യുഐ/യുഎക്സ് ഡിസൈനിലെ ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസിൻ്റെ ആമുഖം: റോളുകൾ, അതിരുകൾ, ആധികാരികത, ഉപയോക്തൃ ഡാറ്റ

നേട്ടങ്ങൾ:

• യുഎക്‌സ് വർക്ക്ഫ്ലോയിൽ (റിസർച്ച് സിന്തസിസ്, പേഴ്സണൽ, വയർഫ്രെയിം, ഇൻ്റർഫേസ് ടെക്‌സ്‌റ്റ്, ടെസ്റ്റ് അനാലിസിസ്) ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് തത്സമയം ലാഭിക്കുന്നുവെന്നും, ടാസ്‌ക് റിസ്ക് ലെവൽ അനുസരിച്ച്, ഉപയോക്താവിനെ ശ്രദ്ധിക്കുന്നതും അന്തിമ ഡിസൈൻ തീരുമാനവും പോലുള്ള ഉത്തരവാദിത്തങ്ങൾ ഡിസൈനറുടെ പക്കലുള്ളതും വേർതിരിച്ചറിയാൻ കഴിയും.
• ഓരോ AI ഔട്ട്‌പുട്ടിനെയും യഥാർത്ഥ ഉപയോക്തൃ ഡാറ്റയുമായും തെളിവുകളുമായും ബന്ധിപ്പിക്കുന്ന ഒരു റിഫ്ലെക്‌സ് വികസിപ്പിക്കാനുള്ള കഴിവ്, കൂടാതെ അന്വേഷണ ഘട്ടങ്ങളിലൂടെ ഭ്രമാത്മകതയും പക്ഷപാതവും പരിശോധിക്കുന്നു
• കെവികെകെയുടെ പരിധിയിൽ ഉപയോക്തൃ സംഭാഷണ റെക്കോർഡുകളും വ്യക്തിഗത ഡാറ്റയും അജ്ഞാതമാക്കാനും സമ്മതത്തിൻ്റെ പരിധിക്കുള്ളിൽ അവയെ ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസിലേക്ക് മാറ്റാനുമുള്ള കഴിവ്

ഉപയോക്തൃ അനുഭവം (UX, അതായത്, ഒരു ഉൽപ്പന്നം ആദ്യം മുതൽ അവസാനം വരെ ഉപയോഗിക്കുന്ന വ്യക്തിയുടെ അനുഭവം) ഡിസൈൻ "ആദ്യം വ്യക്തിയെ മനസിലാക്കുക, തുടർന്ന് അത് പരിഹരിക്കുക" എന്ന തത്വത്തിൽ വർഷങ്ങളായി തുടരുന്നു. ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് ഈ ചക്രത്തിൽ പ്രവേശിക്കുമ്പോൾ, മിക്ക ആളുകളുടെയും ആദ്യ ചോദ്യം ഇതാണ്: "ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് എനിക്കായി ഡിസൈൻ ചെയ്യുമോ?" ഹ്രസ്വ ഉത്തരം: ഇല്ല. ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് ഒരു ഡിസൈൻ അസിസ്റ്റൻ്റാണ്; ഇത് ഡ്രാഫ്റ്റുകൾ നിർമ്മിക്കുന്നു, ഡാറ്റ സംഗ്രഹിക്കുന്നു, ഓപ്ഷനുകൾ വർദ്ധിപ്പിക്കുന്നു, ആവർത്തിച്ചുള്ള ജോലികൾ വേഗത്തിലാക്കുന്നു. എന്നാൽ ഉപയോക്താവിനെ ശരിക്കും ശ്രദ്ധിക്കുകയും ശരിയായ പരിഹാരം എന്താണെന്ന് തീരുമാനിക്കുകയും ഈ തീരുമാനത്തിൻ്റെ ഉത്തരവാദിത്തം വഹിക്കുകയും ചെയ്യുന്നത് എല്ലായ്പ്പോഴും ഡിസൈനറുടെതാണ്. UX വർക്ക്ഫ്ലോയിൽ AI എവിടെ വയ്ക്കണം, എവിടെ നിർത്തണം, ഉപയോക്തൃ ഡാറ്റ എങ്ങനെ സുരക്ഷിതമായി നീക്കണം എന്നിവ ഈ ആദ്യ യൂണിറ്റ് വ്യക്തമാക്കുന്നു.

UX വർക്ക്ഫ്ലോയിൽ AI എവിടെയാണ് ഉപയോഗപ്രദമാകുന്നത്?

ഒരു UX പ്രോജക്റ്റ് ഏകദേശം അഞ്ച് ഘട്ടങ്ങളിലൂടെ പുരോഗമിക്കുന്നു: കണ്ടെത്തൽ (ഗവേഷണം), നിർവചിക്കുക (വ്യക്തിത്വവും പ്രശ്നവും), ഉൽപ്പാദിപ്പിക്കുക (ഫ്ലോ, വയർഫ്രെയിം, പ്രോട്ടോടൈപ്പ്), ടെസ്റ്റ് (ഉപയോഗക്ഷമത), ഡെലിവർ ചെയ്യുക (ഡിസൈൻ സിസ്റ്റം, ഡോക്യുമെൻ്റേഷൻ). ഈ ഓരോ ഘട്ടത്തിലും കൃത്രിമബുദ്ധി വ്യത്യസ്തമായ പങ്ക് വഹിക്കുന്നു.

• കണ്ടെത്തൽ: പ്രാരംഭ തീമുകൾ എക്‌സ്‌ട്രാക്‌റ്റ് ചെയ്‌ത് മണിക്കൂറുകൾക്ക് പകരം മിനിറ്റുകൾക്കുള്ളിൽ ഡസൻ കണക്കിന് ഇൻ്റർവ്യൂ ട്രാൻസ്‌ക്രിപ്റ്റുകൾ (ട്രാൻസ്‌ക്രൈബ് ചെയ്‌ത റെക്കോർഡിംഗുകൾ) സംഗ്രഹിക്കുന്നു. എന്നാൽ ഏത് വിഷയമാണ് പ്രധാനമെന്ന് തീരുമാനിക്കേണ്ടത് വ്യക്തിയാണ്.
• വിവരണം: വ്യക്തിത്വവും (ഒരു പ്രത്യേക ഉപയോക്തൃ തരത്തെ പ്രതിനിധീകരിക്കുന്ന സാങ്കൽപ്പിക പ്രൊഫൈൽ) യാത്രാ മാപ്പ് ഡ്രാഫ്റ്റുകളും നിർമ്മിക്കുന്നു. എന്നാൽ ഈ ഡ്രാഫ്റ്റുകൾ യഥാർത്ഥ ഡാറ്റയെ അടിസ്ഥാനമാക്കിയുള്ളതാണെന്ന് ഉറപ്പാക്കേണ്ടത് നിങ്ങളുടെ ചുമതലയാണ്.
• ജനറേഷൻ: വയർഫ്രെയിം (സ്‌ക്രീനിൻ്റെ ബോക്‌സ്-ലൈൻ അസ്ഥികൂടം), ഫ്ലോചാർട്ട്, ഇൻ്റർഫേസ് ടെക്‌സ്‌റ്റ് എന്നിവ വ്യതിയാനങ്ങൾ പുനർനിർമ്മിക്കുന്നു.
• പരിശോധന: ടെസ്റ്റ് റെക്കോർഡുകളിൽ നിന്ന് കണ്ടെത്തലുകൾ നേടുകയും പ്രാധാന്യത്തിൻ്റെ ക്രമത്തിൽ അവയെ റാങ്ക് ചെയ്യുകയും ചെയ്യുന്നു.
• അവതരണം: ഘടക ഡോക്യുമെൻ്റേഷനും ഉപയോഗ നിയമങ്ങളും എഴുതുന്നു.

പൊതുവായ ത്രെഡ് ഇതാണ്: AI ഡ്രാഫ്റ്റുകളും ഓപ്ഷനുകളും സൃഷ്ടിക്കുന്നു; വിധിയും അംഗീകാരവും നിങ്ങളോടൊപ്പമുണ്ട്.

നുറുങ്ങ്: ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് ഉപയോഗിക്കുന്നത് "എനിക്ക് ഉത്തരം തരാൻ" അല്ല, "എനിക്ക് പെട്ടെന്ന് ഓപ്ഷനുകൾ നൽകുകയും എന്നെ തിരഞ്ഞെടുക്കാൻ അനുവദിക്കുകയും ചെയ്യുക." നിങ്ങൾ തയ്യാറെടുപ്പ് ജോലികൾ ഏൽപ്പിക്കുമ്പോഴാണ് ഏറ്റവും വലിയ കാര്യക്ഷമത വരുന്നത്, തീരുമാനമല്ല.

മിഷൻ റിസ്ക് ലെവൽ: എവിടെ സൗജന്യം, എവിടെ ജാഗ്രത?

എല്ലാ ജോലികളും ഒരേ അപകടസാധ്യത വഹിക്കുന്നില്ല. ലളിതമായ ഒരു നിയമം: ഔട്ട്‌പുട്ട് ഒരു ഉപയോക്താവിനെ നേരിട്ട് ബാധിക്കുന്നു, ഉയർന്ന അപകടസാധ്യത.

അന്വേഷണം

റിസ്ക് ലെവൽ

ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസിൻ്റെ പങ്ക്

മനുഷ്യ അംഗീകാരം

മീറ്റിംഗ് കുറിപ്പിൻ്റെ സംഗ്രഹം

താഴ്ന്ന

ഏതാണ്ട് പൂർണ്ണമായും കൈമാറ്റം ചെയ്തു

നേരിയ സ്കിമ്മിംഗ്

ഒരു വയർഫ്രെയിം വ്യതിയാനം സൃഷ്ടിക്കുന്നു

താഴ്ന്ന ഇടത്തരം

ഡ്രാഫ്റ്റ് സൃഷ്ടിക്കുന്നു

ഡിസൈനർ തിരഞ്ഞെടുത്ത് പരിഹരിക്കുന്നു

ഒരു ഗവേഷണ തീം സൃഷ്ടിക്കുന്നു

ഇടത്തരം

പ്രീ-സിന്തസിസ്

ഉദ്ധരണി പ്രകാരമുള്ള സ്ഥിരീകരണം ആവശ്യമാണ്

ഇൻ്റർഫേസ് ടെക്സ്റ്റ് (പിശക് സന്ദേശം മുതലായവ)

ഇടത്തരം-ഉയരം

വ്യതിയാനം ഉണ്ടാക്കുന്നു

ടോൺ, കൃത്യത, നിയമ പരിശോധന

പ്രവേശനക്ഷമത സ്ഥിരീകരണം

ഉയർന്നത്

മുൻകൂട്ടി സ്കാൻ ചെയ്യുക

യഥാർത്ഥ പരീക്ഷ നിർബന്ധമാണ്

ഉപയോക്താവിൻ്റെ യഥാർത്ഥ ആവശ്യങ്ങൾ നിർണ്ണയിക്കുക

ഏറ്റവും ഉയർന്നത്

സഹായിക്കാൻ കഴിയില്ല

എല്ലാം ഡിസൈനറിലാണ്

ഈ ചാർട്ട് ഒരു കോമ്പസാണ്: നിങ്ങൾ മുകളിലേക്ക് നീങ്ങുമ്പോൾ, AI-യിലുള്ള നിങ്ങളുടെ വിശ്വാസം കുറയ്ക്കുകയും നിങ്ങളുടെ സ്വന്തം മൂല്യനിർണ്ണയം വർദ്ധിപ്പിക്കുകയും ചെയ്യുന്നു.

ഭ്രമാത്മകതയും പക്ഷപാതവും: രണ്ട് അടിസ്ഥാന പരിധികൾ

ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസിൻ്റെ രണ്ട് ബ്ലൈൻഡ് സ്പോട്ടുകൾ നിങ്ങൾ ആദ്യം മുതൽ തന്നെ ആന്തരികമാക്കണം.

ഹാലൂസിനേഷൻ (ഫാബ്രിക്കേഷൻ): ഒരു വലിയ ഭാഷാ മോഡലിന് (ഒരുപക്ഷേ, വലിയ അളവിലുള്ള ടെക്‌സ്‌റ്റിൽ പരിശീലനം ലഭിച്ച വാക്ക് ഊഹിക്കാവുന്ന AI) ഒഴുക്കുള്ളതും എന്നാൽ യഥാർത്ഥത്തിൽ കൃത്യമല്ലാത്തതുമായ വിവരങ്ങൾ സൃഷ്ടിക്കാൻ കഴിയും. ഉദാഹരണത്തിന്, "ഉപയോക്താക്കൾ 20 സംഭാഷണങ്ങളിൽ വേഗത ചോദിച്ചു" എന്ന് പറയുന്നു, എന്നാൽ വാസ്തവത്തിൽ അത്തരമൊരു ഉദ്ധരണി ഇല്ല. ഔട്ട്പുട്ട് എത്ര ആത്മവിശ്വാസത്തോടെ ദൃശ്യമായാലും, ഉറവിടവുമായി ലിങ്ക് ചെയ്യാതെ അത് കൃത്യമല്ല.

പക്ഷപാതം: മോഡൽ അത് പരിശീലിപ്പിച്ച ഡാറ്റയിൽ അന്തർലീനമായ പക്ഷപാതങ്ങൾ വഹിക്കുന്നു. "പഴയ ഉപയോക്താക്കൾ സാങ്കേതികവിദ്യയെ ഭയപ്പെടുന്നു" എന്നതുപോലുള്ള ക്ലീഷേകൾ വ്യക്തിത്വത്തിലോ തിരക്കഥയിലോ കടന്നുവരാം. ഈ വാക്യങ്ങൾ പിന്തുണയ്‌ക്കാത്ത പൊതുവൽക്കരണങ്ങളാണ്, അവ യഥാർത്ഥ ഡാറ്റ ഉപയോഗിച്ച് പരിശോധിക്കേണ്ടതാണ്.

മുന്നറിയിപ്പ്: AI ഔട്ട്‌പുട്ടിൻ്റെ ഒഴുക്കും കൃത്യതയും ഒരേ കാര്യമല്ല. തെറ്റായതും എന്നാൽ തികഞ്ഞതുമായ വാക്യങ്ങളിൽ എഴുതിയതാണ് ഏറ്റവും അപകടകരമായ ഔട്ട്പുട്ട്.

ഉപയോക്തൃ ഡാറ്റ, കെവികെകെ, സമ്മതം

വ്യക്തിഗത ഡാറ്റ ഉപയോഗിച്ച് UX ഗവേഷണം പ്രവർത്തിക്കുന്നു: സംഭാഷണ ലോഗുകൾ, പേര്, ജോലിസ്ഥലം, സ്ക്രീൻഷോട്ടുകൾ, ഓഡിയോ പോലും. ആർബിട്രറി ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് ടൂളിലേക്ക് ഈ ഡാറ്റ അപ്‌ലോഡ് ചെയ്യുന്നത് കെവികെകെയുടെ (വ്യക്തിഗത ഡാറ്റാ സംരക്ഷണ നിയമം) ലംഘനമാകാം. മൂന്ന് ഘട്ടങ്ങളാണ് പ്രധാന നിയമം: അജ്ഞാതമാക്കുക, സമ്മതത്തിൽ തുടരുക, ഏജൻസി അംഗീകൃത ഉപകരണം ഉപയോഗിക്കുക.

• പേര്, ഫോൺ, ഇമെയിൽ, കമ്പനിയുടെ പേര് (ഉദാ. "പങ്കാളി 3") പോലുള്ള നേരിട്ടുള്ള ഐഡൻ്റിഫയറുകൾ മാസ്ക് ചെയ്യുക.
• ഗവേഷണ സമയത്ത് പങ്കാളിക്ക് നൽകിയ സമ്മതത്തിൻ്റെ പരിധി കവിയരുത്; "ഇത് ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസിലേക്ക് പ്രോസസ്സ് ചെയ്യപ്പെടും" എന്ന് നിങ്ങൾ പറഞ്ഞില്ലെങ്കിൽ, ജാഗ്രത പാലിക്കുക.
• ഒരു കോർപ്പറേറ്റ് പരിതസ്ഥിതിയിൽ, ഡാറ്റ എവിടെയാണ് സംഭരിച്ചിരിക്കുന്നതെന്നും അത് മോഡൽ പരിശീലനത്തിനായി ഉപയോഗിക്കുന്നുണ്ടോ എന്നും വ്യക്തമാകുന്ന ടൂളുകൾ തിരഞ്ഞെടുക്കുക.

മൂന്ന് മിനി കേസുകൾ

കേസ് 1 - ടൈം സേവർ, ശരിയായ സ്ഥലത്ത്. ഒരു ഡിസൈനർ AI 18 അഭിമുഖ ട്രാൻസ്ക്രിപ്റ്റുകൾ (ആകെ 62 പേജുകൾ) സംഗ്രഹിച്ചു. കൈകൊണ്ട് 2 ദിവസം എടുക്കുമായിരുന്ന പ്രീ റീഡിംഗ് 40 മിനിറ്റായി ചുരുക്കി. എന്നാൽ ഡിസൈനർ ഔട്ട്‌പുട്ടിലെ ഓരോ തീമും യഥാർത്ഥ ഉദ്ധരണിയുമായി പൊരുത്തപ്പെടുത്തുകയും 3 തീമുകൾക്ക് അടിസ്ഥാനമില്ലെന്ന് കണ്ടെത്തുകയും ചെയ്തു. ഫലം: വേഗത + വിശ്വാസ്യത.

കേസ് 2 - പരിശോധിച്ചുറപ്പിക്കാത്ത ഔട്ട്പുട്ട് അവതരണത്തിൽ പ്രവേശിച്ചു. ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് നിർമ്മിച്ച "70% ഉപയോക്താക്കളും മൊബൈൽ ഇഷ്ടപ്പെടുന്നു" എന്ന വാചകം മറ്റൊരു സംഘം റിപ്പോർട്ടിൽ ഉൾപ്പെടുത്തിയിട്ടുണ്ട്. ഉറവിടത്തെക്കുറിച്ച് ചോദിച്ചപ്പോൾ, അത്തരം ഡാറ്റ ഇല്ലെന്ന് വെളിപ്പെടുത്തി; മോഡൽ നമ്പർ ഉണ്ടാക്കി. ഓഹരിയുടമകളുടെ വിശ്വാസം തകർന്നു. പാഠം: അക്കങ്ങളും അവകാശവാദങ്ങളും തെളിവില്ലാതെ പ്രചരിക്കുന്നില്ല.

കേസ് 3 - വ്യക്തിഗത ഡാറ്റ ചോർച്ചയുടെ സാധ്യത. ഒരു ഇൻ്റേൺ ഓഡിയോ റെക്കോർഡിംഗ്, പങ്കെടുക്കുന്നവരുടെ പേരുകൾ സഹിതം, സ്വയമേവ ട്രാൻസ്ക്രൈബ് ചെയ്യുന്ന ഒരു സൗജന്യ സൈറ്റിലേക്ക് അപ്‌ലോഡ് ചെയ്തു. സ്ഥാപനത്തിൻ്റെ സെക്യൂരിറ്റി ടീം ഇത് കെവികെകെ അപകടസാധ്യതയായി അടയാളപ്പെടുത്തിയതിനെ തുടർന്ന് നടപടികൾ നിർത്തിവച്ചു. പാഠം: ടൂൾ സെലക്ഷനും അജ്ഞാതവൽക്കരണവും തുടക്കം മുതൽ ചെയ്യപ്പെടുന്നു.

പകർത്താവുന്ന നിർദ്ദേശങ്ങൾ

നിങ്ങളുടെ റോൾ: സീനിയർ UX റിസർച്ച് അസിസ്റ്റൻ്റ്. ടാസ്‌ക്: ചുവടെയുള്ള അജ്ഞാത ഇൻ്റർവ്യൂ ട്രാൻസ്‌ക്രിപ്റ്റിൽ നിന്ന് 6 തീമുകൾ വരെ എക്‌സ്‌ട്രാക്‌റ്റ് ചെയ്യുക. നിയമങ്ങൾ: [പങ്കാളി X] എന്ന ടാഗിനൊപ്പം ഓരോ തീമിനും അടുത്തായി കുറഞ്ഞത് ഒരു പദാനുപദ ഉദ്ധരണി ചേർക്കുക. നിങ്ങൾക്ക് ഒരു ഉദ്ധരണി കണ്ടെത്താൻ കഴിയാത്ത ഒരു തീം നിർമ്മിക്കരുത്. സംശയമുണ്ടെങ്കിൽ, "ദുർബലമായ പിന്തുണ" എഴുതുക. ട്രാൻസ്ക്രിപ്റ്റ്: <<text>>

ഈ AI ഔട്ട്‌പുട്ട് പരിശോധിക്കുക: ചുവടെയുള്ള തീം ലിസ്റ്റിലെ ഓരോ ഇനത്തിൻ്റെയും വാചകത്തിൽ ഒരു വസ്തുതാപരമായ അടിസ്ഥാനം പരിശോധിക്കുക. അടിസ്ഥാനമില്ലാത്തവ "പരിശോധിച്ചിട്ടില്ല" എന്ന് അടയാളപ്പെടുത്തുകയും നിങ്ങൾ സംശയാസ്പദമായിരിക്കുന്നത് എന്തുകൊണ്ടാണെന്ന് എഴുതുകയും ചെയ്യുക. ലിസ്റ്റ്: << തീമുകൾ>> ഉറവിട വാചകം: << ട്രാൻസ്ക്രിപ്റ്റ്>>

ചുവടെയുള്ള ടെക്‌സ്‌റ്റിൽ നിന്ന് എല്ലാ വ്യക്തിഗത/തിരിച്ചറിയൽ ഡാറ്റയും (പേര്, ഫോൺ, ഇമെയിൽ, കമ്പനി, വിലാസം) കണ്ടെത്തി [മാസ്‌ക്ക്] ഉപയോഗിച്ച് മാറ്റിസ്ഥാപിക്കുക. മാറ്റങ്ങളുടെ പട്ടികയും ഒരു പട്ടികയായി നൽകുക. ഒരു വിവരവും ഇല്ലാതാക്കരുത്, അത് മാസ്ക് ചെയ്യുക. ടെക്സ്റ്റ്: <<dump>>

ഒരു ഡിസൈൻ ടാസ്‌ക് തരംതിരിക്കുക: "<<task>>" എന്നതിനായുള്ള റിസ്ക് ലെവൽ (താഴ്ന്ന/ഇടത്തരം/ഉയർന്നത്) നിർണ്ണയിക്കുക, AI-യുടെ റോളും ആവശ്യമായ മനുഷ്യ അംഗീകാരവും ഒരു വാക്യത്തിൽ എഴുതുക. നിങ്ങളുടെ ന്യായവാദം വിശദീകരിക്കുക.

ദുർബലമായ പ്രോംപ്റ്റ് / ശക്തമായ പ്രോംപ്റ്റ്

ദുർബലമായത്: "ഈ സംഭാഷണങ്ങൾ സംഗ്രഹിക്കുക."

ഫലം: ഉറവിടമില്ലാത്തതും പൊതുവായതും പരിശോധിക്കാൻ കഴിയാത്തതുമായ ഒരു വാചകം; ഏത് വാചകം എവിടെ നിന്നാണ് വന്നതെന്ന് വ്യക്തമല്ല.

ശക്തമായത്: "ഈ അജ്ഞാത ട്രാൻസ്‌ക്രിപ്റ്റിൽ നിന്ന് 6 തീമുകൾ വരെ എക്‌സ്‌ട്രാക്‌റ്റ് ചെയ്യുക; ഓരോ തീമിലേക്കും [പങ്കാളി X] ടാഗ് ചെയ്‌ത ഒരു പദാനുപദ ഉദ്ധരണിയെങ്കിലും ചേർക്കുക; നിങ്ങൾക്ക് ഒരു ഉദ്ധരണി കണ്ടെത്താൻ കഴിയാത്ത ഒരു തീം നിർമ്മിക്കരുത്."

ഫലം: തെളിവുകൾ അടിസ്ഥാനമാക്കിയുള്ള, ഓഡിറ്റ് ചെയ്യാവുന്ന, തീരുമാനത്തിന് അനുകൂലമായ ഫലം.

വ്യത്യാസം ഒരു വാക്യത്തിലാണ്: ശക്തമായ പ്രോംപ്റ്റ് സന്ദർഭം + നിയമം + തെളിവ് ആവശ്യകത നൽകുന്നു.

സാധാരണ തെറ്റുകൾ

• മൂല്യനിർണ്ണയത്തിൽ നിന്ന് തീരുമാനത്തിലേക്ക് ഔട്ട്പുട്ട് നീക്കുന്നു. ഏറ്റവും സാധാരണവും ചെലവേറിയതുമായ തെറ്റ്; ഒരു ആസൂത്രിത തീമിന് മുഴുവൻ ഡിസൈൻ ദിശയും വികലമാക്കാൻ കഴിയും.
• അജ്ഞാതമാക്കാതെ വ്യക്തിഗത ഡാറ്റ അപ്‌ലോഡ് ചെയ്യുന്നു. KVKK ലംഘനവും കോർപ്പറേറ്റ് വിശ്വാസത്തിൻ്റെ നഷ്ടവും.
• ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് "തീരുമാനിക്കുക". "ഏത് ഡിസൈൻ ആണ് നല്ലത്?" ചോദ്യത്തിനുള്ള ഉത്തരം ഉൽപ്പന്നത്തിലും ഉപയോക്താവിലും ഡാറ്റയിലുമാണ്; മാതൃകയിലല്ല.
• വാഹനത്തിൻ്റെ ഡാറ്റ നയം വായിക്കുന്നില്ല. നിങ്ങളുടെ ഡാറ്റ മോഡൽ പരിശീലനത്തിന് പോകുന്നുണ്ടോ ഇല്ലയോ എന്നറിയാതെ നിർണ്ണായക ഡാറ്റ നൽകുന്നു.
• ഫ്ലൂൻസി കൃത്യതയ്ക്കായി തെറ്റിദ്ധരിക്കുന്നു. നന്നായി എഴുതിയ ഒരു വാചകം ശരിയായ വാചകം എന്നല്ല അർത്ഥമാക്കുന്നത്.

ചുരുക്കത്തിൽ

UX വർക്ക്ഫ്ലോയിലെ ഒരു ആക്സിലറേറ്ററും ബ്ലൂപ്രിൻ്റ് പങ്കാളിയുമാണ് AI; കണ്ടെത്തൽ മുതൽ അവതരണം വരെയുള്ള എല്ലാ ഘട്ടങ്ങളിലും തയ്യാറെടുപ്പ് ജോലികൾ ഇത് ഏറ്റെടുക്കുന്നു. എന്നാൽ വിധിയും തീരുമാനവും ഉത്തരവാദിത്തവും ഡിസൈനറുടെ പക്കലുണ്ട്. "ടാസ്ക്കിൻ്റെ അപകടസാധ്യത ഉപയോക്താവിനെ എത്രത്തോളം ബാധിക്കുന്നു?" ചോദ്യം ഉപയോഗിച്ച് അളക്കുക; അപകടസാധ്യത വർദ്ധിക്കുന്നതിനനുസരിച്ച് നിങ്ങളുടെ പരിശോധന വർദ്ധിപ്പിക്കുക. ഹാലൂസിനേഷനും പക്ഷപാതവും രണ്ട് സ്ഥിരമായ പരിധികളാണ്: എല്ലാ ക്ലെയിമുകളും തെളിവുകൾക്കൊപ്പം, ഡാറ്റ ഉപയോഗിച്ച് എല്ലാ ക്ലീഷേകളും പരിശോധിക്കുക. കെവികെകെയുടെയും സമ്മതത്തിൻ്റെയും ചട്ടക്കൂടിനുള്ളിൽ അജ്ഞാതമാക്കി ഉപയോക്തൃ ഡാറ്റ ട്രാൻസ്പോർട്ട് ചെയ്യുക. ഈ റിഫ്ലെക്സുകളാണ് ബാക്കി മൊഡ്യൂളിലെ എല്ലാ സാങ്കേതികതകൾക്കും സുരക്ഷിതമായ അടിസ്ഥാനം.

ആപ്ലിക്കേഷൻ ടാസ്ക്

1. നിങ്ങളുടെ നിലവിലെ പ്രോജക്റ്റിൽ നിന്ന് 5 ഡിസൈൻ ടാസ്ക്കുകൾ ലിസ്റ്റ് ചെയ്യുക (അല്ലെങ്കിൽ ഒരു സാങ്കൽപ്പിക പ്രോജക്റ്റ്).
2. മുകളിലുള്ള റിസ്ക് ടേബിളിൽ ഓരോ ജോലിയും സ്ഥാപിക്കുക: താഴ്ന്ന, ഇടത്തരം, ഉയർന്നത്.
3. ഓരോ ടാസ്ക്കിനും, "AI-യുടെ പങ്ക്", "മനുഷ്യൻ്റെ അംഗീകാരം ആവശ്യമാണ്" എന്നീ ഒരു വാക്യം എഴുതുക.
4. നിങ്ങൾക്ക് ഒരു ഇൻ്റർവ്യൂ ട്രാൻസ്ക്രിപ്റ്റ് ഉണ്ടെങ്കിൽ, മൂന്നാമത്തെ പ്രോംപ്റ്റ് ഉപയോഗിച്ച് അത് അജ്ഞാതമാക്കുകയും മാസ്കിംഗ് ടേബിൾ അവലോകനം ചെയ്യുകയും ചെയ്യുക.
5. ഏറ്റവും ഉയർന്ന അപകടസാധ്യതയുള്ള ടാസ്‌ക്കിന് മനുഷ്യൻ്റെ അംഗീകാരം ആവശ്യമായി വരുന്നത് എന്തുകൊണ്ടാണെന്ന് ഒരു പട്ടികയിൽ ഫലം പ്ലോട്ട് ചെയ്‌ത് ഒരു ഖണ്ഡികയിൽ വിശദീകരിക്കുക.

ചെക്ക്ലിസ്റ്റ്

• [ ] ഞാൻ ഒരു ഡ്രാഫ്റ്റ് ജനറേറ്റർ ആയിട്ടാണ് AI യെ സ്ഥാപിച്ചത്, ഒരു തീരുമാന നിർമ്മാതാവായിട്ടല്ല.
• [ ] ഓരോ ദൗത്യത്തിൻ്റെയും അപകട നില ഞാൻ നിർണ്ണയിച്ചു.
• [ ] ഔട്ട്പുട്ടുകളെ തെളിവുകളുമായി ബന്ധിപ്പിക്കുന്ന ശീലം ഞാൻ സ്വീകരിച്ചിട്ടുണ്ട്.
• [ ] അജ്ഞാതമാക്കാതെ ഒരു ഉപകരണത്തിലേക്കും ഞാൻ വ്യക്തിഗത ഡാറ്റ അപ്‌ലോഡ് ചെയ്തിട്ടില്ല.
• [ ] ഞാൻ ഉപയോഗിക്കുന്ന വാഹനത്തിൻ്റെ ഡാറ്റ പോളിസി ഞാൻ പരിശോധിച്ചു.
• [ ] ഞാൻ എൻ്റെ വർക്ക്ഫ്ലോയിൽ ഭ്രമാത്മകതയും പക്ഷപാത പരിശോധനയും ചേർത്തു.