Σχεδιασμός για την Αυξημένη Ευφυΐα

Φέρνοντας μια ανθρωποκεντρική προσέγγιση σε μεγάλα δεδομένα και έξυπνες μηχανές

Από τον Tim Brown, τον Dean Malmgren και τον Mike Stringer

Μπορούμε να δώσουμε στοιχεία ψυχής; Νομίζουμε ότι μπορούμε. Θα πάμε ακόμα περισσότερο από αυτό: πρέπει. Γιατί; Ως οδηγός της τεχνητής νοημοσύνης, τα δεδομένα ενημερώνουν μια νέα εποχή σχεδιασμού και παραγωγής που θα ανταγωνιστεί τη βιομηχανική επανάσταση.

Αυτό θα μας δώσει και μια στιγμή παύσης. Αν μάθαμε κάτι από το φαντάρισμα sci-fi των μηχανών που πήγαν στραβά, είναι ότι με μεγάλη υπολογιστική δύναμη έρχεται μεγάλη ευθύνη. Οι πληροφορίες που οδηγούνται από δεδομένα θα ενσωματωθούν σύντομα σε σχεδόν ό, τι βλέπουμε, αγγίζουμε και κάνουμε. Γνωρίζοντας αυτό, είναι καθήκον μας να φέρουμε την ανθρωπιά μας σ 'αυτήν - να το σχεδιάσουμε ώστε να είναι σχετικό, ενσυναισθητικό και ναι, ακόμη και αίσθημα ψυχής.

Αντ 'αυτού, αυτό που βλέπουμε συνήθως είναι τεχνολόγοι που προσπαθούν να γίνουν λίγο πιο έξυπνοι για το σχεδιασμό, και οι σχεδιαστές προσπαθούν να πάρουν λίγο πιο έξυπνοι για την τεχνολογία. Αυτό δεν αρκεί αν θέλουμε να οικοδομήσουμε έναν ανθρώπινο ευφυή κόσμο. Προκειμένου να φτάσουμε εκεί που πρέπει να προχωρήσουμε, πρέπει να εργαστούμε χέρι-χέρι - για να προσεγγίσουμε βαθιά επαγγελματίες σε διεπιστημονικές ομάδες. Γι 'αυτό το IDEO είναι στην ευχάριστη θέση να ανακοινώσει ότι έχουμε αποκτήσει Datascope. Το στούντιο του Σικάγου έχει διερευνήσει τον σχεδιασμό δεδομένων με βάση τον άνθρωπο μαζί με το Datascope και μερικούς πελάτες για τα τελευταία τέσσερα χρόνια και είμαστε ενθουσιασμένοι που ενώνουμε τις δυνάμεις μας με σκοπό την κλιμάκωση αυτών των προσπαθειών.

Μαζί, θα δημιουργήσουμε μια προσφορά που καλούμε το D4AI: Design for Augmented Intelligence. Η επιλογή της "επαυξημένης" παρά της "τεχνητής" δεν είναι απλώς φανταχτερός wordplay - η αυξημένη νοημοσύνη επεκτείνει τις δυνατότητες των ανθρώπων με έναν τρόπο που αισθάνεται φυσικός. Εάν η νοημοσύνη των συσκευών, των συστημάτων και των σχέσεών μας αισθάνεται τεχνητή, δεν θα κολλήσει ποτέ.

Η αυξημένη νοημοσύνη θα πλένεται αυθεντικά στη ζωή μας μόνο όταν αισθάνεται θερμόαιμος και ανταποκρινόμενη - όπως είναι προβλέψιμα απρόβλεπτη όπως είμαστε. Είναι το κύμα συγκίνησης όταν η Google Photos αναγνωρίζει μια επέτειο και επιδεικνύει μια φωτογραφία που τραβήξατε την τελευταία μέρα που ήσασταν με τον παππού σας, ο οποίος πέθανε πέρυσι. Η λειτουργία βοήθειας Google Photos έχει μετακινηθεί από ένα απλό βοηθητικό πρόγραμμα σε μια σχεδόν καθημερινή επέκταση της μνήμης.

Εάν η νοημοσύνη των συσκευών, των συστημάτων και των σχέσεών μας αισθάνεται τεχνητή, δεν θα κολλήσει ποτέ.

Αλλά για κάθε έξυπνη στιγμή, υπάρχουν και αμέτρητα bungles, πάρα πολύ. Οι ψηφιακοί βοηθοί μας μπορεί να φαίνονται εντελώς ανίδεοι - ή χειρότεροι, χωρίς καρδιά. Αν πάρουμε τη μακροχρόνια άποψη, είμαστε κατά πάσα πιθανότητα στην εποχή Cambrian έξυπνων μηχανών. Η προσέγγισή μας θα είναι να περάσουμε ταπεινά, με τα καπέλα μας μακριά, γνωρίζοντας ότι υπάρχουν πολλά που δεν γνωρίζουμε και πολύ σκληρή δουλειά που πρέπει να γίνει. Τούτου λεχθέντος, η υπόσχεση της τεχνητής νοημοσύνης είναι να καταστήσει εφικτά τα έξυπνα πράγματα. Και η D4AI ελπίζει να τα κάνει επιθυμητά. Οι άνθρωποι θα δουν πάντα τα πράγματα που οι μηχανές δεν μπορούν να δουν και το αντίστροφο.

Στην αρχή της D4AI, βρισκόμαστε σε μια στιγμή πολύ παρόμοια με όταν IDEO πρωτοπόρος Interaction Design σχεδόν 30 χρόνια πριν. Ο Bill Moggridge, ο σχεδιαστής του πρώτου φορητού υπολογιστή, είδε πόσο σημαντικό ήταν να σχεδιαστούν αλληλεπιδράσεις μεταξύ ανθρώπων και υπολογιστών που είχαν τις ρίζες τους στις ανθρώπινες ανάγκες. Εκείνη την εποχή, πολλοί άνθρωποι ήταν σκεπτικοί για την αμηχανία των διασυνδέσεων λογισμικού. Αλλά όταν αντιμετωπίζονται ως μέσο σχεδιασμού στο πλαίσιο της αλληλεπίδρασης, οι διασυνδέσεις ξεπήδησαν στη ζωή σε χρήσιμους και προηγουμένως αδιανόητους τρόπους που τώρα τροφοδοτούν τους ψηφιακούς μετασχηματισμούς σε όλο τον κόσμο.

Το ίδιο μπορεί να ειπωθεί για την εφαρμογή σχεδιασμού σε διεπαφές με γνώμονα τα δεδομένα. Υπάρχει ευρέως διαδεδομένη πεποίθηση ότι η αξία των δεδομένων είναι ανυπόφορη. Αλλά αυτό απλά δεν είναι αλήθεια. Τα δεδομένα από μόνα τους είναι αδρανή - χαζή πρώτη ύλη. Κάνοντας τα πράγματα έξυπνα θα σημαίνει σχεδιασμός με δεδομένα με τρόπο που να αντικατοπτρίζει και να ανταποκρίνεται στην ανθρώπινη συμπεριφορά. Αυτό σημαίνει να γίνει δυναμική. Εύκαμπτος. Εξέλιξη. Θα πρέπει να υπάρχει στις σχέσεις. Και οι σχέσεις, όπως όλοι γνωρίζουμε, είναι περίπλοκες. Επιπλέον, έχουμε τώρα σχέσεις όχι μόνο μεταξύ τους, αλλά και με τα τηλέφωνα και τα δίκτυα και τα σώματα και τα αυτοκίνητά μας.

Στο IDEO, σκεφτόμαστε πολλά για αυτές τις σχέσεις. Όταν βρίσκεστε στο αυτοκίνητό σας, για παράδειγμα, μπορεί να επικοινωνεί μαζί σας, το τηλέφωνό σας και το περιβάλλον, καθώς ανταποκρίνεται στα δεδομένα που συλλέγονται από τους αισθητήρες που έχουν εκπαιδευτεί στο δρόμο. Σε αυτό το σενάριο, ποιος έχει τον οργανισμό; Ποιος είναι υπεύθυνος; Εσύ? Το τηλέφωνό σου? Το αυτοκίνητο? Μια υπηρεσία οδήγησης στο σύννεφο;

Τα δεδομένα από μόνα τους είναι αδρανή - χαζή πρώτη ύλη. Κάνοντας τα πράγματα έξυπνα θα σημαίνει σχεδιασμός με δεδομένα με τρόπο που να αντικατοπτρίζει και να ανταποκρίνεται στην ανθρώπινη συμπεριφορά.

Ο σχεδιασμός με δεδομένα με τρόπο που να ενισχύει τις συνδέσεις μας με ανθρώπους και πράγματα απαιτεί (1) να έχει αρκετές τεχνικές γνώσεις για να γνωρίζει πώς να δουλεύει με τις πρώτες εισόδους και (2) να έχει αρκετή νοοτροπία σχεδιασμού για να κάνει αυτές τις εισόδους σχετικές.

Μετά από όλα, κάθε σύνολο δεδομένων διαμεσολαβείται από ανθρώπους. Οι άνθρωποι αναγνωρίζουν τα δεδομένα ως σημαντικά, καταγράφουν και αναλύουν. Οι άνθρωποι πληκτρολογούν τα δισεκατομμύρια ερωτήματα αναζήτησης που επιτρέπουν τη συνεχή βελτίωση των μηχανών αναζήτησης. Οι άνθρωποι επανειλημμένα γυρίζουν τη θερμοκρασία σε έναν έξυπνο θερμοστάτη. Μόνο τότε ο θερμοστάτης μπορεί να μάθει να το κλείνει για μας. Η «νοημοσύνη» ενός κινητήρα, στη συνέχεια, στηρίζεται στην κατανόηση της ανθρώπινης συμπεριφοράς και στην ικανότητά μας να αξιοποιήσουμε με τον προγραμματισμό τα δεδομένα μας με έναν τρόπο που θεωρούμε χρήσιμο.

Υπάρχει επίσης ένα στοιχείο ανθρώπινης πρόθεσης και ιστορικής μεροληψίας στα δεδομένα, και πρέπει να το αναγνωρίσουμε. Η ικανότητα του D4AI να δημιουργεί έξυπνα συστήματα που υποκινούν ουσιαστική αλλαγή θα βασίζεται στον συνδυασμό αναντικατάστατης ανθρώπινης διορατικότητας και της δύναμης των μηχανών. Δεν είναι εύκολο να βγούμε, αναγνωρίζουμε, αλλά μια φιλοδοξία στην οποία επενδύουμε.

Εδώ είναι ένα χρήσιμο παράδειγμα για το πώς μόνο τα δεδομένα μπορούν να χάσουν το σήμα χωρίς τη βοήθεια του ανθρωποκεντρικού σχεδιασμού: Σήμερα, τα παιδιά είναι οι αισθητήρες που μας λένε ότι υπάρχει μόλυβδος στο χρώμα του σπιτιού. Τσιπίζει από τον τοίχο, το τρώνε και είναι δηλητηριασμένο. Δεν είναι μέχρι να εμφανιστούν τα συμπτώματα που προκαλούν τα κουδούνια συναγερμού.

Η ομάδα εργασίας "Επιστήμη των δεδομένων για κοινωνικό καλό" σκέφτηκε ότι είχε λύσει το πρόβλημα για τα παιδιά του Σικάγου. Μια κατάσταση έκτακτης ανάγκης για δημόσια υγεία που θα χρειάστηκε 10 χρόνια και $ 77 εκατομμύρια για να διορθωθεί θα μπορούσε να αντιμετωπιστεί σε τρεις μήνες για μόνο 1 εκατομμύριο δολάρια με τη βοήθεια ενός μοντέλου δεδομένων που είχαν αναπτυχθεί.

Αλλά υπήρχε ένα πρόβλημα: το πρότυπό τους απαιτούσε να γνωρίζει κανείς τον τόπο κάθε εγκύου γυναίκας στην πόλη - πληροφορίες που δεν ήταν ούτε δημόσιες ούτε διαθέσιμες. Τελικά, βρήκαν μια ανθρωποκεντρική λύση που είχε ρίζες σε μια άλλη ιδέα, ότι τα καθαρά δεδομένα δεν θα μπορούσαν ποτέ να προβλέψουν: Οι γυναίκες που ζούσαν σε παλαιά κτίρια που μάλλον είχαν μολυνθεί με μόλυβδο ήταν επίσης λιγότερο πιθανό να αναζητήσουν προγεννητική φροντίδα. Με βάση αυτές τις γνώσεις, η ομάδα άλλαξε την εστία της στην παροχή προγεννητικής φροντίδας σε αυτές τις γειτονιές και ταυτόχρονα επιθεώρησε τα κτίρια όπου τα παιδιά ζούσαν ή σύντομα θα γεννηθούν για βαφή μολύβδου - εξυπηρετώντας δύο ανάγκες ταυτόχρονα.

Η ιστορία είναι μια υπενθύμιση ότι οι προβλέψεις είναι εύκολες, αλλά οι άνθρωποι είναι περίπλοκοι. Το σωστό είδος δεδομένων δεν είναι πάντα διαθέσιμο ή χρήσιμο ή μια έξυπνη συντόμευση όταν προσπαθείτε να αντιμετωπίσετε πολύπλευρα ανθρώπινα ζητήματα.

Οι προβλέψεις είναι εύκολες, αλλά οι άνθρωποι είναι περίπλοκοι.

Μελετώντας τέτοιες ιστορίες, οι συνιδρυτές της Datascope θα ρωτούσαν τον εαυτό τους Τι θα έκανε ο IDEO; Ομοίως, η IDEO και οι πελάτες της αντιμετωπίζουν όλο και πιο σύνθετες προκλήσεις στον τομέα των δεδομένων και του σχεδιασμού και ρωτούν τι θα κάνει η Datascope; Το Datascope έχει ως αφετηρία τις ανθρώπινες ανάγκες που είναι εγγενείς σε ένα πρόβλημα και όχι τα δεδομένα που μπορεί να φαίνονται πιο προφανώς σχετικά με αυτό το πρόβλημα. Ενώ πολλές άλλες επιχειρήσεις στο χώρο τους μπορεί να θεωρούν τους εαυτούς τους ως μηχανικούς δεδομένων που εφαρμόζουν λύσεις σε μαζική κλίμακα ή οι επιστήμονες δεδομένων επικεντρώνονται στενά στην έρευνα νέων στατιστικών μοντέλων, οι Datascopers θεωρούν τους εαυτούς τους ως σχεδιαστές - σχεδιαστές που δουλεύουν με δεδομένα και αλγόριθμους για να δημιουργήσουν ανθρωποκεντρική AI.

Μαζί πιστεύουμε ότι η αυξημένη ευφυΐα που βασίζεται σε δεδομένα μεταβάλλει θεμελιωδώς τον κόσμο γύρω μας. Ήρθε η ώρα να βεβαιωθούμε ότι σχεδιάζουμε αυτή τη νοημοσύνη με τρόπους που μας κάνουν - και από εμάς εννοούμε κάθε άνθρωπο - καλύτερο.