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

Sztuczna inteligencja wkracza do coraz większej liczby dziedzin naszego życia. Projektowanie intuicyjnych i przyjaznych produktów opartych o mechanizmy sztucznej inteligencji stanowi obecnie spore wyzwanie. Co to znaczy dla projektantów i badaczy UX? Artykuł prezentuje podejście do procesu powstawania produktu opartego o SI.

Jak działa sztuczna inteligencja?

Rozwiązania bazujące na SI (Sztucznej Inteligencji, ang. AI, Artificial Intelligence) 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). Jeszcze wiele jest do zrobienia.

Wpadka Siri – na pytanie „Gdzie mogę obejrzeć sztukę Szekspira?” odpowiada „Czego byś chciał posłuchać?”.
Rysunek 1: Wpadka Siri – na pytanie „Gdzie mogę obejrzeć sztukę Szekspira?” odpowiada „Czego byś chciał posłuchać?”.

Z czym SI sobie nie radzi?

Problem dla technologii (głównie czatbotów, 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

Jednak pomimo swoich niedoskonałości interfejsy wspomagane sztuczną inteligencją stosowane są w produktach takich jak np. Netflix, Spotify, IBM Watson, czy Nest Learning Thermostat. Takie interfejsy symulują 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 się spodobać 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 w dalszym ciągu ulepszane, by poprawiać ich user experience.

Przykład smart replies na Linkedin.
Rysunek 2: Przykład smart replies na Linkedin.
Rysunek 3: Przykład smart replies na maila z załącznikiem na Gmailu
Rysunek 3: Przykład smart replies na maila z załącznikiem na Gmailu

Ulepszany jest także Google Now. Inteligentny asystent od Google stał się niemal 5 razy lepszy w przeciągu 4 lat. Przewiduje się, że współczynnik błędu będzie malał wraz z upływem czasu, tak że rozpoznawanie słów będzie bliskie perfekcji.

2013 – 23% nierozpoznanych słów
2015 – 8% nierozpoznanych słów
2017 – 5% nierozpoznanych słów

(Google Now | Współczynniki błędu rozpoznawania słów na przestrzeni lat)

Od czego zacząć?

Jak więc powinien wyglądać proces projektowania UX produktu opartego na SI? Należy pamiętać, że w procesie projektowania skupiać należy się nie na technologii, a na użytkowniku. Jakkolwiek banalnie to brzmi to jednak często się o tym zapomina.
Jak mówi Jakob Nielsen (https://bit.ly/2p0yWn3) UX to nie magia, a 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, ang. training dataset). Jakie metody badań byłyby przydatne na tym etapie? Np. indywidualne wywiady pogłębione (ang. In-depth Interview, IDI), czy wywiad kontekstowy, będący jedną z metod badań etnograficznych. 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 o 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).

Rysunek 4: Personalizowane rekomendacje utworów (na podstawie utworów słuchanych przez uzytkownika) prezentowane jako osobna sekcja na Spotify.
Rysunek 4: Personalizowane rekomendacje utworów (na podstawie utworów słuchanych przez uzytkownika) prezentowane jako osobna sekcja na Spotify.

Jako, że działanie SI w niektórych przypadkach cechuje się małą dokładnością, należy wskazać użytkownikowi, że jest to tylko predykcja (Rys. 5) .

Rysnek 5: Przez dodanie ikony oraz wartości procentowej użytkownik jest informowany, że jest to jedynie predykcja algorytmu (Filmweb)
Rysnek 5: Przez dodanie ikony oraz wartości procentowej użytkownik jest informowany, że jest to jedynie predykcja algorytmu (Filmweb)

Działanie SI może powodować dezorientację w niektórych przypadkach. Dlatego dobrze jest 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.
Dobrą praktyką jest także zamieszczenie opcji dodania feedbacku (odnośnie działania algorytmu). Takie rozwiązanie często stosuje Google (Rys. 6). Jest to sposób na doskonalenie algorytmu – powiększa się zbiór danych uczących.

Rysunek 6: Użytkownik może ocenić, czy prezentowane treści są dla niego przydatne )))90
Rysunek 6: Użytkownik może ocenić, czy prezentowane treści są dla niego przydatne

Ponadto opcję dodania feedbacku można zaprojektować w formie mikrointerkacji, 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 po prostu 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 (ang. NUI, Natural User Interface). Jest to tak typ interfejsu, z którym interakcja bazuje na „naturalnym” zachowaniu użytkownika (np. poprzez głos, dotyk, gesty). Korzystanie z niego jest dla użytkownika intuicyjne.

Zaprojektowane. Co dalej?

Kolejny etap to ewaluacja, w którym sprawdzamy user experience wstępnego prototypu. Badając prototyp należy wziąć pod uwagę to, że nie zbada się w ten sposób technicznych aspektów interfejsu (czasu ładowania, wszystkich interakcji, itd.). Można natomiast sprawdzić ogólną koncepcję, zrozumiałość elementów i mechanizmów, zastosowaną terminologię.
Badając interfejsy oparte o SI dobrze sprawdzi się pewna odmiana zadaniowych testów użyteczności zwana Czarnoksiężnikiem z krainy Oz. Nazwa tej metody wzięła się od roli badacza, który (niczym Czarnoksiężnik) generuje odpowiedzi zamiast komputera. Zazwyczaj siedzi w oddzielnym pomieszczeniu, niewidoczny dla uczestnika badania, obserwując jego zachowania i generując odpowiednie reakcje systemu. Dzięki temu użytkownik może zachowywać się bardziej naturalnie. Takie badanie wymaga jednak przygotowania specjalnego prototypu, który będzie umożliwiał sterowanie przez badacza. Istotne w tym podejściu jest to, że treści są dopasowane pod konkretnego użytkownika, a nie uniwersalne i z góry narzucone.
Po wdrożeniu rozwiązania dobrze jest testować także przypadki ekstremalne, żeby sprawdzić jak technologia zachowa się w nietypowych sytuacjach. Nieraz projektant czy badacz nie jest w stanie przewidzieć wszystkiego. Wtedy przyda się feedback od użytkowników.

SI z dobrym UX

Sztuczna inteligencja nie wniesie nic wartościowego do produktów bez dobrego UX. Do tego potrzebne są badania, dopasowane do rodzaju badanej sytuacji (inaczej badać będziemy interfejs głosowy, inaczej czat-bota, a inaczej stronę, która jest jedynie wspomagana SI).
Należy pamiętać, że proces projektowania ma skupiać się na użytkowniku. Projektant powinien zadać sobie pytanie – jak sprawić, by interakcja użytkownika z SI była jak najbardziej satysfakcjonująca? Częścią nowej roli projektantów będzie nie tylko tworzenie przyjaznych interfejsów, ale także przewidywanie problemów, na jakie natrafić mogą użytkownicy korzystając z SI, i zapobieganie im.
UX będzie ewoluował z każdą nową technologią.

  1.  Sztuczna inteligencja doskonali swoje działanie na podstawie doświadczenia, czyli uczy się na swoich błędach.
  2.  Interfejsy wspomagane SI stosowane są coraz częściej. Posiadają je najpopularniejsze produkty cyfrowe (Netflix, Google Now, Nest Learning Thermostat, Spotify).
  3.  Podczas procesu projektowania produktu opartego na SI skupiać należy się na użytkowniku, a nie na technologii.
  4.  Proces powstawania takiego produktu powinien rozpocząć się od badania potrzeb – poznania i zrozumienia docelowych użytkowników.
  5.  Korzystając z wniosków z przeprowadzonych wywiadów można przygotować właściwe kryteria dla działania algorytmów.
  6.  Podczas projektowania interfejsu warto wyróżniać wizualne treści wygenerowane przez SI, zamieszczać opcję dodania feedbacku i jeśli to możliwe tłumaczyć użytkownikowi działanie algorytmu.
  7.  Do zbadania prototypu zastosować można metodę zwaną Czarnoksiężnikiem z krainy Oz. W tej metodzie to badacz (niewidoczny dla uczestnika badania) generuje odpowiedzi systemu zamiast komputera. Dzięki temu treści są dopasowane pod konkretnego użytkownika.

 

Więcej inspiracji:

Artykuł oryginalnie został opublikowany na łamach Magazyn Online Marketing

Damy Ci znać o nowych wpisach

(publikujemy ok. 2 artykuły miesięcznie).

Komentarze (0)

Dodaj komentarz

Twój adres email nie zostanie opublikowany. Pola, których wypełnienie jest wymagane, są oznaczone symbolem *