将设计思维应用于人工智能
2023/4/30 18:22:18
本文主要是介绍将设计思维应用于人工智能,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!
选择正确的项目管理方法对于您的项目开发至关重要。它将帮助您避免错误,加速整个过程,并支持发现目标群体的问题。只有在深入了解目标群体的需求后,您才能制定解决他们问题的解决方案。
人工智能正在成为我们生活中更大、更重要的一部分。基于人工智能的产品和服务将无处不在,从 自动驾驶汽车到Siri等语音助手。设计思维是 可以在资源有限的不可预测的环境中以精益、迭代的方式运行设计人工智能系统的过程。人工智能不遵循可预测的规则和行为,针对 人工智能进行设计需要 与其他类型的技术设计需要不同的技能。 今天,我们想告诉您更多关于人工智能项目如何影响您的流程以及如何将其实施到您的流程中。
什么是设计思维?
“设计思维”(Design Thinking)最早发源于设计界,是一套科学的提升创造力的训练方法,具有广泛的适用性,因而被各行各业借鉴。 斯坦福大学设计学院把它归纳成一套科学方法论后,迅速风靡全球,成为企业培养创新型明星雇员的高效训练法。“设计思维”五部曲是快速提升创造力的方法,对各行业都具有可借鉴性。
设计思维是创建软件开发过程的最古老(但仍然是现代)的方法之一。 这个方法从用户需求开始,并将他置于整个开发的中心。用户的需求、情感、感受和 对于开发团队来说,问题应该是最重要的事情。
在敏捷或Scrum时代的方法论中,有一段时间,在IT领域的设计思维不是最受欢迎的。但它的受欢迎程度在正不断增长,因为实现设计思维是为您的项目提供一些明显的改进 - 例如更快,更好的决策,可以帮助您获得清晰的信息,了解目标群体的问题,降低整个项目的风险等。
设计人工智能需要与其他类型的技术设计不同的技能,因为人工智能不会遵循可预测的规则和行为。 这意味着需要尽可能创建以人为本的解决方案,考虑每天使用这些技术的人的需求、情绪、感受和想法,以及他们在使用此类基于人工智能的产品或服务时可能面临的所有问题。
人工智能项目需要的不仅有好的、合乎道德的设计,还需要有可靠的数据源。每个项目都是不同的,但项目经理的数据科学知识对于成功的研究和开发至关重要。
设计师应该专注于人工智能设计思维,创造以人为本的人工智能产品和服务。这就是为什么它是 对于人工智能设计师来说,遵循与其他类型的技术相同的设计思维过程至关重要,但也要考虑情绪、感受,每天使用这些技术的人的想法,同时考虑到所有问题, 包括人工智能伦理。
问 责
在人工智能项目中,问责制至关重要,因为基于人工智能的产品和服务已经在影响我们的日常生活。 进行人工智能设计思维的设计师在各个方面使用人工智能时应考虑人们的生活的所有可能的场景,同时考虑到实际使用过程中可能出现的不同类型的风险。如果人工智能系统做出特定决定,谁应该对此负责?人工智能系统决策是最终决定,还是人工监督?
可解释性
深度学习系统通常像黑匣子一样工作。在某种程度上,所有人工智能解决方案都可以而且应该是可解释的。人工智能设计师需要了解人工智能不是一个魔盒,并且有一些关于它如何工作的规则,这意味着人们可能知道为什么人工智能, 在特定场景中以何种方式行事。
信任
基于人工智能的产品和服务可能不容易信任。人工智能算法通常是不透明的,并且缺乏解释性的人工智能可能导致过度依赖人工智能。设计思维是一种工具,可让您通过设计系统来建立对 人工智能 的信任,为用户提供清晰的反馈循环,以便他们了解 人工智能算法的作用。
人机交互
设计思维方法是一个很好的框架 基于人工智能的产品和服务,因为它鼓励您从最终用户的角度和重点考虑人工智能可能的互动。 在这种情况下,设计思维相对于其他方法的主要优势在于,它允许设计人工智能解决方案。 通过考虑输入数据、算法过程、输出以及可以使用 人工智能的所有可能场景。设计师对人工智能决策过程有更多的控制权,这使得人工智能比编程语言的歧义要小得多。
斯坦福大学设计学院(d.school)提出的五阶段设计思维模型。设计思维的五个阶段如下:移情、定义(问题)、构思、原型和测试。
第 1 阶段:移情(Empathize)——理解用户的需求
首先,我们需要将过去的经验和对世界的假设抛在脑后,通过调查问卷、访谈、直接观察、网上论坛、研究报告资料等深入了解目标受众需要什么、他们的行为、感受和思考方式。进一步,我们需要挖掘为什么他们在现实环境中与产品交互时展示此类行为、感受和想法,从而做到真正洞察用户、对即将解决的问题有一个感同身受的理解。找到驱动用户行为和需求的潜在因素和动机是成功设计的核心因素。
这个阶段专注于对产品用户的同理心。你应该聚集你的员工、客户、用户不同的社会、心态、经历、团体,并与他们合作,发现他们的感受、想法和期望。 想想如何通过您的产品或服务改善他们的生活。 记住在你的发展过程永远是人和他的需求。您正在实施一个后台人工智能平台,有很多 利益相关者参与每个过程,第一阶段是关于感觉和未来的目标和机会。这在实现人工智能时,阶段变得更加复杂,因为您可能需要了解一些 ML 模型、神经网络或数据分析。思考人工智能的可行性至关重要 在项目开始时避免将复杂的实施过程融入到现有的解决方案中。
除了被动地在自然环境中观察他们或在采访中与他们互动以外,我们也可以代入用户的角色去体验他们的经历,即俗话说的穿上他们的鞋子走上一公里,以便更深入地了解他们的真实情况。
第 2 阶段:定义(Define)——陈述用户的需求和问题
基于我们已经获得的用户信息,我们需要进一步的分析观察结果,提炼洞察,并形成问题陈述——即定义我们需要解决的核心问题。在构建问题的过程中,我们可以通过创建代表性的角色把思路聚焦于用户,这有助于我们发现不同用户的共性和差异。好的问题定义将指导我们朝着正确的方向启动构思解决方案。
在与代表不同世界的人互动后,您可以定义您的目标群体和目标挑战。 想想人工智能的机会。选择一个有特定和合理需求的群体,并专注于他们的问题 实施您的人工智能解决方案。您将清楚地看到整个图片并选择您想要的图片 与您的项目地址。现在是提出问题、寻找见解并深入研究问题的时刻。
第 3 阶段:构思(Ideate)——挑战假设并创造想法
基于问题陈述,我们可以通过再次重构问题引发方案构思,句式有如:“我们可以如何……”或“我们可以以何种方式……”。这些问题的范围也应该足够窄,以便创建更为具体的解决方案。 你召集你的团队,集思广益,想出您脑海中所有可能的想法。这个阶段的目标是释放团队的创造力,找到 解决目标群体问题的一些新的和不常见的方法。 您可以可以从语义寒数开始,确定需要哪些 人工智能算法、工具和 在此阶段在项目中使用的技术。
第 4 阶段:原型(Prototype )——开始创建解决方案
制作原型实际上是一个实验阶段。我们需要基于上个步骤得到的解决方案,制作一些低风险的、廉价的、按比例缩小或者低保真版本的产品来调查我们想法的可行性, 通过这种人工智能开发方法,您将选择基于Semantic Kernel开发一个完美的最终软件。从Semantic Kernel的使用示例开始操作,或将人工智能添加到您的应用程序里。
第 5 阶段:测试(Test)——尝试您的解决方案
一旦原型完成,可以先初步自行尝试原型演练,检查一下涉及的流程是否完整、操作是否能顺利执行。我们需要让尽可能多的目标受众测试原型,确保用户能够明白如何使用产品,以及进一步探索如何才能更有效地满足他们的需求,并基于测试结果返回之前的阶段重新定义一个/多个问题,或者进行迭代与改进。测试可以贯穿在设计思维项目的整个过程中,一般情况下,它与原型阶段同时进行。测试可以帮助团队获悉无价的用户反馈,重新审视潜在的解决方案和策略列表,以便建新方法来解决新发现的问题。
设计思维的优势
满足利益相关者的需求
使用设计思维方法构建的产品,用户在使用时会得到更高的满意度。作为您的用户 始终处于产品开发的中心,客户满意度应始终是您的主要目标。
提高 人工智能投资的投资回报率
您花在设计思维练习上的时间可以确保您的长期 人工智能投资。每个企业有自己的特点和需求。这就是为什么机器学习的实施应该是量身定制的。设计思考有助于找到痛点并定义组织中 人工智能的业务案例,从而有助于转向 您的 人工智能梦想成为一项有利可图的投资。
创新
设计思维过程的构思阶段旨在以非标准的方式思考,跳出框框思考。 这种方法可以引导您解决从未考虑过的问题的方法。最后,这可能会对您有所帮助 创建一个非常创新的解决方案,在市场上脱颖而出 - 甚至成为它的领导者!
降低故障风险
当您详细调查目标群体及其问题时,您开发产品的机会 这将满足他们的需求增加,您的产品成功的机会更高。
总结
设计思维方法将伴随我们很长时间。它证明它是用来开发人工智能产品或服务的有用方法。 但这绝对不是一件容易的事,某些组织可能会遇到问题。这就是为什么寻找可靠的合作伙伴很重要 ,在此过程中为您的团队提供支持 - 从战略会议开始,直到成功的测试结束。
这篇关于将设计思维应用于人工智能的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!
- 2024-12-22程序员出海做 AI 工具:如何用 similarweb 找到最佳流量渠道?
- 2024-12-20自建AI入门:生成模型介绍——GAN和VAE浅析
- 2024-12-20游戏引擎的进化史——从手工编码到超真实画面和人工智能
- 2024-12-20利用大型语言模型构建文本中的知识图谱:从文本到结构化数据的转换指南
- 2024-12-20揭秘百年人工智能:从深度学习到可解释AI
- 2024-12-20复杂RAG(检索增强生成)的入门介绍
- 2024-12-20基于大型语言模型的积木堆叠任务研究
- 2024-12-20从原型到生产:提升大型语言模型准确性的实战经验
- 2024-12-20啥是大模型1
- 2024-12-20英特尔的 Lunar Lake 计划:一场未竟的承诺