من دانشجو علوم شناختی هستم، و اخیرا در مطالعاتم به مقاله ای از دکتر ورگانتی بر خورد کردم که درباره دیزاین و هوش مصنوعی است، من در چند بخش این مقاله ۳۰ صفحه ای را ترجمه کرده و قرار خواهم داد. باشد که برای سایرین مفید واقع شود.
چکیده
هوش مصنوعی در حال تاثیر گذاری بر سناریو هایی است که خلاقیت در آن‌ها جای دارند. چه تاثیراتی بر فهم از طراحی خواهد گذاشت؟ آیا هوش مصنوعی یک دیگر از تکنولوژی های دیجیتال است، مانند خیلی‌های دیگر، که سوالات قابل ملاحظه‌ای درباره دانش ما از طراحی نخواهد پرسید؟ یا اینکه هوش مصنوعی تغییری در طراحی ایجاد خواهد کرد که چارچوب های حاضر قابل به توضیح آن نخواهند بود؟
برای مشخص کردن سوالات، ما دو نمونه پیشگام از ه.م. را بررسی کردیم، نتفیلیکس و ایربی‌ان‌بی (بعلاوه با تحلیل مایکروسافت و تسلا آن را تکمیل کردیم.) که دریچه‌ای خاص آینده تکامل طراحی خواهد بود.
ما متوجه این موضوع شدیم که هوش مصنوعی مبانی اولیه تفکر طراحی (مردم محور بودن، استدلال ربایشی و تکرار شوندگی ) را زیر سوال نمی‌برد، بلکه بر محدودیت های گذشته (مقیاس، دامنه و یادگیری) و فرآیند های طاغت فرسا برای انسان غلبه می‌کند. در زمینه استفاده از هوش مصنوعی در بستر کارخانه، هوش مصنوعی حتی کاربر محور تر (حد بالایی از شخصی‌سازی) و خلاق‌تر است و از طریق چرخه‌های یادگیری بر روی کل چرخه حیات محصول بروزرسانی می‌شود. با این همه ، ما دریافتیم که هوش مصنوعی به طور ژرفی عمل طراحی را تغییر می دهد. وظایف حل مسئله ، که به طور سنتی توسط طراحان انجام می شود ، اکنون در چرخه‌های یادگیری که بدون محدودیت حجم و سرعت کار می کنند ، به طور خودکار انجام می‌شوند. روند تفکر در این چرخه‌ها به طور کامل با روند یک طراح متفاوت است : هوش مصنوعی مشکلات بسیار پیچیده را به ساده‌ترین شکل با تکرار‌های زیاد حل می‌کند. این مقاله نهایتا یک فریم‌ورک جدید برای درک بهتر عمل طراحی در عصر هوش مصنوعی پیشنهاد می‌کند. همچنین درباره پیامدهای آن درباره طراحی و تئوری خلاقیت صحبت خواهیم کرد. بخصوص، مشاهده خواهیم کرد، آن زمانی که الگورتیم به طور قابل توجهی خلاقیت حل مسئله را بر عهده می‌گیرد، فعالیت انسان طراح به یک سازنده احساس تبدیل خواهد شد، یعنی، کدام مسئله می‌بایست حل شود. این جا به جایی در تمرکز به یک تئوری جدید نیاز دارد و طراحی را به رهبری، که ذاتا فعالیت معنا بخشی است، نزدیک می‌کند.
۱- مقدمه
به کار گیری هوش مصنوعی توجه زیادی را به خود جلب کرده و تقریبا در همه محیط‌های صنعتی مورد تاکید است، از سلامت تا کارخانه خودروسازی. از ترکیب فراگیر شدن سنسور‌های دیجیتالی، شبکه‌ها و خودکار‌سازی نرم‌افزاری، هوش مصنوعی اقتصاد را متحول و عصر جدید از صنعتی‌سازی را تعریف می‌کند. از علی‌بابا تا ایر بی‌ان‌بی، این «عصر هوش مصنوعی» جدید با ظهور نوع جدیدی از شرکت‌ها ، مبتنی بر مدل عملیاتی دیجیتالی ، فرصت ها و چالش های بی سابقه‌ای را ایجاد کرده است. (لانسیتی و لاخانی، ۲۰۲۰)
زمانی که استقبال شرکت‌ها از مدل‌های عملیاتی هوش مصنوعی محور افزایش پیدا می‌کند، آن‌ها خیلی از پروسه‌های کسب و کار خود را دیجیتالی کرده و نیرو انسانی و مدیریتی را از بخش‌های حیاتی اجرایی در بیشتر فعالیت‌های عملیاتی حذف می‌کنند. بر خلاف فرآیند‌های شرکت‌های قدیمی، این کارمند‌های نیستند که قیمت محصولات را تعیین می‌کنند، یا در بانک‌ها کارمند‌ها دیگر وظیفه تایید صلاحیت کسب‌وکار ها برای دریافت وام را بر عهده ندارند. انسان‌ها با توسعه الگوریتم‌ها و نوشتن نرم‌افزار ها باعث شدند ساخت حل مسائل بلادرنگ توسط تکنولوژی‌های دیجیتالی خودکار شود.
در حالی که اقتصاد پیوسته در حال تغییر است، فرآیند طراحی نیز با سرعت تغییر می‌کند، استفاده از سنسورها، شبکه‌های دیجیتالی و الگوریتم‌ها. محصولات مدرن به طور فزاینده ای به سازمان‌هایی که ان‌ها طراحی کرده‌اند متصل هستند و به طور پیوسته جریان‌های اطلاعاتی را از وجوه تجربه کار آن‌ها فراهم می‌آورند، چه محصولات به طور کامل در نرم افزار‌ها قرار گرفتند، مانند اپ‌های ایفون، و چه مانند خودرو تسلا، درون سخت‌افزار‌های سنتی جا گرفته باشند. بعلاوه، نرم‌افزار‌های تعبیه شده در محصولات ، خود جریان دیگری از اطلاعات را از سمت طراح به کاربر، جهت شخصی‌سازی راه حل‌ها، فراهم می‌کنند، و این یعنی بهبود تجربه کاربر به طور پیوسته و همزمان. این چرخه بازخورد پیوسته و دو طرفه امروزه به طور فزاینده‌ای در محصولات و خدمات دیده می‌شود، از نتفلیکس گرفته تا تسلا.
هوش مصنوعی ممکن است به طور ژرفی باعث تغییر بستر هایی شود که طراحی در آن جای دارد. پیامدهای عملی طراحی و درک ما از نوآوری طراحی-محور چیست ؟ این مقاله به بررسی تغییراتی که هوش مصنوعی به طراحی خواهد آورد، از طریق جستجو مابین استراتژی‌های سازمان‌های پیشرو در هوش‌مصنوعی و طراحی، می‌پردازد.
تحلیل‌های ما به سه سوال پاسخ خواهد داد:
این مقاله به این شکل ساختار یافته است : ابتدا به معرفی شیوه و مبانی طراحی خواهیم پرداخت که پاسخ‌های دو سوال اول در فهرست بالا را خواهند داد. مبانی در تئوری های موجود تفکر طراحی ریشه دارند. رویه‌های طراحی بر اساس چارچوب‌هایی که به مقایسه ذات طراحی متمرکز انسانی با طراحی در عصر هوش مصنوعی، بنا شده اند. این چارچوب‌ها از طریق نمونه برداری از شرکت‌های نتفلیکس و ایر بی ان بی ارائه خواهند شد. بعد از آن، درباره تحلیل وسعت تاثیر پذیری شیوه‌ها و مبانی طراحی از هوش مصنوعی بحث خواهد شد. سپس با تجزیه و تحلیل پیامدهای تئوری‌های طراحی و نقش جدید طراحان در شرکت های مبتنی بر هوش مصنوعی نتیجه‌گیری می‌کنیم.
۲- طراحی و بستر عملیاتی آن
برای بررسی اینکه هوش مصنوعی در کل بر طراحی تاثیر خواهد کرد یا خیر و اینکه این تاثیرات تا چه حد خواهد بود، ما بحث خود را با تحلیل دو بحث مختلف شروع می‌کنیم : شیوه و مبانی. رویه طراحی به پدیدارشناسی طراحی در بستر خاصی اشاره دارد : فرآیند طراحی (چگونگی طراحی، مانند فاز‌ها، روش‌ها، ابزار‌ها و شیوه‌های گروهی طراحی) و هدف طراحی (راه‌حل‌هایی که طراحی می‌سازد.). مبانی طراحی به چشم‌انداز و فلسفه طراحی اشاره دارد که اطلاعاتی از عمل طراحی و هستی‌شناسی طراحی چیست. فاصله‌گذاری مابین این دو سطح از تحلیل ما را قادر می‌کند تا ذات تاثیرات هوش مصنوعی بر طراحی را بهتر تمیز دهیم. آیا هوش مصنوعی رویه طراحی ما را تغییر خواهد داد؟ یا اینکه حتی در سطحی عمیق‌تر، چارچوب‌های مبانی اولیه طراحی را دستخوش تغییر کند؟ برای پاسخ به این سوالات، با معرفی مبانی طراحی شروع خواهیم کرد، که از بحث تئوری‌های طراحی امروزی بیرون می‌اید. بعد از آن، چگونگی تاثیرات این مبانی بر طراحی را - قبل اختراع هوش مصنوعی- ترسیم خواهیم کرد، در نهایت، یک قالب جدید را برای تحلیل این مبانی در بستر جدید کارخانههای هوش مصنوعی مطرح می‌کنیم.
۲-۱- مبانی طراحی
همیشه طراحی کردن به معنی «تدبیر کردن اصولی بوده است که شرایط حاضر را به شرایط دلخواه تغییر دهد.»(سایمون، ۱۹۸۲). برای حرکت به سمت شرایط دلخواه، طراحی راه‌حل‌های خلاقانه‌ای را به کار می‌گیرد که برای مردم معنا دار باشد (کریپدورف ۱۹۸۹ و ۲۰۰۶، ورگانتی ۲۰۰۸ و ۲۰۰۹). مبانی طراحی‌ای که این شیوه‌ها را می‌سازند چیست؟ مجادله‌های علمی بر سر هستی شناسی طراحی به طور قابل توجهی در حوزه نظریات طراحی - مشارکت زیادی - توسعه پیدا کرده است (برای مثال مراجعه کنید به : مارگولین ۱۹۸۹، مارگولین و بوکانون ۱۹۹۶، لاو ۲۰۰۰، گاله ۲۰۰۲). با توجه به تمرکز ما بر روی رویه‌های طراحی در بستر سازمان‌ها، ما به توسعه‌های اخیر در جریان‌های خاص پژوهش رسیده‌ایم : تفکر طراحی. اگرچه این اصطلاح دچار ابهاماتی است، تلاش پژوهشگران مدیریت در گرفتن عصاره طراحی در بستر سازمان‌ها، تحت سه مبنای اساسی زیر پوشش داده می‌شود (سیدل و فیکسن ۲۰۱۳، میشلی و همکارانش، ۲۰۱۹، لیدکا ۲۰۱۵) :
۲-۲- طراحی در بستر مدل عملیاتی سنتی
اینکه این مبانی چگونه در رویه‌های طراحی تاثیر بگذارد یقینا وابسته است به زمینه‌ی عملیاتی که طراحی در بستر آن جای گرفته است. بیشتر آن چیزی که امروزه در رویه‌های طراحی می‌بینیم متکی بر کار و مدیریت است. طراحی یک محصول جدید مستلزم ساختن معماری‌های فرآیند پیچیده ای است که بتواند به طور موثری محصول را مقیاس بزرگ ارائه دهد. برای حضور این چنین سازمان بزرگی، شرکت‌های سنتی محصولات را به طوری سریالی پخش می‌کردند و چرخه‌های پشت‌سر هم طراحی (تولید راه‌حل معنا دار)، تولید ( تولید و تبلیغ راه حد در مقیاس بزرگ) و مصرف آن توسط کاربران تکرار می‌کردند. (تصویر ۱) این شیوه برای طراحی راه حل های مختلف برای هر کاربر به طور جداگانه نه عملی بود و نه اقتصادی. محصولات و خدمات برای «دسته»های کاربران طراحی می‌شدند.
بعد از آنکه یک محصول پخش می‌شد، بستر تکامل پیدا می‌کرد. برای مثال، بازار تغییر می‌کرد، یا فرصت‌های تکنولوژی جدید ظهور می‌کردند. به علاوه، طراحان می‌توانستند دیدگاه‌های جدیدی از مشتریان واقعی محصول موجود، بگیرند. با این همه مدل عملیاتی مسلتزم صرف انرژی و سرمایه گذاری زیاد بود تا بتواند یک محصول را بازطراحی کند، به همین دلیل نوآوری‌ها تا زمانی که ارزش حاشیه‌ای یک محصول از هزینه طراحی آن بزرگ‌تر شود، به تعویق می‌افتاد. و در این موقع چرخه جدید طراحی مجدد شروع می‌شد.
یک ساختار مشابه انچه بالا معرفی شد، در صورتی که در مورد استفاده قرار گیرد، باعث خواهد شد تا وقفه قابل توجهی مابین نوآوری طراحی پی‌آیند رخ دهد. در این بازه، چرخه یادگیری می‌ایستد، در نتیجه، راه‌حل به سرعت «کهنه» می‌شود. یادگیری موارد و ایده‌های جدید تنها میتوانند در راه‌حل های آتی مشارکت داده شوند. راه‌حل‌هایی که به شکل توده پخش برای دسته‌های مشتریان پخش می‌شوند.
۲-۳- طراحی در بستر کارخانههای هوش مصنوعی
به طور سنتی، فعالیت طراحی به طور سنگینی مترکز بر انسان بود، اما هوش مصنوعی این سناریو را تکامل بخشید. اول، در بستر کارخانههای هوش مصنوعی، فرآیند طراحی می‌تواند با داده‌های همزمان تغذیه شود، داده‌هایی که از فعل و انفعال کاربران یا اکوسیستمی که شرکت بر آن متکی است، بدست می‌آید. بعلاوه، و حتی خیلی هیجان‌انگیز‌تر، این اطلاعات میتوانند موتور هوش مصنوعی را مطلع کنند. این موتور توانایی حل مسئله دارند : اگر به درستی اماده شوند، آن‌ها میتوانند به طور خودکار -بدون دخالت نیرو انسانی- برای مشکل مشخص کاربران راه حل‌هایی بسازند (ایانسیتی و لاخانی، ۲۰۲۰). در بخش بعد درباره اینکه این سناریو چگونه کار می‌کند، درباره دو سازمان پیشرو این زمینه، صحبت خواهیم کرد. بیش از انکه به عمق بحث برویم، در اینجا تصویر ۲ را برای نمایش رویه طراحی این نوآوری قرار دادیم.
طراحی کردن به معنی تصمیم گیری های متعدد است. بعضی از آن ها بسیار پیچیده هستند و نیازمند قدرت تصور و خلاقیت بسیاری هستند. اما بیشتر تصمیم‌ها، علی الخصوص در موقع توسعه، بیشتر به مهارت حل‌مسئله نیاز دارند تا تصور کردن. مثال‌های آن مانند، تصمیم‌گیری‌های جزئی هستند که برای شکل عملکردی یک شی هستند، یا طراحی ظاهر یک محصول برای یک کاربر و یا نمایش اطلاعات بر روی صفحه. تعداد زیادی مسائل جزئی وجود دارد که فرآیند طراحی حل می‌شوند. هوش مصنوعی یک خرد برای حل این مسائل پیشنهاد می‌دهد.
در بستر کارخانه هوش مصنوعی، طراحان این فرصت را پیدا می‌کنند تا خود را از بار مسائل جزئی خلاص کنند. در هر چرخه حل مسئله ، یک راه خاص، یعنی یک راه حلی که یک کاربر مشخصا با آن فعل و انفعال دارد، توسط هوش مصنوعی طراحی می‌شود. این چرخه داده‌ها (بینش‌ها) را از یک کاربر جمع آوری می‌کند، آن‌ها را با داده‌های دیگر ترکیب می‌کند، و آن را در یک الگوریتم قرار می‌دهند، الگورتیمی که طراحی شده است تا بهترین راه حل را برای یک کاربر مشخص خروجی دهد. راه حل دقیقا همان لحظه که کاربر به آن نیاز دارد طراحی می‌شود. حتی بیشتر از آن، همینطور که داده‌های یبشتری به طور پیوسته جمع آوری می‌شود، وموتور‌های هوش مصنوعی قابلیت یادگیری در خود دارند، این چرخه حل مسئله پیش‌بینی خود را درباره نیاز‌ها و رفتارها کاربر بهبود می‌دهد و در نتیجه راه‌حل های بهتری را طراحی می‌کند. در واقع، راه‌حل‌ها پیوسته بهبود پیدا کرده و خلاق‌تر می‌شوند.
در عصر هوش مصنوعی، کار طراحان این نیست که محصولاتی را ایده پردازی کنند که در مقیاس پذیری در سطح تجاری داشته باشند، بلکه طراحی چرخه‌های حل‌مسئله ای است به توسعه رساندن یک راه‌حل خاص به یک کاربر مشخص هستند. چرخه‌های حل مسئله شامل دو توانایی اصلی هستند. اول، جمع آوری، تمیز کردن، و نرمال کردن داده‌ها از سنسور هایی که در دریا داده ادغام شده‌اند. دوم، توانایی حل چالش‌های کاربرها : در این مقاله موتور هوش مصنوعی را به عنوان یک سری قواعد، تئوری‌ها، برنامه و الگورتیم‌ها می‌شناسیم که توانایی انجام کارهای هوشمنداره را دارند (از تشخیص وسائل تا پردازش زبان طبیعی، از پیش بینی کردن تا ترسیم نتایج)، و با توانمندی یادگیری ترکیب شده است (یادگیری ماشین)، این‌ها هوش مصنوعی را قادر می‌سازد تا نتایج را در روند زمان بهبود ببخشد.
چرخه‌های حل مسئله از این رو سیستم‌های طراحی مستقل و بدون سرمایه انسانی هستند که وقتی صحبت از توسعه یک راه حل خاص می شود ، جایگزین قدرت محاسباتی افراد می شوند : آن‌ها نسبت به بی‌ثباتی در مقادر تاب آور هستند بدون آنکه نیاز به باز طراحی یا بروز رسانی مدل‌های علمیاتی داشته باشند، و میتوانند تنوع کافی از راه‌حل ها را بدون نیاز به نیرو تحقیق و توسعه زیاد، فراهم کنند.
این مقاله ادامه دارد ...
اینجا بخوانید :
