Dołącz do czytelników
Brak wyników

Użyteczność

20 marca 2019

NR 43 (Grudzień 2018)

UX of AI – podejście do projektowania i badania interfejsów wspomaganych sztuczną inteligencją

345

Sztuczna inteligencja wkracza do wielu dziedzin życia. Projektowanie intuicyjnych i przyjaznych produktów opartych na mechanizmach sztucznej inteligencji stanowi obecnie spore wyzwanie. Co to znaczy dla projektantów i badaczy UX? Artykuł prezentuje podejście do procesu powstawania produktu opartego na SI.

Jak działa sztuczna inteligencja?

Rozwiązania bazujące na SI (Sztucznej Inteligencji, ang. Artificial Intelligence, AI) stają się powoli nowym standardem. To, co jeszcze niedawno było futurystyczną mrzonką, jest już dla nas codziennością. Asystenci głosowi (Siri, Alexa), podpowiedzi w wyszukiwarce, autonomiczne samochody czy aplikacje, które analizują to, co widzą – wszystkie te rozwiązania bazują na sztucznej inteligencji i uczeniu maszynowym. W uczeniu maszynowym odpowiednie algorytmy umożliwiają zautomatyzowanie analizy danych. Systemy uczące doskonalą swoje działanie na podstawie doświadczenia, czyli uczą się na swoich błędach. 
W praktyce jednak zastosowania SI cechują się słabą użytecznością. Za przykład niech posłużą wpadki inteligentnych asystentów (rys. 1). Wiele jest jeszcze do zrobienia.

POLECAMY

 

Rys. 1. Wpadka Siri – na pytanie: „Gdzie mogęobejrzeć sztukę Szekspira?” odpowiada „Czego
byś chciał posłuchać?”. //bit.ly/2NWbpBT

 

Z czym SI sobie nie radzi?

Problem dla technologii (głównie chatbotów, asystentów głosowych i wyszukiwarek) stanowi pragmatyka języka. Ludzie, rozmawiając ze sobą, nie mają najmniejszych problemów z presupozycjami i implikaturami, ale maszyna już tak. Presupozycje to sensy wyrażeń, które nie są wyrażane wprost i zawierają w sobie ukryte założenia (np. presupozycją zdania „Kasia martwi się o Tomka” jest m.in. „Kasia zna Tomka”). Implikatura (inaczej znaczenie implikowane) to natomiast sens niedosłowny wypowiedzi. 

Dla przykładu:

w pomieszczeniu znajdują się dwie osoby i jedna z nich mówi „Zimno mi”. Druga osoba wie wówczas, że powinna zamknąć okno. Odbiorca tego zdania nie tylko rozumie znaczenie usłyszanych słów, ale także prawidłowo odczytuje intencje mówiącego.

Dla ludzi jest to naturalne, że „czytają między wierszami”. Stoją jednak za tym skomplikowane operacje logiczne. Sztucznej inteligencji często trudno zrozumieć wypowiedź czy polecenie, bo nie ma szerszego kontekstu i nie posiada (przynajmniej na razie) mechanizmów podobnych do ludzkiego rozumowania. 

AI-enabled UI

Mimo niedoskonałości interfejsy wspomagane sztuczną inteligencją stosowane są w produktach takich jak np. Netflix, Spotify, IBM Watson czy Nest Learning Thermostat. Symulują one funkcje poznawcze, które ułatwiają interakcję człowiek – komputer. Netflix posiada dość dokładną technologię predykcyjną, która bazuje na reakcjach użytkownika na filmy. Algorytm analizuje ogromne ilości danych, by podpowiadać filmy, które mogą spodobać się danemu użytkownikowi, opierając się na jego poprzednich wyborach filmowych. Technologia ta staje się coraz bardziej inteligentna z upływem czasu i powiększaniem się zbioru danych.  
Kolejnym przykładem są Gmail i LinkedIn, które także używają SI – pomagają użytkownikom, podsuwając inteligentne odpowiedzi. Technologie te są wciąż ulepszane, by poprawiać ich user experience.
Ulepszany jest także Google Now. Inteligentny asystent od Google stał się niemal pięć razy lepszy w ciągu czterech lat. Przewiduje się, że współczynnik błędu będzie malał wraz z upływem czasu, tak że rozpoznawanie słów będzie bliskie perfekcji. 

 

Rys. 2. LinkedIn, przykład smart replies

 

 

Rys. 3. Gmail, przykład smart replies na e-mail z załącznikiem


 



Od czego zacząć?

Jak więc powinien wyglądać proces projektowania UX produktu opartego na SI? Należy pamiętać, że w procesie projektowania powinno się skupiać nie na technologii, ale na użytkowniku. Jakkolwiek banalnie to brzmi, często się o tym zapomina. Jak mówi Jakob Nielsen (//bit.ly/2p0yWn3), UX to nie magia, tylko pewna metodologia. Mamy zatem zbiór metod, które powinno się stosować na określonych etapach procesu. Zaczniemy od fazy pierwszej, czyli badania potrzeb – na tym etapie badacze mogą zrozumieć docelowych użytkowników i przygotować właściwe kryteria dla działania algorytmów (dzięki któremu powstanie zbiór danych uczących – training dataset). Jakie metody badań byłyby przydatne na tym etapie? Na przykład indywidualne wywiady pogłębione (In-depth Interview – IDI) czy wywiad kontekstowy będący jedną z metod badań etnograficznych. 

 

Rys. 4. Spotify, Personalizowane rekomendacje utworów (na podstawie
słuchanych przez użytkownika) prezentowane jako osobna sekcja

 

Rys. 5. Filmweb, przez dodanie ikony oraz wartości procentowej
użytkownik jest informowany, że jest to jedynie predykcja algorytmu


 

Rys. 6. Google, Użytkownik może ocenić, czy prezentowane treści są dla niego przydatne

 

 

Wskazówka

Właściwie przeprowadzone wywiady indywidualne pozwalają poznać wzorce zachowań użytkowników, ich przyzwyczajenia, poznać naturalny język, którym się posługują. Pozwalają wnioskować o potrzebach użytkowników, stanowią także dobrą bazę do opracowania person.

 

Wskazówki do procesu projektowania 

Po właściwie przeprowadzonym researchu można przystąpić do tworzenia pierwszych koncepcji, procesów i prototypów. Podczas projektowania interfejsów opartych na SI warto mieć na uwadze kilka kwestii. Po pierwsze użytkownik powinien wiedzieć, że dana treść została wygenerowana przez SI (co można osiągnąć, oddzielając czy wyróżniając te treści wizualnie, rys. 4). 
Jako że działanie SI w niektórych przypadkach cechuje się małą dokładnością, należy wskazać użytkownikowi, że jest to tylko predykcja (rys. 5). 
Działanie SI w niektórych przypadkach może powodować dezorientację. Dlatego warto wyjaśnić użytkownikowi działanie algorytmu, czyli np. na jakiej podstawie zostają mu prezentowane dane treści. Przykładowo, gdy użytkownik szuka restauracji w pobliżu i zostaje mu wyświetlona lista samych sushi barów, powinna zostać wyświetlona informacja, że są to jedynie propozycje, które zostały przygotowane na podstawie jego preferencji. 

Wskazówka

Dobrą praktyką jest także zamieszczenie opcji dodania feedbacku (odnośnie do działania algorytmu). Takie rozwiązanie często stosuje Google (rys. 6). To sposób na doskonalenie algorytmu – powiększa się zbiór danych uczących.


Ponadto opcję dodania feedbacku można zaprojektować w formie mikrointerakcji, np. gdy po wystawieniu feedbacku dostarczana jest użytkownikowi wizualna gratyfikacja. Uatrakcyjnia to interfejs i poprawia doświadczenie użytkownika. 
Rozwiązania powinny być zaprojektowane tak, by minimalizować wysiłek poznawczy. Nie chcemy, by użytkownik głowił się nad tym, co powinien kliknąć lub zrobić – powinien skupić się na osiągnięciu swojego celu. Dobrze, by wszelkie interakcje bazowały na podstawowej wiedzy i umiejętnościach docelowego użytkownika. Taki cel osiągają np. naturalne interfejsy użytkownika (Natural User Interface – NUI). To taki typ interfejsu, z którym interakcja bazuj...

Pozostałe 70% treści dostępne jest tylko dla Prenumeratorów

Co zyskasz, kupując prenumeratę?
  • 6 drukowanych wydań magazynu Online Marketing
  • Dodatkowe artykuły niepublikowane w formie papierowej
  • Dostęp do czasopisma w wersji online
  • Dostęp do wszystkich archiwalnych wydań magazynu oraz dodatków specjalnych
  • ... i wiele więcej!
Sprawdź szczegóły

Przypisy