Grasping AI: experiential exercises for designers

📄 arXiv: 2310.01282v1 📥 PDF

作者: Dave Murray-Rust, Maria Luce Lupetti, Iohanna Nicenboim, Wouter van der Hoog

分类: cs.HC, cs.AI

发布日期: 2023-10-02

💡 一句话要点

提出九项AI练习以提升设计师对AI交互设计的理解

🎯 匹配领域: 支柱三：空间感知与语义 (Perception & Semantics)

关键词: 人工智能 交互设计 体验学习 设计教育 社会影响

📋 核心要点

  1. 设计师在AI交互设计中面临技术与人类交互之间的平衡挑战，现有方法未能有效解决这一问题。
  2. 论文提出通过九项AI练习，帮助设计师在交互设计课程中更好地理解AI的复杂性及其社会影响。
  3. 实验结果表明，这些练习使学生在设计过程中对隐私、自主性等问题的反思更加深入，提升了设计责任感。

📝 摘要（中文）

人工智能（AI）和机器学习（ML）日益融入物理和数字产品的功能中，为交互和功能创造了前所未有的机会。然而，设计师在这一创造性领域中面临着在技术可能性与人类交互关切之间取得平衡的挑战。本文探讨了探索和反思AI系统的交互性、独特关系可能性及其更广泛社会影响的技术。我们在一个包含100名学生的交互设计课程中引入了九项“AI练习”，这些练习基于超越人类设计、负责任的AI和推测性实施，旨在围绕AI交互设计创造体验性参与。研究发现，围绕隐喻和实施的练习使得训练与学习、隐私与同意、自主性与代理性等问题更加具体，从而帮助学生在设计过程中更具反思性和责任感。

🔬 方法详解

问题定义：本论文旨在解决设计师在AI交互设计中面临的技术与人类交互之间的平衡问题。现有方法未能有效引导设计师反思AI系统的社会影响和交互性。

核心思路：通过引入九项基于体验的AI练习，帮助设计师在课程中探索AI的交互性及其社会影响，从而提升他们的反思能力和设计责任感。

技术框架：整体架构包括课程设计、AI练习实施和学生反馈三个主要模块。课程设计为学生提供理论基础，AI练习则通过实际操作增强理解，最后通过反馈环节评估学习效果。

关键创新：最重要的创新点在于将体验性学习与AI交互设计结合，强调隐喻和实施的练习，使得复杂的AI概念变得更加具体和可操作。与现有方法相比，这种方法更注重设计师的反思与责任感。

关键设计：在设计过程中，练习围绕隐私、同意、自主性等关键参数展开，采用了多种教学方法，如小组讨论、案例分析和角色扮演，以促进学生的深度参与和理解。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果显示，参与九项AI练习的学生在对隐私、自主性等问题的反思能力上显著提升，课程反馈表明学生对AI设计的责任感增强，具体反映在设计方案的质量和深度上。

🎯 应用场景

该研究的潜在应用领域包括交互设计教育、AI产品开发和用户体验设计等。通过提升设计师对AI交互的理解，能够在未来的产品设计中更好地考虑用户的需求与社会影响，从而推动负责任的AI应用。

📄 摘要（原文）

Artificial intelligence (AI) and machine learning (ML) are increasingly integrated into the functioning of physical and digital products, creating unprecedented opportunities for interaction and functionality. However, there is a challenge for designers to ideate within this creative landscape, balancing the possibilities of technology with human interactional concerns. We investigate techniques for exploring and reflecting on the interactional affordances, the unique relational possibilities, and the wider social implications of AI systems. We introduced into an interaction design course (n=100) nine 'AI exercises' that draw on more than human design, responsible AI, and speculative enactment to create experiential engagements around AI interaction design. We find that exercises around metaphors and enactments make questions of training and learning, privacy and consent, autonomy and agency more tangible, and thereby help students be more reflective and responsible on how to design with AI and its complex properties in both their design process and outcomes.