Алгоритмы — новый материал для проектирования

Алгоритмы во всю используются на фондовых рынках и при написании статей, однако они ещё не научились одобрять кредиты и управлять автомобилями. Алгоритмы формируют ваш ежедневный пользовательский опыт: будь то новостная лента в социальных сетях, плей-лист в Spotify или рекомендуемые товары на Amazon. Все это открывает окно в другой мир — мир, управляемый алгоритмами. С помощью алгоритмов и машинного обучения Google-карты проложат для вас самый лучший маршрут, а если вы спросите о чём-нибудь Siri, то сначала алгоритм обработает ваш вопрос, а затем и формат ответа.

Представляем перевод статьи Algorithms as the New Material of Design в трактовке и с комментариями членов Гильдии вольных проектировщиков.

Примечание от Гильдии:

Всё-таки сейчас уже есть алгоритмы, которые и кредиты одобряют и, главное, беспилотные автомобили вот-вот начнут вытеснять обычных, живых водителей. Пример тому последнее заявление Uber — “Компания начинает с Сентября 2016 года тестирование в перевозках людей в машинах, управляемых… не водителем. Пока тестировать планируется в Питтсбурге (США) на последней версии Volvo XC90”

Современное проектирование не только задаёт конечный вид интерфейса, но еще и даёт людям массу возможностей, улучшая эмоциональное состояние. И здесь никак не обойтись без алгоритмов. Мы стали всё больше использовать сложные алгоритмы в каждой новой версии нашего сайта или приложения.

Какова же роль UX-проектировщика в развитии алгоритмов обработки больших данных (Big Data) и машинного обучения? Для начала давайте определимся, что могут алгоритмы, а чего пока еще нет и посмотрим, как это отражается на проектировании.

Примечание от Гильдии вольных проектировщиков:

По мнению некоторых экспертов, сейчас нематериальные активы компаний намного важнее материальных. Неважно сколько у компании денег или какой оборот в год, сейчас куда важнее научиться управлять этим по-новому. И как раз в этом помогают хорошо продуманные алгоритмы.

Стоимость компаний будет оцениваться в первую очередь на основании  умения работать с большим потоком данных и быстро перестраивать системы алгоритмов обработки этих данных.

Магия алгоритмов

Термин “алгоритм” воспринимается многими как нечто мистическое, не поддающееся расшифровке или копированию, что-то заумное, сродни головоломке. Почему одна новость в моей Facebook-ленте стоит выше другой? Почему у Uber цены примерно одинаковые вне зависимости от региона и водителя? Иногда алгоритмы даже могут показаться опасными. Неспроста мгновенный обвал на Уолл-стрит в 2010 году, известный как «Flash Crash», произошёл именно по вине алгоритмов.

Путаница с определением термина «алгоритм» происходит из-за их большого разнообразия. Алгоритмы используются везде, где имеет место работа с данными. Люди часто используют понятия алгоритма и искусственного интеллекта в качестве синонимов. Это удобно для описания всей совокупности понятий: Big Data, алгоритмы и машинное обучение. Такой подход имеет право на существование, потому что все три компонента обычно работают вместе.

Мы постоянно генерируем большие данные, когда используем тот или иной сервис. Каждый из нас производит, в среднем, 3,5 млн байт информации в день, пользуясь интернетом, смартфоном, планшетом. Алгоритмы могут собирать и обрабатывать данные различных типов из разных источников, от одного человека или группы людей.

Алгоритмы — это набор инструкций, которые позволяют выполнить ту или иную задачу. Когда вы отправляете смс, что-то ищите в интернете, загружаете себе фильмы — вы запускаете наборы взаимосвязанных инструкций (алгоритмов). Некоторые из них являются достаточно простыми математическими функциями, другие — системами таких функций. Также существуют самообучающиеся системы. Например, приложение howold.net, которое работает с огромным объёмом данных.

Машинное обучение — это процесс развития алгоритма, в ходе которого инструкции не просто повторяются, а система  “переосмысляет” свои действия. На самом деле, машина просто ищет правильное решение, повторяя процесс много раз неправильно. Если машина вдруг перепутает ваш возраст на фото, вы наверняка сочтёте это за шутку. Однако, если она примет вас за Чубаку, вы, скорее всего, не поймете.

Ограничения алгоритмов

Несмотря на то, что алгоритмы открывают нам много возможностей, у них есть свои ограничения. Проектируя пользовательский опыт, мы должны учитывать эти ограничения и знать, как их обойти. А также иногда бывает лучше положиться на человеческий интеллект вместо машинного.

Алгоритмы не беспристрастны и не объективны

У алгоритмов есть своя «точка зрения» также, как у людей или организаций, веб-сайтов или приложений. Алгоритмы создаются не только для улучшения пользовательского опыта, но и для решения бизнес-задач. В конечном итоге алгоритмы создаются людьми, которые закладывают в них свои идеи. Иногда их цель очевидна, например, когда вы видите таргетированное объявление, подобранное на основании ваших интересов. Иногда нет – если то же самое объявление беспрестанно преследует вас еще 2 месяца после покупки.

Имеют ли алгоритмы права на обработку ваших данных?

Большинство из нас смутно представляет себе, какая информация остаётся после нас в интернете и как она потом используется. Возможность контролировать генерируемые данные — важный вопрос, который сейчас встает, особенно в связи с алгоритмами персонализации. Будем надеяться, что со временем появится возможность более тонкой настройки приватности генерируемых данных. Сейчас на разных сайтах, в разных организациях и странах совершенно различная политика относительно использования данных пользователей в алгоритмах.

Алгоритмы не воспринимают нас как многогранную личность

Иногда вы можете столкнуться с пугающе точной цифровой копией себя, некоторые называют это эффектом “зловещей долины” или “цифровым двойником”. Однако очень часто бывает наоборот. У людей есть различные потребности и предпочтения, и веб-приложения должны удовлетворять их всеми возможными способами. При сохранении ваших данных алгоритмы способны исключить из них все, что посчитают не релевантным и малозначимым. В то же время, во избежание ошибок, алгоритмы могут с лёгкостью заимствовать данные других людей. Поэтому они не смогут воспроизвести точную копию вашей многогранной личности. Но некоторые сервисы, например, aboutthedata.com дают возможность посмотреть и изменить ваши данные, если сочтёте их не достоверными.

Примечание от Гильдии вольных проектировщиков:

В  качестве примера можно выделить систему ранжирования Яндекса. Ребята используют разработанную ими технологию “Крипта” и метод машинного обучения “Матрикснет”. Данные для анализа социально-демографических факторов Крипта получает от различных маркетинговых агентств, затем Крипта изучает поведение типовых пользователей в интернете по 300 факторам. В результате появляется формула, которая позволяет определить каждого пользователя в сети и с достаточно большой долей вероятности отнести его в ту или иную группу. Нужно отметить, что работа по совершенствованию формулы ведётся постоянно и при помощи Матрикснет. Сегодня вы скачали что-нибудь из Rammstein, а завтра вам захотелось послушать классику. Алгоритм скорректирует ваш профиль. Технология изначально нацелена на то, чтобы показать пользователю самую релевантную по отношению к нему рекламу.

Алгоритмы непрозрачны

Полагаясь на алгоритмы, мы не всегда понимаем принципы их работы. Алгоритмы бывают настолько сложны, что даже сами разработчики порой не до конца их понимают. В частности, алгоритмы  персонализации работают очень непрозрачно. Хоть люди и пытаются понять и доработать эти алгоритмы, задача эта не из простых.

Риск излишней автоматизации

Алгоритмы всё чаще берут на себя задачи, которые раньше мы выполняли сами, например, планирование маршрута. Может случиться так, что скоро машины будут делать всё за нас. Алгоритмы автоматизируют для нас процесс, не давая насладиться чувством неопределенности. Чем лучше они понимают наши потребности, тем быстрее мы находим новые возможности. Алгоритмы автоматизируют наш опыт общения с людьми и поиск новых идей. Может даже показаться, что мы находимся в закрытой эхо-камере. На нас, как на проектировщиках опыта, лежит ответственность за баланс в использовании алгоритмов.

Несмотря на все сложности, мы всё больше используем алгоритмы в своей работе. Алгоритмы обещают фантастическое упрощение UX — вплоть до полного отказа от интерфейса как такового. Персонализированные интерфейсы, мессенджеры и чат-боты — все они основаны на алгоритмах. Решая проблему взаимодействия людей с системами, нужно знать о тех ограничениях, которые кроются в алгоритмах. Грамотно проектируя UX, мы можем нивелировать некоторые негативные стороны алгоритмов.

Как же начать применять алгоритмы, не становясь ученым или специалистом по работе с Big Data?

Проектирование с использованием алгоритмов

Данные говорят нам многое о пользователях и их потребностях. Алгоритмы дают нам рекомендации, а машинное обучение формирует в конечном итоге опыт пользователя. Казалось бы, всё понятно. Однако, остается вопрос: должны ли проектировщики сами составлять алгоритмы? Должны ли понимать, как происходит машинное обучение? Мы работаем с информацией на входе или на выходе? Не разрешив эти вопросы, рано или поздно есть риск зайти в тупик. На самом деле, не всё так плохо, как кажется, и есть три способа проектировать, используя алгоритмы.

1. Начинайте проектировать с конца
   Неважно, на чём вы фокусируетесь – на начале сценария или его конце, либо сразу мыслите в обеих плоскостях – нужно понимать, что пользователь получит на выходе. Giles Colbourne в своей статье описывает проектирование результата работы алгоритмов, как некую беседу, чтобы точнее понимать, какие данные должны быть на входе. Проектировщики помогают определить, как данные повлияют на пользовательский опыт. Рассмотрим приложение для путешествий Pana. Оно само определяет, когда стоит использовать ваши прошлые предпочтения, а когда лучше что-то у вас уточнить.
   
2. Участвуйте в подборе данных
   Если вы, как проектировщик, завели разговор со специалистом по Big Data о том, что возможно реализовать в системе и как представить результаты, то можете также помочь ему в подборе данных для обучающей выборки. В таком диалоге  будет выработан иной подход к созданию самого алгоритма. Например, при работе над сайтом Zappos проектировщик, скорее всего, предложил бы использовать информацию о прошлых покупках пользователя вместо данных о поведении пользователей с похожими параметрами.
3. Избавляйтесь от неопределённостей

Алгоритмы “придумывают” свою собственную историю о вас. Мы часто сталкиваемся с этим парадоксом, когда видим различие между собой и своей “цифровой копией” в профиле социальной сети или при просмотре персонализированной рекламы. В проектировании систем, где будут использоваться алгоритмы, применяется другой подход к определению персонажей. Персонажем может быть:

• набор собранных данных о пользователе;
• реальный респондент;
• приближенная копия, сгенерированная алгоритмом персонализации;
• идеальная персона.

Нужно держать в голове все эти типы, проектируя системы с использованием алгоритмов.

Рекомендации по проектированию с использованием алгоритмов

Проектировщики играют важнейшую роль в определении того, как результаты работы алгоритма будут формировать пользовательский опыт. Также мы являемся своего рода адвокатами пользователя, контролируя процесс проектирования для людей в эпоху алгоритмизации. И вот несколько советов по этому поводу.

Следуйте принципу минимально необходимого набора данных (MVD)

Большинство компаний стараются собрать как можно больше данных, авось пригодится. По причине того, что люди практически не контролируют собранные о себе данные и то, как их используют организации, есть смысл сокращать набор данных. С увеличением числа приложений и устройств, определяющих эмоциональное состояние пользователя, сокращение количества собираемых данных становится еще более актуальным. Больше данных —  не значит лучше!

Создавайте более прозрачные алгоритмы

Конечно, люди не хотят видеть исходный код систем или что-то где-то настраивать. Им нравится иногда “поиграть” с алгоритмом персонализации, открыв окно браузера в режиме инкогнито или подписаться-отписаться на страницу в соцсетях и посмотреть эффект. В основном, это связано с банальным любопытством. Мы должны проектировать систему так, чтобы результат был более очевидным. Один из алгоритмов Facebook-Mood Manipulator— хороший пример сервиса, в котором мы можем контролировать то, что видим.

Позвольте людям участвовать в создании алгоритмов

Как только алгоритмы станут более прозрачными, людям нужно будет дать возможность самостоятельно менять информацию о себе. Пользователь сможет сам настраивать свой профиль. Уже сейчас существует приложение Crystal, которое генерирует персональный профиль человека, основанный на данных из социальных сетей и других открытых источников. Приложение также предлагает пользователю ответить на вопросы, чтобы скорректировать свой профиль.

Заключение

Алгоритмы во многом формируют наш пользовательский опыт в интернете. Также они начинают проникать в наш реальный мир: в наши дома, на работу, в машины и даже на улицы городов. Алгоритмы — это новый  материал для дизайна невидимого, персонализированного и диалогового интерфейса. И именно проектировщики должны выстраивать связь между алгоритмами и пользовательским интерфейсом, чтобы обеспечивать высокое качество пользовательского опыта.

Над переводом работали:

• Антон Пашкевич, Ad Sport — перевод и комментарии
• Вахрамеев Алексей, Сбербанк — редактор
• Сушкова Дарья, DEFA — редактор