Design til augmented intelligence

At bringe en menneskecentreret tilgang til big data og smarte maskiner

Af Tim Brown, Dean Malmgren og Mike Stringer

Kan vi give data en sjæl? Vi tror, ​​vi kan. Vi går endnu længere end det: vi skal. Hvorfor? Som driveren for kunstig intelligens informerer data om en ny tidsalder af design og produktion, der vil konkurrere med den industrielle revolution.

Det burde også give os et øjeblik af pause. Hvis vi har lært noget fra sci-fi-spektret af maskiner, der er gået galt, er det, at med stor computerkraft kommer et stort ansvar. Datadrevet intelligens vil snart blive indlejret i næsten alt, hvad vi ser, rører og gør. Når vi ved det, er det vores pligt at bringe vores menneskehed til det - at designe det til at være relevant, empatisk og ja, endda sjælsomt.

I stedet for, hvad vi for det meste ser derude, er teknologer, der prøver at blive lidt smartere omkring design, og designere, der prøver at blive lidt smartere om teknologi. Det er ikke tilstrækkeligt, hvis vi skal opbygge en human intelligent verden. For at komme dit sted, vi skal hen, er vi nødt til at arbejde hånd i hånd - for at samle dybe praktikere om tværfaglige teams. Derfor er IDEO glad for at kunne meddele, at vi har erhvervet Datascope. Vores Chicago-studie har udforsket menneskelig centreret datadesign sammen med Datascope og et antal klienter i de sidste fire år, og vi er glade for at formelt gå sammen om at skalere denne indsats.

Sammen skaber vi et tilbud, vi kalder D4AI: Design til augmented intelligence. Valget af "forstærket" snarere end "kunstigt" er ikke kun smarte ordspil - forstærket intelligens udvider menneskers evner på en måde, der føles naturlig. Hvis intelligensen af ​​vores enheder, systemer og forhold føles kunstig, vil den aldrig klæbe fast.

Udvidet intelligens bliver kun autentisk vævet ind i vores liv, når det føles varmblodigt og lydhør - så forudsigeligt uforudsigeligt som vi er. Det er bølgen af ​​følelser, når Google Fotos genkender en jubilæum og overflader et foto, du tog den sidste dag, du var sammen med din bedstefar, som døde sidste år. Google Fotos assistentfunktion er flyttet fra at være et enkelt værktøj til en næsten daglig forlængelse af hukommelse.

Hvis intelligensen af ​​vores enheder, systemer og forhold føles kunstig, vil den aldrig klæbe fast.

Men for hvert smart øjeblik er der også utallige bungler. Vores digitale assistenter kan virke helt clueless - eller værre, hjerteløse. Hvis vi ser det lange synspunkt, er vi sandsynligvis i den kambriske æra med intelligente maskiner. Vores tilgang vil være at gå ydmygt ind, med vores hatte væk, ved at der er meget, vi ikke kender, og meget hårdt arbejde der skal gøres. Når det er sagt, er løftet om kunstig intelligens at gøre smarte ting mulige. Og D4AI håber at gøre dem ønskelige. Mennesker vil altid se ting, maskiner ikke kan se, og vice versa.

Da vi startede D4AI, befinder vi os i et øjeblik meget ligner det, da IDEO banebrydede Interaction Design for næsten 30 år siden. Bill Moggridge, designeren af ​​den første bærbare computer, så, hvor vigtigt det var at designe interaktioner mellem mennesker og computere, der var forankret i menneskelige behov. På det tidspunkt var mange mennesker skeptiske overfor upersonligheden af ​​softwaregrænseflader. Men når de behandles som et designmedium i forbindelse med interaktion, sprang grænseflader til live på nyttige og tidligere ufattelige måder, der nu brænder digitale transformationer rundt om i verden.

Det samme kan siges om anvendelse af design til datadrevne grænseflader. Der er bred opfattelse af, at værdien af ​​data ikke er tilgængelig. Men det er simpelthen ikke sandt. Data i sig selv er inerte - stumme råmaterialer. At gøre ting smart vil betyde at designe med data på en måde, der reflekterer og reagerer på menneskelig adfærd. Det betyder at gøre det dynamisk. Fleksibel. Evolutionær. Det bliver nødt til at eksistere i forhold. Og forhold, som vi alle ved, er komplicerede. Derudover har vi nu forhold ikke kun med hinanden, men også med vores telefoner og netværk og karosserier og biler.

Hos IDEO tænker vi meget på disse forhold. Når du for eksempel er i din bil, kommunikerer det muligvis med dig, din telefon og også dens omgivelser, da den reagerer på data indsamlet fra sensorer, der er trænet på vejen. Hvem har agenturet i dette scenarie? Hvem bestemmer? Du? Din telefon? Bilen? En køretjeneste i skyen?

Data i sig selv er inerte - stumme råmaterialer. At gøre ting smart vil betyde at designe med data på en måde, der reflekterer og reagerer på menneskelig adfærd.

At designe med data på en måde, der øger vores forbindelser til mennesker og ting, kræver (1) at have tilstrækkelig teknisk viden til at vide, hvordan man arbejder med de rå input, og (2) at have nok af et designtankegang til at gøre disse input relevante.

Når alt kommer til alt, er hvert datasæt formidlet af mennesker. Folk identificerer data som vigtige, registrerer dem og analyserer dem. Folk indtaster milliarder af søgeforespørgsler, der gør det muligt for søgemaskiner kontinuerligt at forbedre. Folk skifter gentagne gange temperaturen ned på en smart termostat; først da kan termostaten lære at afvise den for os. En motors ”intelligens” er derfor afhængig af vores forståelse af menneskelig adfærd og vores evne til at programmere udnytte vores data på en måde, vi finder nyttige.

Der findes også et element af menneskelig intention og historisk bias i data, og det skal vi erkende. D4AI's evne til at skabe intelligente systemer, der fremmer meningsfuld forandring, vil stole på at kombinere uerstattelig menneskelig indsigt og maskinernes magt. Ikke en let ting at trække af, vi anerkender, men en ambition, hvor vi investerer.

Her er et nyttigt eksempel på, hvordan data alene kan gå glip af mærket uden hjælp af menneskecentreret design: I dag er børn de sensorer, der fortæller os, at der er bly i husmaling. Det spåner fra væggen, de spiser det og er forgiftet. Det er ikke før de udvikler symptomer, at alarmklokker slukker.

Arbejdsgruppen Data Science for Social Good mente, at de havde løst problemet for Chicagos børn. En nødsituation inden for folkesundhed, der ville have taget 10 år og $ 77M til at løse, kunne adresseres på tre måneder for kun $ 1M ved hjælp af en datamodel, de havde udviklet.

Men der var et problem: Deres model krævede at vide, hvor hver gravid kvindes opholdssted var - oplysninger, der hverken var offentlige eller tilgængelige. Til sidst fandt de en menneskecentreret løsning, der var rodfæstet i en anden indsigt, en, som rene data aldrig kunne have forudsagt: Kvinder, der boede i gamle bygninger, der mest sandsynligt blev blyforurenet, var også de mindst sandsynlige for at søge fødselspleje. Baseret på denne indsigt ændrede gruppen deres fokus til at yde fødsel pleje i disse kvarterer og inspicerede samtidig bygningerne, hvor børnene boede eller snart ville blive født til blymaling - der serverede to behov på én gang.

Historien er en påmindelse om, at forudsigelser er lette, men folk er komplicerede. Den rigtige type data er ikke altid tilgængelig eller nyttig eller en smart genvej, når du prøver at adressere mangesidige menneskelige problemer.

Forudsigelser er lette, men folk er komplicerede.

Når de studerer historier som denne, ville Datascopes medarbejdere spørge sig selv, hvad ville IDEO gøre? Ligeledes står IDEO og dets kunder over for mere komplekse data- og designudfordringer og spørger, hvad ville Datascope gøre? Datascope tager udgangspunkt i de menneskelige behov, der er forbundet med et problem, snarere end de data, der måske synes mest åbenlyst relevante for dette problem. Mens mange andre firmaer i deres rum måske ser sig selv som dataingeniører, der implementerer løsninger i massiv skala, eller dataforskere snævert fokuserer på at forske på nye statistiske modeller, ser Datascopers sig selv som designere - designere, der arbejder med data og algoritmer for at skabe menneskeligt centreret AI.

Sammen tror vi, at datadrevet augmented intelligence grundlæggende ændrer verden omkring os. Det er tid til at sikre, at vi designer denne intelligens på måder, der gør os - og af os mener vi hvert menneske - bedre.