サイーマ・アーメド＝クリステンセン教授、DIGIT Lab ディレクター – インタビュー シリーズ

サイーマ・アーメド＝クリステンセン教授は、デザインエンジニアリングの第一人者であり、エクセター大学の研究・影響の副学長であり、エクセター大学でもある。また、DIGIT Labのディレクターでもあります。DIGIT Labは、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な研究イニシアチブです。彼女の研究は、デザインの創造性と認知、データ駆動型とデジタルデザイン、そして高度な技術のエンジニアリングと製品開発への統合など、幅広い分野にわたります。彼女の研究は、業界との協力、政策への関与、そして大規模な研究プログラムを通じて、学術的な洞察を現実世界に応用することに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、イギリスの王立芸術学院、そして現在エクセター大学と様々な場所で過ごされてきました。振り返ってみると、デザイン、創造性、デジタルテクノロジーの役割についてのあなたの考えを形作った経験や転機は何ですか?

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わたります。私は、当時としては珍しい、テクノロジー、ヒューマンセンターのデザイン、フォームの理解を組み合わせたコースでブルネル大学で学びました。そこで私は、創造性とイノベーションが密接に結びついていることを早くから学びました。

その後ケンブリッジ大学で学んだことで、私の考えはさらに広がりました。大学の環境では、多くの分野に触れ、イノベーションが分野を超えた知識の結合に依存していることを学びました。私の博士課程では、航空宇宙分野を研究し、エンジニアリングデザイナーが情報を見つけて利用する方法を調べました。私は、知識へのアクセス、専門知識のサポートや複製、認知、コンピューターサイエンス、エンジニアリングデザインの交差点について研究しました。このヒューマンセンターの視点は、私の研究を通して続いています。

デジタルテクノロジーが進化するにつれて、私の研究の質問も進化しました。IoTデータ、AI、先進的な計算能力の台頭は、デザインをヒューマンセンターだけから社会センターへと変化させました。これは、エクセター大学での私の仕事、特にLLMの創造プロセスにおける役割、業界がそれらを採用する際に直面する障壁、データがイノベーションを駆動する方法についての研究に反映されています。

イギリスの王立芸術学院での私の経験は、デザインが単に製品やサービスを形作ることだけではないことを強調しました。適切な人々、プロセス、文化が揃うと、デザインは新しい技術、材料、アイデアを生み出す原動力となり、今日と明日の世界的な課題に対処できるようになります。

DIGIT Labは、大規模な既存の組織におけるデジタル変革に重点を置いています。あなたの視点から見ると、リーダーはどのようにしてAIがデザイン、イノベーション、意思決定を変えるかについて誤解しているでしょうか?

数十年間にわたり、AIは研究で進歩し、特定の業界で採用されてきましたが、その進歩は souvent スキルギャップ、リーダーシップの理解、価値と必要なインフラストラクチャに関する明確性によって制限されてきました。LLMやDALL·Eのようなジェネレーティブツールの台頭により、AIはよりアクセスしやすくなり、専門的な専門知識やセットアップが不要になりました。しかし、これにより、プライバシー、データセキュリティ、汎用モデルのドメインへの適用に関する新たな質問が生じました。

デザインとイノベーションでは、これらの問題は特に明らかです。私たちの研究では、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、AIのアイデアは似た概念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、AIをドメインに適応させる、またはAIと人間の創造性と意思決定を組み合わせる方法を構築する必要性を強調しています。

あなたの研究は、デザインにおける創造性と認知に焦点を当てています。ジェネレーティブAIがアイデア、コンセプト、イテレーションを大量に生成できるようになった今、創造性のどの側面が人間に独特であり、どの部分がAI駆動のプロセスに移行することができますか?

創造性は、私にとっては、代替案を生成することだけではありません。創造性は、意図、文化的意味、デザインが生み出す感情的なつながりについてです。DIGIT Labの最近の調査では、82%の人が人間が主導する、またはハイブリッドの仕事がより意味のあるものであると答え、71%の人がAIのみのデザインに感情的につながりにくいと答えました。多くの人は、AI生成の仕事が「感情が欠如している」（48%）または「過度に完璧」（40%）と表現し、36%の人は、その影響がすぐに消えることを感じました。これらの回答は、私が長い間信じてきたことを強調しています。感情的な関与は、創造的な仕事がどのように経験され、価値付けられるかという点で不可欠です。

私たちの研究では、人間のデザイナーは、多様で新しいアイデアを生み出し、創造的な出力が芸術作品、製品デザイン、またはサービスに深みと意味を持つことを保証することができることを示しています。創造的な専門家は、まだAIによって複製できないスキルセットを持っています。デザイナーは、アイデアを生成する前に問題を理解する必要があり、LLMはデザイナーが問題から問題へと移行するのを支援するために役立ちます。人間の創造性のスキルをAIツールに組み込むことができれば、AIは人間の創造性をより効果的に活用できるようになります。

私たちが実験しているチェーン・オブ・ソートアプローチは、LLMが専門家の推論に従うことをサポートします。人間の監視は、結果を解釈し、デザインの選択がユーザーの実生活体験と一致することを保証するために必要です。

明らかに、AIと人間は異なる強みを持ちます。AIはデザイン空間を広げ、パターンを分析し、構造化された批評を提供できますが、人間の創造性と意思決定がなければ、可能性を実現できません。AIは、創造的なプロセスをより厳密で、より想像力があり、最終的にはより人間的な結果をもたらすものにするために、人間の判断と組み合わせて使用できます。

あなたは、ユーザーエクスペリエンスを量化し、デザインの知識を構造化するためのアプローチを開発してきました。AIシステムが製品やサービスを生成する責任を負うようになると、人間のエクスペリエンス、感情、文化的シグナルがデザインプロセスの中心に留まることを保証するにはどうすればよいですか?

人間のエクスペリエンスを中心に据えるには、認知と感情に関する知識を私たちの方法に組み込む必要があります。

二つの主要なアプローチがあります。第一に、人間のエクスペリエンス、認知、感情を理解するための質的データの必要性を認識することです。これは、人間とAIの効果的なコラボレーションを可能にします。第二に、私の研究に焦点を当てたアプローチは、AIシステムが理解して利用できるように、この知識をモデル化することを目指しています。

これらのモデルは、ユーザーエクスペリエンス、人間の認知、製品やシステムの特性を統合して、人間の反応と全体的なエクスペリエンスを予測する必要があるため、複雑です。

あなたは、航空宇宙、医療、製造、消費財などの複雑な業界と広く協力しています。これらのハイリスク環境では、AIサポートデザインの潜在性と安全性、トレース性、信頼性の必要性をどのようにバランスさせますか?

ハイリスク分野では、AIの使用は技術的な問題ではなく、AIの統治の問題です。信頼性は、デザインと意思決定のプロセス全体で、明確な説明責任、トレース性、説明可能性が必要です。AIはシミュレーション、最適化、初期段階の探索を支援する強力な役割を果たす可能性がありますが、最終的な権威となることはできません。

これらの分野は厳格な規制に従い、データの安全な取り扱い、個人情報や商業的に機密性の高いデータの取り扱いを要求します。AIツールは、ローカルデータを使用して特定のドメインの知識に基づいて開発する必要があり、プライバシーとセキュリティ対策が強化されることがよくあります。

私たちの研究は、ハイブリッドシステムが不可欠であることを一貫して示しています。AIは、専門家の判断を補完するものであり、置き換えるものではありません。安全性、リスク、責任が懸かる場合、特に人間の監視が重要です。AIを活用したシステムを信頼するためには、モデルがどのように訓練されたか、どのようなデータを使用したか、出力がどのように生成されたかについて、透明性が必要です。

多くの組織は、AIの「実験」から本格的な導入へのギャップに苦労しています。チームが実験から戦略的な実装への移行を支援するための実用的なステップを推奨しますか?

多くの組織は、AIを明確な戦略的目的を持たずに採用するため、実験段階で停滞しています。第一の実用的なステップは、AIが開発プロセスで果たす役割について明確にすることです。アイデーションを支援すること、テストを加速すること、評価を改善すること、意思決定を強化することなどです。明確さがなければ、パイロットは現実のビジネスやデザインの成果から切り離されたままになります。

チームは、適切な基盤を整える必要があります。つまり、高品質のデータを投資し、特にユーザーエクスペリエンスを反映したデータを整備する必要があります。また、AIの現在の限界、特に創造性と人間中心の判断における限界について、現実的に考える必要があります。

いくつかの業界は、AIポリシーを開発し始めています。これらのポリシーは、組織がAIの価値を特定し、人間が必要な場所に残ることを保証するのに役立ちます。組織は、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必要があります。これらのパイロットは、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まとめることで、学習が共有され、移植可能になります。AIは、日常の実践に設計されたときに価値を生み出しますが、別の実験層として扱われるべきではありません。

あなたは、知識を構造化し、自動化するための方法を開発してきました。AIシステムがデザインの意図、ユーザーのニーズ、コンテキストについて推論することが、本当に価値を追加する方法でできるかどうかはどのくらいですか?

ある分野では、ユーザーの好みを予測することは比較的容易です。ブラウジング履歴や視聴履歴などのデータを使用して、レコメンドを行うことができます。これらの分野は、利用可能なデータから利益を得ることができます。

一方で、製品やサービスのデザインでは、ユーザーの選択、ニーズ、生活体験に関するデータが容易に利用できないことが多いです。

私の最近の研究では、LLMがデザインの創造性を評価するために使用される方法を調査しました。しかし、現在のモデルはデータのパターンに基づいて動作し、意味をコンテキスト化することはできません。以前の研究では、形状と認知の関係を示し、形状の小さな変更が感情的な反応を変えることが示されています。これらの繊細な点は、AIが人間の指導や高度なモデルを使用せずに予測することは難しいです。したがって、AIの推論は改善されていますが、まだ人間の専門知識の補助として機能しています。

AIがデザインサイクルを加速するにつれて、デザイナーはどのような新しいスキルが必要になりますか? 次世代の創造的才能を育てるために、大学や組織は教育をどのように再考する必要がありますか?

デザイナーは、人間の認知とAIツールの両方に精通している必要があります。形状、材料、比例が感情的な反応を形作る方法を理解することは、依然として重要です。同時に、AIシステムがアイデアの生成と評価を支援する方法についても理解する必要があります。つまり、ツールを使用するだけでなく、ツールが何を最適化しているか、どこに限界があるかを理解する必要があります。AIがデザインのワークフローに組み込まれるにつれて、AI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は、最も価値のある創造的なスキルになります。

デザイナーは、デジタルテクノロジーがどのように機能するか、さまざまな種類のデータが何を明らかにできるか、またはできないかを理解する必要があります。また、人間の経験を反映した、高品質で管理されたデータを使用する方法を知る必要があります。さらに、AIの限界を認識し、人間の創造性と批判的思考が中心となる場所を理解する必要があります。

大学や組織は、次世代の創造的才能を育てるために、教育を再考する必要があります。いくつかの大学は、デザインプログラムにデータサイエンスを統合し始めていますが、これだけでは不十分です。まだ欠けているのは、デザイン思考の方法論です。デザイナーがAIと共同で仕事をし、分野を跨ぎ、迅速な実験をしながら、倫理的で人間中心の管理を維持する方法論が必要です。

このギャップを解決することは不可欠です。同僚のジ・ハン博士と私は、ケンブリッジ大学出版局で『デジタル時代のデザイン思考』という本を執筆しています。この本では、AIとともにデザインするためのフレームワーク、スキル、思考方法をまとめています。

DIGIT Labは、責任ある変革に重点を置いています。あなたの見解では、AIがさまざまな業界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なリスクに重点を置く必要がありますか?

データの倫理的な使用を確保すること、データセットの開発に使用されるデータに対するインフォームドコンセントの取得、データセット内の潜在的な偏見についての透明性の確保などが例です。たとえば、ヘルスケアシステムに組み込まれたデータセットは、人口の全範囲を適切に表し、潜在的に表現されていないグループを特定し、AIシステムが目的と適切なものであることを確認するために慎重に検討される必要があります。社会的な観点から見ると、AIが仕事を奪うという懸念がありますが、人間の専門知識がどこで必要か、AIが人間の能力をどのように補完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頼る場合、プライバシー、偏見、透明性を責任を持って取り扱う必要があります。DIGIT Labのワークショップでは、製造業界の「データ」、「人間」、「ガバナンス」の主要な課題カテゴリを特定し、データのキャプチャ、人間のオーバーサイト、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を強調しました。这些リスクを緩和するには、AIシステムが多様なデータに基づいて構築され、人間の判断が重要なポイントに組み込まれ、プライバシー、同意、文化的コンテキストを尊重する包括的なデザイン基準が必要です。

あなたは、データとAIがユーザーエクスペリエンスをカスタマイズする方法について研究してきました。製品がリアルタイムデータに基づいて工場を出た後に動的に進化する未来を想定しますか? その場合、デザイナーはその世界に備えるためにどう準備する必要がありますか?

データ駆動型デザインは、製品を個人に合わせてカスタマイズしたり、適応させたりするために使用できます。製品は「スマート」なシステムになり、組み込みセンサーとIoT接続を通じて使用状況に関するデータを収集し、通信します。私たちのフレームワークでは、カスタマイズ活動には、製品を工場から出荷した後にデータを使用して製品を更新および適応させることが含まれます。例としては、デジタルツインにジェスチャー認識モデルをリンクしたり、カスタマイズコンポーネントを作成するためにマシンラーニング支援スキャニングを使用したりすることがあります。

この変化は、新しい責任を生み出します。デザイナーは、どの人間のデータ、行動、生理、フィードバック、感情データを使用するかを決定する必要があります。また、更新が意図された美的および感情的な特性を保存することも必要です。最後に、ガバナンスが重要です。私たちの業界ワークショップでは、データ、信頼、プライバシーの問題は、明確なポリシーと人間のオーバーサイトを必要とすることを強調しました。製品の進化は、意味や倫理を犠牲にすることなく、持続的な価値と反応性を提供できます。

今後、AI、創造性、デザインエンジニアリングの交差点で、どのような大きな研究の質問があなたを動機づけていますか? これらの分野では、次の数年間にどのようなブレークスルーが見られるでしょうか?

上記の課題の多くはまだ解決されていません。私は、汎用のジェネレーティブAIツールを特定の業界が採用するために効果的にカスタマイズする方法について、現在いくつかの研究を行っています。セクターごとに、これは異なったものとなります。製造業では、ローカルなモデルをドメイン固有の知識で訓練し、強力なプライバシーとセキュリティ対策を組み込むことを伴う場合があります。創造性のある業界では、出力の多様性と人間とAIのより意味のあるコラボレーションを可能にすることに重点が置かれる場合があります。

技術的なレベルでは、評価タスクをサポートするためのLLMを使用しています。ある研究では、LLMが新規性と有用性を評価し、人間の専門家と一致することを示しています。関連する論文では、チェーン・オブ・ソートのプロンプティングとマルチモデル・アグリゲーションを使用して、AIの評価をより信頼性高くします。また、組織のデジタル変革の要件を把握するために会話エージェントを使用し、チャットボットが構造化されたインタビューを効果的に実施できることを示しています。これらの取り組みは、AIが人間の専門知識を保存し、より良い決定を下し、ユーザーを倫理的に関与させる方法を示唆しています。

感謝します。読者がサイーマ・アーメド＝クリステンセン教授のAI駆動型デザイン、創造性、責任あるデジタル変革に関する研究についてさらに学びたい場合は、DIGIT Labでの進行中の研究とイニシアチブを参照してください。