רווחים:
- יכולת לגלות החלטות שפה, יחס ואיזון חזותי עם תמיכה בבינה מלאכותית ולהשוות חלופות
- יכולת לשלב עקרונות אנתרופומטריה וארגונומיה בעבודה על ידי כך שהבינה המלאכותית תפיק טיוטה/רשימת בדיקה
- יכולת לאמת המלצות ארגונומיות וממדיות של בינה מלאכותית עם נתונים אנתרופומטריים אמיתיים, מוקאפים ובדיקות משתמשים
זה לא מקרי שמוצר מרגיש "מעוצב היטב". הפרופורציות של הצורה, קצב הקווים, איזון ההמונים ואיך המוצר משתלב ביד או בעין הם סכום של אלפי החלטות קטנות של המעצב. ביחידה זו אנו מכסים שני נושאים השזורים זה בזה: אסתטיקה/שפה צורנית (איך המוצר נראה ומרגיש) וארגונומיה (איך המוצר מתייחס לגוף האדם). בינה מלאכותית פועלת בתפקידים שונים מאוד בשני התחומים הללו. בינה מלאכותית באסתטיקה היא כלי רב עוצמה לגילוי והשוואה; בארגונומיה, זה רק מחולל של שרטוטים ורשימות ביקורת, מכיוון שהחלטות ארגונומיות אמיתיות מתקבלות עם נתונים אנושיים ובדיקות פיזיות. בלבול בין השניים הוא האזהרה החשובה ביותר של יחידה זו.
שפת צורה ופרופורציה: חקר אסתטי עם AI
שפת צורה היא החלטות צורה עקביות שיוצרות את האישיות החזותית של מוצר: האם פינות חדות או רכות, האם משטחים שטוחים או מעוקלים, האם קווים אופקיים או אנכיים. פרופורציה היא יחס הגודל של חלקים ביחס זה לזה; יחס טוב גורם למוצר להיראות "מבוסס", יחס רע גורם לו להיראות "מאולתר". מעצבים משתמשים בעקרונות כמו יחס הזהב, כלל השלישים ואיזון משקל חזותי כדי להעריך את היחס.
AI עוזר כאן בשתי דרכים. ראשית, הוא מאפשר לייצר ולהשוות במהירות יחסים שונים של אותו מוצר זה לצד זה (למשל "אותה מנורה, יחס גוף לזרוע 1:2, 1:3 ו-1:4"). שנית, זה עוזר לך להרחיב שפת טופס באופן עקבי על פני חלקים רבים. אבל היזהרו: ל-AI אין "שיפוט אסתטי"; זה פשוט משקף דפוסים פופולריים בנתונים שלפיהם הוא הוכשר. אתה מחליט איזה יחס מתאים למוצר הזה, למותג הזה ולמשתמש הזה.
טיפ: בעת קבלת החלטת שיעור, אל תבקש מה-AI "לבחור את הטוב ביותר"; בקשו "לייצר את אותו טופס עם 4 יחסים שונים" ובצעו את הבחירה בעצמכם. AI מייצר חומר השוואה, אתה עושה את השיפוט.
ארגונומיה: כאן AI הוא רק כלי עזר
ארגונומיה היא מדע התאמת המוצר לגוף האדם, לתפיסה ולתנועה. קוטר ידית, מיקום כפתור, זווית מסך, גובה מושב; אלה אינם אקראיים, הם מבוססים על נתוני אנתרופומטריה (מדע מדידות גוף האדם). מושג קריטי הוא אחוזון: הוא מראה איזה אחוז מאוכלוסיה נמצא מעל/מתחת למדד מסוים. ארגונומיה טובה מתוכננת בדרך כלל לכסות את טווח המשתמשים החמישי (קטן) עד אחוזון 95 (גדול); עיצוב עבור משתמש "ממוצע" יחיד משאיר את רוב המשתמשים בחוץ.
כאן מתחיל הקצה של AI. שאל את ה-AI "מהו רוחב היד הממוצע במ"מ? כשאתה שואל, זה נותן לך מספר בודד; מספר זה עשוי להיות הזוי, לא ברור לאיזו אוכלוסייה הוא שייך, והוא מתעלם מהתפלגות האחוזונים. ערכים ארגונומיים נלקחים מטבלאות נתונים אנתרופומטריים אמינים, לא מ-AI, ומאומתים בבדיקות משתמשים עם מודל פיזי. אתה יכול להשתמש בבינה מלאכותית בארגונומיה כדי: להכין רשימה של גורמים ארגונומיים שאתה צריך לקחת בחשבון עבור מוצר, לתאר תרחיש שימוש צעד אחר צעד ולסמן נקודות סיכון, או לקבל עזרה בפירוש מערך נתונים אנתרופומטרי. אבל המקור של המספר לעולם לא יכול להיות AI.
הטבלה הבאה מסכמת כיצד תפקידה של AI באסתטיקה וארגונומיה שונה:
נושא
תפקידה של AI
מקור אימות
גילוי שפה
רב עוצמה: מייצר גיוון והשוואה
שיפוט מעצב, מדריך מותג
משפט שיעור
רב עוצמה: אלטרנטיבה זו לצד זו
שיקול דעת מעצב, הערכה ויזואלית
גודל ארגונומי (קוטר, גובה)
חלש: רק טיוטה/תזכורת
נתונים אנתרופומטריים + מודל + בדיקה
השתמש בניתוח מקרה
בינוני: טיוטת רשימת סיכונים
תצפית משתמש אמיתית
דרישות נגישות
בינוני: מתווה רשימת בדיקה
תקנים + מומחה + בדיקות
שלושה מיני תיקים
מקרה 1 - החלטה מהירה עם השוואת סיכויים. מעצב אינו בטוח ביחס גובה/רוחב גוף עבור רמקול בלוטות'. הוא מבקש מה-AI לייצר את אותה צורה ביחסים של 1:1, 3:4 ו-9:16, מעמיד את השלושה זה לצד זה ומסתפק ביחס 3:4 עם הלקוח תוך 5 דקות. נעשה שימוש נכון ב-AI כאן: הוא ייצר חומר חזותי שהאיץ את ההחלטה, בני האדם בחרו.
מקרה 2 - ערך ארגונומי לא תקין. צוות מעצב קופסת גלולות למשתמשים מבוגרים ושואל את הבינה המלאכותית על כוחה של לשונית הפתיחה; AI אומר "5 ניוטון זה בסדר". הצוות מחבק את זה. עם זאת, עבור חלק ניכר מהמשתמשים המבוגרים וחולי מפרקים, 5N הוא יותר מדי; המטרה בפועל צריכה להיות נמוכה בהרבה, כולל משתמשים עם חוזק אחיזה נמוך. לא ניתן לפתוח את הקופסה במהלך בדיקת אב טיפוס פיזית. שיעור: ערכי כוח/מדידה ארגונומיים מגיעים מנתונים בפועל של אוכלוסיית היעד ומאומתים על ידי בדיקה; המספר המוזר של AI מטעה.
מקרה 3 - כיסוי עם רשימת תיוג. בעת תכנון ידית סכין מטבח, מעצב אומר לבינה מלאכותית "לערוך רשימה של כל הגורמים הארגונומיים והבטיחותיים שעלי לקחת בחשבון עבור מוצר זה." AI; הוא מייצר רשימה של 14 פריטים כגון קוטר אחיזה, משטח נגד החלקה, אחיזה בידיים רטובות, הגנת אצבעות, יד ימין/שמאל, יכולת ניקוי. המעצב משתמש ברשימה זו כנקודת התחלה, ומחלץ את הערך האמיתי של כל פריט מנתונים אנתרופומטריים ובדיקות. שיעור: AI מרחיב את ההיקף (מזכיר לך את הגורם ששכחת), אבל לא נותן את הערכים.
תבניות הנחיות הניתנות להעתקה
תבנית השוואת יחס (AI חזותי) "שמור על אותה צורה של המוצר הזה אבל שנה רק את היחס [גו/זרוע]: צור שלוש וריאציות - יחס 1:2, 1:3 ו-1:4. השאר את כל השאר (חומר, זווית, תאורה) זהה כדי שאוכל להשוות את השפעת היחס."
תבנית בדיקה של ארגונומיה (טקסט AI)"הפק רשימת בדיקה לארגונומיה ושימושיות עבור [מוצר]. כלול: אחיזה/אחיזה, טווח הגעה, דרישת כוח, ראייה/קריאה, יד ימין, גדלים וקבוצות גיל שונות, נגישות. הוסף עמודה 'אילו נתונים או בדיקה אנתרופומטריים צריכים להיות מאומתים' עבור כל פריט, לא תגיד לי מה צריך למדוד.
השתמש בתבנית ניתוח תרחיש (טקסט AI)"המשתמש הבא משתמש במוצר הבא בהקשר הבא: [תיאור]. כתוב את השימוש שלב אחר שלב (מושיט יד, אוחז, מסתובב...) וסמן נקודות קושי אפשריות, עייפות או סיכון בכל שלב. אלו הן השערות שיש לאשר אותן על ידי התבוננות.
תבנית פרשנות נתונים אנתרופומטריים (טקסט AI) "יש לי את הטבלה הבאה של מדידות אנתרופומטריות: [הדבק נתונים, מקור]. כיצד אוכל לקבוע את טווח [קוטר הידית] כדי לכסות את המשתמש באחוזון 5 ו-95, הסבר את השלבים. השתמש בערכים בטבלה; אל תיצור את המספר שלך בעצמי. ציין את המספר שלך.
הנחיה חלשה / הנחיה חזקה
הנחיה חלשה: "מה צריך להיות הגודל האידיאלי של הידית הזו?"
הנחיה חזקה: "אני מעצב אחיזת מקדחה ידנית. משתמש יעד: מאסטרים מקצועיים, יד מבוגרת באחוזון 5-95. תן לי רשימת בדיקה ארגונומית: קוטר אחיזה, אורך, מרקם פני השטח, טווח טריגר, רטט, אחיזה רטובה/כפפה. רשום אילו נתונים אנתרופומטריים אני צריך לאמת עבור כל פריט ומאיזה ערך מדוייק את הטבלה המדויקת של מ"מ ומאיזה ערך; אני לא אשתמש בטבלה המדויקת של מ"מ. דגם."
ההנחיה החלשה דוחפת את הבינה המלאכותית למספר אי זוגי מחושב; ההנחיה העוצמתית מפנה אותו למשרה הנכונה (רשימת היקף ורשימת אימות) ומשאירה את מקור המספר לנתונים+בדיקה שלך.
טעויות נפוצות
- "לבקש" מה-AI מדידות ארגונומיות ועיבודן ישירות לתוך המודל. אלה מגיעים מנתונים אנתרופומטריים ובדיקות.
- עיצוב עבור "משתמש ממוצע" יחיד. עיצוב שאינו מכסה את טווח האחוזון (למשל 5-95) אינו כולל את רוב המשתמשים.
- האצלת שיקול דעת אסתטי לבינה מלאכותית. AI משקף את הדפוס הפופולרי; אתה בוחר את התעריף הנכון עבור מוצר/מותג זה.
- דילוג על דגם ובדיקות משתמשים. אחיזה שנראית טוב על המסך עלולה להיות גרועה ביד.
- בחינת נגישות כמחשבה שלאחר מכן. בדוק את מגוון הגדלים, הגילאים והיכולות מההתחלה.
זהירות: ארגונומיה עוסקת בבטיחות ובריאות; ערך שגוי של כוח או גודל יגרום לפציעה, מאמץ או מוצר בלתי שמיש. AI לעולם אינו מקור מדידה בארגונומיה; זוהי תזכורת למה שאתה צריך לאמת הכי הרבה.
לסיכום
צורה/אסתטיקה וארגונומיה דורשות משטרי אימות שונים. בינה מלאכותית באסתטיקה היא רבת עוצמה: היא מאפשרת לך ליצור ולהשוות במהירות וריאציות שפה של פרופורציה וצורה, אבל ה"טוב ביותר" הוא שלך לשפוט. בארגונומיה, בינה מלאכותית מועילה רק: היא יכולה לייצר רשימות ביקורת ותרחישים, אבל ערכים כמו גודל, קוטר, כוח וכו' מגיעים מנתונים אנתרופומטריים אמינים ומאומתים בבדיקות משתמשים עם מודל פיזי. כסו את טווח האחוזונים, חשבו מחדש על נגישות, ואל תקחו מספרים ארגונומיים מ-AI.
משימת יישום
בחר מוצר כף יד (כל הכולל ידית). תן ל-AI רשימת בדיקה עם התבנית "רשימת בדיקה לארגונומיה". לאחר מכן חקור לפחות שלושה מהפריטים המטריים ברשימה (למשל קוטר אחיזה) ממקור אנתרופומטרי אמין ורשום את טווחי האחוזון בפועל שה-AI אינו מספק. בנפרד, הפק שלושה יחסים שונים של אותו מוצר עם תבנית "השוואת יחס" ונמק איזה מהם בחרת ולמה.
רשימת בדיקה
- [ ] השתמשתי בבינה מלאכותית ככלי השוואה להחלטות אסתטיות/יחסים, תוך שאני עושה את השיפוט בעצמי.
- [ ] לקחתי מדידות ארגונומיות מנתונים אנתרופומטריים אמינים, לא מ-AI.
- [ ] חשבתי שזה יכסה את טווח האחוזון (למשל 5-95).
- [ ] כללתי דגם פיזי ובדיקות משתמשים בתוכנית שלי.
- [ ] הוספתי נגישות וגיוון גודל/גיל לרשימת הבדיקה מההתחלה.
- [ ] לא הוספתי ערכים ארגונומיים לדגם מבלי לאמת אותם.