1. Analitik sistemler

Yapay zeka, özellikle şirketlerin hizmetlerin ne kadar iyi performans gösterdiğini belirlemesine ve arama motorlarının bireysel müşterilere ne göstereceklerine karar vermesine yardımcı olmak için analitik sistemlerinde zaten yaygın olarak kullanılmaktadır. Bu senaryoların her ikisinde de, gelen ve giden verilere ayak uydurmaya çalışmak, insan bir pazarlamacı veya analist olarak imkansız olacaktır. AI, bu tür görevleri elinizden almakta gerçekten iyidir ve bu büyük veri kümeleri üzerinde zahmetsizce çalışır.

Ancestry.com, işteki bu tür yapay zeka sistemine iyi bir örnektir. Sitede, makine öğrenimi yoluyla işlenen milyonlarca taranmış görüntü, tarihi belge ve genel kayıt bulunmaktadır. Yapay zeka destekli bu "gözler" ile, asırlık el yazısıyla yazılmış doğum belgeleri veya nüfus sayımı kayıtları okunabilir, kategorilere ayrılabilir ve potansiyel atalarla eşleştirilebilir.

Oradan, Ancestry.com müşterilerine aile ağaçlarını hızlı ve kolay bir şekilde doldurabilmeleri için "ipuçları" iletilir. Alternatifi - yüzyıllarca sınıflandırılmamış, okunması zor kayıtları araştırmak - muhtemelen sayısız amatör soybilimciyi yoldan çıkaracaktır.

2. Gerçek ürün kişiselleştirmesi

Makine öğrenimi ayrıca, genel popülasyondaki trendlerle eşleştirilen bir müşteri hakkında bildiklerine dayalı olarak deneyimleri aşırı özelleştirme yeteneğine sahiptir. Netflix mükemmel bir örnek.

Netflix, hizmetin farklı müşterilere farklı içerikler sunma biçimini kişiselleştirir. Örneğin, Müşteri A'nın aksiyon filmlerini sevdiğini ancak Müşteri B'nin romantik komedilere yöneldiğini biliyorlarsa, Netflix'in yapay zeka destekli önerileri farklı şovlar sunabilir veya aynı şovu, onların ifade ettikleri ilgi alanları nedeniyle tamamen farklı şekillerde sunabilir. Aksiyon arayan kişi daha koyu bir küçük resim görebilirken romantik komedi hayranı daha hafif ve daha iyimser bir şey görebilir.

3. İçeriği anlama

Yapay zeka ve makine öğrenimi sistemlerine yalnızca görüntüleri değil, farklı görüntülerin birbiriyle nasıl ilişkili olduğunu da tanımaları öğretilebilir. Pek çok banka bu teknolojiyi kullanıyor; müşteriler akıllı telefonlarında bir kağıt çeki çekip hesaplarına para yatırabiliyor. Yapay zeka teknolojisi çeki yorumlar, çekin tutarını ve meşruiyetini onaylar ve hesap sahibinin imzasını tanır, ardından parayı yatırır - ATM'ye gitmeye gerek yoktur.

İçerik anlayışı da oyunda Adobe Lightroom. Burada AI, fotoğraflardaki benzersiz kişileri tespit eder ve fotoğrafları buna göre proaktif olarak gruplandırır ve etiketler. Bu, genellikle hantal fotoğraf klasörlerinde otomatik etiketleme ve daha hızlı arama sağlar. Aynı teknoloji, örneğin, fotoğrafın okyanus yakınında, gündüz veya açık havada çekilmiş olması gibi diğer temel özelliklere dayalı olarak da yorumlayabilir ve etiketleyebilir.

4. İçeriği manipüle etmek

Snapchat filtreleri, gerçek zamanlı, AI destekli içerik manipülasyonunun harika bir örneğidir. Ancak konu etkileşimli deneyimler sunmaya ve içerik oluşturmayı hızlandırmaya geldiğinde çok daha büyük olasılıklar var.

Örneğin, bu teknoloji şu anda kullanılıyor. Adobe Photoshop İçeriğe Uygun Dolgu özelliği. İçeriğe Uygun Dolgu, bir görselin içeriği ve bağlamı hakkındaki bilgileri kullanır ve görselden bir şey çıkarıldığında, alanı akıllı bir şekilde doldurabilir. Bu anahtar teslimi teknoloji kullanıcı dostudur, son derece sezgiseldir ve tasarımcılara ve fotoğrafçılara görüntüleri düzenlemek için sonsuz zaman kazandırır.

5. İnsan-bilgisayar etkileşimi

Makine öğrenimi aynı zamanda insanların ve cihazların etkileşim kurması için yeni yolların kilidini açıyor. Ses tabanlı müzik arama motoru Shazam harika bir örnektir - birkaç ölçü söyleyin ve uygulama şarkıyı anında tanımlar. Son zamanlarda, UC Berkeley'deki araştırmacılar profesyonel dansçıların formlarını ve hareketlerini profesyonel olmayan dansçıların vücutlarıyla eşleştirmek için makine öğrenimini kullandı ve amatörleri bile tam bir profesyonel gibi gösterdi.

Yine de bu etkileşimler sadece eğlence ile ilgili değil. Bir uyku ve etkinlik takipçisi olan Oura Ring, müşterilerin uyku kalitesini, etkinliğini, kalp atış hızını, vücut ısısını ve daha fazlasını okur. Yüzük, bu bilgiyi kullanarak ertesi gün için hazır olup olmadıklarını tahmin eder. Örneğin uykusuz bir gece veya yüksek sıcaklık, Oura Ring'in spor salonunu atlayıp uyumasını tavsiye etmesine neden olabilir.

6. Tavsiye ve yol bulma

Makine öğrenimi, yapay zekanın ister fiziksel dünya aracılığıyla (GPS uygulaması Waze'i düşünün) ister ürün içi eğitimler gibi dijital dünya aracılığıyla insanlara rehberlik edebileceği sohbet robotu etkileşimlerinde ve destek senaryolarında zaten kullanılıyor. Belki de bu teknolojinin en heyecan verici yönü, iş başında yardım sağlama potansiyelidir.

Örneğin, Adobe SenseiAdobe'nin AI ve makine öğrenimi motoru, entegre ediliyor Adobe Creative Cloud. Bu, AI teknolojisinin, örneğin fotoğraflardan istenmeyen nesneleri kaldırmak gibi ezberci görevleri üstlenebilen sanal bir stüdyo asistanı olarak hareket etmesine olanak tanır.

Tasarımda AI için rehber olmak

Yapay zeka ve makine öğreniminin, kullanıcı deneyimine ve ürün tasarımına uygulandığında güçlü araçlar olabileceği açıktır. Teknoloji, orijinal içerik oluşturma ve açık, sınırsız konuşmalar gibi bazı gelişmiş uygulamalarda hâlâ mücadele etse de, sürekli gelişiyor ve "öğreniyor". Mümkün olanın sınırı, çoğunlukla teknolojiyi nasıl kullanacağımıza dair hayal gücümüzdedir.

Tasarımcılar, nereye gittiğimizi belirlemede kritik bir rol oynayabilir. Tasarım topluluğundan ortaya çıkan benzersiz kullanım durumları ve ürün fikirleri, yeni teknoloji yatırımlarının yönünü şekillendirebilir. Sizden, ekiplerinizden ve bir bütün olarak yaratıcı topluluktan bir insani empati, güven, alçakgönüllülük ve şeffaflık katmanı gelmelidir. İnsan-makine tasarım eşleştirmeleri birlikte benzersiz sonuçlar üretebilir.

Elbette bu, geleneksel süreçler için basit bir takas olmayacak. Her yaratıcı ekibin, benzersiz işleri için doğru modeli oluşturmak için zaman ve yetenek yatırımı yapması gerekir. Bu muhtemelen yol boyunca birkaç yanlış adımla daha yinelemeli bir süreci içerecektir. Bunun da ötesinde, ekiplerin verilerin kalitesine çok dikkat etmesi ve önyargıya karşı dikkatli olması gerekecek.

Bir bütün olarak yaratıcı topluluk için heyecan verici bir olasılık. Birlikte, tasarım ve yaratıcılığın bu sonraki evrimini şekillendirme fırsatına sahibiz - ve bu bana göre inanılmaz derecede ilgi çekici. Bizim işimiz, tasarım merceğinden yapay zekanın ne olması gerektiğini gerçekten araştırmak ve anlamaktır. Çünkü açıkça görülüyor ki yapay zeka ve makine öğrenimi basitçe tüketilecek ve hatta korkulacak teknolojiler değil. Bunun yerine, yaratıcı araç kutumuzda bulunan ve hayal etme, fikir üretme ve yaratma şeklimizi giderek daha fazla yönlendiren güçlü araçlardır.

Check out Adobe Blogu AI ve makine öğrenimini ürün tasarımı evriminize entegre etmenin daha fazla yolu için. 

Kaynak: https://theblog.adobe.com/designers-will-guide-ai-into-the-next-design-revolution/