没入型環境向けロボットの開発における3つの課題

没入型環境向けロボットの開発における3つの課題

[51CTO.com 速訳] 最近、FacebookはMessengerプラットフォーム上のチャットボットに問題があり、実際の失敗率は70%に上ったと述べました。 VR/AR分野では、Magic Leapも同様の問題に直面しており、その製品レベルは期待を大きく下回っているとの報道もある。批判を抑えるために、Facebook はアクション メニューの重要性を強調し、テキストを使用しないチャットボットのやり取りの推進をやめようとしている。

これらすべては、AI ベースの VR/AR および認知技術が依然として計算能力と機能管理の面で課題に直面していることを証明しています。しかし、業界はこうした開発の取り組みに対して依然として楽観的であり、技術的な障壁は今後数年で克服されるだろうと考えています。このような背景を念頭に置き、本日の記事では、IXDA Interaction 17 カンファレンスで提案されたインテリジェントで没入感のあるインターフェース デザインの 3 つの主要テーマについて検討します。

[[187784]]

1. 集中と自由の適切なバランスを見つける

2016年から2017年にかけてのAIに関する最大の誤解は、人々がアイアンマンの賢い執事であるジャービスとシームレスにコミュニケーションできるようになるというものでした。確かに、検索メカニズムに基づいて特定の分野向けの創造的な AI アプリケーションを構築し、それを徐々に他の方向に拡張することは可能ですが、オープンな環境では、自己思考能力と出力生成能力を備えた汎用 AI はまだ実現できません。

したがって、問題を特定し、それを効果的に伝えることが重要になります。ユーザーがエクスペリエンスの目的を理解し、組織とユーザーの期待に応えられるようにするには、まず開発チームに明確な成功と失敗の評価基準を設定するように要求する必要があります。

生産性ロボット Meekan は、VentureBeat がランク付けした 2016 年のベスト ロボットの好例です。その使命は、人々がカレンダー上で適切な時間を簡単に見つけ、会議を計画できるように支援することです。すべてのユーザーがカレンダーへのアクセスを共有し、Slack 環境内でユースケースを構築してイベントを整理します。

このようなフレームワークの仕組みは、VR/ARの分野でも非常に重要です。クリエイターは、従来のコンテンツに基づいてテーマ、構成、タイミングを選択することで、視聴者の注意を誘導することができます。 VR/AR は視聴者に 360 度、全方位、自由な閲覧環境を提供できるため、視聴者が感じる奥行き感や時間効果も変化します。

没入型コンテンツの先駆者であるゲイリー・ハストウィット氏は、ケイティ・ニュートン氏が VR 環境におけるユーザー調査を通じて、没入型環境の自由度が高くなるほど、物語の重要な要素への注目度が低くなることを証明したと指摘しました。つまり、開発者は、さまざまな物語技法を使用して視聴者の注意を効果的に誘導しながら、明確な視覚的および聴覚的な手がかりを提供する必要があります。

2. 信頼を得るには、エージェントの数ではなく質が鍵となる

Facebook チャットボットの失敗統計によると、人々は低レベルの AI ソリューションに対して悪い印象を抱くことが多く、このようなテストの「操り人形」メカニズムは実質的な助けにはならないと考えています。この問題に対処するには、企業はユーザーの機能性と期待される目標に細心の注意を払ったインテリジェントで没入感のあるエクスペリエンスを設計する必要があります。

この種の欠陥のあるプロキシ ボット ソリューションの実際の問題の実例として、Nest とその Auto-Away 機能は Reddit で厳しく批判されました。サービスは一般的には機能していますが、日常的な機能にバグがあると、すぐにフラストレーションがたまり、ユーザーが離れてしまう可能性があります。

実際、一部の専門家は、現在の機械学習には「設計バイアス」があり、つまり、関連するソリューションはユーザーエクスペリエンスの向上に責任を負うだけでなく、何を行っているのか、どのように行っているのか、なぜそのような決定を下すのかを明確に表現する必要があると考えています。これにより、ロボット設計において次のような応用倫理的問題が生じます。

  • 人間はデザインの基礎となるべきでしょうか、それともデザインの手段となるべきでしょうか?
  • 私がこれからしようとしている選択を皆がやったらどうなるでしょうか?
  • ユーザー満足度を最大化できていますか?
  • もし私たちが選んだ解決策が明日メディアの注目の的になったら、私は喜ぶべきでしょうか?

Penda Laurel 氏は、正しいデザインを実現するための鍵は、ユーザーの選択の頻度、範囲、重要性を考慮することだと指摘しています。没入型体験はインタラクティブなストーリーに似ているため、ドラマチックなピークやクライマックスを設定することが非常に重要です。選択肢が多すぎたり少なすぎたり、頻度が高すぎると、不要なエラーが発生したり、ユーザーに負担をかけたりする可能性があるため、最適なペースで、適切な選択肢項目を使用してコンテンツを配信することが重要です。

3. 便利すぎる問題を解決するために、デザインに不便さを加える

今日、私たちが住む世界はますます便利になり、あるいは便利すぎるほどになっています。人々はボタンをクリックせずにテイクアウトを注文でき、Amazon は 15 分で配達を準備でき、銀行はほとんどの取引をデバイスで実行する予定です。意思決定がスピードアップするにつれて、ユーザーに結果を慎重に検討する余地を与えることがますます重要になります。

使用プロセスがスムーズすぎるとどのような問題が生じますか? Airbnbのスティーブ・セイザー氏によると、これは人々の寛容さを損ない、自尊心を低下させる可能性があるという。そのため、賢いデザイナーは、ユーザーが自分の行動とその結果について考え、認識するように促すために、意図的に意味のある不便さを導入します。

実際のところ、これは単なる人間の性質の問題ではありません。過度に便利なユーザー エクスペリエンスは、経済学で外部性損害と呼ばれる問題、具体的には、過剰消費、顧客離れ、社会形態の劣化、利己主義の増大などの問題を引き起こします。開発の特定の段階に達したとしても、悪意のある AI ソリューションは、直接的な危害を加えることによって人間を攻撃する必要すらありません。あらゆる種類のジャンクフードを常に購入者に推奨し、最終的に人間が自分で選択する能力を失わせ、深刻な健康問題を引き起こす可能性があります。

したがって、便利なユーザー エクスペリエンスに加えて、没入型環境での反射メカニズムがより重要になります。仮想現実体験は脳をだましてその状況を現実のものと思わせる傾向があるため、よりポジティブな影響を達成するために利用できれば、自己改善や人生への情熱など、刺激的な結果をもたらすのに十分でしょう。

したがって、いくつかの便利な機能を犠牲にして、代わりに没入型環境での反射プロセスを導入する必要があります。今日のチャットボットであろうと、将来の本当に強力な AI ソリューションであろうと、これは真剣に受け止めるべきであり、非常に肯定的な実用的な意義をもたらす可能性があります。

元のタイトル:没入型環境向けボットの開発における 3 つの課題

原作者: SAMI VIITAMAKI. HAVAS

[51CTOによる翻訳。パートナーサイトに転載する場合は、元の翻訳者と出典を51CTO.comとして明記してください]

<<:  機械学習がソーシャルメディアのプロフィールから明らかにする5つの秘密

>>:  人工知能ニューラルネットワークとLisp言語

ブログ    
ブログ    
ブログ    

推薦する

...

Googleの人工知能学習により低ピクセル画像も鮮明に

【環球網智能報記者張洋】過去2年間で、人工知能技術が次のホットスポットとなり、多くの有名なテクノロジ...

...

...

...

選択が難しいですか?最適な機械学習アルゴリズムの選び方を1つの記事で解説

機械学習アルゴリズムを適用して、関心のある問題を解決したいと考えている初心者/中級のデータ サイエン...

分散ストレージシステムにおけるDHTアルゴリズムの改善

1. 概要通常、分散ストレージ システムや分散キャッシュ システムでは、分散ハッシュ (DHT) ア...

...

AIチップ業界は発展の初期段階にあり、将来的には大きな市場の可能性を秘めている

世界のPC業界が年々衰退し、スマートフォン市場が飽和状態に陥る中、ビッグデータ、クラウドコンピューテ...

...

復活したジャンルのトップ10を数えると、必ず気に入るジャンルが見つかる

統計モデルやその他のアルゴリズムに加えて、回帰は機械学習を正常に動作させるための重要な要素です。回帰...

100 日で機械学習: モデルのトレーニングが完了したら、次は何をする?

機械学習をマスターするための 100 日 | 1 日目から 62 日目までのコレクションみなさんこん...

サプライチェーン管理においてAIがすでに優れた成果を上げている分野

サプライ チェーンは、製品の設計から調達、製造、流通、配送、顧客サービスまで、さまざまなアクションを...

化粧品は顔認識技術を騙せるのか?

[[424943]]この記事はLeiphone.comから転載したものです。転載する場合は、Lei...

Nature: DeepMind の大規模モデルが 60 年前の数学的問題を突破、その解決法は人間の認識力を超える

Google DeepMind の最新の成果が再び Nature に掲載され、大規模なモデルを使用し...