Nul
Google ‘ s user experience (UX) – fortalerne har delt, hvordan de har været i stand til at anvende en potent nyt redskab til at fremme og integrere human-centered design i projekter: machine learning. I en nylig post, Josh Lovejoy, UX-Designer for Google, beskriver den proces, som han og hans team, der er ansat til at integrere, hvad de kalder “human centered machine learning” til en nyere initiativ.
Foto: Joe McKendrick
“Vores team på Google fungerer på tværs af virksomheden for at bringe UXers op til hastighed på kernen [machine learning] begreber, forstå, hvordan man bedst kan integrere machine learning i UX nytte bælte, og sikre, at vi er ved at bygge machine learning og AI i den inkluderende måder,” Lovejoy forklarer. En stor del af den menneskelige-centreret machine learning gik ind i udviklingen af Google-Klip, en intelligent kamera, der lærer og vælges fotos, der er meningsfuld for brugerne. Målet var at hjælpe brugere af kameraet undgå at tage utallige billeder af de samme emner i håb om at finde en eller to standouts.
Machine learning-systemer, der blev uddannet til at opsøge de bedste fotos, — men det kræver en del træning for at få den rigtige model, Lovejoy vedrører. Plus, en hel del af den nytænkning, der var forpligtet til at reducere kompleksiteten af brugergrænseflader.
I et tidligere indlæg, Lovejoy og en kollega, Jess Holbrook, der er skitseret syv grundlæggende principper bag human-centered machine learning, der blev anvendt til Google Klip projektet:
- “Du skal ikke forvente machine learning til at finde ud af, hvad problemerne til at løse” “Spørg dig selv, hvis machine learning vil løse problemet på en unik måde,” Fake it med personlige eksempler og guider” (Spørg deltagere på brugeren forskning sessioner til at teste med deres egne data.) “Afveje omkostninger af falske positiver og falske negativer” (Afgøre, hvilke fejl er de mest virkningsfulde brugerne), “Plan for co-læring og tilpasning” “Lær din algoritme, der anvender de rigtige etiketter” (systemet skal være uddannet til at være i stand til at besvare spørgsmålet “Er der en kat i dette billede?”) “Udvid din UX familie, machine learning er en kreativ proces” (Machine learning er ikke kun for ingeniører, alle har brug for at få involveret.)
I sin seneste opdatering, Lovejoy udtrykker nogle universelle sandheder Google hold har lært, og nu følger i processen med at bruge AI til at producere bedre UX:
UX fortalere nødt til at forstå, machine learning. Det er vigtigt, at software-designere, såvel som udviklere, har en forståelse af, hvad AI og machine learning vil bringe til bordet. “Det vil være vigtigt, at de forstår, at visse centrale ML begreber, pak fordommene om AI og dens muligheder, og juster om bedste praksis for at opbygge og bevare tillid,” Lovejoy siger.
Brugernes behov er alt. Uanset hvor avanceret teknologi, er det alene ikke kan identificere og løse problemer, eller agere på forretningsmæssige muligheder. Lovejoy vedrører. “Hvis du ikke er på linje med et menneske har brug for, du kommer bare til at opbygge et meget stærkt system til at løse en meget lille-eller måske ikke-eksisterende–problem,” Lovejoy vedrører.
Det handler om tillid. Mange medarbejdere-og ledere for den sags skyld — har en frygt for AI. Simpelthen engineering AI ind i processer og produkter uden deres input vil kun forværre denne frygt.
Det er om virksomheden og dens virksomhedskultur. Som med alle vigtige teknologiske udvikling, en negativ eller siloed virksomhedskultur vil kun føre til modstand og dysfunktion. “Alle facetter af ML-næring og medieret af menneskelig dømmekraft; fra ideen om at udvikle en model i første omgang, at de datakilder, som er valgt toget fra, at prøven data i sig selv, og de metoder og etiketter, der bruges til at beskrive det, hele vejen til succes-kriterier for forkerthed og rigtighed,” siger Lovejoy.
Relaterede Emner:
Virksomhedens Software
Digital Transformation
CXO
Tingenes Internet
Innovation
Intelligente Byer
0