تیم تجربه کاربر – وبلاگ تحقیق گوگل

تیم Google’s Responsible AI User Experience (Responsible AI UX) یک تیم محصول اندیش است که در Google Research جاسازی شده است. این موقعیت‌یابی منحصربه‌فرد ما را ملزم می‌کند تا شیوه‌های توسعه هوش مصنوعی مسئولانه را در فرآیند طراحی تجربه کاربر محور (UX) خود اعمال کنیم. در این پست، اهمیت طراحی UX و هوش مصنوعی مسئول در توسعه محصول را شرح می‌دهیم و چند نمونه از این که چگونه قابلیت‌ها و همکاری‌های متقابل تیم ما منجر به توسعه مسئولانه در سراسر Google شده است را به اشتراک می‌گذاریم.

اول ، قسمت UX. ما یک تیم چند رشته ای متشکل از متخصصان طراحی محصول هستیم: طراحان، مهندسان، محققان و استراتژیست هایی که فرآیند طراحی UX متمرکز بر کاربر را از ایده پردازی فاز اولیه و کادربندی مشکل تا طراحی رابط کاربری فاز بعدی (UI) و نمونه سازی مدیریت می کنند. و پالایش ما معتقدیم که توسعه محصول موثر زمانی اتفاق می‌افتد که بین نیازهای کاربر برآورده نشده قابل توجه و ارزش پیشنهادی اولیه یک محصول همسویی واضح وجود داشته باشد و این همسویی به طور قابل اعتماد از طریق یک فرآیند طراحی UX کاربر محور کامل به دست می‌آید.

و دوم، با شناخت پتانسیل هوش مصنوعی مولد (GenAI) برای تاثیرگذاری قابل توجه بر جامعه، ما نقش خود را به عنوان مدافع اصلی کاربر در حالی که به تکامل فرآیند طراحی UX خود ادامه می‌دهیم تا با چالش‌های منحصربه‌فردی که هوش مصنوعی ایجاد می‌کند، به حداکثر برسانیم و خطرات را به حداقل برسانیم، پذیرفته‌ایم. همانطور که ما در هر مرحله از فرآیند طراحی محصول مبتنی بر هوش مصنوعی حرکت می کنیم، بر تأثیر اخلاقی، اجتماعی و بلندمدت تصمیمات خود تأکید بیشتری می کنیم. ما به توسعه مداوم پروتکل‌های ایمنی و فراگیر کمک می‌کنیم که حفاظ‌های طراحی و استقرار را حول موضوعات کلیدی مانند مدیریت محتوا، امنیت، حریم خصوصی، قابلیت‌های مدل، دسترسی به مدل، برابری و انصاف تعریف می‌کنند که به کاهش خطرات GenAI کمک می‌کند.

AI UX مسئول به طور مداوم در حال توسعه فرآیند طراحی محصول کاربر محور خود است تا نیازهای چشم انداز محصول مبتنی بر GenAI را با حساسیت بیشتر به نیازهای کاربران و جامعه و تأکید بر تأثیر اخلاقی، اجتماعی و بلندمدت برآورده کند.

مسئولیت در طراحی محصول همچنین در مشکلات کاربران و اجتماعی که ما برای رسیدگی به آنها انتخاب می‌کنیم و برنامه‌هایی که منابع آن را تهیه می‌کنیم منعکس می‌شود. بنابراین، ما اولویت بندی مشکلات کاربر با مقیاس و شدت قابل توجه را تشویق می کنیم تا به حداکثر رساندن تأثیر مثبت فناوری GenAI کمک کنیم.

ارتباط بین تیم ها و رشته ها برای طراحی محصول مسئولانه ضروری است. جریان یکپارچه اطلاعات و بینش از تیم های تحقیقاتی کاربر به تیم های طراحی و مهندسی محصول و بالعکس، برای توسعه خوب محصول ضروری است. یکی از اهداف اصلی تیم ما اطمینان از کاربرد عملی بینش عمیق کاربر در تصمیمات طراحی محصول مبتنی بر هوش مصنوعی در Google با پر کردن شکاف ارتباطی بین تخصص گسترده تکنولوژیکی مهندسان ما و تخصص کاربر/اجتماعی دانشگاهیان و تحقیقات ما است. دانشمندان و کارشناسان تحقیقات طراحی کاربر محور. ما یک تیم چند رشته‌ای با تخصص در این زمینه‌ها ایجاد کرده‌ایم، همدلی خود را برای نیازهای ارتباطی مخاطبانمان عمیق‌تر می‌کنیم، و ما را قادر می‌سازیم تا رابط بهتری بین کارشناسان کاربر و جامعه و کارشناسان فنی خود داشته باشیم. ما چارچوب‌ها، کتاب‌های راهنما، نمونه‌های اولیه، برگه‌های تقلب و ابزارهای چندرسانه‌ای را ایجاد می‌کنیم تا در زمان مناسب به بینش‌ها برای افراد مناسب کمک کنیم.

تسهیل نمونه سازی و توسعه مسئول GenAI

در طول همکاری‌های بین Responsible AI UX، ابتکار People + AI Research (PAIR) و آزمایشگاه‌ها، ما متوجه شدیم که نمونه‌سازی می‌تواند فرصتی خلاقانه برای تعامل با مدل‌های زبان بزرگ (LLM) داشته باشد و اغلب اولین قدم در توسعه محصول GenAI است. برای رسیدگی به نیاز به معرفی LLMها در فرآیند نمونه سازی، ما طیف وسیعی از طرح های مختلف را بررسی کردیم. سپس، ما وارد میدان شدیم و از روش‌های تحقیقاتی مختلف خارجی و اول شخص طراحی UX برای به دست آوردن بینش و جلب همدلی برای دیدگاه کاربر استفاده کردیم. از طریق جلسات ایجاد مشترک کاربر/طراح، تکرار و نمونه سازی، ما توانستیم ذینفعان داخلی، مدیران محصول، مهندسان، نویسندگان، تیم های فروش و بازاریابی را همراهی کنیم تا اطمینان حاصل کنیم که دیدگاه کاربر به خوبی درک شده است و همسویی را تقویت کنیم. در سراسر تیم ها

نتیجه این کار MakerSuite بود، یک پلت‌فرم هوش مصنوعی مولد که در Google I/O 2023 راه‌اندازی شد و به افراد، حتی آن‌هایی که هیچ تجربه‌ای در ML ندارند، قادر می‌سازد تا با استفاده از LLM‌ها، نمونه‌سازی خلاقانه‌ای داشته باشند. تجربه دست اول تیم با کاربران و درک چالش های پیش روی آنها به ما اجازه داد تا اصول هوش مصنوعی خود را در طراحی محصول MakerSuite بگنجانیم. برای مثال، ویژگی‌های محصول مانند فیلترهای ایمنی، کاربران را قادر می‌سازد تا نتایج را مدیریت کنند، که منجر به توسعه آسان‌تر و مسئولانه‌تر محصول با MakerSuite می‌شود.

به دلیل همکاری نزدیک ما با تیم های محصول، ما توانستیم نمونه سازی متنی را برای پشتیبانی از تعامل چندوجهی با Google AI Studio، تکامل یافته MakerSuite، تطبیق دهیم. اکنون، Google AI Studio به توسعه دهندگان و غیر توسعه دهندگان به طور یکسان این امکان را می دهد تا به طور یکپارچه از آخرین مدل Gemini گوگل برای ادغام چندین ورودی مدالیته، مانند متن و تصویر، در کاوش های محصول استفاده کنند. تسهیل توسعه محصول به این روش این فرصت را برای ما فراهم می‌کند تا از هوش مصنوعی برای شناسایی مناسب بودن نتایج استفاده کنیم و فرصت‌هایی را برای توسعه‌دهندگان و غیرتوسعه‌دهندگان باز می‌کند تا با جعبه‌های ایمنی هوش مصنوعی بازی کنند. همراه با شرکای خود، ما همچنان به طور فعال این تلاش را در محصولاتی که پشتیبانی می کنیم ادامه می دهیم.

استودیوی هوش مصنوعی گوگل به توسعه دهندگان و غیرتوسعه دهندگان این امکان را می دهد تا از زیرساخت Google Cloud استفاده کرده و ورودی های چندگانه مدالیته را در کاوش های محصول خود ادغام کنند.

تشخیص عادلانه گفتار

مطالعات خارجی متعدد، و همچنین تحقیقات خود گوگل، یک نقص ناخوشایند را در توانایی فناوری تشخیص گفتار فعلی برای درک میانگین سخنرانان سیاه‌پوست نسبت به بلندگوهای سفید شناسایی کرده‌اند. از آنجایی که ابزارهای هوش مصنوعی چندوجهی به شدت به پیام‌های گفتاری تکیه می‌کنند، این مشکل رشد خواهد کرد و همچنان کاربران را از خود دور می‌کند. برای رفع این مشکل، تیم مسئول هوش مصنوعی UX با زبان شناسان و دانشمندان مشهور جهان در دانشگاه هاوارد، یک HBCU برجسته، همکاری می کند تا یک مجموعه داده انگلیسی آفریقایی-آمریکایی با کیفیت بالا بسازد تا طراحی محصولات فناوری گفتار ما را بهبود بخشد تا آنها را بیشتر کند. در دسترس. این تلاش که Project Elevate Black Voices نامیده می‌شود، به دانشگاه هوارد اجازه می‌دهد تا مجموعه داده را با کسانی که به دنبال بهبود فناوری گفتار هستند به اشتراک بگذارد و در عین حال چارچوبی برای جمع‌آوری مسئولانه داده‌ها ایجاد کند و از مزایای داده‌ها برای جوامع سیاه‌پوست اطمینان حاصل کند. دانشگاه هوارد مالکیت و مجوز مجموعه داده را حفظ خواهد کرد و به عنوان مباشر برای استفاده مسئولانه از آن عمل خواهد کرد. در Google، ما در حال ارائه پشتیبانی مالی و همکاری نزدیک با شرکای خود در دانشگاه هوارد هستیم تا موفقیت این برنامه را تضمین کنیم.

بینایی کامپیوتری عادلانه

پروژه Gender Shades تاکید کرد که سیستم‌های بینایی کامپیوتری برای شناسایی افراد با رنگ پوست تیره‌تر تلاش می‌کنند و به ویژه برای زنان با رنگ پوست تیره‌تر عملکرد ضعیفی داشتند. این تا حد زیادی به این دلیل است که مجموعه داده‌های مورد استفاده برای آموزش این مدل‌ها شامل طیف گسترده‌ای از رنگ‌های پوست نبودند. برای رفع این محدودیت، تیم مسئولیت پذیر AI UX با جامعه شناس دکتر الیس مونک همکاری کرده است تا مقیاس رنگ پوست Monk (MST) را منتشر کند، مقیاس رنگ پوستی که به گونه ای طراحی شده است که طیف رنگ های پوست را در سراسر جهان شامل شود. ابزاری برای ارزیابی جامع بودن مجموعه داده‌ها و عملکرد مدل در طیف گسترده‌ای از رنگ‌های پوست فراهم می‌کند که در نتیجه ویژگی‌ها و محصولاتی برای همه بهتر کار می‌کنند.

ما MST را در طیف وسیعی از محصولات Google مانند جستجو، Google Photos و موارد دیگر ادغام کرده‌ایم. ما همچنین MST منبع باز، تحقیقات خود را منتشر کردیم، شیوه های حاشیه نویسی خود را شرح دادیم و یک مجموعه داده نمونه را به اشتراک گذاشتیم تا دیگران را تشویق کنیم تا به راحتی آن را در محصولات خود ادغام کنند. تیم مسئول هوش مصنوعی UX به همکاری با دکتر مونک ادامه می دهد و از MST در چندین برنامه کاربردی محصول استفاده می کند و به تحقیقات بین المللی برای اطمینان از فراگیر بودن آن در سطح جهانی ادامه می دهد.

مشاوره و راهنمایی

همانطور که تیم‌ها در سراسر Google به توسعه محصولاتی که از قابلیت‌های مدل‌های GenAI بهره می‌برند، ادامه می‌دهند، تیم ما تشخیص می‌دهد که چالش‌هایی که با آن‌ها روبرو هستند متفاوت است و رقابت در بازار قابل توجه است. برای حمایت از تیم‌ها، دارایی‌های عملی را توسعه می‌دهیم تا فرآیند طراحی محصول ساده‌تر و مسئولانه‌تر را که منابع موجود را در نظر می‌گیرد، تسهیل کنیم. ما به عنوان یک مشاور طراحی متمرکز بر محصول عمل می‌کنیم و راه‌هایی را برای مقیاس‌بندی خدمات، اشتراک‌گذاری تخصص و به‌کارگیری اصول طراحی خود به‌طور گسترده‌تر شناسایی می‌کنیم. هدف ما این است که به همه تیم‌های محصول در Google کمک کنیم تا نیازهای قابل توجه کاربران برآورده نشده را با مزایای فناوری از طریق طراحی محصول عالی و مسئولانه مرتبط کنند.

یکی از راه‌هایی که ما این کار را انجام می‌دهیم، ایجاد کتاب راهنمای افراد + هوش مصنوعی است، یک منبع جمع‌بندی در حال تکامل از بسیاری از درس‌های طراحی مسئولانه که آموخته‌ایم و توصیه‌هایی که برای ذینفعان داخلی و خارجی ارائه کرده‌ایم. با به‌روزرسانی‌های پیش رو که به طور خاص بر نحوه بهترین طراحی و در نظر گرفتن نیازهای کاربر با GenAI تمرکز دارند، امیدواریم که تیم‌های داخلی، ذینفعان خارجی و جامعه بزرگ‌تر راهنمایی‌های مفید و عملی در حیاتی‌ترین نقاط عطف در سفر توسعه محصول داشته باشند.

کتاب راهنمای People + AI دارای شش فصل است که برای پوشش جنبه های مختلف چرخه عمر محصول طراحی شده است.

اگر علاقه مند به خواندن اطلاعات بیشتر درباره Responsible AI UX هستید و اینکه چگونه به طور خاص به طراحی مسئولانه با Generative AI فکر می کنیم، لطفاً این قطعه پرسش و پاسخ را بررسی کنید.

سپاسگزاریها

به اعضای تیم مسئول هوش مصنوعی UX ما فریاد بزنید: آرون دانسباخ، آلخاندرا مولینا، کورتنی هلدرث، دایانا آکرونگ، الیس مونک، فمی اولانوبی، هوپ نووکس، کفایات عبدل، کی لی، ماهیما پوشکارنا، سالی لیمب، سارا پست، سورس کومار تادو Srinivasan، Tesh Goyal، Ursula Lauriston و Zion Mengesha. تشکر ویژه از میشل کوهن برای کمک هایش در این کار.

سئو PBN | خبر های جدید سئو و هک و سرور