隨著人工智能的發(fā)展，它已經(jīng)逐漸應(yīng)用于各個(gè)領(lǐng)域，但在人工智能解決方案方面，設(shè)計(jì)師可能會(huì)面臨新的挑戰(zhàn)。本文對(duì)此進(jìn)行了探討，并提出了一種整合兩個(gè)學(xué)科優(yōu)勢(shì)的六步方法，即“人工智能設(shè)計(jì)”，一起來(lái)看看吧。

寫在前面

隨著人工智能技術(shù)的發(fā)展，越來(lái)越明顯的是，僅靠技術(shù)和設(shè)計(jì)都不足以構(gòu)建有效的人工智能解決方案、解決實(shí)際用戶的問(wèn)題并對(duì)社會(huì)產(chǎn)生積極影響。在沒(méi)有設(shè)計(jì)師的情況下工作的人工智能工程師可能會(huì)基于未經(jīng)驗(yàn)證的假設(shè)過(guò)快地跳到解決方案，導(dǎo)致團(tuán)隊(duì)解決“錯(cuò)誤的問(wèn)題”。相反，缺乏技術(shù)知識(shí)可能會(huì)導(dǎo)致設(shè)計(jì)者對(duì)人工智能的功能產(chǎn)生不切實(shí)際或模糊的想法，存在要么高估要么低估其能力的情況。

在人工智能解決方案方面，設(shè)計(jì)師可能會(huì)面臨新的挑戰(zhàn)，例如如何設(shè)計(jì)人工智能系統(tǒng)的透明度、“可解釋性”或可信度?；蛘呷绾卧u(píng)估人工智能解決方案對(duì)用戶和社會(huì)的影響和結(jié)果。因此，我們認(rèn)為人工智能 (AI) 工程師和服務(wù)設(shè)計(jì)師應(yīng)該合作創(chuàng)建以人為本、符合道德規(guī)范且能產(chǎn)生積極影響的解決方案。本文中，我們提出了一種整合兩個(gè)學(xué)科優(yōu)勢(shì)的六步方法，即“人工智能設(shè)計(jì)”。

一、我們需要人工智能(AI) 嗎？

我們將人工智能設(shè)計(jì)視為一種以人為本、迭代和協(xié)作的人工智能創(chuàng)新方法。它利用設(shè)計(jì)師解決問(wèn)題的方法，同時(shí)考慮人工智能的動(dòng)態(tài)組成部分，應(yīng)用人工智能創(chuàng)新的工程方法。該方法基于英國(guó)設(shè)計(jì)委員會(huì)提出的雙鉆石1、CRISP-DM2 數(shù)據(jù)管理方法以及我們?cè)?OLX Group 人工智能創(chuàng)新方面的經(jīng)驗(yàn)，OLX Group 是全球增長(zhǎng)最快的市場(chǎng)和分類平臺(tái)網(wǎng)絡(luò)之一， 超過(guò)3億在線訪問(wèn)者。

人工智能和設(shè)計(jì)團(tuán)隊(duì)都可以從合作中受益。我們相信，這將帶來(lái)更有效的工作方式和更以客戶為中心的解決方案。這就是為什么：

1. 人工智能創(chuàng)新采用以人為本的方法

AI-by-Design 采用以人為本的人工智能創(chuàng)新方法，在開(kāi)發(fā)解決方案之前深入了解客戶需求。有時(shí)人工智能并不是正確的解決方案。有時(shí)，更簡(jiǎn)單的解決方案（例如電子表格）可能會(huì)做得很好并節(jié)省資源。因此，在開(kāi)發(fā)開(kāi)始之前，需要確定人工智能是否確實(shí)是解決問(wèn)題的正確工具。團(tuán)隊(duì)?wèi)?yīng)該構(gòu)建任何能解決問(wèn)題的東西，賦予人類權(quán)力，而不是規(guī)定特定的工具或技術(shù)。

2. 利用跨學(xué)科性

AI-by-Design 鼓勵(lì)跨孤島的工作方式，而不是從設(shè)計(jì)研究團(tuán)隊(duì)向人工智能工程師冷冰冰地移交見(jiàn)解。當(dāng)設(shè)計(jì)師和人工智能工程師合作時(shí)，他們可以彌補(bǔ)彼此的盲點(diǎn)，并且減少溝通錯(cuò)誤的空間。該流程更加高效、有效，解決方案將更加以客戶為中心且技術(shù)上可行。這將確保他們應(yīng)對(duì)正確的挑戰(zhàn)，從而節(jié)省團(tuán)隊(duì)時(shí)間。事實(shí)上，在麥肯錫 2021 年發(fā)布的《人工智能現(xiàn)狀》中，“開(kāi)發(fā)人工智能工具時(shí)使用設(shè)計(jì)思維”被認(rèn)為是人工智能高績(jī)效者最重要的差異化因素。

3. AI-by-Design 解決方案專為我們動(dòng)態(tài)的世界而設(shè)計(jì)

人工智能模型通常在沙箱環(huán)境中進(jìn)行訓(xùn)練，但最終卻被用于我們混亂、復(fù)雜的世界。因此，我們認(rèn)為人工智能模型需要持續(xù)的再訓(xùn)練。

在現(xiàn)實(shí)世界中，解決方案受到用戶與最終產(chǎn)品交互方式的影響，而人工智能具有許多動(dòng)態(tài)組件。設(shè)計(jì)一種收集用戶反饋和實(shí)際行為數(shù)據(jù)的方式至關(guān)重要。需要這些輸入數(shù)據(jù)來(lái)改進(jìn)模型，確保人工智能解決方案按預(yù)期并以合乎道德的方式工作。

這之間其實(shí)存在一種差距，雖然這聽(tīng)起來(lái)很理想，但我們不能只是將幾位人工智能工程師和設(shè)計(jì)師放在一個(gè)團(tuán)隊(duì)中，并期望他們毫不費(fèi)力地一起創(chuàng)新。我們經(jīng)常觀察到這兩個(gè)學(xué)科沒(méi)有共同語(yǔ)言，對(duì)彼此持有錯(cuò)誤的假設(shè)，并且以不同的方式工作。

例如，人工智能工程師使用 Visual Studio 代碼工作，而設(shè)計(jì)師通常使用 Miro 等工具。機(jī)器學(xué)習(xí)模型需要盡可能細(xì)致和準(zhǔn)確地工作，而設(shè)計(jì)原型可能非常概念性和推測(cè)性。機(jī)器學(xué)習(xí)指標(biāo)圍繞數(shù)字和預(yù)測(cè)發(fā)展，而設(shè)計(jì)指標(biāo)則圍繞人類需求和客戶體驗(yàn)發(fā)展。比較方法時(shí)也存在同樣的差異，如圖 2 所示。在圖中，設(shè)計(jì)委員會(huì)的雙鉆石與 CRISP-DM 數(shù)據(jù)管理方法重疊。出現(xiàn)三個(gè)差距：

差距 1：缺少“原因”

如果人工智能工程師被排除在項(xiàng)目的初始階段之外，那么他們構(gòu)建的解決方案就有可能偏離最初的客戶問(wèn)題，了解客戶需求是關(guān)鍵。

差距2：缺乏技術(shù)理解

另一方面，設(shè)計(jì)師常常對(duì)人工智能的可能性抱有不切實(shí)際的期望，并且并不總是了解最新的技術(shù)發(fā)展。由于設(shè)計(jì)人員無(wú)法輕易理解工程組件，因此他們通常需要幫助來(lái)掌握所提出解決方案的可行性，以避免傾向于難以實(shí)施的解決方案。

差距3：缺乏反饋循環(huán)

在流程結(jié)束時(shí)，當(dāng)構(gòu)建解決方案時(shí)，需要有一種方法來(lái)檢查解決方案是否按預(yù)期工作、是否收集了正確的數(shù)據(jù)以及模型是否符合道德規(guī)范。這可以通過(guò)反饋循環(huán)來(lái)解決。反饋循環(huán)可以提供解決方案的大量可見(jiàn)性和透明度。這非常重要，因?yàn)樵诖蠖鄶?shù)情況下，現(xiàn)實(shí)世界與開(kāi)發(fā)人工智能的訓(xùn)練環(huán)境有很大不同。此外，由于用戶與已開(kāi)發(fā)的人工智能解決方案之間的持續(xù)交互，將可以獲得新的數(shù)據(jù)。當(dāng)收集到正確的數(shù)據(jù)時(shí)，可以通過(guò)消除偏差和異常值來(lái)不斷改進(jìn)模型。

二、AI-by Design 的六個(gè)步驟

為了填補(bǔ)空白并找到工作方式，我們創(chuàng)建了一個(gè)六步方法。

1.發(fā)現(xiàn)：第一步旨在了解項(xiàng)目的目標(biāo)、客戶需求以及他們的問(wèn)題以及商業(yè)機(jī)會(huì)。它通常涉及客戶研究。

2. 定義：第二步，團(tuán)隊(duì)定義挑戰(zhàn)范圍：他們選擇要解決的問(wèn)題或要追求的機(jī)會(huì)。此步驟包括研究背景和人工智能的可能性。

3.人工智能設(shè)計(jì)決策：在這個(gè)階段，鼓勵(lì)團(tuán)隊(duì)問(wèn)自己這是否是一個(gè)可以而且應(yīng)該解決的問(wèn)題。可以用AI來(lái)解決。如果是，他們會(huì)評(píng)估需要哪些數(shù)據(jù)，并研究解決方案是否可能產(chǎn)生不道德的后果。如果人工智能不是正確的解決方案，這也是一個(gè)很好的結(jié)果。人工智能既昂貴又耗時(shí)。如果其他替代方案可以解決問(wèn)題，則應(yīng)選擇它們。

4. 開(kāi)發(fā)：第四步旨在了解如何才能最好地解決問(wèn)題。現(xiàn)在是探索不同解決方案并研究所需數(shù)據(jù)和建模的時(shí)刻。人工智能工程師可以進(jìn)行探索性數(shù)據(jù)分（EDA），這意味著深入研究數(shù)據(jù)以更好地理解數(shù)據(jù)，看看是否存在異常值、缺失值以及是否可以建立基線模型。

5. 測(cè)試：在致力于構(gòu)建和部署解決方案之前，團(tuán)隊(duì)?wèi)?yīng)該確定有哪些風(fēng)險(xiǎn)假設(shè)并嘗試驗(yàn)證它們，例如使用原型測(cè)試。這是檢查是否應(yīng)該構(gòu)建解決方案或是否需要“pivot”的最快方法。

6. 交付和評(píng)估：最后，團(tuán)隊(duì)?wèi)?yīng)該迭代、完善、推介并最終將解決方案交付給最終客戶和關(guān)鍵利益相關(guān)者。然而，這個(gè)過(guò)程并沒(méi)有就此結(jié)束。相反，團(tuán)隊(duì)需要不斷迭代解決方案。隨著時(shí)間的推移，將會(huì)出現(xiàn)更多的數(shù)據(jù)，這些數(shù)據(jù)可以為解決方案帶來(lái)新的啟發(fā)。需要設(shè)計(jì)一個(gè)監(jiān)控系統(tǒng)（反饋回路），以確保盡快檢查和糾正現(xiàn)實(shí)生活中的偏差和數(shù)據(jù)漂移。

前面的六個(gè)步驟旨在為那些希望改進(jìn)團(tuán)隊(duì)實(shí)現(xiàn)人工智能創(chuàng)新方式的人提供指導(dǎo)。

結(jié)論

公司需要技術(shù)和設(shè)計(jì)來(lái)構(gòu)建人工智能：(A) 有效，(B) 解決實(shí)際用戶的問(wèn)題，(C) 具有積極的業(yè)務(wù)影響。前面的路還很長(zhǎng)，但我們相信我們提出的方法能夠使組織以高效且合乎道德的方式進(jìn)行創(chuàng)新。

原文作者：Serena Westra, Ioannis Zempekakis（該文章已獲得相關(guān)方和原作者授權(quán)）

原文名稱：AI-by-Design: Human-Centred AI Innovation: A six-step approach for building AI solutions

譯者：陳昱志Yeutz Chen，微信公眾號(hào)：YeutzDesign（ID：Yeutzsheji），專注于服務(wù)設(shè)計(jì)領(lǐng)域，致力于服務(wù)設(shè)計(jì)創(chuàng)新轉(zhuǎn)型研究。

本文由 @陳昱志Yeutz Chen 翻譯發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載。

題圖來(lái)自Unsplash，基于CC0協(xié)議。

該文觀點(diǎn)僅代表作者本人，人人都是產(chǎn)品經(jīng)理平臺(tái)僅提供信息存儲(chǔ)空間服務(wù)。