Очеловеченное машинное обучение

UX-дизайнеры Google Джош Лавджой и Джесс Холбрук рассказали, на что обратить внимание при создании проектов с машинным обучением.

Машинное обучение — набор методов, позволяющих компьютеру выявлять закономерности и взаимосвязи в данных без программирования вручную. Сегодня этот мощный инструмент используется и для создания персональных рекомендаций на Netflix, и для проектирования сложных динамических систем вроде беспилотных автомобилей.

Всё больше и больше разработок задействуют машинное обучение. Становится очевидным, что UX-дизайнерам ещё многое предстоит узнать о том, как сделать взаимодействие с технологией понятным для пользователей.

Рано или поздно машинное обучение заставит нас по-новому взглянуть на все разработанные когда-то системы. В Google UX мы развиваем концепцию машинного обучения, ориентированного на человека.
Используя такой подход, мы можем одновременно работать с большим количеством платформ. Это помогает понять, как машинное обучение взаимодействует с пользователем при решении поставленных им задач, как применяются методы, доступные только этой технологии.

Наша команда работает со всеми UX-дизайнерами Google, рассказывает им об основах машинного обучения, помогает сделать машинное обучение частью их навыков. Мы следим за тем, чтобы разработка технологии машинного обучения и искусственного интеллекта велась в тесном взаимодействии.

Если вы только начали работать с машинным обучением, то вас, должно быть, немного поразило невероятное пространство для творчества, которое оно открывает. Однако не стоит торопиться. Дайте себе время освоиться.

Чтобы помочь дизайнерам не потеряться на этой новой территории машинного обучения, мы составили небольшое руководство из семи пунктов. Этот список — результат нашей работы с различными командами Google (а также немалой порции проб и ошибок). Он поможет вам обратиться прежде всего к пользователю, быстро включиться в работу и понять, как много возможностей открывает машинное обучение.

1. Не думайте, что технология машинного обучения сама узнает, какие задачи решать
О машинном обучении и искусственном интеллекте сейчас говорят на каждом углу. По этой причине многие компании и разработчики пытаются задействовать данную технологию для решения определённых задач, пропуская важный этап — выявление этих задач.
2. Так ли необходимо машинное обучение для решения вашей задачи
Постарайтесь определить, какие функции системы требуют применения машинного обучения, какие станут лучше с применением этой технологии, а какие останутся прежними или вовсе потеряют в качестве. Существует множество важных проблем, решение которых не требует применения таких алгоритмов.
3. Не бойтесь хитростей
Настоящим вызовом при разработке продуктов с машинным обучением является прототипирование. Невозможно сделать хорошо и быстро, если ваша система использует уникальные данные пользователей. Однако есть два подхода, которые могут вам помочь: обучение на примерах участников и метод «Волшебник страны Оз».
В первом случае (при раннем тестировании) попросите участников подготовить личную информацию — фото, контакты, плейлисты или кино (ведь всем нравится обсуждать любимые фильмы, не так ли). Не забудьте уточнить, что все данные будут удалены после тестирования.
4. Какова цена ошибки
Ваша система будет ошибаться. Поэтому важно понять, как будут выглядеть эти ошибки и как они повлияют на опыт пользователей. Для этого нужно составить матрицу ошибок. Это краеугольный камень машинного обучения, показывающий последствия верных и неверных решений системы.
5. Учите и учитесь
Самые полезные системы машинного обучения со временем улучшаются на основе когнитивных моделей пользователей. Человек, взаимодействуя с системой, влияет на неё, изменяя ответы, которые получит в будущем.
Эти изменения переиначат принцип взаимодействия пользователя с программой и, следовательно, его когнитивные модели. Это замкнутый круг. Некоторые выдумывают различные «теории заговора», согласно которым разработчики манипулируют результатами выборки.
Именно поэтому вам необходимо создать понятные модели, побуждающие пользователей давать обратную связь, которая полезна и для них, и для системы.
6. Правильные метки
UX-дизайнеры давно привыкли к прототипам, моделям, макетам и постоянным тестам. Но когда дело доходит до систем с машинным обучением, мы сталкиваемся с тем, что очень много вещей может классифицировать только человек. Здесь в дело вступают метки.
7. Не бойтесь сотрудничать
Представьте себе худшую обратную связь, которую вы когда-либо получали. Представьте себе человека, который, выглядывая из-за вашей спины, будет придираться к каждому вашему действию. Держите такой образ в голове и никогда не будьте таким человеком при контакте с разработчиками.Очеловеченное машинное обучение

Другие материалы по теме

Добавить комментарий

Ваш e-mail не будет опубликован. Обязательные поля помечены *