Mēs visi esam piedzīvojuši vilšanos mijiedarbībā ar MI vai pazīstam cilvēkus, kuri „ienīst tērzēšanas botus”, bieži tāpēc, ka standarta pieredze nav noderīga, vērtīga vai patīkama. Šo vilšanos bieži rada ne tik daudz modeļa spējas, cik pati pieredze — mijiedarbība starp cilvēkiem, MI aģentu un vēlamo rezultātu. Tas ir būtisks šķērslis ieviešanai, īpaši uzņēmumos, kur slikti izstrādāta mijiedarbība var pārslogot, neņemt vērā reāllaika kontekstu vai ignorēt lietotāja nodomu un uzvedību.
No šā skatpunkta esam noteikuši katra modeļa sniegtos ieguvumus, ar to saistītos dizaina izaicinājumus un praktiskus ieteikumus tā izmantošanai. Šie modeļi ir izmantojami dažādos mijiedarbības veidos un modalitātēs, paverot iespējas gan patērētājiem paredzētai pieredzei, gan iekšējiem MI risinājumiem, kas palīdz zināšanu darbiniekiem pieņemt labākus lēmumus.
Vēlamies dalīties ar jaunajiem modeļiem, ko novērojam, veidojot un izmēģinot daudzus ģeneratīvā MI risinājumus, lai palīdzētu izstrādāt labākas cilvēka un MI attiecības.
Daudzas mūsu mijiedarbības ar tehnoloģijām gan zināšanu darbinieku, gan patērētāju lomā ikdienas uzdevumus padara grūtākus, nekā tiem vajadzētu būt. Tās ierobežo mūsu produktivitāti, efektivitāti un radīto vērtību.
Gan zināšanu darbiniekus, gan patērētājus var nomākt milzīgais pieejamās informācijas, izvēļu un rīku apjoms. Šī pastāvīgā un bieži pretrunīgo vēstījumu plūsma apgrūtina skaidru lēmumu pieņemšanu un uzmanības saglabāšanu. Pētījumi liecina, ka darbinieki līdz pat 40% darbdienas pavada, tikai meklējot vajadzīgo informāciju (McKinsey). Šī informācijas pārslodze ietekmē gan produktivitāti, gan labbūtību.
Mums ir arī ierobežotas uzmanības spējas. Pat ja spējam atrast informāciju, nevaram apstrādāt vai analizēt visu, kas vajadzīgs pamatota lēmuma pieņemšanai. Vienā brīdī spējam pievērsties tikai nelielai pieejamo datu daļai un bieži turamies pie esošajiem uzskatiem vai idejām, kas ierobežo spēju apsvērt alternatīvas vai pamanīt negaidītas likumsakarības.
Paši rīki bieži neņem vērā šos ierobežojumus. Lielākā daļa tehnoloģiju ir izstrādātas „vidējam lietotājam” — tie ir universāli risinājumi, kas nepielāgojas individuālam kontekstam. Neatkarīgi no tā, vai izmantojam darbavietas programmatūru vai patērētājiem paredzētas lietotnes, šie rīki reti ņem vērā mūsu vajadzības, ierobežojumus vai unikālos apstākļus. Tāpēc tehnoloģijas var kļūt neefektīvas vai pat traucējošas. Ģeneratīvais MI sniedz iespēju radīt pielāgojamāku un personiskāku mijiedarbību.
Visbeidzot, daudzas darba vides rada nevajadzīgu neapmierinātību. Arvien lielāks „aizņemtības darba” apjoms, spiediens būt „vienmēr pieejamam” un atkārtoti mazvērtīgi uzdevumi veicina atsvešināšanos un hronisku stresu. Lai gan ģeneratīvais MI un MI aģenti varētu mazināt vai novērst šo pieredzi, daudzi cilvēki joprojām neuzticas MI spējai kopumā uzlabot darbu. Cilvēki var iebilst pret ideju, ka „MI pārņems darbu”, jo baidās tikt aizstāti vai izjūt atbildību par savu darbu — pat par uzdevumiem, kas viņiem nepatīk.
MI izmantošana pati par sevi nav risinājums. Slikti integrēts MI var radīt jaunus uzdevumus un satraukumu, īpaši zināšanu darbiniekiem. Šie izaicinājumi parāda, ka vajadzīga cilvēka un MI mijiedarbība, kas ir ne tikai efektīva, bet arī atbilst mūsu kognitīvajām spējām, individuālajiem apstākļiem un reālās pasaules ierobežojumiem. Tālāk izklāstītie seši modeļi raksturo pieejas, kas ņem vērā cilvēku vajadzības un veicina pielāgojamākas, pārredzamākas un jēgpilnākas attiecības ar MI.
Saistība starp jaunajiem dizaina modeļiem un efektīvas, uz cilvēku vērstas MI pieredzes principiem.
Informācijas atlase: MI kā vieda izvēlne — MI atlasa un sakārto informāciju, mazinot pārslodzi un palīdzot cilvēkiem orientēties plašās datu kopās.
Atgriezeniskā saite: MI kā domāšanas partneris — MI reāllaikā sniedz pārdomas rosinošu atgriezenisko saiti, kas apšauba pieņēmumus un piedāvā citus skatpunktus.
Situācijas izpratne: MI, kas izprot šeit un tagad notiekošo — MI pielāgojas reāllaika kontekstam, pastāvīgi apstrādājot informāciju par vidi un lietotāja vajadzībām.
Nepārtraukta izzināšana: katra mijiedarbība kā lietotāju izpēte — MI izmanto katru mijiedarbību, lai gūtu atziņas un pilnveidotu izpratni, nodrošinot pastāvīgu mācīšanos un uzlabošanos.
Paplašināšana: lietotāja ievades papildināšana labākiem rezultātiem — MI nemanāmi uzlabo lietotāja ievadi, vienlaikus saglabājot sākotnējo nodomu.
Darbības gaitas parādīšana: pārredzama MI spriestspēja — MI padara savu lēmumu pieņemšanas procesu redzamu un noderīgu, vairojot uzticēšanos un palīdzot lietotājiem pieņemt pamatotākus lēmumus.
Šie seši modeļi parāda, ka efektīviem MI risinājumiem vajadzīga ne tikai labi izstrādāta lietotāja saskarne. Tie nosaka, kā cilvēki un MI aģenti sadarbojas, pieņem lēmumus un mijiedarbojas sarežģītās zināšanu sistēmās. Šie modeļi uzlabo cilvēka un MI mijiedarbību šādi:
Priekšplānā izvirza divpusēju zināšanu apmaiņu: veido dialogu, kurā gan MI, gan cilvēki sniedz idejas, kontekstu un atziņas. Tas ļauj veidot spējīgākas MI sistēmas, kurās izmantotas vēl neformalizētas ekspertu zināšanas un intuīcija.
Rada pieredzi, kas pielāgojas dažādiem apstākļiem: MI rīki var ātri novecot vai zaudēt nozīmi. Sistēmas, kas saglabā situācijas izpratni, nepārtraukti mācās un pielāgojas katra lietotāja apstākļiem, laika gaitā nezaudē lietderību.
Vairo uzticēšanos un pārliecību: pārredzama, sadarbībā balstīta mijiedarbība mazina ieviešanas šķēršļus, palielina iesaisti un uzlabo gan cilvēku, gan MI lēmumu pieņemšanu. Pārdomāts dizains palīdz cilvēkiem laika gaitā saglabāt pārliecību par sistēmas lēmumiem un rezultātiem.
Izstrādāt efektīvu MI pieredzi ir sarežģīti, taču var palīdzēt pārbaudītas pieejas. Lietotāju izpratnes un noderīgas pieredzes radīšanas pamatprincipi joprojām ir spēkā, taču jāņem vērā arī jauni apsvērumi, ko rada patstāvīgi rīkoties spējīgas MI sistēmas. Pieredze, kas efektīvi atlasa informāciju, sniedz noderīgu atgriezenisko saiti un pārredzami mācās, var mazināt pārslodzi, uzlabot lēmumu pieņemšanu un vairot uzticēšanos.
Šie modeļi palīdz pārvarēt izplatītus ieviešanas šķēršļus, padarot MI patiesi noderīgu, pielāgojamu un vērtīgāku visiem iesaistītajiem.
Tālāk sniegtajā ceļvedī katrs modelis aplūkots detalizētāk un paskaidrots, kā tas var veicināt plašāku MI pieredzi.
Kas tas ir: Lietotājiem vairs nav manuāli jāpārskata neskaitāmi meklēšanas rezultāti vai dokumenti — MI aģenti var atlasīt informāciju no plašām datu kopām un parādīt būtiskākās atziņas. Būtībā MI kļūst par bibliotekāru, kas sakārto zināšanas atbilstoši lietotāja kontekstam.
Kāpēc tas ir noderīgi: Tas mazina informācijas pārslodzi. Vidējais zināšanu darbinieks informācijas meklēšanai velta 1,8 stundas dienā, un daudziem darbiniekiem tas veicina izdegšanu (McKinsey). MI vadīta atlase šo problēmu risina, indeksējot, atrodot un apvienojot informāciju no dažādiem avotiem un palīdzot lietotājiem atrast informāciju, iespējas un atziņas, ko tradicionālā meklēšanā varētu nepamanīt.
Izaicinājums: Pārejot no tradicionālas saskarnē balstītas meklēšanas uz aģenta atbalstītu pieeju, lietotājiem jāpielāgo savas gaidas. Cilvēki ir pieraduši pārskatīt saišu sarakstu vai spiest pogas, lai filtrētu datu kopu. Turpretī MI informācijas atlasītājs apkopo atbildes no avotiem, par kuru esamību lietotāji, iespējams, pat nezina. Tas var mazināt lietotāju sajūtu, ka viņi kontrolē filtrēšanu, un likt uzticēties aģenta izvēlēm. Pazīstami meklēšanas mehānismi var palīdzēt cilvēkiem pielāgoties MI vadītai atlasei, nezaudējot pārliecību vai kontroli.
Kā OpenAI izmanto pazīstamus mijiedarbības modeļus, lai atbalstītu strukturētas un nestrukturētas informācijas atrašanu.
Piedāvājiet meklēšanas mehānismus kā pazīstamas mijiedarbības:
Lai atvieglotu pāreju no tradicionālās meklēšanas, tukša lauka vietā piedāvājiet pazīstamus mijiedarbības veidus. Lietotāji jutīsies ērtāk, ja risinājumā būs izmantotas atpazīstamas iespējas, aptaujas un kontekstuāli ieteikumi.
Izmantojiet pogas kā uzvednes, nevis prasiet brīvas formas ievadi:
Brīva teksta ievade var šķist biedējoša vai laikietilpīga. Iepriekš iestatītas vai automātiski ģenerētas pogas padara informācijas atlasi pieejamāku. Piemēram, lietotājiem precizēt rezultātus var palīdzēt pogas “Filter by most recent,” “Compare pricing,” un “Include global sources”. Tas atvieglo iesaistīšanos, rosina izpēti un pielāgo MI ieteikumus lietotāja nodomam.
Ļaujiet lietotājiem pastāstīt savu stāstu, lai precizētu meklēšanas rezultātus:
Dažkārt stāstījums lietotāja vajadzības izsaka efektīvāk nekā tieši vaicājumi vai filtri. Sarežģītās situācijās, piemēram, pārskatot blīvus informācijas paneļus vai meklējot īsto produktu, tradicionālie rīki var šķist nomācoši un cilvēki var nezināt, kurus parametrus mainīt.
Kad lietotāji var „izstāstīt savu stāstu”, aprakstot problēmu, personisku mērķi vai vēlamo produktu, MI šo stāstījumu var pārvērst strukturētos meklēšanas parametros. Piemēram, cilvēks, kurš saka: “I just moved into a smaller home and need versatile, budget-friendly storage solutions,” varētu saņemt atlasītus produktu piedāvājumus, praktiskus padomus un atbilstošus ieteikumus.
Izmantojot stāstījumu, jūs ne vien mazināt domāšanas slodzi, ko rada pareizo filtru izvēle, bet arī vairojat pārliecību un skaidrību par atlasītajiem rezultātiem.
Izmantojiet mīmus un kultūras atsauces, lai personalizētu informācijas atrašanu:
Mīmi MI informācijas atlasē palīdz divējādi: tie padziļina aģenta izpratni par lietotāju un padara meklēšanas rezultātus dzīvākus, cilvēciskākus un saprotamākus. Pirmkārt, izvēloties vai pieminot mīmus, kas raksturo viņu mērķus, noskaņojumu vai stilu (“I’m feeling the ‘Treat Yo Self’ vibe today!”), lietotāji būtībā dalās ar MI savā „prāta teorijā”. Tas palīdz aģentam precizēt atlasi, izsecinot kontekstu, kas parastā grafiskajā saskarnē vai teksta vaicājumā varētu pazust.
Otrkārt, aģents var „atskaņot” rezultātus tematiskos vai popkultūras iedvesmotos „sākuma komplektos”, padarot ieteikumus atbilstošākus un personiskākus. Piemēram, ja kāds pārveido mājas biroju, MI varētu izveidot „WFH sākuma komplektu”, kurā apvienoti galda piederumi, tehnoloģijas un iedvesmas avoti.
Sniedziet lietotājam skaidrību ar piemērotākajām nākamajām darbībām:
Neatkarīgi no tā, vai MI aģenta rezultāti ir precīzi, lietotājiem jāspēj viegli pielāgot parametrus. Piemēram, viņi varētu lūgt: “Show me more like item 2,” vai “Exclude sources older than 2020.” Ieteiktās nākamās darbības var palīdzēt jauniem lietotājiem, viņus nepārslogojot.
Kas tas ir: MI aģentus bieži apspriež kā līdzekli tāda darba deleģēšanai, ko tradicionāli veikuši cilvēki. Mazāk uzmanības tiek pievērsts to spējai reāllaikā darboties kā sadarbības partneriem. Aģents var ne tikai izpildīt norādījumus vai ģenerēt saturu, bet arī uzdot rosinošus jautājumus, apšaubīt pieņēmumus un piedāvāt citus skatpunktus. Tādējādi MI kļūst par domāšanas partneri, kas palīdz lietotājiem pilnveidot darbu tā tapšanas gaitā.
Kāpēc tas ir noderīgi: Savlaicīga atgriezeniskā saite nāk par labu ikvienam, taču ne vienmēr to saņemam. Gan iebildumi, gan atbalsts var palīdzēt pamanīt likumsakarības, pirms esam pārāk pieķērušies kādai idejai. MI aģenti var apšaubīt mūsu pieņēmumus, ģenerēt idejas un piedāvāt alternatīvas datu interpretācijas, neaizstājot cilvēka spriestspēju. Esam novērojuši, ka cilvēki bieži labi uztver šādu aģenta sniegtu atgriezenisko saiti.
MI aģenti var ģenerēt pretargumentus, kas atklāj spriestspējas nepilnības vai izceļ alternatīvus skatpunktus.
Izaicinājums: MI atgriezeniskajai saitei jābūt intuitīvai un praktiski izmantojamai, citādi tā novērš uzmanību. Cilvēki nevēlas aģentu, kas pārtrauc darbu ar neatbilstošiem ieteikumiem vai piesienas katrai detaļai. MI jāiesaistās piemērotos brīžos un pareizajā tonī. Ja tas ir pārāk pasīvs, tiek palaistas garām vērtīgas iespējas; ja pārāk uzstājīgs, lietotāji var justies pastāvīgi apšaubīti.
Izaicinājums ir izvēlēties, kā parādīt MI atgriezenisko saiti: kā padomus, izvēles pārskatu vai divpusēju dialogu? No pareizas mijiedarbības ir atkarīgs, vai lietotāji pieņems MI kā partneri vai uztvers to tikai kā Clippy 2.0.
Gādājiet, lai atgriezeniskā saite būtu proaktīva, bet ne kaitinoša:
Ļaujiet MI piedāvāt ieteikumus dabiskos pārtraukuma brīžos. Piemēram, dokumentu redaktorā tas varētu nogaidīt, līdz teikums vai rindkopa ir pabeigta, un tikai tad ierosināt labojumu. Esam arī izmēģinājuši iespēju aģentam pēc tukša teksta lauka atlasīšanas īsu brīdi nogaidīt un tikai tad piedāvāt palīdzību. Tonim ir nozīme: “Here’s an idea to consider…” izklausās konstruktīvāk nekā strikts apgalvojums.
Pārvērtiet atgriezenisko saiti izzinošā dialogā:
Ja atgriezeniskā saite nav skaidra, ļaujiet lietotājiem ērti uzdot tādus jautājumus kā “Why do you suggest changing this?” Zinātkāra MI personība var padarīt sarunu konstruktīvāku. Līdzīgi vērīgam terapeitam vai procesa vadītājam aģents var īstajā brīdī uzdot atbilstošus jautājumus, pārvēršot atgriezenisko saiti sarunā, kas palīdz lietotājam mācīties.
Tas arī palīdz MI iegūt kontekstu, ļaujot lietotājam un aģentam izveidot skaidrāku kopīgu izpratni.
Piedāvājiet vairākas iespējas, idejas vai alternatīvas:
Tā vietā, lai piedāvātu vienu ideju, risinājumu vai izaicinājumu, aģents var parādīt vairākus skatpunktus. Piemēram, dizaina aģents varētu ģenerēt trīs alternatīvus izkārtojumus, bet rakstīšanas aģents — dažādām auditorijām pielāgotas teikuma versijas. Iespēju piedāvāšana nostiprina sajūtu, ka kontroli saglabā lietotājs.
Gādājiet, lai atgriezeniskā saite ņemtu vērā kontekstu:
Aģentam sava „domāšanas partnera” loma jāpielāgo lietotāja pašreizējam kontekstam. Ja cilvēks apstājas pie jautājuma vai teksta lauka, MI varētu uzdot pārdomas rosinošu jautājumu, nevis uzreiz sniegt pilnu atbildi. Ja lietotājam tikai jāpārfrāzē teikums, īss ieteikums, ko var pieņemt vai noraidīt, palīdz saglabāt viņa līdzdalības sajūtu.
Būtiski, lai MI zinātu, kad atkāpties, jo ilgstoša viedokļu apmaiņa var pārvērsties nebeidzamu labojumu „apburtajā lokā” un mazināt lietotāja pārliecību. Ņemot vērā kontekstu un lietotāja darbības, MI aģents var pielāgot atgriezenisko saiti, lai tā patiesi palīdzētu un nepārkāptu robežas.
Kas tas ir: Situācijas izpratne ir aģenta spēja reāllaikā interpretēt kontekstuālo informāciju un atbilstoši pielāgot savu rīcību. MI aģenti var ne tikai paļauties uz iepriekš noteiktu ievadi, bet arī pastāvīgi apstrādāt informāciju par vidi, lietotāja pašreizējo stāvokli un citiem būtiskiem apstākļiem.
Tas var nozīmēt saskarnes pielāgošanu lietotāja tūlītējām vajadzībām vai pašreizējo tirgus apstākļu interpretēšanu, lai atbildes būtu atbilstošākas.
Kāpēc tas ir noderīgi: Reālā pasaule nav nemainīga. MI sistēmas ar situācijas izpratni var būt noderīgākas, jo tās reaģē uz pašreizējiem apstākļiem. Kad aģents izprot attiecīgo kontekstu, mijiedarbība šķiet dabiskāka, personiskāka un vairāk balstīta realitātē.
Izaicinājums: Izveidot MI ar patiesu situācijas izpratni ir sarežģīti. Piekļuve nepieciešamajiem datiem un to integrēšana var radīt būtiskas tehniskas grūtības.
Robeža starp noderīgu konteksta izpratni un uzbāzīgu iejaukšanos ir ļoti šaura. Lietotāji novērtē aģentu, kas „saprot situāciju”, taču var justies neērti, ja tas pieprasa pārāk daudz informācijas vai šķiet pārlieku neatlaidīgs. Tā kā apstākļi var strauji mainīties, cilvēku zināšanas un spriestspēja joprojām ir būtiskas.
Tāpēc efektīvai MI sistēmai ir vajadzīga lietotāju ievade, lai saglabātu noderīgu un aktuālu izpratni par viņu apstākļiem.
Parādiet lietotājiem, kāds ir labs konteksts:
Tādi spriestspējas modeļi kā OpenAI o1 ir mainījuši veidu, kā cilvēki sniedz kontekstu lielajiem valodas modeļiem. Neatkarīgi no modeļa detalizēts konteksts palīdz iegūt atbilstošākas atbildes. Skaidri piemēri, viettura teksts un izvēršami padomi var parādīt lietotājiem, kādu informāciju sniegt un kāpēc tā ir svarīga.
Skaidri parādot lietotājam, kā izskatās „labs konteksts”, var novērst minēšanu, kas citādi attur cilvēkus no būtisku detaļu norādīšanas.
Atvieglojiet aģenta robežu noteikšanu:
Lietotāja tūlītējās vajadzības ir svarīgas, taču tās var nebūt acīmredzamas. Aģents ar situācijas izpratni var kopā ar lietotāju noteikt tēmas, jomas un rīkus, kas tam jāizpēta. ChatGPT dziļā izpēte atbalsta šo pieeju, pirms izpētes uzdevuma sākšanas uzdodot precizējošus jautājumus.
Parādiet kontekstu, lai to varētu ātri labot un papildināt:
Lietotājiem var būt vajadzīgs īss pārskats par MI pašreizējiem pieņēmumiem attiecībā uz viņu mērķiem, prioritātēm un datu avotiem. Atsevišķā panelī var izskaidrot zināšanu beigu datumu, pašreizējos pieņēmumus un attiecīgo ievadi. Ikona varētu norādīt, kad tiek izmantoti atrašanās vietas dati, bet kopsavilkums — cik ierakstu izmantots atziņas iegūšanai.
Cilvēkiem ir noderīgi redzēt, ko MI „zina”, un bez liekām grūtībām pievienot, noņemt vai atjaunināt būtisko kontekstu.
Ļaujiet MI izvēlēties saskarnes funkcijas pēc to lietderības:
MI aģenti var pēc situācijas norādēm selektīvi iespējot vai atspējot funkcijas. Kad cilvēks raksta analītisku ziņojumu, aģents varētu aktivizēt uzlabotus atsauču rīkus, bet, rediģējot runātāja piezīmes, izcelt rediģēšanas funkcijas. Tas palīdz nodrošināt mērķtiecīgu pieredzi, neprasot lietotājiem manuāli pārvaldīt katru iestatījumu.
Kas tas ir: Pieredzes dizainā un produktu izstrādē lietotāju izpēti bieži uzskata par atsevišķu posmu projekta sākumā vai noteiktos intervālos. Nepārtrauktā izzināšanā lietotāju uzvedības, vajadzību un vēlmju izpratne ir pastāvīgs process. MI var pārvērst sarunas, klikšķus un atsauksmes iespējās atklāt atziņas, ko lietotāji, iespējams, skaidri neizsaka.
Būtībā MI turpina mācīties un reāllaikā pielāgojas problēmas kontekstam.
Kāpēc tas ir noderīgi: Var būt grūti iegūt noderīgas atsauksmes no ekspertiem, praktiķiem un citiem lietotājiem par MI rezultāta efektivitāti vai lietojamību. Aģenti var palīdzēt fiksēt reakcijas, atziņas un intuitīvos vērtējumus attiecīgajā kontekstā, kamēr pieredze vēl ir svaigā atmiņā.
Izaicinājums: Atsauksmēs bieži norāda, kas notika vai vai lietotājam patika rezultāts, taču nepaskaidro iemeslu. Lūgums atcerēties un dokumentēt katru domāšanas soli var šķist apgrūtinošs, pat ja šīs atziņas uzlabotu sistēmas turpmākās spējas.
Tas ir īpaši svarīgi MI sistēmās ar stingriem ierobežojumiem, kur brīva saruna var nebūt ne vēlama, ne iespējama.
Fiksējiet reakcijas ar aprakstošām atzīmēm:
Vienkāršs „patīk” vai „nepatīk” reti izskaidro lietotāja reakciju. Aprakstošas atzīmes, piemēram, „noderīgi budžeta plānošanai” vai „trūkst normatīvās informācijas”, sniedz vērtīgāku kontekstu. Šīs atzīmes var raksturot pašreizējo mijiedarbību vai aicināt lietotājus īsi paust viedokli, pārvēršot vērtējumu informācijā, no kuras MI var mācīties.
Virziet MI aģentus ar „mācību kartītēm”:
Ja MI kļūdās vai uzdevumu izpilda tikai daļēji, piedāvājiet lietotājiem vienkāršu veidu, kā to labot vai „mācīt”. Piemēram, aģents varētu jautāt: “How would you phrase it?” vai “What detail did we miss?” Saņemtos norādījumus var saglabāt pašreizējai mijiedarbībai vai izmantot vēlāk.
Mācieties no atkārtojumiem un variācijām:
Dažkārt vislabākās atsauksmes rodas, mēģinot vēlreiz. Vienkāršas atkārtotas ģenerēšanas vadīklas ļauj lietotājiem salīdzināt jaunas iespējas un izvēlēties vēlamās. Šīs izvēles sasaista sākotnējo ievadi ar noderīgāku rezultātu un padara eksperimentēšanu par mācību procesa daļu.
Vērojiet mijiedarbību:
MI aģenti var sadarboties, lai mācītos no vairākām mijiedarbībām. Piemēram, kamēr viens aģents veido izpētes kopsavilkumu, otrs var analizēt sarunu, lai novērtētu pieredzi. Darbojoties kā etnogrāfi, šie aģenti var atklāt atšķirības starp cilvēka nodomu un viņa vērtējumu par rezultāta kvalitāti.
Šie novērojumi var veicināt nepārtrauktus uzlabojumus, atklājot atziņas un ierosinot sistēmas izmaiņas.
Kas tas ir: Paplašināšana pielāgo lietotāja ievadi, uzvedni vai norādījumu, lai iegūtu labāku rezultātu, vienlaikus saglabājot sākotnējo nodomu. MI nemanāmi veic papildu darbu, ko nepauž tiešais pieprasījums. Piemēram, „ēnu uzvednes” var papildināt vaicājumu, pirms sistēma ģenerē atbildi.
Lietotājs sniedz sākotnējo ideju, un aģents šo ievadi paplašina, ja tā var uzlabot rezultātu.
Kāpēc tas ir noderīgi: Cilvēki bieži sniedz īsus vai vispārīgus norādījumus, lai gan labākās atbildes iegūšanai var būt vajadzīgas papildu darbības. MI aģenti var pārvarēt šo plaisu, neprasot lietotājiem visu izskaidrot. Piemēram, lūgums MI “brainstorm marketing ideas for my new coffee product” citādi varētu radīt tikai vispārīgu sarakstu.
Paplašināta pieeja varētu ietvert vairākas arvien vērienīgākas ideju ģenerēšanas sesijas un labāko ideju apvienošanu, radot bagātīgāku un daudzveidīgāku rezultātu.
Izaicinājums: Nemanāmi veikts darbs var mazināt lietotāja līdzdalības un pārredzamības sajūtu. Ja MI pārveido cilvēka pieprasījumu, nepaskaidrojot izmaiņas, rezultāts var neatbilst lietotāja vēlmēm. Dizaineriem jālīdzsvaro noderīga paplašināšana un nevēlamas manipulācijas risks.
Dizaina izaicinājums ir ļaut lietotājiem pašiem virzīt paplašināšanu, kad viņi to vēlas.
Saglabājiet lietotāja nodomu un balstieties uz to:
Paplašināšanai jāpalīdz sasniegt lietotāja norādītos mērķus, nepievienojot jaunus. Kad MI ir paplašinājis uzvedni vai izpildījis fona uzdevumus, tam vai atsevišķam pārbaudītājam jāsalīdzina gala rezultāts ar sākotnējo pieprasījumu. Par neparedzētiem papildinājumiem skaidri jāinformē.
Izmantojiet paplašināšanu drošībai un radošumam:
Tādi paņēmieni kā ēnu uzvednes var radīt bažas par lietotāju pieprasījumu slepenu pārveidošanu. Lai saglabātu uzticēšanos, izmantojiet tos skaidrības, drošības vai pilnīguma uzlabošanai, neapdraudot lietotāja nodomu. Ja drošības dēļ vajadzīgs pielāgojums, izskaidrojiet to vai nekavējoties sniedziet atgriezenisko saiti.
Lietotāji var redzēt moderēšanas rezultātu, bet ne tā pamatā esošo loģiku vai kritērijus.
Izmantojiet pārbaudītus vadīšanas paņēmienus:
MI aģenti var izmantot procesa vadīšanas un sadarbības metodes, piemēram, Liberating Structures, lai veidotu produktīvu mijiedarbību. Šīs vienkāršās sistēmas palīdz pilnvērtīgi izmantot cilvēka radošo un analītisko potenciālu.
Sarunas laikā aģents var izmantot pazīstamas ideju ģenerēšanas un atlases metodes. Nelielas izmaiņas sarunas gaitā var radīt plašāku ideju un atziņu klāstu.
Izmantojiet paralēlus virzienus, lai atklātu noderīgu saturu:
Tā vietā, lai paļautos uz vienu lineāru sarunu, aģents var vienlaikus izpētīt vairākas interpretācijas, idejas vai risinājumus. Tas līdzinās ekspertu grupai, kas ģenerē idejas no dažādiem skatpunktiem, nezaudējot vērtīgas atziņas.
Koordinējošs process var apvienot šos dažādos izpētes virzienus saskaņotā, praktiski izmantojamā atbildē.
Izmantojiet paplašināšanu lietotāju izglītošanai:
Pārdomāti veidota paplašināšana var arī palīdzēt cilvēkiem iemācīties efektīvāk mijiedarboties ar MI. Ja aģents paskaidro: “I considered X and Y in my answer,” lietotāji turpmākajos pieprasījumos var iekļaut šos faktorus. Tas rada abpusējus uzlabojumus: labākas atbildes tagad un labāka ievade ilgtermiņā.
Kas tas ir: Šis modelis padara MI aģentu spriestspēju vieglāk saprotamu. Pārdomāta mijiedarbība var izskaidrot, kāpēc aģents sniedza konkrētu atbildi, izcelt pamatojošos avotus vai parādīt būtiskos procesa soļus. Mērķis ir atbalstīt efektīvu cilvēka lēmumu pieņemšanu, nepārslogojot lietotāju.
Būtiskās spriestspējas parādīšana vislabāk darbojas, ja lietotāji to var izpētīt pakāpeniski un izvēlēties vajadzīgo detalizācijas pakāpi.
Kāpēc tas ir noderīgi: Uzticēšanās ir būtiska MI ieviešanai, īpaši uzņēmumos. Cilvēki retāk paļaujas uz sistēmu, ja nespēj saprast vai pārbaudīt tās darbību. Pārredzami rezultāti atvieglo problēmu diagnosticēšanu, kļūdu labošanu un noderīgu pieeju atkārtošanu.
Izaicinājums: Izskaidrot MI lēmumus var būt grūti. Pārāk daudz detaļu var pārslogot lietotājus, savukārt varbūtības vai gari spriestspējas kopsavilkumi var būt grūti interpretējami. Ar pārredzamību vien arī nepietiek, lai garantētu precizitāti.
Dizaineriem jāņem vērā skaidrojuma kvalitāte, tā pasniegšanas skaidrība un veids, kā pamatojošos pierādījumus iekļaut noderīgā dialogā.
Ļaujiet aģentiem domāt plaši un pēc tam saīsiniet rezultātus:
MI var padziļināti analizēt problēmu, vienlaikus pasniedzot rezultātus viegli uztveramā formātā. Hierarhiski kopsavilkumi un pakāpeniska informācijas atklāšana ļauj lietotājiem sākt ar galveno atziņu un izvērst pamatojošās detaļas tikai tad, kad tās vajadzīgas.
Pārdomāta mijiedarbība var padarīt sarežģītu informāciju viegli izpētāmu, nezaudējot dziļumu vai skaidrību.
Piedāvājiet izpētāmas atsauces un avotus:
MI ģenerētām atbildēm jāpiedāvā lietotājiem skaidrs veids, kā pārbaudīt pamatojošos avotus. Tie var būt saišu veidā, iekšējo pārskatu fragmenti, atbilstoši pētījumu rezultāti vai detalizētāks kvantitatīvo datu skats.
Piemēram, izgūšanā papildinātas ģenerēšanas sistēmās lietotājiem jāspēj no MI kopsavilkuma pāriet pie to pamatojošajiem pierādījumiem. Tas atvieglo pārbaudi un ļauj veikt padziļinātu izpēti, kas vairo uzticēšanos.
Sniedziet svarīgus progresa signālus:
Sarežģītas aģentu darbplūsmas var ietvert virziena maiņu, atgriešanos pie iepriekšējiem soļiem vai vairāku izpētes virzienu apvienošanu. Lietotāji vieglāk pieņem aizkavēšanos, ja saprot, kas notiek. Skaidri progresa atjauninājumi var izskaidrot, ko aģents ir paveicis, ko dara pašlaik un kas sekos.
Aģentam arī jāpaskaidro, kad tas ir nonācis strupceļā vai lēmumam vajadzīgi papildu skatpunkti.
Atklājiet MI rezultātus soli pa solim:
Tā vietā, lai uzreiz parādītu visu atbildi, aģents var atklāt informāciju pakāpeniski. Piemēram, ieguldījumu asistents varētu parādīt īsu ieteikumu ar iespēju izvērst tā pamatojumu: “Step 1: Assess the risk profile. Step 2: Review the current portfolio. Step 3: Identify diversification opportunities. Step 4: Formulate a recommendation.” Lietotāji, kuri vēlas vairāk detaļu, var izpētīt katru soli, bet pārējie var palikt pie kopsavilkuma.
Izmantojiet vizuālus MI spriestspējas skaidrojumus:
Skaidrojumiem jābūt tikpat saprotamiem kā galvenajam rezultātam. Ja spriestspēja ietver skaitļus vai sakarības, var palīdzēt diagrammas un shēmas. Aģenta vaicājumu, procesa, spriestspējas un avotu vizualizēšana var arī palīdzēt lietotājiem koriģēt tā darbību, izskaidrot rezultātu citiem vai vēlāk atkārtot procesu.
Skaidri vizuāli skaidrojumi palīdz lietotājiem ātrāk saprast informāciju un rīkoties.