ਲਾਭ:
- ਨਕਲੀ ਬੁੱਧੀ ਸਹਾਇਤਾ ਨਾਲ ਫਾਰਮ ਭਾਸ਼ਾ, ਅਨੁਪਾਤ ਅਤੇ ਵਿਜ਼ੂਅਲ ਸੰਤੁਲਨ ਦੇ ਫੈਸਲਿਆਂ ਦੀ ਖੋਜ ਕਰਨ ਅਤੇ ਵਿਕਲਪਾਂ ਦੀ ਤੁਲਨਾ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
- ਨਕਲੀ ਬੁੱਧੀ ਨਾਲ ਕੰਮ ਵਿੱਚ ਐਂਥਰੋਪੋਮੈਟਰੀ ਅਤੇ ਐਰਗੋਨੋਮਿਕਸ ਸਿਧਾਂਤਾਂ ਨੂੰ ਸ਼ਾਮਲ ਕਰਨ ਦੀ ਯੋਗਤਾ ਇੱਕ ਡਰਾਫਟ/ਚੈਕਲਿਸਟ ਤਿਆਰ ਕਰਦੀ ਹੈ
- ਅਸਲ ਐਂਥਰੋਪੋਮੈਟ੍ਰਿਕ ਡੇਟਾ, ਮੌਕਅਪਸ ਅਤੇ ਉਪਭੋਗਤਾ ਟੈਸਟਿੰਗ ਦੇ ਨਾਲ ਨਕਲੀ ਬੁੱਧੀ ਦੀਆਂ ਅਰਗੋਨੋਮਿਕ ਅਤੇ ਅਯਾਮੀ ਸਿਫਾਰਸ਼ਾਂ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
ਇਹ ਕੋਈ ਇਤਫ਼ਾਕ ਨਹੀਂ ਹੈ ਕਿ ਇੱਕ ਉਤਪਾਦ ਮਹਿਸੂਸ ਕਰਦਾ ਹੈ "ਚੰਗੀ ਤਰ੍ਹਾਂ ਨਾਲ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ." ਫਾਰਮ ਦੇ ਅਨੁਪਾਤ, ਰੇਖਾਵਾਂ ਦੀ ਤਾਲ, ਪੁੰਜ ਦਾ ਸੰਤੁਲਨ ਅਤੇ ਉਤਪਾਦ ਤੁਹਾਡੇ ਹੱਥ ਜਾਂ ਅੱਖ ਵਿੱਚ ਕਿਵੇਂ ਫਿੱਟ ਹੁੰਦਾ ਹੈ, ਡਿਜ਼ਾਈਨਰ ਦੇ ਹਜ਼ਾਰਾਂ ਛੋਟੇ ਫੈਸਲਿਆਂ ਦਾ ਜੋੜ ਹੈ। ਇਸ ਯੂਨਿਟ ਵਿੱਚ ਅਸੀਂ ਦੋ ਆਪਸ ਵਿੱਚ ਜੁੜੇ ਵਿਸ਼ਿਆਂ ਨੂੰ ਕਵਰ ਕਰਦੇ ਹਾਂ: ਸੁਹਜ/ਰੂਪ ਭਾਸ਼ਾ (ਉਤਪਾਦ ਕਿਵੇਂ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ ਅਤੇ ਮਹਿਸੂਸ ਕਰਦਾ ਹੈ) ਅਤੇ ਐਰਗੋਨੋਮਿਕਸ (ਉਤਪਾਦ ਮਨੁੱਖੀ ਸਰੀਰ ਨਾਲ ਕਿਵੇਂ ਸੰਬੰਧਿਤ ਹੈ)। ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਇਨ੍ਹਾਂ ਦੋਵਾਂ ਖੇਤਰਾਂ ਵਿੱਚ ਬਹੁਤ ਵੱਖਰੀਆਂ ਭੂਮਿਕਾਵਾਂ ਵਿੱਚ ਕੰਮ ਕਰਦੀ ਹੈ। ਸੁਹਜ ਸ਼ਾਸਤਰ ਵਿੱਚ AI ਇੱਕ ਸ਼ਕਤੀਸ਼ਾਲੀ ਖੋਜ ਅਤੇ ਤੁਲਨਾ ਸੰਦ ਹੈ; ਐਰਗੋਨੋਮਿਕਸ ਵਿੱਚ, ਇਹ ਸਿਰਫ ਬਲੂਪ੍ਰਿੰਟਸ ਅਤੇ ਚੈਕਲਿਸਟਾਂ ਦਾ ਇੱਕ ਜਨਰੇਟਰ ਹੈ, ਕਿਉਂਕਿ ਅਸਲ ਐਰਗੋਨੋਮਿਕ ਫੈਸਲੇ ਮਨੁੱਖੀ ਡੇਟਾ ਅਤੇ ਸਰੀਰਕ ਟੈਸਟਿੰਗ ਨਾਲ ਕੀਤੇ ਜਾਂਦੇ ਹਨ। ਦੋਵਾਂ ਨੂੰ ਉਲਝਾਉਣਾ ਇਸ ਇਕਾਈ ਦੀ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਚੇਤਾਵਨੀ ਹੈ।
ਫਾਰਮ ਭਾਸ਼ਾ ਅਤੇ ਅਨੁਪਾਤ: ਏਆਈ ਦੇ ਨਾਲ ਸੁਹਜ ਦੀ ਖੋਜ
ਫਾਰਮ ਭਾਸ਼ਾ ਇਕਸਾਰ ਰੂਪ ਦੇ ਫੈਸਲੇ ਹੁੰਦੇ ਹਨ ਜੋ ਕਿਸੇ ਉਤਪਾਦ ਦੀ ਵਿਜ਼ੂਅਲ ਸ਼ਖਸੀਅਤ ਨੂੰ ਬਣਾਉਂਦੇ ਹਨ: ਭਾਵੇਂ ਕੋਨੇ ਤਿੱਖੇ ਜਾਂ ਨਰਮ ਹੋਣ, ਭਾਵੇਂ ਸਤ੍ਹਾ ਸਮਤਲ ਜਾਂ ਕਰਵ ਹੋਣ, ਭਾਵੇਂ ਰੇਖਾਵਾਂ ਖਿਤਿਜੀ ਜਾਂ ਲੰਬਕਾਰੀ ਹੋਣ। ਅਨੁਪਾਤ ਇੱਕ ਦੂਜੇ ਦੇ ਸਾਪੇਖਕ ਹਿੱਸਿਆਂ ਦਾ ਆਕਾਰ ਸਬੰਧ ਹੈ; ਇੱਕ ਚੰਗਾ ਅਨੁਪਾਤ ਇੱਕ ਉਤਪਾਦ ਨੂੰ "ਸਥਾਪਿਤ" ਦਿੱਖ ਦਿੰਦਾ ਹੈ, ਇੱਕ ਮਾੜਾ ਅਨੁਪਾਤ ਇਸਨੂੰ "ਅਸਥਾਈ" ਦਿੱਖ ਦਿੰਦਾ ਹੈ। ਡਿਜ਼ਾਈਨਰ ਅਨੁਪਾਤ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨ ਲਈ ਸੁਨਹਿਰੀ ਅਨੁਪਾਤ, ਤੀਜੇ ਦਾ ਨਿਯਮ, ਅਤੇ ਵਿਜ਼ੂਅਲ ਵਜ਼ਨ ਬੈਲੇਂਸ ਵਰਗੇ ਸਿਧਾਂਤਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ।
AI ਇੱਥੇ ਦੋ ਤਰੀਕਿਆਂ ਨਾਲ ਮਦਦ ਕਰਦਾ ਹੈ। ਪਹਿਲਾਂ, ਇਹ ਤੁਹਾਨੂੰ ਇੱਕੋ ਉਤਪਾਦ ਦੇ ਨਾਲ-ਨਾਲ ਵੱਖੋ-ਵੱਖਰੇ ਅਨੁਪਾਤਾਂ ਨੂੰ ਤੇਜ਼ੀ ਨਾਲ ਪੈਦਾ ਕਰਨ ਅਤੇ ਤੁਲਨਾ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ (ਜਿਵੇਂ ਕਿ "ਇੱਕੋ ਲੈਂਪ, ਬਾਡੀ-ਟੂ-ਆਰਮ ਅਨੁਪਾਤ 1:2, 1:3 ਅਤੇ 1:4")। ਦੂਜਾ, ਇਹ ਤੁਹਾਨੂੰ ਇੱਕ ਫਾਰਮ ਭਾਸ਼ਾ ਨੂੰ ਕਈ ਹਿੱਸਿਆਂ ਵਿੱਚ ਲਗਾਤਾਰ ਵਧਾਉਣ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ। ਪਰ ਸਾਵਧਾਨ ਰਹੋ: AI ਦਾ ਕੋਈ "ਸੁਹਜ ਸੰਬੰਧੀ ਨਿਰਣਾ" ਨਹੀਂ ਹੈ; ਇਹ ਸਿਰਫ਼ ਉਹਨਾਂ ਡੇਟਾ ਵਿੱਚ ਪ੍ਰਸਿੱਧ ਪੈਟਰਨਾਂ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ ਜਿਸ 'ਤੇ ਇਸਨੂੰ ਸਿਖਲਾਈ ਦਿੱਤੀ ਗਈ ਸੀ। ਤੁਸੀਂ ਫੈਸਲਾ ਕਰਦੇ ਹੋ ਕਿ ਇਸ ਉਤਪਾਦ, ਇਸ ਬ੍ਰਾਂਡ ਅਤੇ ਇਸ ਉਪਭੋਗਤਾ ਲਈ ਕਿਹੜਾ ਅਨੁਪਾਤ ਸਹੀ ਹੈ।
ਨੁਕਤਾ: ਰੇਟ ਦਾ ਫੈਸਲਾ ਕਰਦੇ ਸਮੇਂ, AI ਨੂੰ "ਸਭ ਤੋਂ ਵਧੀਆ ਨੂੰ ਚੁਣਨ" ਲਈ ਨਾ ਕਹੋ; "4 ਵੱਖ-ਵੱਖ ਅਨੁਪਾਤਾਂ ਦੇ ਨਾਲ ਇੱਕੋ ਫਾਰਮ ਪੈਦਾ ਕਰੋ" ਲਈ ਪੁੱਛੋ ਅਤੇ ਚੋਣ ਖੁਦ ਕਰੋ। AI ਤੁਲਨਾਤਮਕ ਸਮੱਗਰੀ ਪੈਦਾ ਕਰਦਾ ਹੈ, ਤੁਸੀਂ ਨਿਰਣਾ ਕਰਦੇ ਹੋ।
ਐਰਗੋਨੋਮਿਕਸ: ਇੱਥੇ ਏਆਈ ਸਿਰਫ ਇੱਕ ਸਹਾਇਤਾ ਹੈ
ਐਰਗੋਨੋਮਿਕਸ ਉਤਪਾਦ ਨੂੰ ਮਨੁੱਖੀ ਸਰੀਰ, ਧਾਰਨਾ ਅਤੇ ਅੰਦੋਲਨ ਲਈ ਫਿੱਟ ਕਰਨ ਦਾ ਵਿਗਿਆਨ ਹੈ। ਇੱਕ ਹੈਂਡਲ ਦਾ ਵਿਆਸ, ਇੱਕ ਬਟਨ ਦੀ ਸਥਿਤੀ, ਇੱਕ ਸਕ੍ਰੀਨ ਦਾ ਕੋਣ, ਇੱਕ ਸੀਟ ਦੀ ਉਚਾਈ; ਇਹ ਬੇਤਰਤੀਬੇ ਨਹੀਂ ਹਨ, ਇਹ ਐਂਥਰੋਪੋਮੈਟਰੀ (ਮਨੁੱਖੀ ਸਰੀਰ ਦੇ ਮਾਪ ਦਾ ਵਿਗਿਆਨ) ਡੇਟਾ 'ਤੇ ਅਧਾਰਤ ਹਨ। ਇੱਕ ਨਾਜ਼ੁਕ ਸੰਕਲਪ ਪ੍ਰਤੀਸ਼ਤਤਾ ਹੈ: ਇਹ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਆਬਾਦੀ ਦਾ ਕਿੰਨਾ ਪ੍ਰਤੀਸ਼ਤ ਇੱਕ ਖਾਸ ਮਾਪ ਤੋਂ ਉੱਪਰ/ਹੇਠਾਂ ਹੈ। ਚੰਗੇ ਐਰਗੋਨੋਮਿਕਸ ਨੂੰ ਆਮ ਤੌਰ 'ਤੇ 5ਵੇਂ ਪ੍ਰਤੀਸ਼ਤ (ਛੋਟੇ) ਤੋਂ 95ਵੇਂ ਪ੍ਰਤੀਸ਼ਤ (ਵੱਡੇ) ਉਪਭੋਗਤਾ ਸੀਮਾ ਨੂੰ ਕਵਰ ਕਰਨ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ; ਇੱਕ ਸਿੰਗਲ "ਔਸਤ" ਉਪਭੋਗਤਾ ਲਈ ਡਿਜ਼ਾਈਨ ਕਰਨਾ ਜ਼ਿਆਦਾਤਰ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਛੱਡ ਦਿੰਦਾ ਹੈ।
ਇਹ ਉਹ ਥਾਂ ਹੈ ਜਿੱਥੇ AI ਦਾ ਕਿਨਾਰਾ ਸ਼ੁਰੂ ਹੁੰਦਾ ਹੈ। AI ਨੂੰ ਪੁੱਛੋ "ਮਿਲੀਮੀਟਰ ਵਿੱਚ ਹੱਥ ਦੀ ਔਸਤ ਚੌੜਾਈ ਕੀ ਹੈ?" ਜਦੋਂ ਤੁਸੀਂ ਪੁੱਛਦੇ ਹੋ, ਇਹ ਤੁਹਾਨੂੰ ਇੱਕ ਸਿੰਗਲ ਨੰਬਰ ਦਿੰਦਾ ਹੈ; ਇਹ ਸੰਖਿਆ ਭਰਮ ਹੋ ਸਕਦੀ ਹੈ, ਇਹ ਅਸਪਸ਼ਟ ਹੈ ਕਿ ਇਹ ਕਿਸ ਆਬਾਦੀ ਨਾਲ ਸਬੰਧਤ ਹੈ, ਅਤੇ ਇਹ ਪ੍ਰਤੀਸ਼ਤ ਵੰਡ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰਦਾ ਹੈ। ਐਰਗੋਨੋਮਿਕ ਮੁੱਲ ਭਰੋਸੇਯੋਗ ਐਂਥਰੋਪੋਮੈਟ੍ਰਿਕ ਡੇਟਾ ਟੇਬਲਾਂ ਤੋਂ ਲਏ ਜਾਂਦੇ ਹਨ, ਏਆਈ ਤੋਂ ਨਹੀਂ, ਅਤੇ ਭੌਤਿਕ ਮੌਕਅੱਪ ਦੇ ਨਾਲ ਉਪਭੋਗਤਾ ਟੈਸਟਿੰਗ ਵਿੱਚ ਪ੍ਰਮਾਣਿਤ ਹੁੰਦੇ ਹਨ। ਤੁਸੀਂ ਐਰਗੋਨੋਮਿਕਸ ਵਿੱਚ AI ਦੀ ਵਰਤੋਂ ਇਸ ਲਈ ਕਰ ਸਕਦੇ ਹੋ: ਕਿਸੇ ਉਤਪਾਦ ਲਈ ਤੁਹਾਨੂੰ ਕਿਹੜੇ ਐਰਗੋਨੋਮਿਕ ਕਾਰਕਾਂ 'ਤੇ ਵਿਚਾਰ ਕਰਨ ਦੀ ਲੋੜ ਹੈ, ਕੀ ਤੁਸੀਂ ਵਰਤੋਂ ਦੇ ਦ੍ਰਿਸ਼ ਨੂੰ ਕਦਮ-ਦਰ-ਕਦਮ ਅਤੇ ਫਲੈਗ ਜੋਖਮ ਦੇ ਸਥਾਨਾਂ ਦਾ ਵਰਣਨ ਕੀਤਾ ਹੈ, ਜਾਂ ਕਿਸੇ ਐਂਥਰੋਪੋਮੈਟ੍ਰਿਕ ਡੇਟਾ ਸੈੱਟ ਦੀ ਵਿਆਖਿਆ ਕਰਨ ਵਿੱਚ ਮਦਦ ਪ੍ਰਾਪਤ ਕਰ ਸਕਦੇ ਹੋ। ਪਰ ਸੰਖਿਆ ਦਾ ਸਰੋਤ ਕਦੇ ਵੀ AI ਨਹੀਂ ਹੋ ਸਕਦਾ।
ਹੇਠ ਦਿੱਤੀ ਸਾਰਣੀ ਸੰਖੇਪ ਵਿੱਚ ਦੱਸਦੀ ਹੈ ਕਿ ਸੁਹਜ ਅਤੇ ਐਰਗੋਨੋਮਿਕਸ ਵਿੱਚ ਏਆਈ ਦੀ ਭੂਮਿਕਾ ਕਿਵੇਂ ਵੱਖਰੀ ਹੈ:
ਵਿਸ਼ਾ
ਏਆਈ ਦੀ ਭੂਮਿਕਾ
ਪੁਸ਼ਟੀਕਰਨ ਸਰੋਤ
ਫਾਰਮ ਭਾਸ਼ਾ ਖੋਜ
ਸ਼ਕਤੀਸ਼ਾਲੀ: ਪਰਿਵਰਤਨ ਅਤੇ ਤੁਲਨਾ ਪੈਦਾ ਕਰਦਾ ਹੈ
ਡਿਜ਼ਾਈਨਰ ਨਿਰਣਾ, ਬ੍ਰਾਂਡ ਗਾਈਡ
ਮੁਕੱਦਮੇ ਦੀ ਦਰ
ਸ਼ਕਤੀਸ਼ਾਲੀ: ਨਾਲ ਦੇ ਨਾਲ ਵਿਕਲਪਕ
ਡਿਜ਼ਾਈਨਰ ਨਿਰਣਾ, ਵਿਜ਼ੂਅਲ ਮੁਲਾਂਕਣ
ਐਰਗੋਨੋਮਿਕ ਆਕਾਰ (ਵਿਆਸ, ਉਚਾਈ)
ਕਮਜ਼ੋਰ: ਸਿਰਫ਼ ਡਰਾਫਟ/ਰਿਮਾਈਂਡਰ
ਐਂਥਰੋਪੋਮੈਟ੍ਰਿਕ ਡੇਟਾ + ਮੌਕਅੱਪ + ਟੈਸਟਿੰਗ
ਕੇਸ ਵਿਸ਼ਲੇਸ਼ਣ ਦੀ ਵਰਤੋਂ ਕਰੋ
ਮਾਧਿਅਮ: ਡਰਾਫਟ ਜੋਖਮ ਸੂਚੀ
ਅਸਲ ਉਪਭੋਗਤਾ ਨਿਰੀਖਣ
ਪਹੁੰਚਯੋਗਤਾ ਲੋੜਾਂ
ਮਾਧਿਅਮ: ਚੈੱਕਲਿਸਟ ਰੂਪਰੇਖਾ
ਮਿਆਰ + ਮਾਹਰ + ਟੈਸਟਿੰਗ
ਤਿੰਨ ਛੋਟੇ ਕੇਸ
ਕੇਸ 1 - ਔਕੜਾਂ ਦੀ ਤੁਲਨਾ ਦੇ ਨਾਲ ਤੁਰੰਤ ਫੈਸਲਾ। ਇੱਕ ਡਿਜ਼ਾਈਨਰ ਇੱਕ ਬਲੂਟੁੱਥ ਸਪੀਕਰ ਲਈ ਸਰੀਰ ਦੀ ਉਚਾਈ/ਚੌੜਾਈ ਅਨੁਪਾਤ ਬਾਰੇ ਅਨਿਸ਼ਚਿਤ ਹੈ। ਇਹ AI ਨੂੰ 1:1, 3:4 ਅਤੇ 9:16 ਦੇ ਅਨੁਪਾਤ ਵਿੱਚ ਸਮਾਨ ਰੂਪ ਪੈਦਾ ਕਰਨ ਲਈ ਕਹਿੰਦਾ ਹੈ, ਤਿੰਨਾਂ ਨੂੰ ਨਾਲ-ਨਾਲ ਰੱਖਦਾ ਹੈ ਅਤੇ 5 ਮਿੰਟਾਂ ਵਿੱਚ ਗਾਹਕ ਨਾਲ ਅਨੁਪਾਤ 3:4 'ਤੇ ਸੈਟਲ ਹੋ ਜਾਂਦਾ ਹੈ। ਏਆਈ ਨੂੰ ਇੱਥੇ ਸਹੀ ਢੰਗ ਨਾਲ ਵਰਤਿਆ ਗਿਆ ਸੀ: ਇਸ ਨੇ ਵਿਜ਼ੂਅਲ ਸਮੱਗਰੀ ਪੈਦਾ ਕੀਤੀ ਜੋ ਫੈਸਲੇ ਨੂੰ ਤੇਜ਼ ਕਰਦੀ ਹੈ, ਮਨੁੱਖਾਂ ਨੇ ਚੋਣ ਕੀਤੀ।
ਕੇਸ 2 - ਗਲਤ ਐਰਗੋਨੋਮਿਕ ਮੁੱਲ। ਇੱਕ ਟੀਮ ਬਜ਼ੁਰਗ ਉਪਭੋਗਤਾਵਾਂ ਲਈ ਇੱਕ ਗੋਲੀ ਬਾਕਸ ਤਿਆਰ ਕਰਦੀ ਹੈ ਅਤੇ AI ਨੂੰ ਓਪਨਿੰਗ ਟੈਬ ਦੀ ਤਾਕਤ ਬਾਰੇ ਪੁੱਛਦੀ ਹੈ; AI ਕਹਿੰਦਾ ਹੈ "5 ਨਿਊਟਨ ਠੀਕ ਹੈ"। ਟੀਮ ਇਸ ਨੂੰ ਗ੍ਰਹਿਣ ਕਰਦੀ ਹੈ। ਹਾਲਾਂਕਿ, ਬਜ਼ੁਰਗਾਂ ਅਤੇ ਗਠੀਏ ਦੇ ਉਪਭੋਗਤਾਵਾਂ ਦੇ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਹਿੱਸੇ ਲਈ, 5 N ਬਹੁਤ ਜ਼ਿਆਦਾ ਹੈ; ਅਸਲ ਟੀਚਾ ਬਹੁਤ ਘੱਟ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ, ਘੱਟ ਪਕੜ ਤਾਕਤ ਵਾਲੇ ਉਪਭੋਗਤਾਵਾਂ ਸਮੇਤ। ਭੌਤਿਕ ਪ੍ਰੋਟੋਟਾਈਪ ਟੈਸਟਿੰਗ ਦੌਰਾਨ ਬਾਕਸ ਨੂੰ ਖੋਲ੍ਹਿਆ ਨਹੀਂ ਜਾ ਸਕਦਾ ਹੈ। ਪਾਠ: ਐਰਗੋਨੋਮਿਕ ਬਲ/ਮਾਪ ਮੁੱਲ ਟੀਚੇ ਦੀ ਆਬਾਦੀ ਦੇ ਅਸਲ ਡੇਟਾ ਤੋਂ ਆਉਂਦੇ ਹਨ ਅਤੇ ਜਾਂਚ ਦੁਆਰਾ ਪ੍ਰਮਾਣਿਤ ਕੀਤੇ ਜਾਂਦੇ ਹਨ; AI ਦਾ ਔਡ ਨੰਬਰ ਗੁੰਮਰਾਹਕੁੰਨ ਹੈ।
ਕੇਸ 3 - ਚੈਕਲਿਸਟ ਦੇ ਨਾਲ ਕਵਰੇਜ। ਇੱਕ ਰਸੋਈ ਦੇ ਚਾਕੂ ਹੈਂਡਲ ਨੂੰ ਡਿਜ਼ਾਈਨ ਕਰਦੇ ਸਮੇਂ, ਇੱਕ ਡਿਜ਼ਾਈਨਰ AI ਨੂੰ ਕਹਿੰਦਾ ਹੈ ਕਿ "ਇਸ ਉਤਪਾਦ ਲਈ ਮੈਨੂੰ ਵਿਚਾਰਨ ਲਈ ਲੋੜੀਂਦੇ ਸਾਰੇ ਐਰਗੋਨੋਮਿਕ ਅਤੇ ਸੁਰੱਖਿਆ ਕਾਰਕਾਂ ਦੀ ਇੱਕ ਸੂਚੀ ਬਣਾਓ।" AI; ਇਹ 14 ਵਸਤੂਆਂ ਦੀ ਇੱਕ ਸੂਚੀ ਤਿਆਰ ਕਰਦਾ ਹੈ ਜਿਵੇਂ ਕਿ ਪਕੜ ਦਾ ਵਿਆਸ, ਐਂਟੀ-ਸਲਿੱਪ ਸਤਹ, ਗਿੱਲੇ ਹੱਥਾਂ ਵਿੱਚ ਪਕੜ, ਉਂਗਲਾਂ ਦੀ ਸੁਰੱਖਿਆ, ਸੱਜੇ/ਖੱਬੇ ਹੱਥ, ਸਫਾਈਯੋਗਤਾ। ਡਿਜ਼ਾਈਨਰ ਇਸ ਸੂਚੀ ਨੂੰ ਸ਼ੁਰੂਆਤੀ ਬਿੰਦੂ ਵਜੋਂ ਵਰਤਦਾ ਹੈ, ਐਂਥਰੋਪੋਮੈਟ੍ਰਿਕ ਡੇਟਾ ਅਤੇ ਟੈਸਟਿੰਗ ਤੋਂ ਹਰੇਕ ਆਈਟਮ ਦਾ ਸਹੀ ਮੁੱਲ ਕੱਢਦਾ ਹੈ। ਪਾਠ: AI ਦਾਇਰੇ ਦਾ ਵਿਸਤਾਰ ਕਰਦਾ ਹੈ (ਤੁਹਾਨੂੰ ਉਸ ਕਾਰਕ ਦੀ ਯਾਦ ਦਿਵਾਉਂਦਾ ਹੈ ਜਿਸ ਨੂੰ ਤੁਸੀਂ ਭੁੱਲ ਗਏ ਹੋ), ਪਰ ਮੁੱਲ ਨਹੀਂ ਦਿੰਦਾ ਹੈ।
ਕਾਪੀ ਕਰਨ ਯੋਗ ਪ੍ਰੋਂਪਟ ਟੈਂਪਲੇਟਸ
ਅਨੁਪਾਤ ਤੁਲਨਾ ਟੈਮਪਲੇਟ (ਵਿਜ਼ੂਅਲ AI) “ਇਸ ਉਤਪਾਦ ਦਾ ਇੱਕੋ ਰੂਪ ਰੱਖੋ ਪਰ ਸਿਰਫ਼ [ਧੜ/ਬਾਂਹ] ਅਨੁਪਾਤ ਨੂੰ ਬਦਲੋ: ਤਿੰਨ ਭਿੰਨਤਾਵਾਂ ਪੈਦਾ ਕਰੋ — ਅਨੁਪਾਤ 1:2, 1:3, ਅਤੇ 1:4। ਬਾਕੀ ਸਭ ਕੁਝ (ਪਦਾਰਥ, ਕੋਣ, ਰੋਸ਼ਨੀ) ਇੱਕੋ ਜਿਹਾ ਰੱਖੋ ਤਾਂ ਜੋ ਮੈਂ ਅਨੁਪਾਤ ਦੇ ਪ੍ਰਭਾਵ ਦੀ ਤੁਲਨਾ ਕਰ ਸਕਾਂ।”
ਐਰਗੋਨੋਮਿਕਸ ਚੈਕਲਿਸਟ ਟੈਮਪਲੇਟ (ਟੈਕਸਟ AI)"[ਉਤਪਾਦ] ਲਈ ਇੱਕ ਐਰਗੋਨੋਮਿਕਸ ਅਤੇ ਉਪਯੋਗਤਾ ਚੈਕਲਿਸਟ ਤਿਆਰ ਕਰੋ। ਸ਼ਾਮਲ ਕਰੋ: ਪਕੜ/ਪਕੜ, ਪਹੁੰਚ, ਜ਼ੋਰ ਦੀ ਲੋੜ, ਦ੍ਰਿਸ਼ਟੀ/ਪੜ੍ਹਨਯੋਗਤਾ, ਸੱਜੇ-ਖੱਬੇ ਹੱਥ, ਵੱਖ-ਵੱਖ ਆਕਾਰ ਅਤੇ ਉਮਰ ਸਮੂਹ, ਪਹੁੰਚਯੋਗਤਾ। ਹਰ ਇੱਕ ਲਈ 'ਕੌੜਾ ਮਾਨਵ-ਵਿਗਿਆਨਕ ਡੇਟਾ ਜਾਂ ਟੈਸਟ' ਸ਼ਾਮਲ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ। ਮੈਨੂੰ ਮਾਪਣ/ਪੁਸ਼ਟੀ ਕਰਨ ਲਈ ਕੀ ਚਾਹੀਦਾ ਹੈ, ਮੈਨੂੰ ਦੱਸੋ।"
ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਵਿਸ਼ਲੇਸ਼ਣ ਟੈਂਪਲੇਟ ਦੀ ਵਰਤੋਂ ਕਰੋ (ਟੈਕਸਟ AI)"ਹੇਠ ਦਿੱਤੇ ਉਪਭੋਗਤਾ ਹੇਠਾਂ ਦਿੱਤੇ ਸੰਦਰਭ ਵਿੱਚ ਹੇਠਾਂ ਦਿੱਤੇ ਉਤਪਾਦ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ: [ਵੇਰਵਾ]। ਵਰਤੋਂ ਨੂੰ ਕਦਮ ਦਰ ਕਦਮ ਲਿਖੋ (ਹੱਥ ਫੈਲਾਉਂਦਾ ਹੈ, ਫੜਨਾ, ਮੋੜਦਾ ਹੈ...) ਅਤੇ ਹਰ ਕਦਮ 'ਤੇ ਮੁਸ਼ਕਲ, ਥਕਾਵਟ ਜਾਂ ਜੋਖਮ ਦੇ ਸੰਭਾਵਿਤ ਬਿੰਦੂਆਂ ਨੂੰ ਚਿੰਨ੍ਹਿਤ ਕਰੋ। ਇਹ ਹਾਈਪੋਥੀਸ ਹਨ; ਨਿਰਣਾਇਕ ਦੁਆਰਾ ਪੁਸ਼ਟੀ ਨਾ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ।"
ਐਂਥਰੋਪੋਮੈਟ੍ਰਿਕ ਡੇਟਾ ਇੰਟਰਪ੍ਰੀਟੇਸ਼ਨ ਟੈਮਪਲੇਟ (ਟੈਕਸਟ AI) "ਮੇਰੇ ਕੋਲ ਐਂਥਰੋਪੋਮੈਟ੍ਰਿਕ ਮਾਪਾਂ ਦੀ ਹੇਠ ਲਿਖੀ ਸਾਰਣੀ ਹੈ: [ਪੇਸਟ ਡੇਟਾ, ਸਰੋਤ]। ਮੈਂ 5ਵੇਂ ਅਤੇ 95ਵੇਂ ਪ੍ਰਤੀਸ਼ਤ ਉਪਭੋਗਤਾ ਨੂੰ ਕਵਰ ਕਰਨ ਲਈ [ਹੈਂਡਲ ਵਿਆਸ] ਰੇਂਜ ਨੂੰ ਕਿਵੇਂ ਨਿਰਧਾਰਿਤ ਕਰਾਂ, ਕਦਮਾਂ ਦੀ ਵਿਆਖਿਆ ਕਰੋ। ਸਾਰਣੀ ਵਿੱਚ ਮੁੱਲਾਂ ਦੀ ਵਰਤੋਂ ਕਰੋ ਜੋ ਤੁਹਾਡੇ ਖੁਦ ਦੇ ਨੰਬਰ ਬਣਾਉਣ ਦੀ ਲੋੜ ਹੈ।
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ / ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ: "ਇਸ ਹੈਂਡਲ ਦਾ ਆਦਰਸ਼ ਆਕਾਰ ਕੀ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ?"
ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ: "ਮੈਂ ਇੱਕ ਹੈਂਡ ਡ੍ਰਿਲ ਪਕੜ ਤਿਆਰ ਕਰ ਰਿਹਾ ਹਾਂ। ਟੀਚਾ ਉਪਭੋਗਤਾ: ਪੇਸ਼ੇਵਰ ਮਾਸਟਰ, 5ਵਾਂ-95ਵਾਂ ਪ੍ਰਤੀਸ਼ਤ ਬਾਲਗ ਹੱਥ। ਮੈਨੂੰ ਇੱਕ ਐਰਗੋਨੋਮਿਕਸ ਚੈੱਕਲਿਸਟ ਦਿਓ: ਪਕੜ ਦਾ ਵਿਆਸ, ਲੰਬਾਈ, ਸਤਹ ਦੀ ਬਣਤਰ, ਟਰਿਗਰ ਪਹੁੰਚ, ਵਾਈਬ੍ਰੇਸ਼ਨ, ਗਿੱਲੀ/ਦਸਤਾਨੇ ਦੀ ਪਕੜ। ਲਿਖੋ ਕਿ ਮੈਨੂੰ ਕਿਹੜਾ ਮਾਨਵ-ਵਿਗਿਆਨਕ ਡੇਟਾ ਚਾਹੀਦਾ ਹੈ ਅਤੇ ਹਰੇਕ ਨੂੰ ਇਹ ਟੈਸਟ ਦੇਣ ਲਈ ਕੀ ਲੋੜ ਹੈ। ਸਹੀ mm ਮੁੱਲ; ਮੈਂ ਟੇਬਲ ਦੀ ਵਰਤੋਂ ਕਰਾਂਗਾ ਅਤੇ ਮੌਕਅੱਪ ਨਾਲ ਟੈਸਟ ਕਰਾਂਗਾ।"
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ AI ਨੂੰ ਇੱਕ ਸੰਕਲਿਤ ਔਡ ਨੰਬਰ ਵਿੱਚ ਧੱਕਦਾ ਹੈ; ਸ਼ਕਤੀਸ਼ਾਲੀ ਪ੍ਰੋਂਪਟ ਇਸ ਨੂੰ ਸਹੀ ਕੰਮ (ਸਕੋਪ ਅਤੇ ਪ੍ਰਮਾਣਿਕਤਾ ਸੂਚੀ) ਵੱਲ ਨਿਰਦੇਸ਼ਤ ਕਰਦਾ ਹੈ ਅਤੇ ਨੰਬਰ ਦੇ ਸਰੋਤ ਨੂੰ ਤੁਹਾਡੇ ਡੇਟਾ + ਟੈਸਟ ਲਈ ਛੱਡ ਦਿੰਦਾ ਹੈ।
ਆਮ ਗਲਤੀਆਂ
- ਏਰਗੋਨੋਮਿਕ ਮਾਪ ਲਈ AI ਨੂੰ "ਪੁੱਛਣਾ" ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਸਿੱਧੇ ਮਾਡਲ ਵਿੱਚ ਪ੍ਰੋਸੈਸ ਕਰਨਾ। ਇਹ ਐਂਥਰੋਪੋਮੈਟ੍ਰਿਕ ਡੇਟਾ ਅਤੇ ਟੈਸਟਿੰਗ ਤੋਂ ਆਉਂਦੇ ਹਨ।
- ਇੱਕ ਸਿੰਗਲ "ਔਸਤ ਉਪਭੋਗਤਾ" ਲਈ ਡਿਜ਼ਾਈਨਿੰਗ. ਉਹ ਡਿਜ਼ਾਈਨ ਜੋ ਪਰਸੈਂਟਾਈਲ ਰੇਂਜ ਨੂੰ ਕਵਰ ਨਹੀਂ ਕਰਦਾ ਹੈ (ਉਦਾਹਰਨ ਲਈ 5-95) ਜ਼ਿਆਦਾਤਰ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਸ਼ਾਮਲ ਨਹੀਂ ਕਰਦਾ ਹੈ।
- AI ਨੂੰ ਸੁਹਜ ਸੰਬੰਧੀ ਨਿਰਣਾ ਸੌਂਪਣਾ। AI ਪ੍ਰਸਿੱਧ ਪੈਟਰਨ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ; ਤੁਸੀਂ ਇਸ ਉਤਪਾਦ/ਬ੍ਰਾਂਡ ਲਈ ਸਹੀ ਰੇਟ ਚੁਣਦੇ ਹੋ।
- ਮੌਕਅੱਪ ਅਤੇ ਉਪਭੋਗਤਾ ਟੈਸਟਿੰਗ ਨੂੰ ਛੱਡਣਾ। ਸਕਰੀਨ 'ਤੇ ਚੰਗੀ ਲੱਗਣ ਵਾਲੀ ਪਕੜ ਹੱਥ 'ਚ ਖਰਾਬ ਹੋ ਸਕਦੀ ਹੈ।
- ਪਹੁੰਚਯੋਗਤਾ ਨੂੰ ਬਾਅਦ ਦੇ ਵਿਚਾਰ ਵਜੋਂ ਵਿਚਾਰਨਾ। ਅਕਾਰ, ਉਮਰ ਅਤੇ ਯੋਗਤਾਵਾਂ ਦੀ ਵਿਭਿੰਨਤਾ ਨੂੰ ਸ਼ੁਰੂ ਤੋਂ ਹੀ ਚੈੱਕਲਿਸਟ ਕਰੋ।
ਸਾਵਧਾਨ: ਐਰਗੋਨੋਮਿਕਸ ਸੁਰੱਖਿਆ ਅਤੇ ਸਿਹਤ ਬਾਰੇ ਹੈ; ਇੱਕ ਗਲਤ ਬਲ ਜਾਂ ਆਕਾਰ ਮੁੱਲ ਦੇ ਨਤੀਜੇ ਵਜੋਂ ਸੱਟ, ਖਿਚਾਅ, ਜਾਂ ਇੱਕ ਬੇਕਾਰ ਉਤਪਾਦ ਹੋਵੇਗਾ। ਏਆਈ ਕਦੇ ਵੀ ਐਰਗੋਨੋਮਿਕਸ ਵਿੱਚ ਮਾਪ ਦਾ ਸਰੋਤ ਨਹੀਂ ਹੈ; ਇਹ ਇੱਕ ਰੀਮਾਈਂਡਰ ਹੈ ਜਿਸਦੀ ਤੁਹਾਨੂੰ ਸਭ ਤੋਂ ਵੱਧ ਪੁਸ਼ਟੀ ਕਰਨ ਦੀ ਲੋੜ ਹੈ।
ਸੰਖੇਪ ਵਿੱਚ
ਫਾਰਮ/ਸੁਹਜ-ਸ਼ਾਸਤਰ ਅਤੇ ਐਰਗੋਨੋਮਿਕਸ ਲਈ ਵੱਖ-ਵੱਖ ਤਸਦੀਕ ਪ੍ਰਣਾਲੀਆਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਸੁਹਜ ਸ਼ਾਸਤਰ ਵਿੱਚ AI ਸ਼ਕਤੀਸ਼ਾਲੀ ਹੈ: ਇਹ ਤੁਹਾਨੂੰ ਅਨੁਪਾਤ ਅਤੇ ਰੂਪ ਦੀਆਂ ਭਾਸ਼ਾਵਾਂ ਦੇ ਭਿੰਨਤਾਵਾਂ ਨੂੰ ਤੇਜ਼ੀ ਨਾਲ ਤਿਆਰ ਕਰਨ ਅਤੇ ਤੁਲਨਾ ਕਰਨ ਦਿੰਦਾ ਹੈ, ਪਰ "ਸਭ ਤੋਂ ਵਧੀਆ" ਨਿਰਣਾ ਕਰਨਾ ਤੁਹਾਡਾ ਹੈ। ਐਰਗੋਨੋਮਿਕਸ ਵਿੱਚ, ਏਆਈ ਸਿਰਫ ਮਦਦਗਾਰ ਹੈ: ਇਹ ਚੈਕਲਿਸਟ ਅਤੇ ਦ੍ਰਿਸ਼ ਦੀ ਰੂਪਰੇਖਾ ਤਿਆਰ ਕਰ ਸਕਦਾ ਹੈ, ਪਰ ਆਕਾਰ, ਵਿਆਸ, ਬਲ ਆਦਿ ਵਰਗੇ ਮੁੱਲ ਭਰੋਸੇਮੰਦ ਐਂਥਰੋਪੋਮੈਟ੍ਰਿਕ ਡੇਟਾ ਤੋਂ ਆਉਂਦੇ ਹਨ ਅਤੇ ਭੌਤਿਕ ਮੌਕਅੱਪ ਦੇ ਨਾਲ ਉਪਭੋਗਤਾ ਟੈਸਟਿੰਗ ਵਿੱਚ ਪ੍ਰਮਾਣਿਤ ਹੁੰਦੇ ਹਨ। ਪ੍ਰਤੀਸ਼ਤ ਰੇਂਜ ਨੂੰ ਕਵਰ ਕਰੋ, ਪਹੁੰਚਯੋਗਤਾ 'ਤੇ ਮੁੜ ਵਿਚਾਰ ਕਰੋ, ਅਤੇ AI ਤੋਂ ਕੋਈ ਵੀ ਐਰਗੋਨੋਮਿਕ ਨੰਬਰ ਨਾ ਲਓ।
ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ
ਹੱਥ ਨਾਲ ਫੜਿਆ ਉਤਪਾਦ ਚੁਣੋ (ਕੋਈ ਵੀ ਜਿਸ ਵਿੱਚ ਹੈਂਡਲ ਸ਼ਾਮਲ ਹੈ)। AI ਨੂੰ "ਐਰਗੋਨੋਮਿਕਸ ਚੈਕਲਿਸਟ" ਟੈਮਪਲੇਟ ਨਾਲ ਇੱਕ ਚੈਕਲਿਸਟ ਦਿਓ। ਫਿਰ ਇੱਕ ਭਰੋਸੇਯੋਗ ਐਂਥਰੋਪੋਮੈਟ੍ਰਿਕ ਸਰੋਤ ਤੋਂ ਸੂਚੀ ਵਿੱਚ ਘੱਟੋ-ਘੱਟ ਤਿੰਨ ਮੀਟ੍ਰਿਕ ਆਈਟਮਾਂ (ਉਦਾਹਰਨ ਲਈ ਪਕੜ ਵਿਆਸ) ਦੀ ਖੋਜ ਕਰੋ ਅਤੇ ਅਸਲ ਪ੍ਰਤੀਸ਼ਤ ਰੇਂਜਾਂ ਨੂੰ ਲਿਖੋ ਜੋ AI ਪ੍ਰਦਾਨ ਨਹੀਂ ਕਰਦਾ ਹੈ। ਵੱਖਰੇ ਤੌਰ 'ਤੇ, "ਅਨੁਪਾਤ ਤੁਲਨਾ" ਟੈਮਪਲੇਟ ਨਾਲ ਇੱਕੋ ਉਤਪਾਦ ਦੇ ਤਿੰਨ ਵੱਖ-ਵੱਖ ਅਨੁਪਾਤ ਤਿਆਰ ਕਰੋ ਅਤੇ ਜਾਇਜ਼ ਠਹਿਰਾਓ ਕਿ ਤੁਸੀਂ ਕਿਸ ਨੂੰ ਚੁਣਿਆ ਹੈ ਅਤੇ ਕਿਉਂ।
ਚੈੱਕਲਿਸਟ
- [ ] ਮੈਂ ਖੁਦ ਨਿਰਣਾ ਕਰਦੇ ਹੋਏ, ਸੁਹਜ/ਅਨੁਪਾਤ ਸੰਬੰਧੀ ਫੈਸਲਿਆਂ ਲਈ AI ਨੂੰ ਤੁਲਨਾਤਮਕ ਸਾਧਨ ਵਜੋਂ ਵਰਤਿਆ।
- [ ] ਮੈਂ ਭਰੋਸੇਮੰਦ ਐਂਥਰੋਪੋਮੈਟ੍ਰਿਕ ਡੇਟਾ ਤੋਂ ਐਰਗੋਨੋਮਿਕ ਮਾਪ ਲਏ, AI ਤੋਂ ਨਹੀਂ।
- [ ] ਮੈਂ ਸੋਚਿਆ ਕਿ ਇਹ ਪ੍ਰਤੀਸ਼ਤ ਰੇਂਜ (ਜਿਵੇਂ ਕਿ 5ਵੀਂ-95ਵੀਂ) ਨੂੰ ਕਵਰ ਕਰੇਗਾ।
- [ ] ਮੈਂ ਆਪਣੀ ਯੋਜਨਾ ਵਿੱਚ ਭੌਤਿਕ ਮੌਕਅੱਪ ਅਤੇ ਉਪਭੋਗਤਾ ਟੈਸਟਿੰਗ ਨੂੰ ਸ਼ਾਮਲ ਕੀਤਾ ਹੈ।
- [ ] ਮੈਂ ਸ਼ੁਰੂ ਤੋਂ ਹੀ ਚੈਕਲਿਸਟ ਵਿੱਚ ਪਹੁੰਚਯੋਗਤਾ ਅਤੇ ਆਕਾਰ/ਉਮਰ ਦੀ ਵਿਭਿੰਨਤਾ ਸ਼ਾਮਲ ਕੀਤੀ ਹੈ।
- [ ] ਮੈਂ ਉਹਨਾਂ ਦੀ ਪੁਸ਼ਟੀ ਕੀਤੇ ਬਿਨਾਂ ਮਾਡਲ ਵਿੱਚ ਕੋਈ ਐਰਗੋਨੋਮਿਕ ਮੁੱਲ ਨਹੀਂ ਜੋੜਿਆ।