Prof. Saeema Ahmed-Kristensen, Dyrektor Laboratorium DIGIT – Seria Wywiadów

Profesor Saeema Ahmed-Kristensen jest wybitnym uczonym w dziedzinie inżynierii projektowej i Associate Pro-Vice-Chancellor (Research & Impact) na Uniwersytecie w Exeter, gdzie również pełni funkcję Dyrektora Laboratorium DIGIT, dużego międzydziedzinowego projektu badawczego skupionego na innowacjach cyfrowych i transformacji. Jej badania obejmują kreatywność i poznawanie w projektowaniu, projektowanie oparte na danych i cyfrowe, oraz integrację zaawansowanych technologii w złożonych procesach inżynierskich i rozwoju produktów, z silnym naciskiem na tłumaczenie wglądu akademickiego na realny wpływ poprzez współpracę z przemysłem, zaangażowanie polityczne i duże programy badawcze.

Twoja kariera obejmuje Cambridge, DTU, Imperial College London, Royal College of Art i obecnie Uniwersytet w Exeter. Spójrzając wstecz, jakie doświadczenia lub punkty zwrotne najbardziej ukształtowały Twoje myślenie o projektowaniu, kreatywności i roli technologii cyfrowych?

Moja praca w projektowaniu rozciągała się na wiele różnych kultur i dyscyplin. Zaczynałam na Brunel na jednym z nielicznych kursów, które łączyły technologię, projektowanie ukierunkowane na człowieka i zrozumienie formy. Nauczyło mnie to wcześnie, że kreatywność i innowacje są ściśle powiązane.

Studia na Cambridge otworzyły moje myślenie jeszcze dalej. Środowisko college’u eksponowało mnie na wiele dyscyplin i pokazało mi, jak innowacje zależą od wiedzy łączącej się z różnych dziedzin. Moja rozprawa doktorska koncentrowała się na sektorze lotniczym i badała, jak inżynierowie projektowi znajdują i wykorzystują informacje. Badałam, jak ludzie dostęp do wiedzy, jak ekspertyza może być wspierana lub replikowana, oraz punkt przecięcia między poznawaniem, informatyką i inżynierią projektową. Ten ludzki punkt widzenia pozostał ze mną od tego czasu.

Wraz ze wzrostem technologii cyfrowych, rosły również pytania w mojej pracy. Wzrost danych IoT, AI i zaawansowanego obliczania przesunął projektowanie od bycia tylko ukierunkowanym na człowieka w stronę bycia ukierunkowanym na społeczeństwo. To nadal kształtuje moją pracę na Uniwersytecie w Exeter, gdzie kieruję Laboratorium DIGIT i koncentruję się na roli LLM w procesie twórczym, barierach, których przemysł staje się w przyjęciu ich, oraz jak dane mogą napędzać innowacje.

Mój czas na Imperial i Royal College of Art potwierdził, że projektowanie jest o wiele więcej niż tylko kształtowanie produktów lub usług. Z odpowiednimi ludźmi, procesami i kulturą, projektowanie staje się napędem nowych i skalowalnych technologii, materiałów i pomysłów, które mogą rozwiązać dzisiejsze i jutrzejsze wyzwania globalne.

Laboratorium DIGIT koncentruje się ciężko na transformacji cyfrowej wewnątrz dużych, ustanowionych organizacji. Z Twojego punktu widzenia, co liderzy najbardziej nie rozumieją o tym, jak AI zmieni projektowanie, innowacje i podejmowanie decyzji?

Przez dziesięciolecia AI rozwijał się w badaniach i był przyjmowany w pewnych branżach, ale postęp był często ograniczony przez luki umiejętności, zrozumienie liderów i klarowność co do wartości i infrastruktury wymaganej. Z wzrostem LLM i generatywnych narzędzi, takich jak DALL·E, AI jest teraz bardziej dostępny i wymaga znacznie mniej specjalistycznej ekspertyzy lub konfiguracji. Ale to również podnosi nowe pytania o prywatność, bezpieczeństwo danych i jak dobrze ogólne modele stosują się do określonych dziedzin.

W projektowaniu i innowacjach te kwestie są szczególnie widoczne. Nasze badania, które obejrzały ponad 12 000 pomysłów wygenerowanych przez ludzi i przez AI, pokazały, że pomysły AI mają tendencję do grupowania wokół podobnych pojęć. To podkreśla potrzebę wbudowania ludzkiej ekspertyzy w ogólne narzędzia, adaptacji AI do dziedziny lub zrozumienia, kiedy i jak używać AI obok ludzkiej kreatywności i podejmowania decyzji.

Wiekszość Twoich badań eksploruje kreatywność i poznawanie w projektowaniu. Z generatywnym AI, który jest w stanie produkować pomysły, koncepcje i iteracje na dużą skalę, jakie aspekty kreatywności widzisz jako unikalnie ludzkie — i które części mogą odpowiedzialnie przesunąć się w stronę procesów napędzanych przez AI?

Kreatywność zawsze była dla mnie czymś więcej niż generowaniem alternatyw. To kwestia intencji, znaczenia kulturowego i emocjonalnego połączenia, jakie projekt tworzy. Nasze niedawne badanie Laboratorium DIGIT uwyraźniło to: 82% ludzi powiedziało nam, że praca prowadzona przez ludzi lub hybrydowa wydaje się bardziej znacząca, a 71% stwierdziło, że czuje się mniej emocjonalnie związana z projektami AI-only. Wielu opisało prace wygenerowane przez AI jako “pozbawione emocji” (48%) lub “zbyt idealne” (40%), a 36% czuło, że ich wpływ szybko zanika. Te odpowiedzi potwierdziły coś, w co wierzę od dawna. Emocjonalne zaangażowanie nie jest miłym dodatkiem; jest niezbędne do tego, jak ludzie doświadczają i wartościują prace twórcze.

Nasze badania porównujące pomysły ludzkie i AI również pokazują, że ludzcy projektanci są lepsi w tworzeniu zróżnicowanych, nowych pomysłów i zapewnieniu, że wyjściowa twórczość, czy to sztuka, projekt produktu czy usługi, ma głębię i znaczenie. Eksperci od projektowania posiadają zestaw umiejętności, których nie można jeszcze odtworzyć. Projektanci muszą zrozumieć problem, zanim wygenerują pomysły, a LLM są bardzo użyteczne w gromadzeniu informacji, które pomagają projektantom przesunąć się od jednego problemu do innego. Jeśli możemy zbudować modele ludzkiej ekspertyzy w narzędziach AI, mogą one również wspierać ocenę pomysłów, pozwalając AI na lepsze wykorzystanie ludzkich umiejętności twórczych.

Podejście łańcucha myśli, z którym eksperymentujemy, wspiera LLM, aby podążać za ekspertami rozumowaniem, a nie tylko przydzielaniem ocen. We wszystkich przypadkach wymagana jest nadzór ludzki, aby zinterpretować wyniki i upewnić się, że wybory projektowe są zgodne z doświadczeniami użytkowników.

Jasne jest, że musimy albo stworzyć modele zdolne do uchwycenia, jak ludzie doświadczają produktów, usług i interakcji w sposób, który komputery mogą zinterpretować, albo zintegrować grube dane (bogate spostrzeżenia jakościowe, które zapewniają kontekst) z cienkimi lub dużymi danymi sensorycznymi, które zbieramy. Rozwój tych modeli nie jest prosty, a to jest dokładnie tam, gdzie zaangażowanie ludzkie pozostaje niezbędne.

Więc dla mnie wniosek nie polega na tym, że AI nie ma miejsca w kreatywności. Daleko od tego. To, że AI i ludzie przyczyniają się do różnych sił. Fakt, że ludzie konsekwentnie reagują pozytywnie na pracę ludzką lub hybrydową, po prostu mówi nam, gdzie leży środek ciężkości. AI może pomóc w eksploracji szerszego obszaru projektowego, analizie wzorców i zaoferowaniu ustrukturyzowanej krytyki, ale te percepcje płaskości, algorytmicznej doskonałości i emocjonalnej odległości pokazują, gdzie AI nadal potrzebuje ludzkiej oceny, aby zmienić możliwości w coś, co rezonuje.

Dlatego widzę przyszłość kreatywności jako fundamentalnie współpracującą. AI może poszerzyć pole możliwości. Projektanci przywożą empatię, zrozumienie kulturowe i poczucie intencji, które nadają tym możliwościom znaczenie. Kiedy obie strony pracują razem, z ludzką oceną ustawiającą kierunek i AI wzbogacającym eksplorację, wynikiem jest proces twórczy, który jest bardziej rygorystyczny, bardziej wyobraźniowy i ostatecznie bardziej ludzki w swoich wynikach.

Wiele Twoich badań eksploruje kreatywność i poznawanie w projektowaniu. Z generatywnym AI, który jest w stanie produkować pomysły, koncepcje i iteracje na dużą skalę, jakie aspekty kreatywności widzisz jako unikalnie ludzkie — i które części mogą odpowiedzialnie przesunąć się w stronę procesów napędzanych przez AI?

Kreatywność zawsze była dla mnie czymś więcej niż generowaniem alternatyw. To kwestia intencji, znaczenia kulturowego i emocjonalnego połączenia, jakie projekt tworzy. Nasze niedawne badanie Laboratorium DIGIT uwyraźniło to: 82% ludzi powiedziało nam, że praca prowadzona przez ludzi lub hybrydowa wydaje się bardziej znacząca, a 71% stwierdziło, że czuje się mniej emocjonalnie związana z projektami AI-only. Wielu opisało prace wygenerowane przez AI jako “pozbawione emocji” (48%) lub “zbyt idealne” (40%), a 36% czuło, że ich wpływ szybko zanika. Te odpowiedzi potwierdziły coś, w co wierzę od dawna. Emocjonalne zaangażowanie nie jest miłym dodatkiem; jest niezbędne do tego, jak ludzie doświadczają i wartościują prace twórcze.

Nasze badania porównujące pomysły ludzkie i AI również pokazują, że ludzcy projektanci są lepsi w tworzeniu zróżnicowanych, nowych pomysłów i zapewnieniu, że wyjściowa twórczość, czy to sztuka, projekt produktu czy usługi, ma głębię i znaczenie. Eksperci od projektowania posiadają zestaw umiejętności, których nie można jeszcze odtworzyć. Projektanci muszą zrozumieć problem, zanim wygenerują pomysły, a LLM są bardzo użyteczne w gromadzeniu informacji, które pomagają projektantom przesunąć się od jednego problemu do innego. Jeśli możemy zbudować modele ludzkiej ekspertyzy w narzędziach AI, mogą one również wspierać ocenę pomysłów, pozwalając AI na lepsze wykorzystanie ludzkich umiejętności twórczych.

Podejście łańcucha myśli, z którym eksperymentujemy, wspiera LLM, aby podążać za ekspertami rozumowaniem, a nie tylko przydzielaniem ocen. We wszystkich przypadkach wymagana jest nadzór ludzki, aby zinterpretować wyniki i upewnić się, że wybory projektowe są zgodne z doświadczeniami użytkowników.

Jasne jest, że musimy albo stworzyć modele zdolne do uchwycenia, jak ludzie doświadczają produktów, usług i interakcji w sposób, który komputery mogą zinterpretować, albo zintegrować grube dane (bogate spostrzeżenia jakościowe, które zapewniają kontekst) z cienkimi lub dużymi danymi sensorycznymi, które zbieramy. Rozwój tych modeli nie jest prosty, a to jest dokładnie tam, gdzie zaangażowanie ludzkie pozostaje niezbędne.

Więc dla mnie wniosek nie polega na tym, że AI nie ma miejsca w kreatywności. Daleko od tego. To, że AI i ludzie przyczyniają się do różnych sił. Fakt, że ludzie konsekwentnie reagują pozytywnie na pracę ludzką lub hybrydową, po prostu mówi nam, gdzie leży środek ciężkości. AI może pomóc w eksploracji szerszego obszaru projektowego, analizie wzorców i zaoferowaniu ustrukturyzowanej krytyki, ale te percepcje płaskości, algorytmicznej doskonałości i emocjonalnej odległości pokazują, gdzie AI nadal potrzebuje ludzkiej oceny, aby zmienić możliwości w coś, co rezonuje.

Dlatego widzę przyszłość kreatywności jako fundamentalnie współpracującą. AI może poszerzyć pole możliwości. Projektanci przywożą empatię, zrozumienie kulturowe i poczucie intencji, które nadają tym możliwościom znaczenie. Kiedy obie strony pracują razem, z ludzką oceną ustawiającą kierunek i AI wzbogacającym eksplorację, wynikiem jest proces twórczy, który jest bardziej rygorystyczny, bardziej wyobraźniowy i ostatecznie bardziej ludzki w swoich wynikach.

Wiele organizacji zmaga się z luką między “eksperymentowaniem z AI” a znaczącym wdrożeniem go w rozwój produktów. Jakie praktyczne kroki byś polecił zespołom, które próbują przenieść się z eksperymentowania do strategicznego wdrożenia?

Wiele organizacji zatrzymuje się na etapie eksperymentowania, ponieważ przyjmują AI bez wyraźnego celu strategicznego. Pierwszym praktycznym krokiem jest określenie, jaka rola AI ma odegrać w procesie rozwoju, czy to wspieranie pomysłów, przyspieszanie testów, poprawa oceny czy wzmocnienie podejmowania decyzji. Bez tej klarowności, pilotażowe projekty pozostają niepołączone z realnymi wynikami biznesowymi i projektowymi.

Zespoły również potrzebują odpowiednich podstaw. Oznacza to inwestowanie w wysokiej jakości, dobrze zarządzane dane, szczególnie dane, które odzwierciedlają realne doświadczenia użytkowników, a nie tylko techniczne wyniki. Oznacza to również bycie realistycznym co do obecnych ograniczeń AI, szczególnie w kreatywnym i ludzkim osądzie, gdzie nadzór ekspertów pozostaje niezbędny.

Wiele sektorów zaczyna rozwijać polityki AI, które prowadzą zespoły przez proces eksperymentowania z AI, od budowania przypadków biznesowych i prowadzenia pilotów do szerszego wdrożenia. Te polityki pomagają organizacjom identyfikować, gdzie AI może naprawdę dodać wartość, jednocześnie zapewniając, że ludzie pozostają w pętli, gdziekolwiek jest to konieczne.

Wreszcie, organizacje powinny przechodzić przez ustrukturyzowane, niskie ryzyko pilotażowe, które są wbudowane w rzeczywiste przepływy pracy, a nie prowadzone w izolacji. Te pilotażowe projekty powinny być międzydyscyplinarne, łącząc projektantów, inżynierów, naukowców danych i ekspertów branżowych, aby uczenie się było współdzielone i przenaszalne. AI dostarcza wartości, gdy jest zaprojektowany w codzienną praktykę, a nie traktowany jako oddzielna warstwa eksperymentalna.

Masz długoletni rekord rozwoju metod dla ustrukturyzowania i automatyzacji wiedzy. Jak blisko jesteśmy do systemów AI, które mogą rozumować o intencji projektowej, potrzebach użytkowników i kontekście w sposób, który naprawdę dodaje wartość, a nie tylko generuje treści?

W niektórych obszarach przewidywanie preferencji użytkowników jest dość proste, ponieważ dane takie jak historia przeglądania lub rekordy, które filmy lub programy telewizyjne zostały obejrzane, mogą być użyte do generowania rekomendacji. Te obszary korzystają z łatwo dostępnych danych.

W przeciwieństwie do tego, kluczowym wyzwaniem w projektowaniu produktów i usług jest to, że dane o wyborach ludzi, potrzebach i doświadczeniach życiowych często nie są łatwo dostępne.

Moje niedawne badania z Laboratorium DIGIT badały możliwość LLM, gdy dano mu model, jak ludzie postrzegają i reagują na cechy projektowe. Jednakże, obecne modele działają na wzorcach w danych i nie mogą kontekstualizować znaczenia. Wcześniejsze studia łączące kształt z percepcjami pokazują, że nawet niewielkie zmiany w formie mogą zmienić odpowiedzi emocjonalne, a takie subtelności są trudne do przewidzenia przez AI bez ludzkiego przewodnictwa lub zaawansowanych modeli, które mogą być wprowadzone. Dlatego AI rozumiejące intencję jest poprawiane, ale pozostaje uzupełnieniem ludzkiej ekspertyzy.

Patrząc w przyszłość, jakie są duże pytania badawcze, które motywują Cię obecnie? I jakie przełomy uważasz, że pole AI, kreatywności i inżynierii projektowej zobaczy w ciągu najbliższych kilku lat?

Wiele z wyzwań opisanych powyżej pozostaje nierozwiązanych – kilka z nich jest obecnie przedmiotem moich badań, w tym praca nad zapewnieniem, że ogólne narzędzia generatywne AI mogą być skutecznie dostosowane do konkretnych sektorów, które chcą je przyjąć.

Na poziomie sektora może to wyglądać zupełnie inaczej: w produkcji może to obejmować użycie modeli lokalnych, szkolonych na wiedzy specyficznej dla danej dziedziny, wraz z silnymi środkami bezpieczeństwa i prywatności; w branżach kreatywnych skupienie może być na diversyfikacji wyjść i umożliwieniu bardziej znaczącej współpracy między ludźmi a AI.

Na poziomie technicznym eksperymentujemy z dużymi modelami językowymi, aby wspierać zadania oceny. Jedno z badań pokazuje, że LLM może ocenić nowość i użyteczność i wywiązać się lepiej z ekspertami ludzkimi, gdy są prowadzone przez dobrze zaprojektowane wskazówki. Pokrewny artykuł wykorzystuje łańcuch myśli i agregację wielu modeli, aby uczynić ocenę AI bardziej niezawodną. Jesteśmy również zaangażowani w rozwój agentów konwersacyjnych, aby uchwycić wymagania transformacji cyfrowej organizacji, demonstrując, że czatboty mogą prowadzić ustrukturyzowane wywiady skutecznie. W połączeniu z pracą nad użyciem danych ludzkich w projektowaniu, te inicjatywy wskazują na przyszłość, w której AI pomoże nam zachować ekspertyzę, podjąć lepsze decyzje i zaangażować użytkowników w sposób etyczny.

Dziękuję za przemyślane i wnikliwe wywiady; czytelnicy, którzy chcą dowiedzieć się więcej o pracy Profesora Ahmed-Kristensen na temat projektowania napędzanego przez AI, kreatywności i odpowiedzialnej transformacji cyfrowej, mogą zbadać trwające badania i inicjatywy w Laboratorium DIGIT.