નફો:
- કૃત્રિમ બુદ્ધિ સાથે ઝડપી પ્રોટોટાઇપ હાડપિંજર, નમૂના સામગ્રી અને સૂક્ષ્મ ક્રિયાપ્રતિક્રિયા વિચારો ઉત્પન્ન કરવાની ક્ષમતા
- પ્રોટોટાઇપ માટે વાસ્તવિક પ્લેસહોલ્ડર ટેક્સ્ટ અને ડેટા ઉત્પન્ન કરવાની અને વાસ્તવિક ઉપયોગમાં ડિઝાઇનનું પરીક્ષણ કરવાની ક્ષમતા
- AI આઉટપુટને ડિઝાઇન ટૂલ (ફિગ્મા વગેરે) પર ખસેડતી વખતે સુસંગતતા અને ઘટક તર્ક જાળવવાની ક્ષમતા
પ્રોટોટાઇપ એ ડિઝાઇનનું ક્લિક કરી શકાય તેવું, નેવિગેબલ અનુકરણ છે; તે એક સિમ્યુલેશન છે જેનો વપરાશકર્તા વાસ્તવિક ઉત્પાદનની જેમ અનુભવ કરી શકે છે. બીજી તરફ ઉચ્ચ-વફાદારી ડિઝાઇન એ ડિઝાઇન છે જે રંગ, ટાઇપોગ્રાફી, વાસ્તવિક સામગ્રી અને સૂક્ષ્મ ક્રિયાપ્રતિક્રિયાઓ સાથે અંતિમ ઉત્પાદનની નજીક બની છે. આ તબક્કે ધ્યેય એ વિચારને પરીક્ષણયોગ્ય બનાવવાનો છે "જેમ કે તે વાસ્તવિક છે." AI અહીં ત્રણ રીતે મજબૂત છે: હાડપિંજર અને ભિન્નતા ઝડપથી ઉત્પન્ન કરવી, વાસ્તવિક પ્લેસહોલ્ડર સામગ્રી અને ડેટા પ્રદાન કરવી અને સૂક્ષ્મ ક્રિયાપ્રતિક્રિયાના વિચારો સૂચવવા. પરંતુ આઉટપુટને ડિઝાઇન ટૂલમાં ખસેડતી વખતે સુસંગતતા અને ઘટક તર્ક જાળવવો-એટલે કે, સિસ્ટમને અવ્યવસ્થિત કર્યા વિના સિસ્ટમમાં ફિટ કરવી-એક માનવીય કાર્ય છે.
પ્રોટોટાઇપનો હેતુ: યોગ્ય પ્રશ્નને સસ્તામાં ચકાસવા માટે
પ્રોટોટાઇપિંગનો એક હેતુ છે: કોડ લખ્યા વિના, સસ્તામાં ધારણાનું પરીક્ષણ કરવું. "શું વપરાશકર્તા આ પ્રવાહને સમજે છે?", "શું આ લેઆઉટ તેના કાર્યને ઝડપી બનાવે છે?" તેથી જ પ્રોટોટાઇપ વાસ્તવિક ઉત્પાદન જેટલું સંપૂર્ણ હોવું જરૂરી નથી; પરીક્ષણ કરવા માટેના પ્રશ્નને ખાતરીપૂર્વક દર્શાવવા માટે તે માત્ર એટલું વાસ્તવિક હોવું જોઈએ.
કૃત્રિમ બુદ્ધિ આ વિશ્વસનીયતાને વેગ આપે છે. પરંતુ એક ભય છે: ઉચ્ચ રીઝોલ્યુશન "થઈ ગયું" લાગે છે. જ્યારે હિસ્સેદારો પોલિશ્ડ પ્રોટોટાઇપ જુએ છે, ત્યારે તેઓ તેને અંતિમ નિર્ણય માટે ભૂલ કરી શકે છે; જો કે, તે હજુ પણ એક પૂર્વધારણા છે. હંમેશા સ્પષ્ટપણે કહો કે પ્રોટોટાઇપ શું પરીક્ષણ કરી રહ્યું છે અને શું હજી ખુલ્લું છે.
સાવધાન: પોલિશ્ડ પ્રોટોટાઇપ પરિપક્વતાને અતિશયોક્તિ કરે છે. જો તમે તેને "આ એક પરીક્ષણ સાધન છે, અંતિમ ડિઝાઇન નથી; અમે આ પ્રશ્નનું પરીક્ષણ કરી રહ્યા છીએ" તરીકે તેને હિતધારકને બતાવતી વખતે ફ્રેમ નહીં કરો, તો ખોટી અપેક્ષા બનાવવામાં આવશે.
વાસ્તવિક સામગ્રી: પ્રોટોટાઇપને જૂઠાણાથી બચાવે છે
પ્રોટોટાઇપનું સૌથી મોટું જૂઠ "લોરેમ ઇપ્સમ" અને "ફર્સ્ટ નેમ લાસ્ટ નેમ" જેવા સંપૂર્ણ પ્લેસહોલ્ડર્સ છે. વાસ્તવિક દુનિયામાં, નામો લાંબા હોય છે, યાદીઓ ક્યારેક ખાલી હોય છે, સંખ્યાઓ ક્યારેક નકારાત્મક હોય છે, તારીખો ક્યારેક જૂની હોય છે. જ્યારે પ્રોટોટાઇપ આદર્શ સામગ્રીથી ભરેલો હોય છે, ત્યારે તે વાસ્તવિક સમસ્યાઓ છુપાવે છે.
આ તે છે જ્યાં AI મૂલ્યવાન છે: તે વાસ્તવિક પ્લેસહોલ્ડર સામગ્રી અને વિવિધ લંબાઈ, વિવિધ રાજ્યોનો ડેટા ઉત્પન્ન કરે છે. તમે "મને 20 વાસ્તવિક ઉત્પાદન નામ આપો, તેમાંથી કેટલાક ખૂબ લાંબા", "5 અલગ અલગ ખાલી કેસ દૃશ્યો લખો", "નેગેટિવ બેલેન્સ સહિત સેમ્પલ એકાઉન્ટ ડેટા તૈયાર કરો" જેવી વિનંતીઓ સાથે તમે પ્રોટોટાઇપને વાસ્તવિક ઉપયોગની નજીક લાવી શકો છો. આમ, કસોટી વાસ્તવિકતાની કસોટી કરે છે, આદર્શની નહીં.
સામગ્રી પ્રકાર
નકલી (ભ્રામક)
વાસ્તવિક (કૃત્રિમ બુદ્ધિ સાથે)
નામ
"નામ અટક"
ટૂંકા, લાંબા, એકલ નામો, વિશિષ્ટ અક્ષરો સાથેના ઉદાહરણો
યાદી
હંમેશા ભરેલું
ખાલી, 1-આઇટમ, 100-તત્વની વિવિધતા
નંબર
હંમેશા હકારાત્મક
શૂન્ય, નકારાત્મક, ખૂબ મોટા મૂલ્યો
ટેક્સ્ટ
આદર્શ લંબાઈ
વહેતું શીર્ષક, ખૂબ જ ટૂંકું વર્ણન
તારીખ
આજે
ભૂતકાળ, ભવિષ્ય, "હમણાં જ", "3 વર્ષ પહેલા"
સૂક્ષ્મ ક્રિયાપ્રતિક્રિયાઓ: નાની પરંતુ નિર્ણાયક
સૂક્ષ્મ ક્રિયાપ્રતિક્રિયાઓ નાની છે, ક્રિયાપ્રતિક્રિયાની એકવચન ક્ષણો, જેમ કે જ્યારે તમે બટન દબાવો ત્યારે પ્રતિસાદ, ફીલ્ડ જ્યારે ભરાઈ જાય ત્યારે લીલું થઈ જાય છે, એનિમેશન લોડ થાય છે, વગેરે. આ વપરાશકર્તાની લાગણી બનાવે છે કે "સિસ્ટમએ મને સાંભળ્યું". AI એ સૂક્ષ્મ ક્રિયાપ્રતિક્રિયા વિચારો (ક્યારે, શું પ્રતિસાદ, શું સ્થિતિ બદલાય છે) જનરેટ કરવા માટે એક સારો મંથન ભાગીદાર છે. પરંતુ દરેક સૂક્ષ્મ ક્રિયાપ્રતિક્રિયાને પ્રભાવ, સુલભતા અને વિક્ષેપના સંદર્ભમાં તોલવી જોઈએ; ફેન્સી પરંતુ બિનજરૂરી એનિમેશન અનુભવને ધીમું કરે છે.
ત્રણ નાના કેસો
કેસ 1 — ઓર્ડર વાસ્તવિક ડેટા સાથે તૂટી રહ્યો છે. એક ટીમે પ્રોટોટાઇપને AI દ્વારા જનરેટ કરેલા 30 વાસ્તવિક (કેટલાક ખૂબ લાંબા) ઉત્પાદન નામોથી ભરી દીધું. બે કાર્ડ લેઆઉટ ઓવરફ્લો; પરીક્ષણ પહેલાં સમસ્યા પકડવામાં આવી હતી અને તેને ઠીક કરવામાં આવી હતી. પાઠ: વાસ્તવિક સામગ્રી છુપાયેલી ભૂલોને વહેલી તકે ઉજાગર કરે છે.
કેસ 2 - પોલિશ્ડ પ્રોટોટાઇપે ખોટી અપેક્ષાઓ ઊભી કરી. એક ડિઝાઇનરે "ફક્ત ફ્લો ટેસ્ટિંગ" માટે ઉચ્ચ-રિઝોલ્યુશન પ્રોટોટાઇપ તૈયાર કર્યો પરંતુ તેને ફ્રેમ બનાવ્યા વિના હિતધારકોને બતાવ્યો. હિસ્સેદારે કહ્યું "મહાન, ચાલો તેને પ્રકાશિત કરીએ"; જ્યારે સુલભતા અને સામગ્રી હજી અસ્તિત્વમાં નથી. પાઠ: સ્પષ્ટપણે જણાવો કે પ્રોટોટાઇપ શું પરીક્ષણ કરી રહ્યું છે.
કેસ 3 - ઘટકોની સુસંગતતા તૂટી ગઈ છે. AI ના સ્ક્રીન સ્કેચમાં ડિઝાઇન સિસ્ટમમાં બટન કરતાં અલગ બટન શૈલી શામેલ છે. આને ફિગ્મા પર પોર્ટ કરતી વખતે, ડિઝાઇનર તેને સિસ્ટમ ઘટક સાથે લિંક કરવાનું ભૂલી ગયા; ઉત્પાદન પર બે અલગ અલગ બટનો છે. પાઠ: આઉટપુટને ટૂલમાં ખસેડતી વખતે, તેને હાલના ઘટકો સાથે કનેક્ટ કરવું આવશ્યક છે.
નકલ કરી શકાય તેવા સંકેતો
આ સ્ક્રીન માટે વાસ્તવિક પ્લેસહોલ્ડર સામગ્રી જનરેટ કરો:- 20 <<તત્વ પ્રકાર>> નામો: કેટલાક ખૂબ ટૂંકા, કેટલાક ખૂબ લાંબા, એક વિશિષ્ટ પાત્ર સાથે.- 4 ખાલી કેસ દૃશ્યો.- 3 આત્યંતિક ડેટા ઉદાહરણો (શૂન્ય, નકારાત્મક, મોટા કદના). હેતુ: પ્રોટોટાઇપને વાસ્તવિક, આદર્શ નહીં, ઉપયોગ સાથે ચકાસવા માટે. સંદર્ભ: /<procreen>
આ પ્રવાહ માટે પ્રોટોટાઇપ હાડપિંજર પ્રસ્તાવિત કરો (સ્ક્રીન સૂચિ + દરેક સ્ક્રીનમાં મુખ્ય ઘટકો): કાર્ય: "<<task>>". હું જે પ્રશ્ન ચકાસવા માંગુ છું તે છે: "<<હાયપોથિસિસ>>". આ પ્રશ્નને ચકાસવા માટે પૂરતી સ્ક્રીનો સૂચવો; વધુ ઉમેરશો નહીં.
આ ક્રિયાપ્રતિક્રિયા માટે 4 માઇક્રો-ઇન્ટરએક્શન વિચારો સૂચવો (બટન દબાવો, ફીલ્ડ વેરિફિકેશન, લોડિંગ, સફળતા). દરેક માટે: ટ્રિગર, પ્રતિસાદ, સમયગાળો સૂચન અને ઍક્સેસિબિલિટી નોંધ (મોશન સેન્સિટિવિટી, સ્ક્રીન રીડર જાહેરાત).સંદર્ભ: <<સંવાદ>>
મારી ડિઝાઇન સિસ્ટમ સાથે સુસંગતતા માટે આ સ્ક્રીન સ્કેચ તપાસો: બટન, ટાઇપોગ્રાફી, અંતર અને રંગ મારા હાલના ઘટક નિયમોનું પાલન કરો ("<<સારાંશ>>"). દરેક વસ્તુ કે જે અસંગત છે અને તે કયા સિસ્ટમ ઘટક સાથે જોડાયેલ હોવી જોઈએ તેની યાદી બનાવો. ડ્રાફ્ટ: <<text>>
નબળા પ્રોમ્પ્ટ / મજબૂત પ્રોમ્પ્ટ
નબળા: "આ પ્રોટોટાઇપ માટે નમૂના સામગ્રી આપો."
પરિણામ: આદર્શ લંબાઈ, સમાન, બનાવટી સામગ્રી જે વાસ્તવિક સમસ્યાઓ છુપાવે છે.
સશક્ત: "20 ઉત્પાદન નામો જનરેટ કરો; કેટલાક ખૂબ લાંબા, એક વિશિષ્ટ પાત્ર સાથે; 4 ખાલી કેસ અને 3 ધાર ડેટા ઉદાહરણો ઉમેરો; વાસ્તવિક ઉપયોગ સાથે પ્રોટોટાઇપનું પરીક્ષણ કરવાનું લક્ષ્ય રાખો."
પરિણામ: સામગ્રી કે જે ખરેખર લેઆઉટને આગળ ધપાવે છે, ભૂલોને વહેલી ખોલે છે.
તફાવત: મજબૂત પ્રોમ્પ્ટ માટે વિવિધતા + ધાર કેસ + હેતુની જરૂર છે.
સામાન્ય ભૂલો
- આદર્શ સામગ્રી સાથે પરીક્ષણ. મહાન પ્લેસહોલ્ડર્સ વાસ્તવિક સમસ્યાઓ છુપાવે છે.
- પોલિશ્ડ પ્રોટોટાઇપને અંતિમ નિર્ણય તરીકે ભૂલવું. જો ફ્રેમિંગ કરવામાં ન આવે તો, ખોટી અપેક્ષાઓ થાય છે.
- બિનજરૂરી સ્ક્રીન ઉમેરી રહ્યા છીએ. પૂર્વધારણાને ચકાસવા માટે પ્રોટોટાઇપ પૂરતો હોવો જોઈએ; ખૂબ સમયનો બગાડ છે.
- બ્રેકિંગ ઘટક તર્ક. વાહનમાં પરિવહન કરતી વખતે સિસ્ટમના ઘટકોને કનેક્ટ કરવાનું ભૂલી જવાથી અસંગતતા પેદા થશે.
- ફેન્સી પરંતુ બિનજરૂરી સૂક્ષ્મ ક્રિયાપ્રતિક્રિયા. પ્રદર્શન અને સુલભતાને ધ્યાનમાં લીધા વિના એનિમેશન ઉમેરવું.
સારાંશમાં
પ્રોટોટાઇપિંગ એ કોડ લખ્યા વિના સસ્તામાં પૂર્વધારણાને ચકાસવાનો એક માર્ગ છે; ઉચ્ચ રીઝોલ્યુશન તેને વિશ્વાસપાત્ર બનાવે છે, પરંતુ તે "સમાપ્ત" નો ભ્રમ પણ બનાવે છે. AI આ તબક્કાને ઝડપી હાડપિંજર, વાસ્તવિક પ્લેસહોલ્ડર સામગ્રી અને સૂક્ષ્મ ક્રિયાપ્રતિક્રિયા વિચારો સાથે શક્તિ આપે છે. તેનું સૌથી મૂલ્યવાન યોગદાન એ વૈવિધ્યસભર અને આત્યંતિક ડેટા છે જે તમને વાસ્તવિક, આદર્શ નહીં, સંદર્ભ સાથે પ્રોટોટાઇપનું પરીક્ષણ કરવાની મંજૂરી આપે છે. આઉટપુટને ડિઝાઇન ટૂલમાં ખસેડતી વખતે પ્રોટોટાઇપ શું પરીક્ષણ કરી રહ્યું છે, ઘટક અને શૈલીની સુસંગતતા જાળવવી તે સ્પષ્ટપણે ફ્રેમ કરવાની માનવ જવાબદારી છે.
એપ્લિકેશન કાર્ય
- એક ધારણા વાક્ય લખો કે જે તમે પ્રવાહ માટે ચકાસવા માંગો છો.
- બીજા પ્રોમ્પ્ટ સાથે, આ પૂર્વધારણાને ચકાસવા માટે પૂરતું પ્રોટોટાઇપ હાડપિંજર બનાવો.
- પ્રથમ પ્રોમ્પ્ટ સાથે, વાસ્તવિક, એજ-કેસ પ્લેસહોલ્ડર સામગ્રી બનાવો અને પ્રોટોટાઇપ ભરો.
- ત્રીજા પ્રોમ્પ્ટ સાથે, 2-3 સૂક્ષ્મ ક્રિયાપ્રતિક્રિયા વિચારો બનાવો અને સુલભતા નોંધોનું મૂલ્યાંકન કરો.
- ચોથા પ્રોમ્પ્ટ સાથે, ડિઝાઇન સિસ્ટમ સુસંગતતા માટે ડ્રાફ્ટ તપાસો અને તેને સુધારો.
ચેકલિસ્ટ
- [ ] પ્રોટોટાઇપ પરીક્ષણ કરે છે તે પૂર્વધારણા મેં સ્પષ્ટપણે લખી છે.
- [] મેં વાસ્તવિક અને ધાર કેસ સામગ્રી સાથે પરીક્ષણ કર્યું.
- [ ] મેં પ્રોટોટાઇપને સ્ટેકહોલ્ડર માટે "પરીક્ષણ સાધન" તરીકે બનાવ્યું છે.
- [ ] મેં પૂર્વધારણાને ચકાસવા માટે સ્ક્રીનોની સંખ્યા પૂરતી રાખી છે.
- [ ] મેં સુલભતા અને કાર્યક્ષમતા સામે સૂક્ષ્મ ક્રિયાપ્રતિક્રિયાઓનું વજન કર્યું.
- [ ] મેં આઉટપુટને સિસ્ટમના ઘટકો સાથે બાંધીને સુસંગતતા જાળવી રાખી છે.