ศาสตราจารย์ Saeema Ahmed-Kristensen ผู้อำนวยการ DIGIT Lab – ชุดสัมภาษณ์

ศาสตราจารย์ Saeema Ahmed-Kristensen เป็นนักวิชาการชั้นนำด้านวิศวกรรมการออกแบบ และดำรงตำแหน่งรองอธิการบดีสมทบด้านการวิจัยและผลกระทบที่ มหาวิทยาลัย Exeter อีกทั้งยังเป็นผู้อำนวยการ DIGIT Lab ซึ่งเป็นโครงการวิจัยสหวิทยาการขนาดใหญ่ที่มุ่งเน้นนวัตกรรมและการเปลี่ยนแปลงทางดิจิทัล งานวิจัยของเธอครอบคลุมความคิดสร้างสรรค์และการรู้คิดในการออกแบบ การออกแบบดิจิทัลและการออกแบบที่ขับเคลื่อนด้วยข้อมูล ตลอดจนการบูรณาการเทคโนโลยีขั้นสูงในการพัฒนาผลิตภัณฑ์และวิศวกรรมที่ซับซ้อน โดยเน้นการนำความรู้ทางวิชาการไปสร้างผลกระทบจริงผ่านความร่วมมือกับอุตสาหกรรม การมีส่วนร่วมเชิงนโยบาย และโครงการวิจัยขนาดใหญ่

เส้นทางอาชีพของคุณครอบคลุม Cambridge, DTU, Imperial College London, Royal College of Art และปัจจุบันคือมหาวิทยาลัย Exeter เมื่อมองย้อนกลับไป ประสบการณ์หรือจุดเปลี่ยนใดหล่อหลอมแนวคิดเรื่องการออกแบบ ความคิดสร้างสรรค์ และบทบาทของเทคโนโลยีดิจิทัลของคุณมากที่สุด?

งานออกแบบของฉันครอบคลุมหลายวัฒนธรรมและสาขาวิชา ฉันเริ่มที่ Brunel ในหนึ่งในหลักสูตรไม่กี่หลักสูตรในขณะนั้นที่รวมเทคโนโลยี การออกแบบที่ยึดมนุษย์เป็นศูนย์กลาง และความเข้าใจเรื่องรูปทรงเข้าด้วยกัน หลักสูตรนี้สอนฉันตั้งแต่ต้นว่าความคิดสร้างสรรค์กับนวัตกรรมเชื่อมโยงกันอย่างใกล้ชิด

การเรียนที่ Cambridge เปิดมุมมองของฉันให้กว้างขึ้น สภาพแวดล้อมของวิทยาลัยทำให้ได้สัมผัสหลายสาขาและเห็นว่านวัตกรรมอาศัยการผสานความรู้ข้ามศาสตร์ ปริญญาเอกของฉันมุ่งที่อุตสาหกรรมการบินและอวกาศ โดยศึกษาว่านักออกแบบวิศวกรรมค้นหาและใช้ข้อมูลอย่างไร ฉันศึกษาการเข้าถึงความรู้ การสนับสนุนหรือจำลองความเชี่ยวชาญ และจุดตัดระหว่างการรู้คิด วิทยาการคอมพิวเตอร์ และวิศวกรรมการออกแบบ มุมมองที่ยึดมนุษย์เป็นศูนย์กลางนี้อยู่กับฉันมาตลอด

เมื่อเทคโนโลยีดิจิทัลเติบโต คำถามในงานของฉันก็ขยายตาม ข้อมูล IoT, AI และการคำนวณขั้นสูงทำให้การออกแบบขยับจากการยึดมนุษย์เป็นศูนย์กลางเพียงอย่างเดียวไปสู่การยึดสังคมเป็นศูนย์กลาง สิ่งนี้ยังคงกำหนดงานของฉันที่มหาวิทยาลัย Exeter ซึ่งฉันนำ DIGIT Lab และศึกษาบทบาทของ LLM ในกระบวนการสร้างสรรค์ อุปสรรคต่อการนำไปใช้ในอุตสาหกรรม และวิธีที่ข้อมูลขับเคลื่อนนวัตกรรม

ช่วงเวลาที่ Imperial และ Royal College of Art ย้ำให้เห็นว่าการออกแบบเป็นมากกว่าการสร้างรูปทรงผลิตภัณฑ์หรือบริการ เมื่อมีคน กระบวนการ และวัฒนธรรมที่เหมาะสม การออกแบบจะขับเคลื่อนเทคโนโลยี วัสดุ และแนวคิดใหม่ที่ขยายผลได้ เพื่อรับมือความท้าทายระดับโลกทั้งวันนี้และวันหน้า

DIGIT Lab ให้ความสำคัญกับการเปลี่ยนแปลงทางดิจิทัลในองค์กรขนาดใหญ่ที่มีรากฐานมั่นคง จากมุมมองของคุณ ผู้นำเข้าใจผิดมากที่สุดเรื่องใดเกี่ยวกับการที่ AI จะเปลี่ยนการออกแบบ นวัตกรรม และการตัดสินใจ?

AI ก้าวหน้าในงานวิจัยและถูกนำไปใช้ในบางอุตสาหกรรมมาหลายทศวรรษ แต่ความก้าวหน้ามักถูกจำกัดด้วยช่องว่างทักษะ ความเข้าใจของผู้นำ และความชัดเจนเรื่องคุณค่าและโครงสร้างพื้นฐานที่ต้องใช้ การเกิดขึ้นของ LLM และเครื่องมือเชิงกำเนิดอย่าง DALL·E ทำให้ AI เข้าถึงง่ายขึ้นและต้องการความเชี่ยวชาญเฉพาะหรือการติดตั้งน้อยลงมาก แต่ก็สร้างคำถามใหม่เรื่องความเป็นส่วนตัว ความปลอดภัยของข้อมูล และความเหมาะสมของโมเดลทั่วไปกับงานเฉพาะสาขา

ประเด็นนี้ชัดเป็นพิเศษในการออกแบบและนวัตกรรม งานของเราศึกษาแนวคิดกว่า12,000แนวคิดจากมนุษย์และ AI และพบว่าแนวคิดของ AI มักกระจุกตัวอยู่รอบแนวคิดคล้ายกัน จึงจำเป็นต้องใส่ความเชี่ยวชาญมนุษย์ในเครื่องมือทั่วไป ปรับ AI ให้เหมาะกับสาขา หรือเข้าใจว่าควรใช้ AI ร่วมกับความคิดสร้างสรรค์และการตัดสินใจของมนุษย์เมื่อใดและอย่างไร

งานวิจัยจำนวนมากของคุณศึกษาความคิดสร้างสรรค์และการรู้คิดในการออกแบบ เมื่อ AI เชิงกำเนิดสร้างแนวคิดและฉบับปรับปรุงได้ในวงกว้าง คุณเห็นว่าส่วนใดของความคิดสร้างสรรค์เป็นเอกลักษณ์ของมนุษย์ และส่วนใดอาจย้ายไปสู่กระบวนการที่ขับเคลื่อนด้วย AI อย่างรับผิดชอบได้?

สำหรับฉัน ความคิดสร้างสรรค์เป็นมากกว่าการสร้างทางเลือกเสมอมา มันเกี่ยวกับเจตนา ความหมายทางวัฒนธรรม และสายสัมพันธ์ทางอารมณ์ที่งานออกแบบสร้างขึ้น แบบสำรวจล่าสุดของ DIGIT Lab ทำให้ประเด็นนี้ชัดเจน:82%บอกว่างานที่มนุษย์เป็นผู้นำหรืองานแบบผสมมีความหมายมากกว่า และ71%รู้สึกผูกพันทางอารมณ์น้อยลงกับการออกแบบโดย AI เพียงอย่างเดียว หลายคนมองงาน AI ว่า«ขาดอารมณ์»(48%)หรือ«สมบูรณ์แบบเกินไป»(40%) และ36%รู้สึกว่าผลกระทบของมันจางหายเร็ว ข้อมูลนี้ย้ำความเชื่อเดิมของฉันว่าความผูกพันทางอารมณ์ไม่ใช่สิ่งเสริม แต่เป็นหัวใจของวิธีที่ผู้คนสัมผัสและให้คุณค่างานสร้างสรรค์

งานเปรียบเทียบแนวคิดมนุษย์กับ AI ยังพบว่านักออกแบบมนุษย์สร้างแนวคิดที่หลากหลายและใหม่ได้ดีกว่า และช่วยให้ผลลัพธ์ไม่ว่าจะเป็นศิลปะ ผลิตภัณฑ์ หรือบริการมีความลึกและความหมาย ผู้เชี่ยวชาญเชิงสร้างสรรค์มีทักษะที่ยังจำลองไม่ได้ นักออกแบบต้องเข้าใจปัญหาก่อนสร้างแนวคิด และ LLM มีประโยชน์มากในการรวบรวมข้อมูลเพื่อช่วยเปลี่ยนจากปัญหาหนึ่งสู่อีกปัญหาหนึ่ง หากสร้างแบบจำลองความเชี่ยวชาญมนุษย์ลงในเครื่องมือ AI ได้ ก็จะช่วยประเมินแนวคิดและทำให้ AI ใช้ประโยชน์จากทักษะสร้างสรรค์ของมนุษย์ได้ดีขึ้น

แนวทางห่วงโซ่ความคิดที่เราทดลองช่วยให้ LLM ทำตามวิธีคิดของผู้เชี่ยวชาญในการให้เหตุผล ไม่ใช่เพียงให้คะแนน ทุกกรณีต้องมีมนุษย์กำกับดูแลเพื่อตีความผลลัพธ์และตรวจว่าทางเลือกในการออกแบบสอดคล้องกับประสบการณ์จริงของผู้ใช้

เราต้องสร้างโมเดลที่จับวิธีที่มนุษย์สัมผัสผลิตภัณฑ์ บริการ และปฏิสัมพันธ์ในรูปแบบที่คอมพิวเตอร์ตีความได้ หรือผสานข้อมูลเชิงลึกที่มีบริบทเชิงคุณภาพเข้ากับข้อมูลเชิงปริมาณจากเซ็นเซอร์ ไม่ว่าจะมีปริมาณน้อยหรือเป็นข้อมูลขนาดใหญ่ การพัฒนาโมเดลเหล่านี้ไม่ง่าย และเป็นจุดที่มนุษย์ยังจำเป็น

ฉันไม่ได้สรุปว่า AI ไม่มีที่ทางในความคิดสร้างสรรค์เลย ตรงกันข้าม AI และมนุษย์มีจุดแข็งต่างกัน การที่ผู้คนตอบสนองต่องานมนุษย์หรืองานผสมในทางบวกมากกว่าอย่างสม่ำเสมอบอกว่าจุดศูนย์ถ่วงอยู่ที่ใด AI ช่วยสำรวจพื้นที่ออกแบบที่กว้างขึ้น วิเคราะห์รูปแบบ และให้คำวิจารณ์เป็นระบบได้ แต่ความรู้สึกว่างานเรียบแบน สมบูรณ์แบบเชิงอัลกอริทึม และห่างเหินทางอารมณ์ ชี้ว่ามันยังต้องอาศัยวิจารณญาณมนุษย์เพื่อเปลี่ยนความเป็นไปได้ให้เป็นสิ่งที่เข้าถึงใจ

ฉันจึงมองอนาคตของความคิดสร้างสรรค์ว่าเป็นความร่วมมือโดยพื้นฐาน AI ขยายขอบเขตความเป็นไปได้ ส่วนนักออกแบบนำความเห็นอกเห็นใจ ความเข้าใจวัฒนธรรม และเจตนามาให้ความหมาย เมื่อมนุษย์กำหนดทิศทางและ AI เติมเต็มการสำรวจ กระบวนการจะรอบคอบ มีจินตนาการ และให้ผลลัพธ์ที่เป็นมนุษย์ยิ่งขึ้น

คุณบุกเบิกวิธีวัดประสบการณ์ผู้ใช้และจัดโครงสร้างความรู้ด้านการออกแบบ เมื่อ AI รับผิดชอบการสร้างผลิตภัณฑ์และบริการมากขึ้น เราจะรักษาประสบการณ์มนุษย์ อารมณ์ และสัญญาณทางวัฒนธรรมให้เป็นศูนย์กลางของการออกแบบอย่างไร?

เราต้องฝังความรู้เรื่องการรับรู้และอารมณ์ไว้ในวิธีการ เพื่อให้ประสบการณ์มนุษย์เป็นศูนย์กลาง

มีสองแนวทางหลัก แนวทางแรกเน้นข้อมูลเชิงคุณภาพที่ทำให้เข้าใจประสบการณ์ การรับรู้ และอารมณ์อย่างลึกซึ้ง เพื่อส่งเสริมความร่วมมือมนุษย์กับ AI แนวทางที่สองซึ่งเป็นจุดเน้นของงานฉัน คือแปลงความรู้นี้เป็นโมเดลที่ AI เข้าใจและใช้ได้

โมเดลเหล่านี้พัฒนายาก เพราะต้องผสานประสบการณ์ผู้ใช้ การรับรู้ของมนุษย์ และลักษณะของผลิตภัณฑ์หรือระบบที่ออกแบบ เพื่อทำนายการตอบสนองและประสบการณ์โดยรวม

คุณทำงานกับอุตสาหกรรมซับซ้อนทั้งการบินและอวกาศ การแพทย์ การผลิต และสินค้าอุปโภคบริโภค ในบริบทที่มีเดิมพันสูงเหล่านี้ คุณสร้างสมดุลระหว่างศักยภาพของ AI ช่วยออกแบบกับความปลอดภัย การตรวจสอบย้อนกลับ และความไว้วางใจอย่างไร?

ในภาคส่วนเสี่ยงสูง เช่น สาธารณสุข การบินและอวกาศ และการผลิต คำถามไม่ใช่ว่าใช้ AI ได้หรือไม่ แต่คือจะกำกับดูแลอย่างไร ความไว้วางใจต้องอาศัยความรับผิดชอบที่ชัดเจน การตรวจสอบย้อนกลับ และการอธิบายได้ทุกขั้นตอนของการออกแบบและตัดสินใจ AI ช่วยจำลอง เพิ่มประสิทธิภาพ และสำรวจระยะแรกได้มาก แต่ไม่อาจเป็นผู้ตัดสินขั้นสุดท้าย

หลายสาขาอยู่ภายใต้กฎและข้อกำหนดความปลอดภัยเข้มงวด จึงต้องจัดการข้อมูลทั้งหมดอย่างปลอดภัย ทั้งข้อมูลส่วนบุคคลและข้อมูลอ่อนไหวทางการค้า พรอมป์ต์หรือคำถามมักต้องพัฒนาจากข้อมูลภายในบริบทนั้นเพื่อความเฉพาะเจาะจงและเกี่ยวข้อง และองค์กรในภาคส่วนเหล่านี้มักสร้างและดูแลเครื่องมือ AI ของตนเอง

งานวิจัยในวงกว้างของเราพบสม่ำเสมอว่าระบบผสมจำเป็น: AI ควรเสริมวิจารณญาณผู้เชี่ยวชาญ ไม่ใช่แทนที่ ต้องฝังการกำกับโดยมนุษย์ในทุกจุดตัดสินใจสำคัญ โดยเฉพาะเรื่องความปลอดภัย ความเสี่ยง และความรับผิดทางกฎหมาย เพื่อให้หน่วยงานกำกับและผู้ใช้ปลายทางเชื่อมั่น องค์กรยังต้องมีเอกสารโปร่งใสว่าโมเดลฝึกอย่างไร ใช้ข้อมูลอะไร และสร้างผลลัพธ์อย่างไร หากขาดความโปร่งใส ความไว้วางใจก็ขยายผลไม่ได้ ไม่ว่าเทคโนโลยีจะก้าวหน้าเพียงใด

หลายองค์กรติดอยู่ระหว่างการทดลอง AI กับการผสานมันในการพัฒนาผลิตภัณฑ์อย่างมีความหมาย คุณแนะนำขั้นตอนใดแก่ทีมที่ต้องการเปลี่ยนจากการทดลองสู่การนำไปใช้เชิงกลยุทธ์?

หลายองค์กรหยุดที่การทดลองเพราะนำ AI มาใช้โดยไม่มีเป้าหมายเชิงกลยุทธ์ชัดเจน ขั้นแรกคือต้องระบุบทบาทของ AI ในการพัฒนาให้ชัด ไม่ว่าจะช่วยคิดแนวทาง เร่งการทดสอบ ปรับปรุงการประเมิน หรือสนับสนุนการตัดสินใจ หากไม่ชัด โครงการนำร่องจะไม่เชื่อมกับผลลัพธ์ธุรกิจและการออกแบบจริง

ทีมต้องมีรากฐานที่เหมาะสม นั่นคือลงทุนในข้อมูลคุณภาพสูงที่กำกับดูแลดี โดยเฉพาะข้อมูลที่สะท้อนประสบการณ์ผู้ใช้จริง ไม่ใช่เพียงประสิทธิภาพทางเทคนิค และต้องเข้าใจข้อจำกัดปัจจุบันของ AI ตามความเป็นจริง โดยเฉพาะวิจารณญาณเชิงสร้างสรรค์และที่ยึดมนุษย์เป็นศูนย์กลาง ซึ่งยังต้องมีผู้เชี่ยวชาญกำกับ

หลายภาคส่วนเริ่มพัฒนานโยบาย AI เพื่อแนะนำตั้งแต่จัดทำเหตุผลทางธุรกิจ ทดลองโครงการนำร่อง จนถึงการใช้ในวงกว้าง นโยบายช่วยระบุจุดที่ AI เพิ่มคุณค่าได้จริงและคงมนุษย์ไว้ในวงจรเมื่อจำเป็น

ท้ายที่สุด ควรเดินหน้าผ่านโครงการนำร่องที่เป็นระบบ เสี่ยงต่ำ และฝังในงานจริง ไม่ใช่ทดลองแยกส่วน โครงการควรข้ามศาสตร์ รวมนักออกแบบ วิศวกร นักวิทยาศาสตร์ข้อมูล และผู้เชี่ยวชาญสาขา เพื่อแบ่งปันและถ่ายทอดการเรียนรู้ AI ให้คุณค่าเมื่อออกแบบให้เป็นส่วนหนึ่งของงานประจำ ไม่ใช่ชั้นทดลองแยกต่างหาก

คุณมีประสบการณ์ยาวนานในการพัฒนาวิธีจัดโครงสร้างและทำให้ความรู้เป็นอัตโนมัติ เราใกล้ระบบ AI ที่ให้เหตุผลเรื่องเจตนาการออกแบบ ความต้องการผู้ใช้ และบริบทเพื่อเพิ่มคุณค่าอย่างแท้จริง แทนที่จะเพียงสร้างเนื้อหา มากน้อยเพียงใด?

บางเรื่องทำนายความชอบผู้ใช้ได้ค่อนข้างง่าย เช่น ใช้ประวัติการท่องเว็บหรือรายการภาพยนตร์และโทรทัศน์ที่เคยดูเพื่อแนะนำสิ่งต่างๆ เพราะมีข้อมูลพร้อมใช้

แต่ในการออกแบบผลิตภัณฑ์และบริการ ข้อมูลเรื่องทางเลือก ความต้องการ และประสบการณ์จริงของคนมักหาได้ยาก

งานวิจัยล่าสุดของฉันร่วมกับ DIGIT Lab ศึกษาความสามารถของ LLM เมื่อให้โมเดลที่อธิบายว่าคนรับรู้และตอบสนองต่อคุณลักษณะการออกแบบอย่างไร อย่างไรก็ตาม โมเดลปัจจุบันทำงานจากรูปแบบข้อมูลและยังไม่อาจเข้าใจความหมายในบริบท งานก่อนหน้าที่เชื่อมรูปทรงกับการรับรู้แสดงว่าความเปลี่ยนแปลงเล็กน้อยก็เปลี่ยนการตอบสนองทางอารมณ์ได้ AI คาดความละเอียดอ่อนนี้ได้ยากหากไม่มีมนุษย์ชี้แนะหรือโมเดลซับซ้อนเข้าช่วย การให้เหตุผลเรื่องเจตนาของ AI จึงดีขึ้น แต่ยังเป็นส่วนเสริมความเชี่ยวชาญมนุษย์

เมื่อ AI เร่งวงจรออกแบบตั้งแต่คิดแนวทางถึงสร้างต้นแบบ นักออกแบบต้องมีทักษะใหม่ใด และมหาวิทยาลัยกับองค์กรควรทบทวนการฝึกคนสร้างสรรค์รุ่นต่อไปอย่างไร?

นักออกแบบต้องคล่องทั้งเรื่องการรับรู้ของมนุษย์และเครื่องมือ AI ความเข้าใจว่ารูปทรง วัสดุ และสัดส่วนก่ออารมณ์อย่างไรยังเป็นพื้นฐานของการออกแบบที่ดี ขณะเดียวกันต้องใช้ระบบ AI ที่ช่วยสร้างและประเมินแนวคิดได้อย่างมั่นใจ ไม่ใช่เพียงใช้เครื่องมือ แต่ต้องเข้าใจว่ามันเพิ่มประสิทธิภาพเพื่ออะไรและมีข้อจำกัดตรงไหน เมื่อ AI ฝังในงานมากขึ้น การตีความผลลัพธ์อย่างวิพากษ์และผสานกับวิจารณญาณมนุษย์จะเป็นทักษะสร้างสรรค์ที่มีค่าสูง

เมื่องานเดินเร็วจากแนวคิดสู่ต้นแบบ นักออกแบบต้องผสานความสามารถและวิธีคิดใหม่ที่เกินทักษะฝีมือดั้งเดิม ต้องรู้ว่าเทคโนโลยีทำงานอย่างไร ข้อมูลแต่ละชนิดบอกและไม่บอกอะไร และผสานความเชี่ยวชาญออกแบบกับความรู้ AI รวมถึงการใช้ข้อมูลคุณภาพสูงที่กำกับดีและสะท้อนประสบการณ์จริง แทนการพึ่งตัวชี้วัดทางเทคนิคอย่างเดียว อีกทั้งต้องตัดสินได้ว่า AI ช่วยตรงไหน และจุดใดต้องคงความคิดสร้างสรรค์และการคิดเชิงวิพากษ์ของมนุษย์เป็นหลัก

มหาวิทยาลัยและองค์กรจึงต้องทบทวนการฝึกคนรุ่นใหม่ บางแห่งเริ่มนำวิทยาศาสตร์ข้อมูลเข้าหลักสูตรออกแบบแล้ว ซึ่งสำคัญแต่ยังไม่พอ สิ่งที่ขาดคือวิธีคิดเชิงออกแบบที่พร้อมต่อยุคดิจิทัล ช่วยทำงานร่วมกับ AI ข้ามศาสตร์ และทดลองอย่างรวดเร็วโดยรักษาการกำกับที่มีจริยธรรมและยึดมนุษย์เป็นศูนย์กลาง

การเติมช่องว่างนี้จำเป็น จึงเป็นเหตุให้ Dr. Ji Han เพื่อนร่วมงานของฉันและฉันกำลังเขียนหนังสือกับ Cambridge University Press เรื่อง การคิดเชิงออกแบบในยุคดิจิทัล ซึ่งรวบรวมกรอบ ทักษะ และวิธีคิดที่ต้องใช้เพื่อออกแบบร่วมกับ AI อย่างมีประสิทธิภาพ

DIGIT Lab เน้นการเปลี่ยนแปลงอย่างรับผิดชอบ คุณเห็นว่าความเสี่ยงด้านจริยธรรมหรือสังคมใดต้องได้รับความสนใจเพิ่ม เมื่อ AI ฝังในงานออกแบบข้ามอุตสาหกรรม?

ตัวอย่างหนึ่งคือการใช้ข้อมูลอย่างมีจริยธรรม รวมถึงความยินยอมโดยได้รับข้อมูลครบถ้วนและความโปร่งใสเรื่องชุดข้อมูลที่ใช้สร้างผลิตภัณฑ์ AI รวมทั้งอคติที่อาจแฝงอยู่ เช่น ต้องตรวจชุดข้อมูลในระบบสาธารณสุขว่าเป็นตัวแทนประชากรทั้งหมดเพียงพอหรือไม่ มีกลุ่มใดถูกนำเสนอน้อยไปหรือไม่ และระบบเหมาะกับวัตถุประสงค์และครอบคลุมทุกคนหรือไม่ ในทางสังคม คนมักกังวลว่า AI จะแทนที่งาน แต่ต้องเข้าใจว่าความเชี่ยวชาญมนุษย์ยังจำเป็นที่ใด และจะใช้ AI เสริมความสามารถคนแทนการแทนที่ได้อย่างไร

ยังมีจริยธรรมที่ลึกกว่านั้น เมื่อนักออกแบบใช้ข้อมูลมนุษย์ ต้องจัดการความเป็นส่วนตัว อคติ และ ความโปร่งใสอย่างรับผิดชอบ เวิร์กช็อปของ DIGIT Lab ระบุ«ข้อมูล»«มนุษย์»และ«ธรรมาภิบาล»เป็นกลุ่มความท้าทายหลักในภาคการผลิต จึงต้องเก็บข้อมูลให้ดีขึ้น มีมนุษย์กำกับในวงจร และมีนโยบายชัดเรื่องความปลอดภัย ความไว้วางใจ ทรัพย์สินทางปัญญา และกฎระเบียบ การรับมือความเสี่ยงต้องใช้ข้อมูลหลากหลาย ฝังวิจารณญาณมนุษย์ในจุดสำคัญ และพัฒนามาตรฐานออกแบบที่ครอบคลุมโดยเคารพความเป็นส่วนตัว ความยินยอม และบริบทวัฒนธรรม

คุณศึกษาว่าข้อมูลและ AI ปรับผลิตภัณฑ์ตามประสบการณ์ผู้ใช้ได้อย่างไร คุณมองอนาคตที่ผลิตภัณฑ์ปรับตัวอย่างต่อเนื่องจากข้อมูลเวลาจริงหลังออกจากโรงงานหรือไม่ และนักออกแบบควรเตรียมตัวอย่างไร? 

การออกแบบที่ขับเคลื่อนด้วยข้อมูลสำหรับผลิตภัณฑ์อาจปรับเฉพาะบุคคล ปรับตามคำสั่ง หรือปรับตามพฤติกรรมแต่ละคน จากนั้นผลิตภัณฑ์กลายเป็นระบบอัจฉริยะที่เก็บข้อมูลการใช้งานและสื่อสารผ่านเซ็นเซอร์ในตัวและ IoT ในกรอบของเรา กิจกรรมปรับแต่งคือการใช้ข้อมูลอัปเดตและปรับผลิตภัณฑ์หลังออกจากโรงงาน ตัวอย่างคือเชื่อมโมเดลรู้จำท่าทางกับฝาแฝดดิจิทัลเพื่อให้มนุษย์กับหุ่นยนต์ร่วมงาน และใช้การสแกนที่มีแมชชีนเลิร์นนิงช่วยเพื่อสร้างชิ้นส่วนเฉพาะบุคคล

สิ่งนี้สร้างความรับผิดชอบใหม่ นักออกแบบต้องเลือกว่า ข้อมูลมนุษย์ประเภทใดเกี่ยวข้อง ไม่ว่าจะพฤติกรรม สรีรวิทยา ความคิดเห็น หรืออารมณ์ ต้องตรวจว่าอัปเดตยังคงสุนทรียะและคุณภาพทางอารมณ์ที่ตั้งใจ ซึ่งสัมพันธ์กับรูปทรงและการรับรู้ ธรรมาภิบาลก็สำคัญ เวิร์กช็อปอุตสาหกรรมของเราย้ำว่าข้อมูล ความไว้วางใจ และความเป็นส่วนตัวต้องมีนโยบายชัดและมนุษย์กำกับ เมื่อทำดี ผลิตภัณฑ์ที่ปรับตัวได้จะให้คุณค่าและการตอบสนองยั่งยืนโดยไม่เสียความหมายหรือจริยธรรม

มองไปข้างหน้า คำถามวิจัยสำคัญใดกระตุ้นคุณอยู่ในขณะนี้ และคุณคิดว่าจะเกิดความก้าวหน้าใดในอีกไม่กี่ปีที่จุดตัดระหว่าง AI ความคิดสร้างสรรค์ และวิศวกรรมการออกแบบ?

หลายความท้าทายข้างต้นยังไม่คลี่คลาย และเป็นส่วนหนึ่งของงานปัจจุบันของฉัน รวมถึงทำให้เครื่องมือ AI เชิงกำเนิดทั่วไปปรับให้เหมาะกับภาคส่วนที่ต้องการใช้ได้จริง

ในระดับภาคส่วน ภาพอาจต่างกันมาก การผลิตอาจใช้โมเดลเฉพาะที่ฝึกด้วยความรู้ในสาขา พร้อมมาตรการความเป็นส่วนตัวและความปลอดภัยเข้มงวด ส่วนอุตสาหกรรมสร้างสรรค์อาจเน้นกระจายผลลัพธ์ให้หลากหลายและทำให้ความร่วมมือมนุษย์กับ AI มีความหมายขึ้น

ทางเทคนิค เราทดลอง LLM สนับสนุนการประเมิน งานหนึ่งพบว่ามันประเมินความใหม่และประโยชน์ได้ และสอดคล้องกับผู้เชี่ยวชาญมนุษย์มากขึ้นเมื่อใช้พรอมป์ต์ที่ออกแบบดี อีกบทความใช้พรอมป์ต์แบบ ห่วงโซ่ความคิดร่วมกับการรวมผลจากหลายโมเดลเพื่อให้การประเมินน่าเชื่อถือขึ้น เรายังศึกษาตัวแทนสนทนาเพื่อเก็บความต้องการด้านการเปลี่ยนแปลงดิจิทัลขององค์กร และแสดงว่าแชทบอททำ การสัมภาษณ์แบบมีโครงสร้างได้อย่างมีประสิทธิภาพ เมื่อรวมกับงานใช้ข้อมูลมนุษย์ในการออกแบบ งานเหล่านี้ชี้ไปสู่อนาคตที่ AI ช่วยรักษาความเชี่ยวชาญ ตัดสินใจดีขึ้น และมีส่วนร่วมกับผู้ใช้อย่างมีจริยธรรม

ขอบคุณสำหรับการสัมภาษณ์ที่รอบคอบและลึกซึ้ง ผู้อ่านที่สนใจงานของศาสตราจารย์ Ahmed-Kristensen เรื่องการออกแบบด้วย AI ความคิดสร้างสรรค์ และการเปลี่ยนแปลงดิจิทัลอย่างรับผิดชอบ สามารถศึกษางานวิจัยและโครงการที่ดำเนินอยู่ได้ที่ DIGIT Lab.