Ознакомьтесь с модулем« Этика по дизайну на сайте Trailhead
Узнайте об этическом дизайне и о том, как включить его в разработку технологий. trailhead.salesforce.com»

Теперь вы знаете больше, чем несколько способов, с помощью которых UX-команды могут создавать прототипы на основе искусственного интеллекта.

Посмотрите, что лучше всего подходит для вашего проекта и какая точность соответствует вашим потребностям. Выбирайте из автоматизированных или поддерживаемых человеком типов, включая ввод и вывод; Люди как ИИ; Волшебник страны Оз; Визуализация данных и рассказывание историй; Эвристические системы; и сценарии с ограничениями. Если у вас есть альтернативы, которые сработали для вас, поделитесь в комментариях. Небольшой обмен может иметь большое значение.