Oct, 2023

AI 抓握：面向设计师的实践训练

PDF
TL;DR人工智能 (AI) 和机器学习 (ML) 被广泛地应用于物理和数字产品，创造了前所未有的互动和功能机会。然而，在这个创意领域中，设计师们面临一个挑战，即在技术的可能性和人类互动关切之间取得平衡。本文调查了探索和思考 AI 系统互动特点、独特的关系可能性以及更广泛的社会影响的技术技巧。我们在一门互动设计课程中引入了九个 'AI 练习 ' (n=100)，借鉴了超乎人类设计、负责任的 AI 以及假设性演绎，以创造有关 AI 互动设计的体验性参与。我们发现，关于隐喻和演绎的练习使得培训和学习、隐私和同意、自治和机构更具体，从而帮助学生更有思考和责任意识地设计使用 AI 与其复杂属性的设计过程和结果。
artificial intelligencemachine learninginteraction designmetaphorsresponsibility
发现论文，激发创造
  • 模仿交互智能

    通过虚拟环境中的交互式训练、行为测试和逆强化学习技术，实现了大规模人类行为模仿，提高了人工智能代理的交互能力，并成功解决了代理评估方面的挑战。

    Dec, 2020

  • AIxArtist：与人工智能互动逃离创作瓶颈的第一人称故事

    未来，艺术和人工智能（AI）之间的融合充满了前景，通过技术的进步，AI 在设计中的使用越来越广泛，艺术实践可能不再是一种仅限于人类的艺术形式，而是成为一种数字化整合的体验。通过增强的创造力和协作，艺术和 AI 可以共同努力创造出视觉上吸引人且满足艺术家和观众需求的艺术产出。虽然融合将走多远还难以预测，但艺术与 AI 很可能会相互影响。本文的研究人员通过描述 HCI 研究人员和 AI 之间试图摆脱创造障碍的互动，提出了一次第一人称研究，以探索 AI 如何支持艺术家的创造力，并在这种情境中什么是可解释的。结果引发了进一步讨论和探索，涉及到 XAIxArts 社区中透明化的归因、创作过程、伦理问题、灵感与抄袭等方面。

    Aug, 2023

  • 用户体验设计专业人员对生成人工智能的感知

    研究发现，经验丰富的设计师对于 Generative Artificial Intelligence（GenAI）的作用持支持态度，强调了人类在享受和作为 “AI 合作伙伴” 的裁决者方面的独特优势，然而，技能退步、工作替代和创造力衰竭可能会对初级设计师产生不利影响。研究探讨了人类与 GenAI 的合作的责任和参与度，包括版权和所有权，人类的创造力和主权，以及 AI 读写能力和使用方面的机会。

    Sep, 2023

  • 质询人工智能：为可解释人工智能用户体验制定设计实践

    通过访谈 20 位 UX 和设计从业者，该研究通过开发基于算法的 XAI 问题库来识别当前 XAI 算法工作和可创建可解释 AI 产品的实践之间的差距，并提出了扩展的 XAI 问题库，探讨其如何用于创建以用户为中心的 XAI。

    Jan, 2020

  • 探索支持设计师学习与基于人工智能制造设计工具共同创作的挑战和机遇

    本研究观察了受过专业训练的设计师在学习如何使用两种基于人工智能的工具完成实际设计任务时所面临的挑战，发现设计师在理解和调整 AI 输出以及沟通设计目标方面存在许多挑战。通过我们的研究结果，我们提出了一些设计机会，以更好地支持设计师 - 人工智能的协作。

    Mar, 2023

  • 可解释的人工智能与人类互动：一种规划视角

    AI 系统与人类的相互作用中，理解计算机中的心智模型和说明性交流对于实现合作场景和操纵人类期望至关重要。

    May, 2024

  • 以团队学习为视角设计人工智能协同创新系统

    本研究将人工智能与人类合作的问题重新定义为一种学习问题，提出团队学习策略可提高合作效果和质量，为设计更高效的人工智能合作系统提供了新的视角和框架，并就支持人们学习如何与生成型人工智能系统协作的进一步研究提出了问题和议程。

    Jul, 2022

  • 机器教学中的人工智能交互设计

    本文基于现有工作，提出了一个包括教学界面、机器学习器和知识库在内的机器教学框架，并着重关注实现教学界面所涉及的人工智能交互设计。在师生对话中，阐述了开发机器教学系统时需要处理的设计决策。

    Jun, 2022

  • 拆解学生书面评估中与人工智能的关键交互

    人工智能（AI）已经成为社会不可或缺的一部分，但确保人类具备必要的批判性思维和 AI 素养技能以有效地与机器交互，并理解其能力和局限性，面临着一个关键挑战。本文通过使用理论模型和实证数据，提出了批判性学生与 AI 进行互动的概念化的第一步。我们的初步发现表明，在写作过程中人与 AI 之间存在缺乏深度互动的情况。我们认为这些结果可以为未来的学习者在与 AI 交互时培养深入的批判性思维提供更好的任务和工具设计方案。

    Apr, 2024

  • 预测用户需求：从设计小说中获取关于计算思维对话代理的见解

    计算思维与计算机编程具有学习曲线陡峭的特点。通过对话代理和生成式人工智能（genAI）的应用，可以提供个性化指导、互动学习体验和代码生成来促进学习过程。然而，目前基于 genAI 的聊天机器人主要面向专业开发人员，对教育需求的考虑可能不足够。因此，与教育者合作设计教育工具至关重要，本文通过设计虚构会话中的参与教育者洞察了一种具备指导学生分步练习、调整指导方法并关注教育背景、技能和学习偏好的对话代理，这些发现可为面向教授计算思维和计算机编程的辅导对话代理的未来实施提供指导。

    Nov, 2023