インタビュー2 months ago
Prof. Saeema Ahmed-Kristensen、DIGIT Lab 所長 – インタビューシリーズ
Saeema Ahmed-Kristensen教授は、デザイン工学の第一人者であり、エクセター大学の研究・インパクト担当副学長（Associate Pro-Vice-Chancellor）を務めるとともに、デジタルイノベーションと変革に焦点を当てた大規模な学際的研究イニシアチブであるDIGIT Labの所長も兼務しています。彼女の研究は、デザインの創造性と認知、データ駆動型およびデジタルデザイン、先進技術の複雑なエンジニアリングおよび製品開発への統合に及び、産業界との協力、政策への関与、大規模な研究プログラムを通じて学術的知見を実社会でのインパクトに変換することに強く重点を置いています。あなたのキャリアは、ケンブリッジ、DTU、インペリアル・カレッジ・ロンドン、ロイヤル・カレッジ・オブ・アートを経て、現在はエクセター大学に至っています。振り返ってみて、デザイン、創造性、そしてデジタル技術の役割についての考え方を最も形作った経験や転機は何でしたか？私のデザインに関する仕事は、多くの異なる文化や分野にまたがっています。私はブルネル大学で、当時としては数少ない、テクノロジー、人間中心デザイン、そして形態の理解を組み合わせたコースの一つで学び始めました。それは初期の段階で、創造性とイノベーションが密接に関連していることを教えてくれました。その後、ケンブリッジで学んだことは、私の考えをさらに広げてくれました。カレッジの環境は、多くの学問分野に触れる機会を与え、イノベーションがいかに分野を超えて知識が結集することに依存しているかを示してくれました。私の博士研究は航空宇宙分野に焦点を当て、エンジニアリングデザイナーがどのように情報を見つけ、利用するかを調査しました。人々がどのように知識にアクセスするか、専門知識がどのように支援または複製され得るか、そして認知科学、コンピュータサイエンス、エンジニアリングデザインの交差点を研究しました。この人間中心の視点は、それ以来ずっと私の中に残っています。デジタル技術が発展するにつれて、私の仕事における問いも大きくなりました。IoTデータ、AI、高度な計算技術の台頭は、デザインを人間中心だけのものから、社会中心のものへとシフトさせています。これは、私がエクセター大学でDIGIT Labを率い、創造的プロセスにおけるLLM（大規模言語モデル）の役割、産業界がそれらを採用する際に直面する障壁、そしてデータがどのようにイノベーションを駆動し得るかに焦点を当てる現在の仕事を形作り続けています。インペリアル・カレッジ・ロンドンとロイヤル・カレッジ・オブ・アートでの経験は、デザインが製品やサービスを形作ること以上のものであることを強く印象づけました。適切な人材、プロセス、文化があれば、デザインは、今日そして明日の世界的課題に対処できる、新規でスケーラブルな技術、材料、アイデアの推進力となるのです。DIGIT Labは、大規模で確立された組織内でのデジタルトランスフォーメーションに大きく焦点を当てています。あなたの視点から、AIがデザイン、イノベーション、意思決定をどのように変えるかについて、リーダーが最も誤解していることは何だと思いますか？数十年にわたり、AIは研究で進歩し、特定の産業で採用されてきましたが、その進展はしばしばスキルギャップ、リーダーシップの理解、そして価値と必要なインフラに関する明確さによって制限されてきました。LLMやDALL・Eのような生成ツールの台頭により、AIは今やよりアクセスしやすくなり、はるかに専門的な知識やセットアップを必要としなくなりました。しかし、これはまた、プライバシー、データセキュリティ、そして汎用モデルが特定の領域にどれだけうまく適用されるかについての新たな疑問を提起しています。デザインとイノベーションにおいて、これらの問題は特に明白です。人間とAIによって生成された12,000以上のアイデアを調査した私たちの研究は、AIのアイデアは類似した概念の周りに集まる傾向があることを示しました。これは、汎用ツールに人間の専門知識を組み込むこと、AIをその領域に適応させること、または人間の創造性や意思決定と並行してAIをいつ、どのように使用するかを理解することの必要性を強調しています。あなたの研究の多くは、デザインにおける創造性と認知を探求しています。生成AIが今やアイデア、コンセプト、反復を大規模に生み出すことができる中で、どのような側面が人間に特有の創造性だと考えますか？また、どの部分が責任を持ってAI駆動のプロセスに移行し得るでしょうか？創造性は、私にとって常に代替案を生み出すこと以上のものでした。それは意図、文化的意味、そしてデザインが生み出す感情的つながりについてです。私たちの最近のDIGIT Lab調査は、これを鮮明に浮き彫りにしました：回答者の82％が、人間主導またはハイブリッドな仕事の方がより意味があると感じ、71％がAIのみのデザインには感情的につながりを感じないと答えました。多くの人がAI生成作品を「感情に欠ける」（48％）または「過度に完璧」（40％）と表現し、36％はその影響がすぐに薄れると感じていました。これらの回答は、私が長い間信じてきたことを裏付けました。感情的関与は「あれば良いもの」ではなく、人々が創造的仕事を経験し、価値を認める方法において本質的なものです。人間とAIのアイデアを比較した私たちの研究も、人間のデザイナーは多様で新奇なアイデアを生み出し、アートワーク、製品デザイン、サービスのいずれであれ、創造的アウトプットに深みと意味を持たせることにおいて優れていることを示しています。創造的専門家は、まだ複製が不可能なスキルセットを保持しています。デザイナーはアイデアを生み出す前に問題を理解する必要があり、LLMはデザイナーが一つの問題から別の問題へと移行するのを助ける情報を収集するのに非常に有用です。もし人間の専門知識のモデルをAIツールに組み込むことができれば、それらはアイデアの評価も支援し、AIが人間の創造的スキルをより良く活用できるようにすることができます。私たちが実験している連鎖思考（chain‑of‑thought）アプローチは、LLMが単にスコアを与えるのではなく、専門家の推論に従うことを支援します。いずれの場合も、結果を解釈し、デザインの選択がユーザーの生活経験と一致することを確認するために、人間の監督が必要です。人々が製品、サービス、インタラクションをどのように経験するかをコンピュータが解釈できる方法で捉えることができるモデルを作成するか、あるいは、私たちが収集する薄い（thin）またはビッグなセンサーデータと、文脈を提供する豊かな質的洞察である「厚いデータ（thick data）」を統合しなければならないことは明らかです。これらのモデルを開発することは簡単ではなく、これこそが人間の関与が不可欠な領域です。ですから、私にとっての結論は、AIが創造性に全く場所を持たないということではありません。むしろその逆です。AIと人間は異なる強みを貢献するのです。人々が一貫して人間またはハイブリッドな仕事により肯定的に反応するという事実は、単に重心がどこにあるかを私たちに教えているに過ぎません。AIはより広いデザイン空間を探索し、パターンを分析し、構造化された批評を提供するのに役立ちますが、その平板さ、アルゴリズム的な完璧さ、感情的距離感に関する認識は、可能性を共鳴する何かに変えるために、AIがまだ人間の判断を必要とする領域を示しています。それが、私が創造性の未来を根本的に協力的なものと見る理由です。AIは可能性の領域を広げることができます。デザイナーは、共感力、文化的理解、そして意図の感覚をもたらし、それらの可能性に意味を与えます。両者が協力し、人間の判断が方向性を設定し、AIが探索を豊かにするとき、その結果は、より厳密で、より想像力に富み、最終的にはその成果においてより人間らしい創造的プロセスとなるのです。あなたは、ユーザー体験を定量化し、デザイン知識を構造化するアプローチを開拓してきました。AIシステムが製品やサービスの生成をより担当するようになるにつれて、人間の経験、感情、文化的シグナルがデザインプロセスの中心であり続けることをどのように確保すればよいでしょうか？人間の経験を中心に据えるためには、私たちの方法論に知覚と感情に関する知識を埋め込む必要があります。主に二つのアプローチがあります。第一は、人間の経験、知覚、感情を豊かに理解し、効果的な人間-AI協力を可能にする質的データの必要性を認識するものです。第二は、私の研究が焦点を当ててきたアプローチで、この知識をAIシステムが理解し使用できるモデルに変換することを目指すものです。これらのモデルは、人間の反応と全体的な経験を予測するために、ユーザー体験、人間の知覚、そして設計されている製品やシステムの特性を統合しなければならないため、開発が複雑です。あなたは、航空宇宙、医療、製造、消費財など、複雑な産業と広く仕事をしています。これらのハイステークスな環境において、AI支援デザインの可能性と、安全性、追跡可能性、信頼性の必要性をどのようにバランスさせていますか？医療、航空宇宙、製造などの高リスク分野では、AIを使用できるかどうかではなく、どのように統治されるかが問題です。これらの環境における信頼は、デザインと意思決定プロセスのあらゆる段階における明確な説明責任、追跡可能性、説明可能性に依存します。AIは、シミュレーション、最適化、初期段階の探索において強力な支援的役割を果たすことができますが、最終的な権威になることはできません。これらの分野の多くは厳格に規制され、厳しい安全要件の対象となっており、個人情報や商業的に機密性の高いデータを含むすべてのデータの安全な取り扱いが要求されます。このような文脈では、プロンプトやクエリは、特異性と関連性を確保するために、ローカルデータを使用して開発される必要があることが多く、これらのセクターの組織が独自のAIツールを構築・維持することも一般的です。私たちのより広範な研究が一貫して示しているのは、ハイブリッドシステムが不可欠であるということです：AIは専門家の判断を補強すべきであり、置き換えるべきではありません。特に安全性、リスク、責任が関わる場合、人間の監督はあらゆる重要な決定ポイントに組み込まれたままである必要があります。規制当局とエンドユーザーがAI対応システムを信頼するためには、組織はモデルがどのように訓練され、どのデータを使用し、どのように出力が生成されるかについての透明性のある文書化も必要です。その透明性がなければ、テクノロジーがどれだけ進歩しても、信頼は拡大しません。多くの組織が、「AIの実験」と製品開発への意味ある統合の間のギャップに苦しんでいます。実験から戦略的実装へ移行しようとするチームに、どのような実践的なステップを推奨しますか？多くの組織は、明確な戦略的目的なくAIを採用するため、実験段階で行き詰まります。最初の実践的なステップは、AIが開発プロセスで果たすべき役割、それがアイデア創出の支援、テストの加速、評価の改善、意思決定の強化のいずれであっても、それを明確にすることです。その明確さがなければ、パイロットプロジェクトは実際のビジネスやデザインの成果から切り離されたままです。チームはまた、適切な基盤を整える必要があります。それは、特に純粋に技術的な性能ではなく、実際のユーザー体験を反映した高品質で適切に統治されたデータへの投資を意味します。また、特に創造的および人間中心の判断において、専門家の監督が不可欠であるAIの現在の限界について現実的であることも意味します。多くのセクターでは、ビジネスケースの構築やパイロットの実行からより広範な採用まで、AIの実験プロセスをチームに導くAIポリシーの開発が始まっています。これらのポリシーは、組織がAIが真に価値を付加できる場所を特定する一方で、必要に応じて人間がループ内に留まることを確保するのに役立ちます。最後に、組織は、孤立して実行されるのではなく、実際のワークフローに組み込まれた、構造化された低リスクのパイロットを通じて進むべきです。これらのパイロットは学際的であるべきで、デザイナー、エンジニア、データサイエンティスト、ドメインの専門家を集め、学習が共有され、移転可能となるようにします。AIは、別個の実験的レイヤーとして扱われるのではなく、日常業務に設計されるときに価値を提供します。あなたは、知識を構造化し自動化する方法を開発してきた長い実績があります。デザイン意図、ユーザーニーズ、文脈について、単にコンテンツを生成するのではなく、真に価値を付加する方法で推論できるAIシステムに、私たちはどれほど近づいているでしょうか？いくつかの領域では、閲覧履歴や視聴した映画やテレビ番組の記録などのデータを使用して推薦を行うことができるため、ユーザーの嗜好を予測することは比較的簡単です。これらの領域は、容易に利用可能なデータの恩恵を受けています。対照的に、製品やサービスのデザインにおける主要な課題は、人々の選択、ニーズ、生活経験に関するデータがしばしば容易に利用できないことです。DIGIT Labとの私の最近の研究は、人々がデザインの特徴をどのように知覚し反応するかのモデルを与えられた場合のLLMの能力を調査しました。しかし、現在のモデルはデータ内のパターンに基づいて動作し、意味を文脈化することはできません。形状と知覚を結びつけた以前の研究は、形態の小さな変化でさえ感情的応答を変化させ得ることを示しており、そのような微妙な違いは、人間のガイダンスや組み込まれた洗練されたモデルなしではAIが予測するのは困難です。したがって、意図に関するAIの推論は改善されていますが、それは依然として人間の専門知識を補完するものです。AIがアイデア創出からプロトタイピングまでのデザインサイクルを加速させる中で、デザイナーにはどのような新しいスキルが必要になるでしょうか？大学や組織は、次世代の創造的人材のトレーニングをどのように再考すべきですか？デザイナーは、人間の知覚とAI対応ツールの両方に精通する必要があります。形態、素材、プロポーションが感情的応答をどのように形作るかを理解することは、優れたデザインの基本であり続けるでしょう。同時に、デザイナーはアイデア生成と評価を支援するAIシステムと自信を持って協働できなければなりません。それは単にツールを使用するだけでなく、それらが何を最適化しているのか、そしてその限界がどこにあるのかを理解することを意味します。AIがデザインワークフローに組み込まれるにつれて、その出力を批判的に解釈し、人間の判断と組み合わせる能力が、最も価値のある創造的スキルの一つになるでしょう。AIがアイデア創出からプロトタイピングまでのデザインサイクルを加速させるにつれて、デザイナーには、伝統的な工芸技術を超えた、新しい能力と思考方法のブレンドが必要になります。彼らは、デジタル技術がどのように機能するか、異なる種類のデータが何を（そして何を）明らかにできるか、そしてデザインの専門知識とAIリテラシーをどのように組み合わせるかを理解する必要があります。これには、技術的な性能指標だけに頼るのではなく、実際のユーザー体験を反映した高品質で適切に統治されたデータを扱う方法を知ることが含まれます。これと並行して、デザイナーはまた、AIが役立つ場所と、人間の創造性と批判的思考が中心であり続けなければならない場所を認識する判断力も必要です。これらのニーズを満たすために、大学や組織は、次世代の創造的人材をどのように訓練するかを再考しなければなりません。一部の大学はすでにデータサイエンスをデザインプログラムに統合し始めています。これは重要な一歩ですが、それだけでは十分ではありません。まだ欠けているのは、デジタル時代の現実に対応したデザイン思考の方法論です。それは、デザイナーがAIと協力し、学際的に働き、倫理的かつ人間中心の監督を維持しながら迅速な実験を進めるのを助ける方法論です。このギャップに対処することは不可欠です。それが、私の同僚であるJi Han博士と私がケンブリッジ大学出版局から『デジタル時代のデザイン思考（Design Thinking in the Digital Age）』という本を執筆している理由です。この本は、AIと効果的に協力してデザインするために必要なフレームワーク、スキル、思考方法をまとめています。DIGIT Labは責任ある変革を強調しています。あなたの見解では、AIが産業全体のデザインワークフローに組み込まれるにつれて、どのような倫理的または社会的リスクにもっと注意を払う必要がありますか？一つの例は、データの倫理的使用を確保することです。これには、インフォームドコンセントの取得、AI製品の開発に使用されたデータセットおよびそれらに含まれる可能性のある潜在的なバイアスについての透明性の維持が含まれます。例えば、医療システムに組み込まれたデータセットは、完全な人口を適切に表現しているか、過小評価されている可能性のあるグループを特定し、AIシステムが目的に適しており包括的であることを確認するために、注意深く検討されなければなりません。社会的観点からは、AIが仕事を奪うのではないかという懸念がしばしばあります。しかし、人間の専門知識がどこで不可欠であり続けるか、そしてAIが人間の能力を置き換えるのではなく、どのように補強するために使用できるかを理解することが重要です。しかし、より深い倫理的問題もあります。デザイナーが人間のデータに依存するとき、彼らはプライバシー、バイアス、透明性を責任を持って扱わなければなりません。DIGIT Labのワークショップでは、製造業セクターにおいて「データ」、「人間」、「ガバナンス」が主要な課題カテゴリーとして特定され、より良いデータ収集、人間のループ内での監督、セキュリティ、信頼、知的財産、規制に関する明確なポリシーの必要性が強調されました。これらのリスクに対処するには、AIシステムが多様なデータに基づいて構築され、重要なポイントに人間の判断が組み込まれ、プライバシー、同意、文化的文脈を尊重する包括的なデザイン基準が開発されることを確保することを意味します。あなたは、データとAIがユーザー体験に基づいて製品をカスタマイズできる方法を研究してきました。製品が工場を出た後、リアルタイムデータに基づいて動的に進化する未来が見えますか？もしそうなら、デザイナーはその世界にどのように備えるべきですか？ 製品に使用されるデータ駆動型デザインは、個人化、カスタマイズ、または個々の行動に適応させることができます。それらはその後、組み込みセンサーとIoT接続を通じて、どのように使用されているかについてのデータを収集し通信する「スマート」システムになります。私たちのフレームワークでは、カスタマイズ活動には、そのデータを使用して製品が工場を出た後に更新し適応させることが含まれます。例としては、ジェスチャー認識モデルを人間-ロボット協力のためのデジタルツインにリンクすることや、機械学習支援スキャンを使用してカスタマイズ部品を作成することが挙げられます。この変化は新たな責任を生み出します。デザイナーは、行動的、生理的、フィードバック、感情的のいずれであれ、どの人間のデータが関連するかを決定する必要があります。また、更新が、形態と知覚に関連していることがわかっている意図された美的および感情的品質を保持することを確保しなければなりません。最後に、ガバナンスが重要です：私たちの産業ワークショップは、データ、信頼、プライバシーに関する問題には明確なポリシーと人間の監督が必要であることを強調しました。うまく行われれば、進化する製品は、意味や倫理を犠牲にすることなく、持続的な価値と応答性を提供することができます。今後を見据えて、今あなたを動機づけている大きな研究課題は何ですか？そして、AI、創造性、デザイン工学の交差点において、今後数年間でこの分野はどのようなブレークスルーを見ると信じていますか？上述した課題の多くは未解決のままです。そのうちのいくつかは、私が現在取り組んでいるものであり、汎用生成AIツールが、それらを採用したい特定のセクターに効果的に合わせられるようにするための作業を含みます。セクターレベルでは、これはかなり異なって見えるかもしれません：製造業では、ドメイン固有の知識で訓練されたローカライズされたモデルの使用と、強力なプライバシーおよびセキュリティ対策を伴うかもしれません。創造的産業では、アウトプットの多様化と、人間とAIの間のより意味のある協力の実現に焦点が当てられるかもしれません。技術レベルでは、私たちは評価タスクを支援するために大規模言語モデルを実験しています。一つの研究は、LLMが新奇性と有用性を評価でき、適切に設計されたプロンプトによって導かれるとき、人間の専門家により密接に一致することを示しています。関連する論文は、連鎖思考（chain‑of‑thought）プロンプティングとマルチモデル集約を使用して、AI評価をより信頼性の高いものにしています。私たちはまた、組織のデジタルトランスフォーメーション要件を捕捉するための会話エージェントを探索しており、チャットボットが構造化インタビューを効果的に実施できることを実証しています。デザインにおける人間のデータの使用に関する作業と組み合わせると、これらの取り組みは、AIが専門知識を保存し、より良い意思決定を行い、倫理的にユーザーと関わる未来を指し示しています。この思慮深く洞察に富んだインタビューをありがとうございました。Ahmed-Kristensen教授のAI駆動型デザイン、創造性、責任あるデジタルトランスフォーメーションに関する研究についてさらに学びたい読者は、DIGIT Labで進行中の研究とイニシアチブを探索できます。
