프로젝트 옐로우핑거 소개 연구실 문의하기
contact@yellow-finger.com
02.2205.4128
Human vs. Machine: framing the right problems for AI to solve
Human vs. Machine: AI가 해결할 수 있는 올바른 문제를 프레이밍합니다
Human vs. Machine: framing the right problems for AI to solve
Successful AI products enable both do to their best work, Framing problems for AI, from mechanisms to capabilities
성공적인 AI 제품은 메커니즘에서 능력에 이르기까지 AI를 위한 프레이밍 문제라는 최고의 작업을 모두 수행할 수 있게 합니다
요약 :)
인간이 할 수 있는 작업, AI가 자동화할 수 있는 작업, 인간이 AI의 도움을 통해서만 할 수 있는 새로운 범주 의 작업이 있습니다. 출처: Turing Trap .

성공적인 AI 제품을 사용하면 두 가지 모두 최고의 작업을 수행할 수 있습니다. 유용하고 가치 있으며 책임감 있게 고려되는 인간의 요구에 맞춰 AI 기능을 구축하는 접근 방식에 대한 프레임워크 아래의 요점
더보기→

출처.
Elaine Lu. (2024.04.14). Medium. Human vs. Machine: framing the right problems for AI to solve. 2024.04.29. https://medium.com/user-experience-design-1/human-vs-machine-framing-the-right-problems-for-ai-to-solve-3d6aa33561d9
인간이 할 수 있는 작업, AI가 자동화할 수 있는 작업, 인간이 AI의 도움을 통해서만 할 수 있는 새로운 범주 의 작업이 있습니다. 출처: Turing Trap . 성공적인 AI 제품을 사용하면 두 가지 모두 최고의 작업을 수행할 수 있습니다. 유용하고 가치 있으며 책임감 있게 고려되는 인간의 요구에 맞춰 AI 기능을 구축하는 접근 방식에 대한 프레임워크 아래의 요점 Stanford Digital Economy Lab + HAI에서 다시 작성 Stanford Digital Economy Lab + HAI 에서 다시 작성 데이터 과학과 디자인은 서로 다른 분야에서 성장했지만 데이터 기반 기능을 제품화할 때, AI가 인터페이스에서 주목을 받을 때 수렴됩니다 . 훌륭한 AI 제품을 구축하는 것은 귀중한 기회를 식별하는 것부터 시작됩니다. 그러나 AI를 둘러싼 문헌은 전통적으로 메커니즘 , AI 작동 방식(GAN, 신경망, RAG 등) 에 중점을 두었습니다. AI가 사람을 위해 할 수 있는 기능 에 대해서는 거의 설명하지 않았습니다. AI 혁신 격차 라고 불리는 데이터 과학 및 ML 전문가는 사람들이 원하는 아이디어를 생각하고 해결해야 할 문제를 찾는 역량을 구축하는 데 있어 사용자와 거리가 먼 경향이 있습니다. 디자이너는 사용자의 관점에서 문제에 접근하지만, AI의 특성 에 대한 이해가 제한되어 있어 구축할 수 없는 아이디어를 제시합니다. AI 제품에는 두 가지 모두가 필요합니다. 에서 샘 스톤 훌륭한 AI 앱 구축을 위한 언러닝(Unlearning to Build Great AI Apps) 은 사용자 문제에서 역방향으로 작업하는 동시에 기술 기회에서 앞으로 나아갑니다. 성공적인 AI 제품은 기술 역량과 해결해야 할 올바른 인간 문제를 일치시킵니다. 아래 세 가지 사항 중 하나를 선택하면 인간과 AI가 각각 최선을 다해 작업할 수 있습니다. 이 프레이밍은 공정성 , 윤리 , 의도하지 않은 결과 에 대한 우려를 피하기 시작합니다. 인간을 대체하는 대신 각각 고유하게 탁월한 기회를 제시하기 때문입니다. (1) AI는 현재 존재하는 것과는 다른 방식으로 작업을 수행합니다. (2) AI는 이전에는 불가능했던 새로운 일을 합니다. (3) AI는 없는 것보다 낫습니다. 사람들이 하기 싫거나 하기 싫은 일, 과거에 해야만 했던 일을 해내는 것입니다. 1. AI는 다른 방식으로 작업을 수행합니다. 스마트 시계 이전에는 사람들이 신체 활동을 수동으로 기록했습니다. 이제 언제 어디서나 신체 활동을 기록할 수 있습니다. 모바일 이전에는 사람들이 전화번호부에서 택시를 불렀습니다. 이제 탭 한 번이면 탈 수 있습니다. 동일한 작업을 다시 상상해 보세요. 기존 카테고리 내에서 AI는 동일한 작업을 다르게 수행할 수 있습니다. 예를 들어, 찾고 있는 것과 대부분 관련된 20개의 결과를 탐색하는 대신 AI를 통해 정확한 결과로 직접 순간이동할 수 있습니다. 1993년에 처음 도입된 의도 기반 결과 사양 으로 결과를 지정하고 끝까지 건너뜁니다 . 또 다른 예: 회의 중에 메모를 하는 대신 백그라운드에서 전사를 실행하고 순간을 표시합니다. 순간을 포착하기 위해 사진을 찍는 것처럼 나중에 중요한 순간을 다시 방문하세요. 결과는 일반적으로 동일하며, 수행 방법이 훨씬 더 쉽고 재미있어집니다. 이점 설명 및 평가 동일한 작업을 다르게 수행하는 AI 기능을 생각해 낼 때 이점과 최악의 시나리오를 평가하십시오. 인간 능력 대체, 생성된 콘텐츠에 대한 아티스트의 공로 인정, 추천 시스템 선택의 자유 등은 궁극적으로 사용자의 손에 있을 때 책임감 있는 AI 관점에서 까다롭습니다. 사용자를 위한 디자인을 할 때 AI에 대해 설명 해준다고 하네요 . 그러나 제품을 이해하고 사용하는 데 지식이 중요하지 않은 한 사람들은 궁극적으로 기술이 아닌 이점 에 관심이 있다는 것을 기억하십시오. 전 동료는 “카메라 앱을 열었을 때 버튼을 눌렀을 때 조명 노출 메커니즘이 어떻게 작동하는지 신경 쓰지 않는다. 추억만 간직하게 해주세요.” 사용 사례에 따라 일부 상황(사기 탐지, 암 예측)에서는 다른 상황(음악 추천, 이미지에서 개체 감지)보다 내부 내용을 설명하는 것이 더 중요합니다. 모든 것이 올바르게 진행되면 설명할 필요가 줄어듭니다. (1) 문제가 발생하는 경우 (2) 의사 결정 추적에 필요한 근본 원인, (3) AI의 기능 불확실성을 고려할 때 사용자 기대치를 조정하는 경우를 더 설명해야 합니다. 2. AI는 이전에는 불가능했던 새로운 일을 합니다. 정확성, 속도, 규모 등 AI의 독창성을 활용하는 AI 제품을 고려해보세요. 선례의 예는 실시간 언어 번역에서 신약 발견에 이르기까지 광범위합니다. 어려운 작업, 불안전한 작업, 불가능한 작업 AI가 할 수 있고 사람들에게 가치 있는 일을 생각해 낼 때, 사람들이 할 수 없거나 사람들이 하기에는 안전하지 않은 작업부터 시작하십시오. 어려운 작업에는 몇 초 만에 빅 데이터를 조사하고, 인식하는 데 몇 주가 걸리는 패턴 및 통찰력을 감지하는 등의 작업이 포함됩니다. 안전하지 않은 작업에는 송전탑 및 고방사선 전기 자산 검사, 노후화된 인프라의 이상 징후 감지, 궁극적으로 도시의 정전 방지 등이 포함됩니다. 3D 타워 캡처를 참조하세요. 불가능한 작업개인의 일생 동안 장기 기억을 유지하고 메모를 한 날의 메모를 기억하고 회상하는 것을 포함합니다.mem.ai 핸드오프 순간 때로는 AI나 인간 단독보다 협업 파트너십이 더 적합할 수도 있습니다. 예를 들어 AI는 의료 이미지와 환자 데이터를 분석한 후 의사에게 결정을 맡길 수 있습니다. AI는 표준 도로 환경에서 차량을 탐색할 수 있으며 예상치 못한 상황이나 기상 조건이 예상되면 운전자에게 전달합니다. AI는 소셜 미디어에서 부적절한 콘텐츠를 표시하는 첫 번째 단계를 거쳐 검토를 위해 사람들에게 전달할 수 있습니다. 연구에 따르면 AI는 인간의 감각 능력과는 아직 수십 년 떨어져 있다고 합니다 . 업계에서는 곧 출시될 것이라고 예상하고 있습니다 . 지금 AI는 전문적인 일이 아닌 괜찮은 일을 할 수 있다. 동시에 AI에는 사람이 갖지 못한 고유한 특성이 있어 우리가 생각해내는 새로운 작업을 가능하게 합니다. 3. AI는 없는 것보다 낫다 기존 기술 솔루션이 부족한 곳에서 AI가 탁월한 경우: 잘 연구되고 검증된 영역은 반복적이고 일상적이거나 인간에게 바람직하지 않은 작업, 즉 눈에 띄지 않는 AI 입니다. AI의 놀라운 기능은 점점 더 인간적인 느낌을 줍니다. 음성 복제 , 화면 보기( ReALM) , 자폐증 감지 , 뮤직 비디오 제작 , 운전 보조 , 빨래 개기 등 일반적으로 적절성에 대한 우려와 '우리를 인간으로 만드는 것'에 대한 의문이 뒤따릅니다. 데이터 탐색의 출발점으로 다른 사람의 작업을 복제하는 대신 눈에 띄지 않는 AI가 엄청난 결과와 편의성을 제공할 수 있는 상황을 고려하세요. 눈에 띄지 않는 AI 및 컴퓨팅 이는 기업 사용 사례에 적합합니다. 이는 눈에 띄지 않고 일시적으로 사용자의 행동 흐름에 자연스럽게 맞춰지고 중요한 순간에만 나타나도록 설계되었기 때문에 사람들이 놓치기 쉬운 경험적 개선입니다. 언급한다는 것은 이상하고 일치하지 않는 기대를 발견하는 것입니다. 눈에 띄지 않는 컴퓨팅 과 홈 IoT 시스템 에 적용된 주변 지능 개념 에서 영감을 받아 사람들이 중요한 것에 집중할 수 있도록 기술을 눈에 띄지 않고 눈에 띄지 않는 증강 루틴으로 만들려고 합니다. 지루하고 중복되는 수동 작업 자동화 마찬가지로, 눈에 띄지 않는 AI는 (1) 사람의 실수가 발생하기 쉬운 지루한 작업, (2) 대규모의 중복된 수동 작업을 빠른 속도로 오프로드할 수 있습니다. 지루한 작업은 매우 일상적이며 시간이 지남에 따라 정신적으로나 육체적으로 부담을 주며 최소한의 변화와 지적 자극을 줍니다. 이는 약속 예약, 일반적인 FAQ에 대한 고객 지원, 과거 판매 데이터 및 창고 재고 계산, 법률 문서 검토와 같은 관리 작업입니다. 중복 작업은 양식 작성, 체육관에서 음악 재생 목록 열기, 사진 및 비디오 편집, 이메일 확인 등 사람들이 반복적으로 수행하는 작업입니다. 가능성이 가장 높은 탭에 사람 배치, 스마트 기본값, 자동 완성 등 이를 자동화할 수 있는 간단한 AI 솔루션입니다. 공통 UI 구성요소를 사용하는 6가지 적응형 패턴을 참조하세요 . 고려사항 역사는 모든 새로운 기술이 등장할 때마다 사람들이 인간의 특성을 부여하는 경향이 있음을 시사합니다 . AI가 고유하게 가치가 있는 비인간 AI 기능을 생각해내는 것은 더 어렵고, 종종 만들어지고 제품화될 올바른 문제 일치를 찾기 위해 작동하는 AI 시스템을 구축하게 됩니다. 성공적인 AI 제품은 AI가 (1) 동일한 일을 다르게 수행하거나, (2) 이전에는 불가능했던 새로운 일을 수행하거나, (3) 아무것도 없는 것보다 나은 상황에 빠지는 경향이 있습니다. 이는 AI의 고유한 특성을 활용하여 반드시 인간 작업을 대체하는 것이 아니라 각 역할에 가장 적합한 작업을 다시 이미징하여 AI가 성공할 수 있는 가장 좋은 위치에 있는 범주입니다.