Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

UX für künstliche Intelligenzen / IA Konferenz '17 / Berlin / Jan Korsanke

1,460 views

Published on

Was ist künstliche Intelligenz & Machine Learning, wie zur Hölle konzipiert man die UX und was sind die Herausforderungen dabei?

Nach einer kurzen Einführung der wichtigsten Begriffe und Funktionsweisen einer künstlichen Intelligenz, werde ich euch mit Beispielen aus der Praxis zeigen, welche Herausforderungen es in der Konzeption der User Experience gibt. Abschließen wird ein Ausblick, welche nächsten Schritte künstlichen Intelligenz in der Zukunft machen wird.

Published in: Design
  • Hey guys! Who wants to chat with me? More photos with me here 👉 http://www.bit.ly/katekoxx
       Reply 
    Are you sure you want to  Yes  No
    Your message goes here

UX für künstliche Intelligenzen / IA Konferenz '17 / Berlin / Jan Korsanke

  1. 1. UX FÜR KÜNSTLICHE INTELLIGENZEN Berlin, 06.Mai, 2017 Image: Retronaut
  2. 2. Image: Screenshot
  3. 3. _BLANC Image: DMITRI KESSEL/GETTY IMAGES
  4. 4. _BLANC Image:Wikipedia
  5. 5. _BLANC Image: Orion Pictures
  6. 6. Image: 20th Century Fox
  7. 7. _BLANC Image:AP
  8. 8. _BLANC Image: Photo: Ben Hider/Getty Images
  9. 9. _BLANC Image:AP Photo/Lee Jin-ma
  10. 10. _BLANC Image:Tim Kaulen/Carnegie Mellon University
  11. 11. Skepsis gegenüber KI verständlich
  12. 12. Nicht wir gegen die Maschinen VS
  13. 13. Wie wir ein optimales Miteinander gestalten
  14. 14. THE NEXT 25 MINUTES… WAS IST KÜNSTLICHE INTELLIGENZ, WIE GESTALTEN WIR EIN MITEINANDER UND WIE GEHT ES IN DER ZUKUNFT WEITER?
  15. 15. DAS BIN ICH, JAN! SENIOR UX DUDE EXB RESEARCH & DEVELOPMENT @JANKORSANKE
  16. 16. EINFÜHRUNG IN KI Image: LONDON EXPRESS/GETTY IMAGES
  17. 17. KÜNSTLICHE INTELLIGENZ?
  18. 18. Intelligent behaviour in an autonomous agent — THIS is AI. BEEP BEEP
  19. 19. MACHINE LEARNING DEEP LEARNING NEURONALE NETZWERKE NATURAL LANGUAGE PROCESSING
  20. 20. Machine Learning ist einTeil von KI. Die Fähigkeit eines Algorithmus aus vorhandenen Daten ein Verhalten abzuleiten. ML lehrt Maschinen, Entscheidungen zu treffen in Situationen, die sie noch nicht kennen.
  21. 21. Deep Learning ist ein Zweig von ML. Bezeichnet eine Klasse von Optimierungsmethoden künstlicher neuronaler Netze. KI Machine Learning Deep Learning Ziel ist, die zahlreiche Zwischenlagen eines Netzes zu erweitern und weiter zu verbessern.
  22. 22. Neuronale Netzwerke sind große Massen an verbundenen Einheiten. Diese Einheiten werden wiederum “künstliche Neuronen” genannt. Neuronale Netzwerke finden Muster in Daten durch Kombination von multiplen Schichten dieser Neuronen.
  23. 23. Natural Language Processing ist das Verstehen, Verarbeiten und die Wiedergabe von natürlicher Sprache. NLP ist aktuell eine große und wichtige Herausforderung in der KI Forschung, da menschliche Kommunikation alles andere als leicht und linear ist.
  24. 24. STUFEN DER KI
  25. 25. Artificial Narrow Intelligence Artificial General Intelligence Artificial Superintelligence
  26. 26. Narrow Intelligence Erledigung spezifischer Aufgaben: (Auto fahren, Übersetzen, Bilderkennung)
  27. 27. Narrow Intelligence Erledigung spezifischer Aufgaben: (Auto fahren, Übersetzen, Bilderkennung. General Intelligence Ein Algorithmus, der jede geistige Tätigkeit wie ein Mensch leisten kann.
  28. 28. Narrow Intelligence Erledigung spezifischer Aufgaben: (Auto fahren, Übersetzen, Bilderkennung. General Intelligence Ein Algorithmus, der jede geistige Tätigkeit wie ein Mensch leisten kann. Superintelligence “EinVerstand, der viel klüger ist als die besten menschlichen Köpfe in praktisch jedem Feld (Kreativität,Wissen, Sozialkompetenzen).” Nick Bostrom
  29. 29. _BLANC Machine intelligence is the last invention that humanity will ever need to make. Nick Bostrom “ Image:TED
  30. 30. _BLANC Image:TEDImage: Amazon
  31. 31. WARUM JETZT?
  32. 32. _BLANC AI WINTER Image: WALLACE G. LEVISON/THE LIFE PICTURE COLLECTION/GETTY IMAGES
  33. 33. Bessere Algorithmen Mehr DatenMehr Rechenleistung
  34. 34. WAS KANN KI AKTUELL UND WAS NICHT?
  35. 35. _BLANC Image: oneyard.com/
  36. 36. Image: Science Picture Co Collection Mix: Subjects Getty Images/
  37. 37. Image: wikipedia.org
  38. 38. _BLANC Image:AP Photo/Lee Jin-ma
  39. 39. Image: Beltz & Gelberg
  40. 40. !KI ist es mittlerweile gelungen, alles zu tun was “denken” benötigt, aber ist in den meisten Dingen, die wir “ohne zu denken” machen, gescheitert. Donald Knuth
  41. 41. _BLANC Image: Giphy
  42. 42. Unabhängig von dem großen Einfluss von KI in der Zukunft, sind die aktuellen Implementierungen immer noch sehr limitiert.
  43. 43. Arbeit mit KI bedarf sehr überlegter Auswahl des In- und Outputs und zugleich der Daten, welche es der KI ermöglichen, die Beziehung von diesen zu verstehen. Die kreative Wahl von Input und Output hat bereits viele Branchen revolutioniert und wird es noch mit vielen weiteren tun.
  44. 44. UX FÜR KI Image: BETTMANN/CORBIS
  45. 45. Wie wir optimales Miteinander gestalten
  46. 46. WAS BEDEUTET DAS GENAU?
  47. 47. KI Algorithmen sollen Jobs einfacher, leichter und produktiver machen. Dies inkludiert Darstellung,Analyse Trainingsmodelle, Dateneingabe, etc. Status quo: die meisten Tools für den Umgang mit KI wurden von KI-Software Ingenieuren_innen entwickelt.
  48. 48. Image: http://imgur.com/ // mistaspeedy
  49. 49. Die große und zugleich einfache UX Herausforderung: Systeme gestalten, mit denen gearbeitet werden kann, ohne das jemand mit einem Dr. in Machine Learning anwesend sein muss.
  50. 50. Rückblick: Erste kommerzielle Software Image: Rexhep-bunjaku/Wikimedia Commons
  51. 51. Sehr wahrscheinlich, dass Usability auch die Sieger und Verlierer im Rennen um kommerziellen Erfolg von KI Softwarefirmen bestimmt.
  52. 52. DISCLAIMER: Image: LESLIE JONES COLLECTION/BOSTON PUBLIC LIBRARY
  53. 53. _BLANC DISCLAIMER: Alle Design- und Usability-Paradigmen gelten natürlich auch für KI Anwendungen. Image: LESLIE JONES COLLECTION/BOSTON PUBLIC LIBRARY
  54. 54. USE CASES
  55. 55. Künstliche Intelligenz wird immer mehr in Unternehmen einziehen. Über KI selbst zu lernen, ist genauso wichtig wie zu lernen, wie KI zu mir passt. - KI - - ZERBRECHLICH - Image: focusmovers.com/
  56. 56. Smarte Algorithmen gut überlegten Use Cases vorzuziehen, ist der größte Fehler in KI Initiativen von vielen Firmen. Image: wikipedia.org
  57. 57. Die Suche nach besseren Ergebnissen wird sich vomTrainieren der Algorithmen zur Verbesserung der Use Cases verschieben. Image: No source
  58. 58. Aipoly Vision Image:AipolyVision
  59. 59. Image:AipolyVision
  60. 60. ?Oder ihr es nur macht, weil man es gerade eben macht. Stellt euch bitte die Frage, ob eine KI Anwendung in eurem Fall wirklich Mehrwert stiftet und sinnvoll ist.
  61. 61. FRAGE UND ANTWORT
  62. 62. Unsere Historie mit Computern Unsere Erwartungshaltung an die Interaktion mit Computern hat sich dem Zeitalter der Suche angepasst.
  63. 63. Image: Google
  64. 64. Frage Antwort
  65. 65. Frage Antwort
  66. 66. ge An Wir haben gelernt, dass die Suche für einige Arten von Fragen gut ist, aber schlecht für andere.
  67. 67. ge An Was aber, wenn das System dir eine Rückfrage stellt?
  68. 68. Image: Giphy
  69. 69. Frage Antwort In der Zukunft werden Fragen mit Gegenfragen beantwortet… …und der Weg zur gesuchten Antwort führt über eine Serie von Antworten, die ich geben muss. Rückfrage Antwort Rückfrage Antwort Rückfrage Antwort Rückfrage
  70. 70. Computer werden nicht mehr dumm Fragen beantworten, sondern schlaue Fragen stellen. Aber was sind Regeln und Etikette von Computern, die mit uns sprechen und Fragen stellen?
  71. 71. Was bereits über die Nutzung und Akzeptanz von Entscheidungsbäumen und Wizards gelernt wurde, hilft hier sicherlich. Besonders wie User bewerten, ob der Zeitaufwand in dieser Interaktion einen positiven Nutzen hat.
  72. 72. Usern den erfolgreichen und einfachen Umgang mit Algorithmen,Trainingsmodellen, Dateneingabe, Darstellung, etc. ermöglichen. Wenn User nur im Geringsten das Gefühl haben, Zeit zu verschwenden, werden sie abbrechen. Die ersten Interaktionsmomente sind hier entscheidend. Image: http://www.roadpickle.com/spam-museum-of-austin-mn/ - Steve Johnson
  73. 73. KOMPLEXITÄT
  74. 74. !Die Masse an Daten und die Komplexität der Darstellung sind viel zu groß, um sie dem Nutzer ungefiltert weiterzugeben.
  75. 75. Word2Vec word Quelle: Label by: Image:Tensorflow
  76. 76. Image:Tensorflow
  77. 77. Image:Tensorflow
  78. 78. Image: www.nytimes.com/2016/12/14/magazine/the-great-ai-awakening.html
  79. 79. WORLD KI Image: Google
  80. 80. In vielen Anwendungen ist KI schon fester Bestandteil, wir merken es nur nicht. Image: Google
  81. 81. Ähnlich wie gutes Design, sollte auch KI unaufdringlich sein, den User aber dennoch bestmöglich unterstützen. Image: Google
  82. 82. Die Masse an Daten und die Komplexität der Darstellung sind viel zu groß, um sie dem Nutzer ungefiltert weiterzugeben. Unsere Aufgabe ist es, Usern zu ermöglichen durch große Mengen an Daten zu navigieren und sie analysieren zu können.
  83. 83. STATUS, NOTIFICATIONS UND ONBOARDING
  84. 84. Wann ist es fertig? Was passiert gerade? Wie fange ich überhaupt an?
  85. 85. Image:Tensorflow
  86. 86. Image: Giphy
  87. 87. Herausforderung: Manche Berechnungen dauern ewig Image:A. R. MOORE/NATIONAL GEOGRAPHIC CREATIVE/CORBIS
  88. 88. Images: Slack;WhatsApp; Facebook
  89. 89. Image: Google
  90. 90. Image: Jeff Patton - User story mapping
  91. 91. Image: Jeff Patton - User story mapping P.S.: I miss you!
  92. 92. Schätzung der Berechnungsdauer Statusindikator, Prozessschritt Gutes Onboarding, kein Empty State, Beispielcase
  93. 93. BIAS
  94. 94. Ziemlich unpassende Sichtweise man : computer programmer woman : homemaker Leider nicht für eine KI
  95. 95. Image: MITTech Review
  96. 96. ? In 2013 hat eine Gruppe Google-Forscher eine neuronales Netzwerk auf einen Korpus von 3 Mio. Wörtern losgelassen. Das Ziel war es, Patterns zu finden, die zeigen wie Wörter zu einander stehen, um deren Beziehung abbilden zu können.
  97. 97. Wörter mit ähnlicher Bedeutung besetzen ähnliche Räume imVektor. Die Patterns können durch Vektoren in einemVektorraum mit 300 Dimensionen abgebildet werden. Beziehung der Wörtern kann durchVektor- Algebra abgebildet werden. “man : king :: woman : queen.” “sister : woman :: brother : man,”
  98. 98. Die entstandene Datenbank heißt Word2vec. Forscher benutzen sie für Übersetzungen oder intelligenten Websuche. Image: http://mylearning9.com/?p=4
  99. 99. Image: http://flatironschurch.com/fi-messages/so-far-so-good-far-good-hope/
  100. 100. Es gibt ein nur Problem mit dieser Datenbank: Sie ist sexistisch Image: http://flatironschurch.com/fi-messages/so-far-so-good-far-good-hope/
  101. 101. Beispiele: Paris : France ::Tokyo : x x = Japan father : doctor :: mother : x x = nurse man : computer programmer :: woman : x x = homemaker SAY WHAAAAAAT
  102. 102. Befragung, ob diese Analogien angemessen waren oder nicht. Mit “hard de-biasing.”-Prozess dieVerformung behoben. Vektorraum nach Wortpaaren, die ähnlichenVektoren wie “she: he.” produzieren, durchsucht. Verformung korrigieren, dabei die Grundstruktur erhalten. Image: Retronaut / Mashable
  103. 103. Computer programmer CV Das hat eine immense Wirkung - ein Beispiel aus Websuche: Computer programmer #3 #1 #2 #4
  104. 104. Die KI Community selbst hat ein hausgemachtes Problem, weil die Meisten immer noch weiß, jung und männlich sind. Image: R.H. Fowler
  105. 105. VERTRAUEN
  106. 106. Image: Flickr/Pilots Of Swiss
  107. 107. Image: http://www.wikiwand.com/it/Otto_Disc
  108. 108. Image: Google
  109. 109. Generell empfinden wir Mitmenschen als vernünftige und kompetente Fahrer(meistens). Wir verstehen dasVerhalten von Menschen auf einem intuitiven Level und fühlen uns als könnten wir vorhersagen, wie sie sich verhalten werden. Diese Empathie haben wir aktuell für KI noch nicht.
  110. 110. Siri trifft keine Entscheidungen die unser Leben beeinflussen. Es ist okay, wenn man den Ursprung nicht versteht. Image: Jim Merithew/Cult of Mac
  111. 111. BEEPBEEP Systeme, die wichtige Entscheidungen für uns treffen, benötigen mehr als ein paar Buttons und einen Statusindikator. Where the magic happens Ziemlich komplexer Input Ziemlich komplexer Output
  112. 112. Vertrauen Empathie MenschTechnologie Wenn der Zweck von KI ist, anspruchsvolle Entscheidungen für uns zu treffen, ist es sinnlos, wenn wir ihnen nicht vertrauen.
  113. 113. Image: Google
  114. 114. Image: Google
  115. 115. Image: UBER
  116. 116. Image: UBER
  117. 117. Was aber, wenn KI Entscheidungen wirklich besser treffen kann. Strassenschilder Röntgenbilder Tiere ?Gewebe Schriftzeichen
  118. 118. Image:Youtube: Markus Mathias
  119. 119. Amazon Rekognition
  120. 120. REASONING
  121. 121. Image: IBM Watson
  122. 122. Image: IBM Watson
  123. 123. Image: wikipedia.org
  124. 124. Image: wikipedia.org / Walber
  125. 125. Unabhängig welche Form der Begründung ihr verwendet, stellt sicher, dass sie die User auch verstehen. Image: wikipedia.org / Walber
  126. 126. Detailgrad der Begründung HochNiedrig Ich (Village Idiot)
  127. 127. ZUSAMMENFASSUNG UND AUSBLICK Image: IMAGE: STANLEY LEWIS/BIPS/GETTY IMAGES
  128. 128. Entwickelt Use Cases für dieVerwendung von KI Rückfragen werden die neuen Antworten sein Vertrauen ist ein hartes Stück Arbeit Passt eure Begründung auf den User an Wälzt die Komplexität nicht auf den User ab Bedienung auch ohne Dr. in Machine Learning Lasst keine Subjektivität entstehen (Sexismus stinkt)
  129. 129. WO KANN KI SCHADEN?
  130. 130. KI hat das Potenzial, sowohl das Beste als auch das Schlimmste der Menschheit zu reflektieren KI unterstützt Einsame mit Unterhaltung und Aufmerksamkeit KI äußert aber auch rassistische Diskriminierungen.
  131. 131. Den grössten Schaden, den KI wahrscheinlich anrichten wird, ist Stellenabbau. Denn der Teil der Arbeit, den wir automatisieren können, ist grösser als jemals zuvor. Wir sind dran, eine Welt zu formen, in der jeder die Chance hat sich weiterzuentwickeln bzw. zu wachsen.
  132. 132. ? Was passiert mit uns? Wer in seinem Beruf weiterhin relevant bleiben möchte, sollte sich auf Fähigkeiten fokussieren, die KI nur schwer ersetzen kann. Verständnis, Motivation und Interaktion mit Menschen. Megan Beck & Barry Libert
  133. 133. _BLANC Image: Guinness book of records
  134. 134. WO KANN KI SCHADEN? (Teil2)
  135. 135. _BLANC Image: wikipedia.org
  136. 136. _BLANC WHERE AI CAN HARM Image: OpenAI
  137. 137. _BLANC WHERE AI CAN HARM “Keine individuellen Gruppierungen können Kontrolle über ein fortgeschrittenes KI-System haben” “Eine KI wird selbstständig nicht etwas Schlechtes entwickeln. Es sind Menschen, die sie für etwas Schlechtes nutzen.” Elon Musk Image: OpenAI
  138. 138. WANN IST ES ÜBERHAUPT SO WEIT?
  139. 139. _BLANC
  140. 140. Wann werden wir HLMI erreichen? 10 % 50 % 90 % TOP 100 2024 2050 2070 COMBINED 2022 2040 2075 Optimistic guess Realistic guess Safe guess
  141. 141. Wann werden wir HLMI erreichen? 10 % 50 % 90 % TOP 100 2024 2050 2070 COMBINED 2022 2040 2075 Optimistic guess Realistic guess Safe guess Superintelligenz: weitere 20-30 Jahre
  142. 142. BETTER BE PREPARED :)
  143. 143. ZURÜCK ZUM ANFANG
  144. 144. _BLANC Image: Giphy
  145. 145. Wie wir ein optimales Miteinander gestalten
  146. 146. DANKE!! Image: Retronaut
  147. 147. HABT IHR FRAGEN? @JANKORSANKE
  148. 148. ICONS: Adrien Coquet Anbileru Adaleru Aneeque Ahmed Arjuazka Artem Kovyazin Baboon designs Creative Stall Eucalyp Fatahillah Hea Poh Lin Hopkins Jake Dunham Kirill Kolchenko Knut M. Synstad Lorie Shaull Oksana Latysheva Pictohaven ProSymbols Ralf Schmitzer Shmidt Sergey Souvik Maity Vinaya Kumar P.V Zidney

×