ศาสตราจารย์ ซาอีมา อาห์เหม็ด-คริสเตนเซน ผู้อำนวยการห้องปฏิบัติการ DIGIT – บทสัมภาษณ์พิเศษ

ศาสตราจารย์ ซาอีมา อาเหม็ด-คริสเตนเซน เป็นนักวิชาการชั้นนำด้านวิศวกรรมการออกแบบ และรองอธิการบดีฝ่ายวิจัยและผลกระทบ (Associate Pro-Vice-Chancellor (Research & Impact)) ที่มหาวิทยาลัย... มหาวิทยาลัยเอ็กซีเตอร์ซึ่งเธอยังดำรงตำแหน่งเป็นผู้อำนวยการของที่นั่นด้วย ดิจิต แล็บ, โครงการวิจัยสหวิทยาการขนาดใหญ่ที่มุ่งเน้นนวัตกรรมและการเปลี่ยนแปลงทางดิจิทัล งานวิจัยของเธอครอบคลุมความคิดสร้างสรรค์และการรับรู้ด้านการออกแบบ การออกแบบที่ขับเคลื่อนด้วยข้อมูลและดิจิทัล และการบูรณาการเทคโนโลยีขั้นสูงเข้ากับวิศวกรรมและการพัฒนาผลิตภัณฑ์ที่ซับซ้อน โดยให้ความสำคัญอย่างยิ่งกับการแปลงความรู้เชิงวิชาการไปสู่ผลกระทบในโลกแห่งความเป็นจริงผ่านความร่วมมือกับภาคอุตสาหกรรม การมีส่วนร่วมด้านนโยบาย และโครงการวิจัยขนาดใหญ่

เส้นทางอาชีพของคุณครอบคลุมมหาวิทยาลัยเคมบริดจ์, DTU, อิมพีเรียลคอลเลจลอนดอน, ราชวิทยาลัยศิลปะ และปัจจุบันอยู่ที่มหาวิทยาลัยเอ็กซีเตอร์ เมื่อมองย้อนกลับไป ประสบการณ์หรือจุดเปลี่ยนใดที่หล่อหลอมความคิดของคุณเกี่ยวกับการออกแบบ ความคิดสร้างสรรค์ และบทบาทของเทคโนโลยีดิจิทัลมากที่สุด?

งานออกแบบของฉันครอบคลุมวัฒนธรรมและสาขาวิชาที่หลากหลาย ฉันเริ่มต้นที่มหาวิทยาลัยบรูเนลในหลักสูตรหนึ่งในไม่กี่หลักสูตรในเวลานั้นที่ผสมผสานเทคโนโลยี การออกแบบที่เน้นมนุษย์เป็นศูนย์กลาง และความเข้าใจในเรื่องรูปทรง มันสอนฉันตั้งแต่เนิ่นๆ ว่าความคิดสร้างสรรค์และนวัตกรรมนั้นเชื่อมโยงกันอย่างใกล้ชิด

การศึกษาต่อที่เคมบริดจ์ช่วยเปิดโลกทัศน์ของผมให้กว้างขึ้น สภาพแวดล้อมในมหาวิทยาลัยทำให้ผมได้สัมผัสกับหลากหลายสาขาวิชา และแสดงให้เห็นว่านวัตกรรมขึ้นอยู่กับการบูรณาการความรู้จากหลากหลายสาขา งานวิจัยระดับปริญญาเอกของผมมุ่งเน้นไปที่ภาคอุตสาหกรรมการบินและอวกาศ และศึกษาว่านักออกแบบทางวิศวกรรมค้นหาและใช้ข้อมูลอย่างไร ผมศึกษาว่าผู้คนเข้าถึงความรู้ได้อย่างไร ความเชี่ยวชาญสามารถได้รับการสนับสนุนหรือทำซ้ำได้อย่างไร และจุดตัดระหว่างการรับรู้ วิทยาศาสตร์คอมพิวเตอร์ และการออกแบบทางวิศวกรรม มุมมองที่เน้นมนุษย์เป็นศูนย์กลางนี้ยังคงอยู่กับผมมาจนถึงทุกวันนี้

เมื่อเทคโนโลยีดิจิทัลเติบโตขึ้น คำถามในงานของฉันก็เติบโตขึ้นเช่นกัน การเพิ่มขึ้นของข้อมูล IoT ปัญญาประดิษฐ์ (AI) และการคำนวณขั้นสูง ได้เปลี่ยนการออกแบบจากที่เน้นมนุษย์เป็นศูนย์กลางเพียงอย่างเดียว ไปสู่การเน้นสังคมเป็นศูนย์กลางมากขึ้น สิ่งนี้ยังคงหล่อหลอมงานของฉันที่มหาวิทยาลัยเอ็กซีเตอร์ ซึ่งฉันเป็นผู้นำ DIGIT Lab และมุ่งเน้นไปที่บทบาทของ LLM ในกระบวนการสร้างสรรค์ อุปสรรคที่อุตสาหกรรมต่างๆ เผชิญในการนำ LLM มาใช้ และวิธีที่ข้อมูลสามารถขับเคลื่อนนวัตกรรมได้

ช่วงเวลาที่ผมศึกษาอยู่ที่ Imperial College of Art ตอกย้ำให้เห็นว่า การออกแบบนั้นเป็นมากกว่าแค่การสร้างผลิตภัณฑ์หรือบริการ ด้วยบุคลากร กระบวนการ และวัฒนธรรมที่เหมาะสม การออกแบบจะกลายเป็นตัวขับเคลื่อนเทคโนโลยี วัสดุ และแนวคิดใหม่ๆ ที่สามารถขยายขนาดได้ และแก้ไขปัญหาความท้าทายระดับโลกในปัจจุบันและอนาคต

DIGIT Lab ให้ความสำคัญอย่างมากกับการเปลี่ยนแปลงทางดิจิทัลภายในองค์กรขนาดใหญ่ที่มีอยู่แล้ว จากมุมมองของคุณ คุณคิดว่าผู้นำเข้าใจผิดมากที่สุดเกี่ยวกับวิธีที่ AI จะเปลี่ยนแปลงการออกแบบ นวัตกรรม และการตัดสินใจในเรื่องใดบ้าง?

ตลอดหลายทศวรรษที่ผ่านมา ปัญญาประดิษฐ์ (AI) ได้ก้าวหน้าไปมากในด้านการวิจัยและถูกนำไปใช้ในอุตสาหกรรมบางประเภท แต่ความก้าวหน้ามักถูกจำกัดด้วยช่องว่างด้านทักษะ ความเข้าใจของผู้นำ และความชัดเจนเกี่ยวกับคุณค่าและโครงสร้างพื้นฐานที่จำเป็น ด้วยการเกิดขึ้นของแบบจำลองระดับองค์กร (LLM) และเครื่องมือสร้างแบบจำลอง เช่น DALL·E ทำให้ AI เข้าถึงได้ง่ายขึ้นและต้องการความเชี่ยวชาญเฉพาะด้านหรือการตั้งค่าที่น้อยลง แต่สิ่งนี้ก็ก่อให้เกิดคำถามใหม่ๆ เกี่ยวกับความเป็นส่วนตัว ความปลอดภัยของข้อมูล และประสิทธิภาพของแบบจำลองทั่วไปในการนำไปใช้กับโดเมนเฉพาะต่างๆ

ในด้านการออกแบบและนวัตกรรม ปัญหาเหล่านี้มีความชัดเจนเป็นพิเศษ งานวิจัยของเราซึ่งตรวจสอบแนวคิดมากกว่า 12,000 รายการที่สร้างขึ้นโดยมนุษย์และปัญญาประดิษฐ์ (AI) แสดงให้เห็นว่าแนวคิดของ AI มักจะรวมกลุ่มกันอยู่รอบๆ แนวคิดที่คล้ายคลึงกัน สิ่งนี้เน้นย้ำถึงความจำเป็นในการสร้างความเชี่ยวชาญของมนุษย์ลงในเครื่องมือทั่วไป ปรับ AI ให้เหมาะสมกับโดเมน หรือทำความเข้าใจว่าเมื่อใดและอย่างไรจึงจะใช้ AI ควบคู่ไปกับความคิดสร้างสรรค์และการตัดสินใจของมนุษย์

งานวิจัยของคุณส่วนใหญ่สำรวจความคิดสร้างสรรค์และการรับรู้ในงานออกแบบ ในเมื่อปัจจุบัน AI แบบสร้างสรรค์ (Generative AI) สามารถสร้างไอเดีย แนวคิด และการพัฒนาต่อยอดได้ในปริมาณมาก คุณมองว่าแง่มุมใดของความคิดสร้างสรรค์ที่เป็นเอกลักษณ์เฉพาะของมนุษย์ และส่วนใดบ้างที่สามารถเปลี่ยนไปใช้กระบวนการที่ขับเคลื่อนด้วย AI ได้อย่างมีความรับผิดชอบ?

สำหรับฉันแล้ว ความคิดสร้างสรรค์นั้นมีความหมายมากกว่าแค่การสร้างทางเลือกใหม่ๆ มันเกี่ยวกับเจตนา ความหมายทางวัฒนธรรม และการเชื่อมโยงทางอารมณ์ที่การออกแบบสร้างขึ้น การสำรวจล่าสุดของ DIGIT Lab ทำให้เราตระหนักถึงเรื่องนี้อย่างชัดเจน: 82% ของผู้คนบอกเราว่างานที่นำโดยมนุษย์หรืองานแบบผสมผสานนั้นมีความหมายมากกว่า และ 71% บอกว่าพวกเขารู้สึกเชื่อมโยงทางอารมณ์น้อยลงกับการออกแบบที่สร้างโดย AI เพียงอย่างเดียว หลายคนอธิบายงานที่สร้างโดย AI ว่า “ขาดอารมณ์” (48%) หรือ “สมบูรณ์แบบเกินไป” (40%) และ 36% รู้สึกว่าผลกระทบของมันจางหายไปอย่างรวดเร็ว คำตอบเหล่านี้ตอกย้ำสิ่งที่ฉันเชื่อมานานแล้ว การมีส่วนร่วมทางอารมณ์ไม่ใช่สิ่งที่ควรมี แต่เป็นสิ่งจำเป็นต่อวิธีที่ผู้คนสัมผัสและให้คุณค่ากับงานสร้างสรรค์

งานวิจัยของเราที่เปรียบเทียบแนวคิดของมนุษย์และ AI แสดงให้เห็นว่า นักออกแบบที่เป็นมนุษย์นั้นเก่งกว่าในการสร้างแนวคิดที่หลากหลายและแปลกใหม่ และทำให้มั่นใจได้ว่าผลงานสร้างสรรค์ ไม่ว่าจะเป็นงานศิลปะ การออกแบบผลิตภัณฑ์ หรือบริการ มีความลึกซึ้งและมีความหมาย ผู้เชี่ยวชาญด้านความคิดสร้างสรรค์มีทักษะที่ยังไม่สามารถเลียนแบบได้ นักออกแบบจำเป็นต้องเข้าใจปัญหาเสียก่อนที่จะสร้างแนวคิด และ LLM (Learning Learning Models) มีประโยชน์อย่างมากในการรวบรวมข้อมูลเพื่อช่วยให้นักออกแบบเปลี่ยนจากปัญหาหนึ่งไปสู่อีกปัญหาหนึ่ง หากเราสามารถสร้างแบบจำลองความเชี่ยวชาญของมนุษย์ลงในเครื่องมือ AI ได้ เครื่องมือเหล่านั้นก็จะสามารถสนับสนุนการประเมินแนวคิดได้เช่นกัน ทำให้ AI สามารถใช้ประโยชน์จากทักษะความคิดสร้างสรรค์ของมนุษย์ได้ดียิ่งขึ้น

แนวทางการคิดแบบเป็นลำดับขั้นที่เรากำลังทดลองใช้นั้นสนับสนุนแนวคิดนี้ หลักสูตร LLM ที่ควรติดตามจากผู้เชี่ยวชาญ เหตุผลไม่ใช่แค่ให้คะแนน ในทุกกรณี จำเป็นต้องมีการกำกับดูแลจากมนุษย์เพื่อตีความผลลัพธ์และตรวจสอบให้แน่ใจว่าทางเลือกในการออกแบบสอดคล้องกับประสบการณ์การใช้งานของผู้ใช้

เห็นได้ชัดว่าเราต้องสร้างแบบจำลองที่สามารถบันทึกประสบการณ์ของผู้คนที่มีต่อผลิตภัณฑ์ บริการ และการปฏิสัมพันธ์ในรูปแบบที่คอมพิวเตอร์สามารถตีความได้ หรือไม่ก็ต้องบูรณาการข้อมูลเชิงลึก (ข้อมูลเชิงคุณภาพที่ให้บริบท) เข้ากับข้อมูลเซ็นเซอร์ทั้งแบบละเอียดและแบบละเอียดที่เราเก็บรวบรวม การพัฒนาแบบจำลองเหล่านี้ไม่ใช่เรื่องง่าย และนี่คือจุดที่การมีส่วนร่วมของมนุษย์ยังคงมีความสำคัญอย่างยิ่ง

ดังนั้นสำหรับผมแล้ว สิ่งที่ได้เรียนรู้ไม่ใช่ว่า AI ไม่มีที่ยืนในด้านความคิดสร้างสรรค์ ตรงกันข้ามเลย AI และมนุษย์ต่างก็มีจุดแข็งที่แตกต่างกัน ความจริงที่ว่าผู้คนมักตอบรับผลงานของมนุษย์หรือผลงานแบบผสมผสานในเชิงบวกมากกว่านั้น บอกเราว่าจุดศูนย์กลางอยู่ที่ไหน AI สามารถช่วยสำรวจพื้นที่การออกแบบที่กว้างขึ้น วิเคราะห์รูปแบบ และให้คำวิจารณ์อย่างเป็นระบบได้ แต่การรับรู้ถึงความเรียบง่าย ความสมบูรณ์แบบของอัลกอริทึม และความห่างเหินทางอารมณ์ แสดงให้เห็นว่า AI ยังคงต้องการการตัดสินใจของมนุษย์เพื่อเปลี่ยนความเป็นไปได้ให้กลายเป็นสิ่งที่สร้างความประทับใจได้

นั่นคือเหตุผลที่ฉันมองว่าอนาคตของการสร้างสรรค์นั้นเป็นเรื่องของการทำงานร่วมกันเป็นหลัก AI สามารถขยายขอบเขตของความเป็นไปได้ นักออกแบบนำมาซึ่งความเห็นอกเห็นใจ ความเข้าใจทางวัฒนธรรม และเจตนารมณ์ที่ทำให้ความเป็นไปได้เหล่านั้นมีความหมาย เมื่อทั้งสองทำงานร่วมกัน โดยการตัดสินใจของมนุษย์กำหนดทิศทาง และ AI ช่วยเสริมสร้างการสำรวจ ผลลัพธ์ที่ได้คือกระบวนการสร้างสรรค์ที่เข้มงวดมากขึ้น มีจินตนาการมากขึ้น และท้ายที่สุดแล้วมีความเป็นมนุษย์มากขึ้นในผลลัพธ์

คุณเป็นผู้บุกเบิกแนวทางในการวัดประสบการณ์ของผู้ใช้และจัดโครงสร้างความรู้ด้านการออกแบบ ในขณะที่ระบบ AI มีบทบาทมากขึ้นในการสร้างผลิตภัณฑ์และบริการ เราจะมั่นใจได้อย่างไรว่าประสบการณ์ อารมณ์ และสัญญาณทางวัฒนธรรมของมนุษย์ยังคงเป็นหัวใจสำคัญของกระบวนการออกแบบ?

เพื่อให้ประสบการณ์ของมนุษย์เป็นศูนย์กลาง เราจำเป็นต้องผนวกความรู้เกี่ยวกับการรับรู้และอารมณ์เข้ากับวิธีการของเรา

มีแนวทางหลักสองประการ ประการแรกคือการตระหนักถึงความจำเป็นของข้อมูลเชิงคุณภาพที่ช่วยให้เข้าใจประสบการณ์ การรับรู้ และอารมณ์ของมนุษย์ได้อย่างลึกซึ้ง ซึ่งจะช่วยให้การทำงานร่วมกันระหว่างมนุษย์และ AI มีประสิทธิภาพมากขึ้น ประการที่สอง ซึ่งเป็นแนวทางที่งานวิจัยของฉันมุ่งเน้น คือการแปลงความรู้เหล่านี้ให้เป็นแบบจำลองที่ระบบ AI สามารถเข้าใจและนำไปใช้ได้

การพัฒนารูปแบบจำลองเหล่านี้มีความซับซ้อน เนื่องจากต้องบูรณาการประสบการณ์ของผู้ใช้ การรับรู้ของมนุษย์ และคุณลักษณะของผลิตภัณฑ์หรือระบบที่กำลังออกแบบ เพื่อคาดการณ์การตอบสนองของมนุษย์และประสบการณ์โดยรวม

คุณทำงานอย่างกว้างขวางกับอุตสาหกรรมที่ซับซ้อน เช่น การบินและอวกาศ การแพทย์ การผลิต และสินค้าอุปโภคบริโภค ในสภาพแวดล้อมที่มีความเสี่ยงสูงเช่นนี้ คุณจะสร้างสมดุลระหว่างศักยภาพของการออกแบบที่ได้รับการสนับสนุนจาก AI กับความจำเป็นด้านความปลอดภัย การตรวจสอบย้อนกลับ และความน่าเชื่อถือได้อย่างไร

ในภาคส่วนที่มีความเสี่ยงสูง เช่น การดูแลสุขภาพ การบินและอวกาศ และการผลิต คำถามไม่ใช่ว่าสามารถใช้ AI ได้หรือไม่ แต่เป็นวิธีการกำกับดูแล AI ต่างหาก ความไว้วางใจในสภาพแวดล้อมเหล่านี้ขึ้นอยู่กับความรับผิดชอบที่ชัดเจน การตรวจสอบย้อนกลับ และความสามารถในการอธิบายในทุกขั้นตอนของกระบวนการออกแบบและการตัดสินใจ AI สามารถมีบทบาทสนับสนุนที่ทรงพลังในการจำลอง การเพิ่มประสิทธิภาพ และการสำรวจในระยะเริ่มต้น แต่ไม่สามารถเป็นผู้มีอำนาจตัดสินใจขั้นสุดท้ายได้

หลายสาขาเหล่านี้อยู่ภายใต้การกำกับดูแลอย่างเข้มงวดและข้อกำหนดด้านความปลอดภัยที่เข้มงวด ซึ่งเรียกร้องให้มีการจัดการข้อมูลทั้งหมดอย่างปลอดภัย ไม่ว่าจะเป็นข้อมูลส่วนบุคคลหรือข้อมูลที่มีความอ่อนไหวทางการค้า ในบริบทเหล่านี้ มักจำเป็นต้องพัฒนาข้อความแจ้งเตือนหรือคำถามโดยใช้ข้อมูลในท้องถิ่นเพื่อให้มั่นใจถึงความเฉพาะเจาะจงและความเกี่ยวข้อง และเป็นเรื่องปกติที่องค์กรในภาคส่วนเหล่านี้จะสร้างและบำรุงรักษาเครื่องมือ AI ของตนเอง

จากการวิจัยในวงกว้างของเรา แสดงให้เห็นอย่างสม่ำเสมอว่าระบบไฮบริดมีความสำคัญอย่างยิ่ง: AI ควรเสริมการตัดสินใจของผู้เชี่ยวชาญ ไม่ใช่แทนที่การตัดสินใจเหล่านั้น การกำกับดูแลโดยมนุษย์ต้องยังคงมีอยู่ในการตัดสินใจที่สำคัญทุกจุด โดยเฉพาะอย่างยิ่งในเรื่องความปลอดภัย ความเสี่ยง และความรับผิดชอบ เพื่อให้หน่วยงานกำกับดูแลและผู้ใช้ปลายทางไว้วางใจระบบที่ใช้ AI องค์กรต่างๆ จำเป็นต้องมีเอกสารที่โปร่งใสเกี่ยวกับวิธีการฝึกฝนโมเดล ข้อมูลที่ใช้ และวิธีการสร้างผลลัพธ์ หากปราศจากความโปร่งใส ความไว้วางใจก็จะไม่สามารถขยายวงกว้างได้ ไม่ว่าเทคโนโลยีจะก้าวหน้าไปมากเพียงใดก็ตาม

หลายองค์กรประสบปัญหาช่องว่างระหว่าง “การทดลองใช้ AI” กับการบูรณาการ AI เข้ากับการพัฒนาผลิตภัณฑ์อย่างมีความหมาย คุณมีขั้นตอนปฏิบัติใดบ้างที่แนะนำสำหรับทีมที่พยายามเปลี่ยนจากการทดลองไปสู่การนำไปใช้เชิงกลยุทธ์?

หลายองค์กรติดขัดอยู่ที่ขั้นตอนการทดลองเพราะนำ AI มาใช้โดยไม่มีเป้าหมายเชิงกลยุทธ์ที่ชัดเจน ขั้นตอนแรกที่ทำได้จริงคือการระบุให้ชัดเจนว่า AI จะมีบทบาทอย่างไรในกระบวนการพัฒนา ไม่ว่าจะเป็นการสนับสนุนการระดมความคิด การเร่งการทดสอบ การปรับปรุงการประเมิน หรือการเพิ่มประสิทธิภาพการตัดสินใจ หากขาดความชัดเจนนี้ โครงการนำร่องก็จะยังคงไม่เชื่อมโยงกับผลลัพธ์ทางธุรกิจและการออกแบบที่แท้จริง

ทีมงานจำเป็นต้องมีรากฐานที่เหมาะสมด้วย นั่นหมายถึงการลงทุนในข้อมูลที่มีคุณภาพสูงและมีการกำกับดูแลที่ดี โดยเฉพาะข้อมูลที่สะท้อนถึงประสบการณ์การใช้งานจริงของผู้ใช้มากกว่าประสิทธิภาพทางเทคนิคเพียงอย่างเดียว นอกจากนี้ยังหมายถึงการมองความเป็นจริงเกี่ยวกับข้อจำกัดของ AI ในปัจจุบัน โดยเฉพาะอย่างยิ่งในด้านความคิดสร้างสรรค์และการตัดสินใจที่เน้นมนุษย์เป็นศูนย์กลาง ซึ่งการกำกับดูแลจากผู้เชี่ยวชาญยังคงมีความสำคัญอย่างยิ่ง

หลายภาคส่วนเริ่มพัฒนาแนวนโยบายด้าน AI ที่ชี้นำทีมงานตลอดกระบวนการทดลองใช้ AI ตั้งแต่การสร้างแผนธุรกิจและการทดลองใช้งาน ไปจนถึงการนำไปใช้ในวงกว้าง นโยบายเหล่านี้ช่วยให้องค์กรระบุได้ว่า AI สามารถสร้างมูลค่าเพิ่มได้อย่างแท้จริงในด้านใดบ้าง ในขณะเดียวกันก็ทำให้มั่นใจว่ามนุษย์ยังคงมีส่วนร่วมในทุกกรณีที่จำเป็น

สุดท้ายนี้ องค์กรควรดำเนินการทดลองนำร่องที่มีโครงสร้างและความเสี่ยงต่ำ โดยบูรณาการเข้ากับขั้นตอนการทำงานจริง ไม่ใช่ดำเนินการแยกต่างหาก การทดลองนำร่องเหล่านี้ควรเป็นแบบสหวิทยาการ โดยนำนักออกแบบ วิศวกร นักวิทยาศาสตร์ข้อมูล และผู้เชี่ยวชาญเฉพาะด้านมารวมกัน เพื่อให้เกิดการแบ่งปันและถ่ายทอดความรู้ AI จะสร้างคุณค่าได้เมื่อได้รับการออกแบบให้เป็นส่วนหนึ่งของการปฏิบัติงานประจำวัน ไม่ใช่ถูกมองว่าเป็นเพียงชั้นทดลองแยกต่างหาก

คุณมีประวัติการทำงานที่ยาวนานในการพัฒนาวิธีการจัดโครงสร้างและทำให้กระบวนการความรู้เป็นไปโดยอัตโนมัติ เราใกล้แค่ไหนแล้วที่จะพัฒนาระบบ AI ที่สามารถวิเคราะห์เจตนาในการออกแบบ ความต้องการของผู้ใช้ และบริบทในลักษณะที่เพิ่มมูลค่าอย่างแท้จริง แทนที่จะเพียงแค่สร้างเนื้อหา?

ในบางด้าน การคาดการณ์ความชอบของผู้ใช้ค่อนข้างตรงไปตรงมา เนื่องจากข้อมูลต่างๆ เช่น ประวัติการท่องเว็บ หรือบันทึกการรับชมภาพยนตร์หรือรายการโทรทัศน์ สามารถนำมาใช้ในการแนะนำได้ ซึ่งด้านเหล่านี้ได้รับประโยชน์จากข้อมูลที่มีอยู่แล้ว

ในทางตรงกันข้าม ความท้าทายสำคัญในการออกแบบผลิตภัณฑ์และบริการคือ ข้อมูลเกี่ยวกับทางเลือก ความต้องการ และประสบการณ์ชีวิตของผู้คนมักหาได้ยาก

My งานวิจัยล่าสุด งานวิจัยของ Digit Lab ได้ตรวจสอบความสามารถของ LLM เมื่อได้รับแบบจำลองเกี่ยวกับวิธีการที่ผู้คนรับรู้และตอบสนองต่อคุณลักษณะการออกแบบ อย่างไรก็ตาม แบบจำลองในปัจจุบันทำงานบนรูปแบบในข้อมูลและไม่สามารถให้ความหมายตามบริบทได้ การศึกษาในอดีตที่เชื่อมโยงรูปร่างกับการรับรู้แสดงให้เห็นว่าแม้การเปลี่ยนแปลงเล็กน้อยในรูปทรงก็สามารถเปลี่ยนการตอบสนองทางอารมณ์ได้ และความละเอียดอ่อนดังกล่าวเป็นเรื่องยากที่ AI จะคาดการณ์ได้โดยปราศจากคำแนะนำจากมนุษย์หรือแบบจำลองที่ซับซ้อน ดังนั้น การให้เหตุผลของ AI เกี่ยวกับเจตนาจึงกำลังพัฒนาขึ้น แต่ยังคงเป็นส่วนเสริมของความเชี่ยวชาญของมนุษย์

เมื่อ AI เร่งวงจรการออกแบบ ตั้งแต่การคิดไอเดียไปจนถึงการสร้างต้นแบบ นักออกแบบจะต้องมีทักษะใหม่ๆ อะไรบ้าง? มหาวิทยาลัยและองค์กรต่างๆ ควรคิดใหม่เกี่ยวกับการฝึกอบรมสำหรับคนรุ่นใหม่ที่มีความสามารถด้านความคิดสร้างสรรค์อย่างไร?

นักออกแบบจะต้องมีความเชี่ยวชาญทั้งในด้านการรับรู้ของมนุษย์และเครื่องมือที่ใช้ปัญญาประดิษฐ์ (AI) การเข้าใจว่ารูปทรง วัสดุ และสัดส่วนส่งผลต่อการตอบสนองทางอารมณ์อย่างไร จะยังคงเป็นพื้นฐานสำคัญของการออกแบบที่ดี ในขณะเดียวกัน นักออกแบบต้องสามารถทำงานร่วมกับระบบ AI ที่สนับสนุนการสร้างและการประเมินแนวคิดได้อย่างมั่นใจ นั่นหมายถึงไม่เพียงแค่การใช้เครื่องมือ แต่ต้องเข้าใจว่าเครื่องมือเหล่านั้นมุ่งเน้นอะไรและมีข้อจำกัดอยู่ที่ใด เมื่อ AI เข้ามามีบทบาทในกระบวนการทำงานออกแบบมากขึ้น ความสามารถในการตีความผลลัพธ์ของ AI อย่างมีวิจารณญาณและผสมผสานเข้ากับการตัดสินใจของมนุษย์จะกลายเป็นหนึ่งในทักษะสร้างสรรค์ที่มีค่าที่สุด

เมื่อ AI เร่งวงจรการออกแบบตั้งแต่การคิดไอเดียไปจนถึงการสร้างต้นแบบ นักออกแบบจึงจำเป็นต้องมีทักษะและวิธีการคิดแบบใหม่ที่เหนือกว่าทักษะฝีมือแบบดั้งเดิม พวกเขาจะต้องเข้าใจวิธีการทำงานของเทคโนโลยีดิจิทัล ข้อมูลประเภทต่างๆ สามารถ (และไม่สามารถ) เปิดเผยอะไรได้บ้าง และวิธีการผสานความเชี่ยวชาญด้านการออกแบบเข้ากับความรู้ความเข้าใจเกี่ยวกับ AI ซึ่งรวมถึงการรู้วิธีการทำงานกับข้อมูลคุณภาพสูงที่มีการกำกับดูแลอย่างดี ซึ่งสะท้อนถึงประสบการณ์ของผู้ใช้จริง แทนที่จะพึ่งพาเฉพาะตัวชี้วัดประสิทธิภาพทางเทคนิคเพียงอย่างเดียว นอกจากนี้ นักออกแบบยังต้องมีวิจารณญาณในการแยกแยะว่า AI มีประโยชน์ในส่วนใด และความคิดสร้างสรรค์และการคิดเชิงวิพากษ์ของมนุษย์ยังคงเป็นสิ่งสำคัญในส่วนใด

เพื่อตอบสนองความต้องการเหล่านี้ มหาวิทยาลัยและองค์กรต่างๆ จะต้องทบทวนวิธีการฝึกอบรมบุคลากรด้านความคิดสร้างสรรค์รุ่นต่อไป บางมหาวิทยาลัยได้เริ่มบูรณาการวิทยาศาสตร์ข้อมูลเข้ากับหลักสูตรการออกแบบแล้ว ซึ่งเป็นก้าวสำคัญ แต่ยังไม่เพียงพอ สิ่งที่ยังขาดอยู่คือวิธีการคิดเชิงออกแบบที่เหมาะสมกับความเป็นจริงของยุคดิจิทัล วิธีการที่ช่วยให้นักออกแบบทำงานร่วมกับ AI ทำงานข้ามสาขาวิชา และรับมือกับการทดลองอย่างรวดเร็วไปพร้อมๆ กับการรักษาจริยธรรมและการคำนึงถึงมนุษย์เป็นศูนย์กลาง

การแก้ไขช่องว่างนี้เป็นสิ่งสำคัญยิ่ง นั่นเป็นเหตุผลที่ผมและเพื่อนร่วมงาน ดร. จี ฮัน กำลังเขียนหนังสือกับสำนักพิมพ์มหาวิทยาลัยเคมบริดจ์เกี่ยวกับเรื่องนี้ กระบวนการคิดเชิงออกแบบในยุคดิจิทัลซึ่งเป็นการรวบรวมกรอบแนวคิด ทักษะ และวิธีคิดที่จำเป็นต่อการออกแบบอย่างมีประสิทธิภาพควบคู่ไปกับปัญญาประดิษฐ์ (AI)

DIGIT Lab ให้ความสำคัญกับการเปลี่ยนแปลงอย่างมีความรับผิดชอบ ในมุมมองของคุณ ความเสี่ยงด้านจริยธรรมหรือสังคมใดบ้างที่ควรได้รับความสนใจมากขึ้นเมื่อ AI ถูกนำมาใช้ในกระบวนการออกแบบในอุตสาหกรรมต่างๆ?

ตัวอย่างหนึ่งคือการรับรองการใช้ข้อมูลอย่างมีจริยธรรม ซึ่งรวมถึงการขอความยินยอมโดยแจ้งให้ทราบล่วงหน้าและการรักษาความโปร่งใสเกี่ยวกับชุดข้อมูลที่ใช้ในการพัฒนาผลิตภัณฑ์ AI ตลอดจนอคติใด ๆ ที่อาจมีอยู่ ตัวอย่างเช่น ชุดข้อมูลที่ฝังอยู่ในระบบการดูแลสุขภาพจะต้องได้รับการตรวจสอบอย่างละเอียดเพื่อให้แน่ใจว่าแสดงถึงประชากรทั้งหมดอย่างเพียงพอ ระบุกลุ่มใด ๆ ที่อาจถูกมองข้าม และยืนยันว่าระบบ AI นั้นเหมาะสมกับวัตถุประสงค์และครอบคลุมทุกกลุ่ม จากมุมมองของสังคม มักมีความกังวลว่า AI จะเข้ามาแทนที่งาน แต่สิ่งสำคัญคือต้องเข้าใจว่าความเชี่ยวชาญของมนุษย์ยังคงมีความจำเป็นในด้านใดบ้าง และ AI สามารถนำมาใช้เพื่อเสริมศักยภาพของมนุษย์แทนที่จะแทนที่ได้อย่างไร

อย่างไรก็ตาม ยังมีประเด็นทางจริยธรรมที่ลึกซึ้งกว่านั้นด้วย เมื่อนักออกแบบใช้ข้อมูลจากมนุษย์ พวกเขาต้องจัดการกับความเป็นส่วนตัว อคติ และ... ความโปร่งใสอย่างมีความรับผิดชอบการประชุมเชิงปฏิบัติการของ DIGIT Lab ระบุว่า “ข้อมูล” “มนุษย์” และ “การกำกับดูแล” เป็นความท้าทายหลักในภาคการผลิต โดยเน้นย้ำถึงความจำเป็นในการเก็บรวบรวมข้อมูลที่ดีขึ้น การกำกับดูแลโดยมนุษย์ และนโยบายที่ชัดเจนเกี่ยวกับความปลอดภัย ความน่าเชื่อถือ ทรัพย์สินทางปัญญา และกฎระเบียบ การจัดการกับความเสี่ยงเหล่านี้หมายถึงการทำให้แน่ใจว่าระบบ AI สร้างขึ้นจากข้อมูลที่หลากหลาย การฝังการตัดสินใจของมนุษย์ในจุดสำคัญ และการพัฒนารูปแบบมาตรฐานการออกแบบที่ครอบคลุมซึ่งเคารพความเป็นส่วนตัว ความยินยอม และบริบททางวัฒนธรรม

คุณได้ศึกษาค้นคว้าเกี่ยวกับวิธีที่ข้อมูลและปัญญาประดิษฐ์ (AI) สามารถปรับแต่งผลิตภัณฑ์ให้เหมาะสมกับประสบการณ์ของผู้ใช้ คุณมองเห็นอนาคตที่ผลิตภัณฑ์จะพัฒนาไปอย่างไดนามิกตามข้อมูลแบบเรียลไทม์หลังจากที่ออกจากโรงงานหรือไม่? ถ้าเป็นเช่นนั้น นักออกแบบควรเตรียมตัวอย่างไรสำหรับโลกนั้น? 

การออกแบบที่ขับเคลื่อนด้วยข้อมูล เทคโนโลยีที่ใช้กับผลิตภัณฑ์สามารถปรับแต่ง ดัดแปลง หรือปรับให้เข้ากับพฤติกรรมของแต่ละบุคคลได้ จึงกลายเป็นระบบ "อัจฉริยะ" ที่รวบรวมข้อมูลเกี่ยวกับการใช้งานและสื่อสารผ่านเซ็นเซอร์ฝังตัวและการเชื่อมต่อ IoT ในกรอบการทำงานของเรา กิจกรรมการปรับแต่งเกี่ยวข้องกับการใช้ข้อมูลเหล่านั้นเพื่ออัปเดตและปรับเปลี่ยนผลิตภัณฑ์หลังจากออกจากโรงงานแล้ว ตัวอย่างเช่น การเชื่อมโยงโมเดลการจดจำท่าทางเข้ากับดิจิทัลทวินเพื่อการทำงานร่วมกันระหว่างมนุษย์และหุ่นยนต์ และการใช้การสแกนด้วยการเรียนรู้ของเครื่องเพื่อสร้างชิ้นส่วนที่ปรับแต่งได้

การเปลี่ยนแปลงนี้ก่อให้เกิดความรับผิดชอบใหม่ๆ นักออกแบบจำเป็นต้องตัดสินใจว่า... ข้อมูลมนุษย์ไม่ว่าจะเป็นด้านพฤติกรรม สรีรวิทยา การตอบสนอง หรืออารมณ์ ล้วนมีความเกี่ยวข้อง นอกจากนี้ พวกเขาต้องมั่นใจว่าการอัปเดตยังคงรักษาคุณสมบัติทางสุนทรียภาพและอารมณ์ที่ตั้งใจไว้ ซึ่งเรารู้ว่าสิ่งเหล่านี้เชื่อมโยงกับรูปแบบและการรับรู้ สุดท้ายนี้ การกำกับดูแลมีความสำคัญ: การประชุมเชิงปฏิบัติการในอุตสาหกรรมของเราเน้นย้ำว่าประเด็นต่างๆ เกี่ยวกับข้อมูล ความไว้วางใจ และความเป็นส่วนตัว จำเป็นต้องมีนโยบายที่ชัดเจนและการกำกับดูแลโดยมนุษย์ เมื่อดำเนินการอย่างดี ผลิตภัณฑ์ที่พัฒนาไปเรื่อยๆ สามารถมอบมูลค่าและความตอบสนองที่ยั่งยืนโดยไม่สูญเสียความหมายหรือจริยธรรม

เมื่อมองไปข้างหน้า คำถามวิจัยสำคัญอะไรบ้างที่กระตุ้นคุณอยู่ในขณะนี้? และคุณเชื่อว่าจะมีนวัตกรรมอะไรบ้างที่จะเกิดขึ้นในอีกไม่กี่ปีข้างหน้า ณ จุดตัดระหว่าง AI ความคิดสร้างสรรค์ และวิศวกรรมการออกแบบ?

ความท้าทายหลายประการที่กล่าวมาข้างต้นยังคงไม่ได้รับการแก้ไข ซึ่งหลายประการนั้นผมกำลังดำเนินการอยู่ รวมถึงการทำงานเพื่อให้แน่ใจว่าเครื่องมือ AI สร้างสรรค์ทั่วไปสามารถปรับแต่งให้เหมาะสมกับภาคส่วนเฉพาะที่ต้องการนำไปใช้ได้อย่างมีประสิทธิภาพ

ในระดับภาคส่วน รูปแบบอาจแตกต่างกันออกไป: ในภาคการผลิต อาจเกี่ยวข้องกับการใช้โมเดลเฉพาะพื้นที่ที่ได้รับการฝึกฝนด้วยความรู้เฉพาะด้าน ควบคู่ไปกับมาตรการความเป็นส่วนตัวและความปลอดภัยที่เข้มงวด ในขณะที่ในอุตสาหกรรมสร้างสรรค์ อาจมุ่งเน้นไปที่การกระจายผลผลิตและส่งเสริมความร่วมมือที่มีความหมายมากขึ้นระหว่างมนุษย์และปัญญาประดิษฐ์

ในระดับเทคนิค เรากำลังทดลองใช้แบบจำลองภาษาขนาดใหญ่เพื่อสนับสนุนงานประเมินผล งานวิจัยชิ้นหนึ่งแสดงให้เห็นว่าแบบจำลองภาษาขนาดใหญ่สามารถประเมินความแปลกใหม่และประโยชน์ใช้สอย และสอดคล้องกับผู้เชี่ยวชาญที่เป็นมนุษย์ได้ดียิ่งขึ้นเมื่อได้รับคำแนะนำจากคำถามที่ออกแบบมาอย่างดี บทความที่เกี่ยวข้องใช้... ลำดับความคิด การกระตุ้นและการรวมโมเดลหลายแบบเพื่อทำให้การประเมิน AI มีความน่าเชื่อถือมากขึ้น นอกจากนี้เรายังกำลังสำรวจเอเจนต์สนทนาเพื่อรวบรวมความต้องการด้านการเปลี่ยนแปลงทางดิจิทัลขององค์กร โดยแสดงให้เห็นว่าแชทบอทสามารถดำเนินการได้ การสัมภาษณ์แบบมีโครงสร้าง อย่างมีประสิทธิภาพ เมื่อผนวกกับการทำงานเกี่ยวกับการใช้ข้อมูลจากมนุษย์ในการออกแบบ โครงการริเริ่มเหล่านี้ชี้ให้เห็นถึงอนาคตที่ AI จะช่วยเราในการรักษาความเชี่ยวชาญ ตัดสินใจได้ดีขึ้น และมีปฏิสัมพันธ์กับผู้ใช้อย่างมีจริยธรรม

ขอขอบคุณสำหรับการสัมภาษณ์ที่รอบคอบและลึกซึ้ง ผู้อ่านที่ต้องการเรียนรู้เพิ่มเติมเกี่ยวกับงานของศาสตราจารย์อาห์เหม็ด-คริสเตนเซนในด้านการออกแบบที่ขับเคลื่อนด้วย AI ความคิดสร้างสรรค์ และการเปลี่ยนแปลงทางดิจิทัลอย่างมีความรับผิดชอบ สามารถศึกษาค้นคว้างานวิจัยและโครงการริเริ่มต่างๆ ได้ที่ ดิกิต แล็บ.