Prof. Saeema Ahmed-Kristensen, DIGIT Lab Direktörü – Röportaj Serisi

Professor Saeema Ahmed-Kristensen tasarım mühendisliği alanında önde gelen bir akademisyen ve Exeter Üniversitesi‘nde Associate Pro-Vice-Chancellor (Araştırma ve Etki) olarak görev yapmakta ve aynı zamanda DIGIT Lab‘in direktörü olarak görev yapmaktadır. DIGIT Lab, dijital inovasyon ve dönüşüm üzerine odaklanan büyük bir disiplinler arası araştırma girişimidir. Araştırması, tasarım yaratıcılığı ve biliş, veri odaklı ve dijital tasarım, gelişmiş teknolojilerin karmaşık mühendislik ve ürün geliştirme süreçlerine entegrasyonu ile ilgilenmektedir. Ayrıca, akademik içgörüyü gerçek dünya etkisine dönüştürmek için endüstri işbirliği, politika katılımı ve büyük ölçekli araştırma programları yoluyla güçlü bir vurgu yapmaktadır.

Kariyeriniz Cambridge, DTU, Imperial College London, Royal College of Art ve şimdi Exeter Üniversitesi’ni içeriyor. Geriye bakıldığında, tasarım, yaratıcılık ve dijital teknolojilerin rolü hakkında düşüncelerinizi şekillendiren deneyimler veya dönemeçler nelerdi?

Tasarım alanında çalışmam birçok farklı kültürü ve disiplini kapsadı. Brunel’de teknoloji, insan merkezli tasarım ve form anlayışını birleştiren o dönemdeki birkaç kursun birinde başladım. Bana yaratıcılık ve inovasyonun yakından ilişkili olduğunu öğretti.

Cambridge’de çalışmak düşüncemi daha da genişletti. Kolej ortamı bana birçok disiplini gösterdi ve inovasyonun farklı alanlardan gelen bilginin bir araya gelmesine bağlı olduğunu gösterdi. Doktora çalışmam havacılık sektöründe odaklandı ve mühendislerin nasıl bilgi bulup kullandıklarını inceledi. İnsanların bilgiye nasıl eriştiğini, uzmanlığın nasıl destekleneceğini veya kopyalanabileceğini ve biliş, bilgisayar bilimi ve mühendislik tasarımı arasındaki kesişimi araştırdım. Bu insan merkezli lens beni bugüne kadar etkiledi.

Dijital teknolojiler büyüdükçe, çalışmalarımdaki sorular da büyüdü. IoT verileri, AI ve gelişmiş hesaplamaların yükselişi tasarımı sadece insan merkezli olmaktan çıkardı ve toplum merkezli olmaya yöneltti. Bu, Exeter Üniversitesi’ndeki çalışmalarımı şekillendirmeye devam ediyor, burada DIGIT Lab’i yönetiyorum ve yaratıcı süreçte LLM’lerin rolü, endüstrilerin bunları benimseme konusundaki engelleri ve verilerin nasıl inovasyonu sürdürebileceği üzerine odaklanıyorum.

Imperial ve Royal College of Art’ta geçen zamanım, tasarımın sadece ürün veya hizmetleri şekillendirmekten daha fazlasını içerdiğini gösterdi. Doğru insanlar, süreçler ve kültür ile tasarım, yeni ve ölçeklenebilir teknolojiler, malzemeler ve fikirlerin sürücüsü olabilir ve bugün ve yarının küresel zorluklarını ele alabilir.

DIGIT Lab, büyük kuruluşlar içindeki dijital dönüşüme odaklanıyor. Liderlerin AI’nin tasarımı, inovasyonu ve karar alma sürecini nasıl değiştireceğini en çok yanlış anladığına inandığınız şey nedir?

AI, araştırma ve belirli endüstrilerde ilerleme kaydetti, ancak uzmanlık açıkları, liderlik anlayışı ve değer ve altyapı konusunda netlik eksikliği nedeniyle sınırlı kaldı. LLM’ler ve DALL·E gibi üretken araçların yükselişi ile AI daha erişilebilir hale geldi ve daha az uzmanlık gerektiriyor. Ancak bu, gizlilik, veri güvenliği ve genel amaçlı modellerin belirli alanlara nasıl uygulanacağı konusunda yeni soruları da gündeme getiriyor.

Tasarım ve inovasyonda bu konular özellikle belirgindir. AI ve insan tarafından üretilen 12.000’den fazla fikir üzerinde yapılan araştırmamız, AI fikirlerinin benzer kavramlar etrafında toplandığını gösterdi. Bu, genel amaçlı araçlara insan uzmanlığını entegre etmenin, AI’ı domaine adapte etmenin veya AI’ı insan yaratıcılığı ve karar alma ile birlikte nasıl kullanacağımızı anlamamız gerektiğini vurguladı.

Çok fazla araştırmanız, tasarım alanındaki yaratıcılık ve biliş ile ilgileniyor. Üretken AI, fikir, kavram ve iterasyonları ölçeklenebilir bir şekilde üretebilecek duruma geldiğinde, yaratıcılığın hangi yönlerini insan olarak benzersiz görüyorsunuz ve hangilerini AI odaklı süreçlere doğru bir şekilde kaydırabilirsiniz?

Yaratıcılık her zaman benim için alternatifler üretmekten daha fazlasını içerdi. Niyet, kültürel anlam ve bir tasarımın oluşturduğu duygusal bağ ile ilgili. DIGIT Lab’in yakın tarihli bir anketi, insanların %82’sinin insan önderliğindeki veya hibrit çalışmanın daha anlamlı hissettiğini ve %71’inin AI yalnızca tasarımına duygusal olarak daha az bağlı hissettiğini gösterdi. Çok sayıda kişi AI tarafından üretilen çalışmaları “duygudan yoksun” (%48) veya “aşırı mükemmel” (%40) olarak tanımladı ve %36’sı bunların etkisinin hızla azaldığını hissetti. Bu yanıtlar, uzun süredir inandığım bir şeyi pekiştirdi: Duygusal katılım, yaratıcı çalışmanın nasıl deneyimlendiği ve değer verildiği konusunda temel bir unsur.

İnsan ve AI fikirlerini karşılaştıran araştırmamız, insan tasarımcıların daha çeşitli, yeni fikirleri yaratma ve yaratıcı çıktının derinlik ve anlamını sağlama konusunda daha iyi olduğunu gösterdi. Yaratıcı uzmanların henüz kopyalanamayan bir beceri kümesi vardır. Tasarımcıların fikir üretmeden önce sorunu anlamaları gerekir. LLM’ler, tasarımcıların bir sorundan diğerine geçmesine yardımcı olacak bilgileri toplamada çok yararlıdır. İnsan uzmanlığını AI araçlarına entegre edebilirsek, bunlar fikirlerin değerlendirilmesini de destekleyebilir ve AI’ın insan yaratıcı becerilerinden daha iyi yararlanmasını sağlayabilir.

Çalıştığımız zincir-düşünce yaklaşımı, LLM’lerin uzmanların akıl yürütmesine uymasını destekliyor, sadece puanlar vermiyor. Her durumda, insan denetimi sonuçları yorumlamak ve tasarım seçimlerinin kullanıcıların yaşam deneyimlerine uyduğunu sağlamak için gereklidir.

İnsanların ürünleri, hizmetleri ve etkileşimleri nasıl deneyimlediğini bilgisayarların yorumlayabileceği biçimde yakalayan modeller oluşturmalı ya da bağlam sunan zengin nitel içgörülerden oluşan yoğun veriyi topladığımız ince veri veya büyük sensör verileriyle birleştirmeliyiz. Bu modelleri geliştirmek kolay değildir ve insan katılımının zorunlu kaldığı nokta tam da burasıdır.

Bu, AI’nin yaratıcılıkta hiçbir yeri olmadığını söylemek değildir. AI ve insanlar farklı güçlere katkıda bulunur. İnsanların tutarlı olarak insan veya hibrit çalışmaya daha olumlu tepki vermesi, merkezin nerede olduğunu gösterir. AI, tasarım alanını genişletmaya, kalıpları analiz etmeye ve yapılandırılmış eleştiri sunmaya yardımcı olabilir, ancak bu algılamalar, düzlük, algoritmik mükemmellik ve duygusal uzaklık algılarının, olasılıkları insanlarda karşılık bulan sonuçlara dönüştürmek için insan yargısının hâlâ gerekli olduğunu gösterdiği alanları ortaya koyar.

Bu nedenle, gelecekteki yaratıcılığın temel olarak işbirlikçi olduğunu görüyorum. AI, olanakların alanını genişletebilir. Tasarımcılar, olasılıklara anlam kazandıran empatiyi, kültürel anlayışı ve niyeti getirir. İnsan yargısı yönü belirleyip AI keşfi zenginleştirdiğinde, daha titiz, daha yaratıcı ve sonuçları daha insani olan bir yaratıcı süreç ortaya çıkar.

Kullanıcı deneyimlerini nicelendirme ve tasarım bilgisini yapılandırma için yaklaşımlar geliştirdiniz. AI sistemlerinin ürün ve hizmetleri üretmesiyle birlikte, nasıl insan deneyimleri, duyguları ve kültürel sinyallerin tasarım sürecine merkezinde kalmasını sağlayabilirsiniz?

İnsan deneyimini merkezileştirmek için, algı ve duygu bilgisini yöntemlerimize entegre etmeliyiz.

İki ana yaklaşım vardır. Birincisi, etkili insan-AI işbirliğini sağlayan, zengin bir insan deneyimi, algı ve duygu anlayışını mümkün kılan nitel verilerin gerekliliğini tanır. İkincisi – çalıştığım – bu bilginin AI sistemlerinin anlayabileceği ve kullanabileceği modellere çevrilmesini amaçlar.

Bu modelleri geliştirmek zorlu, çünkü kullanıcı deneyimi, insan algısı ve tasarlanan ürün veya sistemlerin özelliklerini birleştirmeli ve insan tepkilerini ve genel deneyimi tahmin edebilmelidir.

Karmaşık endüstrilerle – havacılık, tıp, imalat, tüketici ürünleri – çalışıyorsunuz. Bu yüksek riskli ortamlarda, AI destekli tasarımı güvenlik, izlenebilirlik ve güven gereksinimleri ile nasıl dengeleyebilirsiniz?

Yüksek riskli sektörlerde, AI’nin nasıl yönetileceği sorusudur, yoksa kullanılmayacağı değil. Güven, her tasarım ve karar alma aşamasında net hesap verebilirlik, izlenebilirlik ve açıklanabilirlik gerektirir. AI, simülasyon, optimizasyon ve erken aşama keşifte güçlü bir destek rolü oynayabilir, ancak nihai otorite olamaz.

Bu alanların çoğu sıkı düzenlemelere tabidir ve güvenli veri işlemeden, kişisel veya ticari olarak duyarlı verilerin güvenliğini gerektirir. Bu sektörlerde, sorgular veya promt’lar genellikle yerel veri kullanılarak geliştirilmeli ve özgünlük ve ilgiliğini sağlamak için yerel AI araçlarının geliştirilmesi yaygındır.

Araştırmamız, AI’ın uzman yargısını tamamlamak, değil değiştirmek için gerektiğini tutarlı bir şekilde gösteriyor. İnsan denetimi, özellikle güvenlik, risk ve sorumlulukla ilgili kritik karar noktalarında gereklidir. AI destekli sistemlere güvenmek için organizasyonların, modellerin nasıl eğitildiğini, hangi verilerin kullanıldığını ve çıktıların nasıl üretildiğini şeffaf bir şekilde belgelemeleri gerekir. Bu şeffaflık olmadan, güven büyüyemez, teknoloji ne kadar gelişirse gelişsin.

Çok sayıda organizasyon, AI’yi ürün geliştirme sürecine anlamlı bir şekilde entegre etme konusunda zorluk yaşıyor. AI’yi deneyselden stratejik uygulamaya geçmek için ekiplere hangi pratik adımları önerirsiniz?

Çok sayıda organizasyon, AI’yi net bir stratejik amaç olmadan benimser ve bu nedenle deneysel aşamada takılır kalır. İlk pratik adım, AI’nın geliştirme sürecinde ne rol oynayacağı konusunda açık olmaktır – bu, fikir üretimi, test hızlandırma, değerlendirme veya karar alma olabilir. Bu netlik olmadan, pilotlar gerçek iş ve tasarım sonuçlarından kopuk kalır.

Ekiplere doğru temelde kaliteli, iyi yönetilen veri yatırımı gerekir, özellikle kullanıcı deneyimini yansıtan veri. Ayrıca AI’ın mevcut sınırlarına, özellikle yaratıcı ve insan merkezli yargıda, uzman denetiminin gerekliliğine gerçekçi bir şekilde yaklaşmak önemlidir.

Çok sayıda sektör, AI’nin deneysel kullanımından daha geniş benimsenmeye rehberlik eden AI politikaları geliştirmeye başlamıştır. Bu politikalar, organizasyonların AI’ın gerçekten değer katacağı alanları tanımlamasına, aynı zamanda insanların nerede gerekli olduğunu garantilemesine yardımcı olur.

Son olarak, organizasyonlar, gerçek iş akışlarına gömülü, düşük riskli pilotlarla ilerlemelidir. Bu pilotlar, tasarımcılar, mühendisler, veri bilimcileri ve alan uzmanlarını bir araya getirmeli ve öğrenmenin paylaşıldığını ve aktarılabilir olduğunu garantilemelidir. AI, günlük uygulamaya tasarlandığında ve AI’ın ayrı bir deneysel katman olarak değil, bir parçası olarak ele alındığında değer sağlar.

Araştırmalarınız, tasarım bilgisini yapılandırma ve otomatize etme yöntemlerini içerir. AI sistemlerinin tasarım niyeti, kullanıcı ihtiyaçları ve bağlam hakkında nasıl düşünebileceği konusunda ne kadar ilerideyiz ve bu sistemlerin gerçekten değer katacağı bir şekilde değil, sadece içerik üreterek değil?

Bazı alanlarda, kullanıcı tercihlerini öngörmenin nispeten kolay olduğunu söyleyebiliriz, çünkü tarama geçmişleri veya izlenen filmler gibi veriler kullanılarak öneriler yapılabilir. Bu alanlar, kolayca erişilebilen verilerden yararlanmaktadır.

Ürün ve hizmetlerin tasarımı söz konusu olduğunda, insanların seçimlerine, ihtiyaçlarına ve yaşam deneyimlerine ilişkin veriler genellikle kolayca erişilemez.

DIGIT Lab ile yaptığım son araştırma, insanların tasarım özelliklerini nasıl algıladığı ve bunlara nasıl tepki verdiğine ilişkin bir model verildiğinde bir LLM’nin yeteneğini inceledi. Ancak mevcut modeller verilerdeki örüntülerle çalışır ve anlamı bağlamına yerleştiremez. Biçim ile algı arasındaki ilişkiyi inceleyen önceki çalışmalar, biçimdeki küçük değişikliklerin bile duygusal tepkileri değiştirebildiğini gösteriyor. AI’ın bu incelikleri insan rehberliği veya gelişmiş modeller olmadan öngörmesi zordur. Bu nedenle, AI’nin tasarım niyeti hakkında düşünme yeteneği gelişiyor, ancak insan uzmanlığının bir tamamlayıcısı olarak kalıyor.

Tasarım döngülerini hızlandırdıkça – fikirlerden prototiplere – tasarımcıların hangi yeni becerilere ihtiyacı olacak? Gelecek nesil yaratıcı yetenek için üniversiteler ve organizasyonlar nasıl yeniden düşünmelidir?

Tasarımcılar, hem insan algısı hem de AI destekli araçlar konusunda yetkin olmalıdır. Biçim, malzeme ve oranların duygusal tepkilere nasıl şekil verdiğini anlamak, iyi tasarımın temelini oluşturmaya devam edecektir. Aynı zamanda, AI sistemlerini destekleyen fikir üretimi ve değerlendirme araçlarını kullanabilmeli ve bunların sınırlarını anlamalıdır. AI, tasarım akışlarını hızlandırırken, tasarımcıların AI çıktılarını eleştirel bir şekilde yorumlayabilme ve insan yargısı ile birleştirebilme yeteneğine ihtiyaç duyulacaktır.

AI fikir geliştirmeden prototiplemeye kadar tasarım döngülerini hızlandırırken tasarımcılar geleneksel zanaat becerilerini aşan yeni yeteneklere ve düşünme biçimlerine ihtiyaç duyar. Dijital teknolojilerin nasıl çalıştığını, farklı veri türlerinin neyi ortaya çıkarıp çıkaramayacağını ve tasarım uzmanlığını AI okuryazarlığıyla birleştirmeyi anlamalıdırlar. Yalnızca teknik performans ölçütlerine değil, gerçek kullanıcı deneyimini yansıtan kaliteli ve iyi yönetilen verilere dayanmayı bilmelidirler. AI’ın nerede yararlı olduğunu, insan yaratıcılığı ve eleştirel düşüncenin nerede merkezde kalması gerektiğini değerlendirebilmelidirler.

Üniversiteler ve organizasyonlar, gelecek nesil yaratıcı yetenek için nasıl eğitim verdiklerini yeniden düşünmelidir. Bazı üniversiteler, tasarım programlarına veri bilimini entegre etmeye başladı, ancak bu yeterli değil. Hâlâ eksik olan, dijital çağın gerçeklerine uygun tasarım düşünce yöntemleridir – AI ile işbirliği yapmayı, disiplinler arası çalışmayı ve etik ve insan merkezli denetimi koruyarak hızlı denemeleri destekleyen yöntemler.

Bu boşluğu ele almak önemlidir. Bu nedenle, meslektaşım Dr. Ji Han ile birlikte, Cambridge University Press’te Dijital Çağda Tasarım Düşüncesi adlı bir kitap yazıyoruz. Bu kitap, AI ile birlikte etkili bir şekilde tasarlamak için gereken çerçeveleri, becerileri ve düşünce şekillerini bir araya getirecektir.

DIGIT Lab, sorumlu dönüşümü vurguluyor. AI, tasarım akışlarına çeşitli endüstrilerde entegre olurken, hangi etik veya toplumsal risklere daha fazla dikkat edilmesi gerekiyor?

Örneğin, AI ürünlerinin geliştirilmesinde kullanılan veri setlerinin etik kullanımını garantilemek, bilgilendirilmiş onay alma ve şeffaflık sağlamak önemlidir. Ayrıca, AI sistemlerinin geliştirilmesinde kullanılan veri setlerindeki olası önyargıları tanımak da önemlidir. Örneğin sağlık sistemlerinde kullanılan veri setleri, tüm nüfusu yeterince temsil ettiklerini, eksik temsil edilen grupların belirlendiğini ve AI sisteminin amaca uygun ve kapsayıcı olduğunu doğrulamak için dikkatle incelenmelidir. Toplumsal olarak AI’ın işleri ortadan kaldıracağı kaygısı yaygındır. Ancak insan uzmanlığının nerede zorunlu kaldığını ve AI’ın insan becerilerini değiştirmek yerine nasıl güçlendirebileceğini anlamak önemlidir.

Fakat daha derin etik konular da vardır. Tasarımcılar insan verilerini kullanırken, gizlilik, önyargı ve şeffaflıkla ilgili sorumlulukları dikkate almalıdır. DIGIT Lab’ın bir çalıştayı, imalat sektöründe “veri”, “insan” ve “yönetişim” olarak adlandırılan ana zorlukları vurguladı ve daha iyi veri toplama, insan denetimi ve güvenlik, güven, fikri mülkiyet ve düzenleme konularında net politikalar gerektiğini gösterdi. Bu riskleri ele almak, AI sistemlerinin çeşitli verilere dayalı olarak inşa edildiğini, insan yargısını kritik noktalarda entegre ettiğini ve kapsayıcı tasarım standartlarını saygı duyarak, gizlilik, onay ve kültürel bağlamı dikkate alarak anlamına gelir.

Kullanıcı deneyimine göre ürünlerin gelişmesini sağlayan veri ve AI hakkında nasıl düşünüyorsunuz? Gerçek zamanlı verilere dayanarak fabrikadan çıktıktan sonra ürünlerin dinamik olarak evrimleşeceği bir gelecek görüyor musunuz? Eğer öyleyse, tasarımcılar bu dünyaya nasıl hazırlanmalı? 

Veri odaklı tasarım, ürünlerin kişiselleştirilmesini, özelleştirilmesini veya bireysel davranışlara adapte edilmesini sağlayabilir. Bunlar “akıllı” sistemlere dönüşür ve gömülü sensörler ve IoT bağlantısı aracılığıyla nasıl kullanıldıkları hakkında veri toplarlar. Çerçevesinde, bu verileri kullanarak ürünleri fabrikadan çıktıktan sonra güncellemek ve adapte etmek söz konusudur. Örnekler arasında insan-robot işbirliği için jest tanıma modellerini bir dijital ikize bağlamak ve özelleştirilmiş bileşenler oluşturmak üzere makine öğrenimi destekli tarama kullanmak bulunur.

Bu geçiş, yeni sorumluluklar getirir. Tasarımcılar, hangi insan verilerinin – davranışsal, fizyolojik, geri bildirim veya duygusal – ilgili olduğunu belirlemelidir. Ayrıca, güncellemelerin amaçlanan estetik ve duygusal nitelikleri koruduğundan emin olmalıdır. Son olarak, yönetişim önemlidir: endüstri çalıştayımız, veri, güven ve gizlilik konularında net politikalar ve insan denetimi gerektiğini vurguladı. Ürünlerin gelişimi, anlamlı ve etik bir şekilde yapıldığında, kalıcı değer ve tepki sunabilir.

Şu anda sizi motive eden büyük araştırma soruları nelerdir? AI, yaratıcılık ve tasarım mühendisliği arasındaki kesişmede önümüzdeki birkaç yıl içinde hangi büyük atılımları görebileceğimizi düşünüyorsunuz?

Çok sayıda zorluk çözülmedi – bunlardan bazıları üzerinde çalışıyorum, örneğin genel amaçlı üretken AI araçlarının belirli sektörlere uyarlanmasını sağlamak için çalışıyorum.

Sektör düzeyinde, bu farklı görünüyor: imalat sektöründe, alana özgü bilgiyle eğitilen yerelleştirilmiş modeller ve güçlü gizlilik ve güvenlik önlemleri olabilir; yaratıcı endüstrilerde, çıktı çeşitliliği ve insan-AI işbirliği odak noktası olabilir.

Teknik düzeyde, büyük dil modellerini değerlendirme görevlerini desteklemek için deneyler yapıyoruz. Bir çalışma, LLM’lerin yenilik ve yararlılığı değerlendirebildiğini ve iyi tasarlanmış istemlerle yönlendirildiklerinde insan uzmanların değerlendirmelerine daha fazla yaklaşabildiğini gösteriyor. Bir başka çalışma, zincir-düşünce promt’larını ve çoklu model birleştirmesini kullanarak AI değerlendirmesini daha güvenilir hale getirmektedir. Ayrıca, organizasyonların dijital dönüşüm gereksinimlerini yakalamak için konuşma ajanlarını da araştırıyoruz ve chatbot’ların yapılandırılmış görüşmeleri etkili bir şekilde gerçekleştirebileceğini gösteriyoruz. Tasarımda insan verilerinin kullanımına ilişkin çalışmalarla birlikte bu girişimler, AI’ın uzmanlığı korumasına, daha iyi kararlar almasına ve kullanıcıları etik bir şekilde etkilemesine yardımcı olabileceği bir geleceğe işaret etmektedir.

Düşündürücü ve aydınlatıcı röportaj için teşekkür ederiz; okuyucular, Prof. Ahmed-Kristensen’in AI destekli tasarım, yaratıcılık ve sorumlu dijital dönüşüm konularındaki çalışmalarını öğrenmek için DIGIT Lab‘in devam eden araştırmaları ve girişimlerini keşfedebilir.