https://ai.googleblog.com/2023/02/a-vision-language-approach-for.html
https://sites.google.com/nd.edu/computational-uichi23/
https://link.springer.com/book/10.1007/978-3-030-82681-9
https://sites.google.com/nd.edu/computational-uichi23/
https://link.springer.com/book/10.1007/978-3-030-82681-9
research.google
A vision-language approach for foundational UI understanding
Posted by Yang Li, Research Scientist, and Gang Li, Software Engineer, Google Research The computational understanding of user interfaces (UI) is a...
Материалы по курсу C26: Human-Computer Interaction and AI: What practitioners need to know to design and build effective AI systems from a human perspective
https://sites.google.com/view/chi-2023-hci-and-ai-tutorial/home
https://docs.google.com/document/d/11jW7UYhggEKYdY1blp1pkxuealoGzzqAsmF0sRYfYtg/edit
https://sites.google.com/view/chi-2023-hci-and-ai-tutorial/home
https://docs.google.com/document/d/11jW7UYhggEKYdY1blp1pkxuealoGzzqAsmF0sRYfYtg/edit
Google
Human-Computer Interaction and AI
Everything you need to know about the course to be taught at CHI 2023 in Hamburg, Germany
educhi2022-final86.pdf
1.3 MB
Data-Enabled Design: Hands-on Teaching Activities to Onboard Design Students in the Use of Sensor Data as a Creative Material
Forwarded from Trisigma — про эксперименты (Iskαnder)
Comparing quantiles at scale in online A/B-testing
Короткая и дельная статья про то как сделать бутстрап квантилей с помощью python от Spotify (с советами с использованием sql)
https://engineering.atspotify.com/2022/03/comparing-quantiles-at-scale-in-online-a-b-testing/
Короткая и дельная статья про то как сделать бутстрап квантилей с помощью python от Spotify (с советами с использованием sql)
https://engineering.atspotify.com/2022/03/comparing-quantiles-at-scale-in-online-a-b-testing/
Spotify Engineering
Comparing Quantiles at Scale in Online A/B Testing
Comparing Quantiles at Scale in Online A/B Testing - Spotify Engineering
Forwarded from addmeto (Grigory Bakunov)
Стерлинг Криспин, работавший исследователем нейротехнологических прототипов в Эппле более 3 лет делится тем, что они делали в группе, которая вчера выпустила VisionPro.
Там есть пугающие подробности, вот с цитатами небольшой перевод для вас:
... пользователь находится в смешанной реальности или виртуальной реальности, а модели ИИ пытаются предсказать, испытываете ли вы любопытство, рассеяность, страх, внимание, вспоминаете прошлый опыт или какое-то другое когнитивное состояние. Эти данные могут быть получены с помощью таких измерений, как слежение за глазами, электрическая активность в мозге, сердцебиение и ритмы, мышечная активность, плотность крови в мозге, кровяное давление, проводимость кожи и т.д.
Чтобы сделать возможными конкретные предсказания, было использовано множество трюков ... Одним из самых крутых результатов было предсказание того, что пользователь собирается нажать на что-то до того, как он это сделает... Ваш зрачок реагирует до того, как вы нажмете на кнопку, отчасти потому, что вы ожидаете, что что-то произойдет после нажатия...
Другие трюки для определения когнитивного состояния включают быструю подачу пользователю визуальных или звуковых сигналов, которые он может не воспринимать, а затем измерение его реакции на них.
В другом патенте подробно описывается использование машинного обучения и сигналов тела и мозга, чтобы предсказать, насколько вы сосредоточены, расслаблены или хорошо учитесь. А затем обновлять виртуальную среду, чтобы усилить эти состояния. Представьте себе адаптивную среду погружения, которая помогает вам учиться, работать или расслабляться, изменяя то, что вы видите и слышите на заднем плане.
https://twitter.com/sterlingcrispin/status/1665792422914453506
Там есть пугающие подробности, вот с цитатами небольшой перевод для вас:
... пользователь находится в смешанной реальности или виртуальной реальности, а модели ИИ пытаются предсказать, испытываете ли вы любопытство, рассеяность, страх, внимание, вспоминаете прошлый опыт или какое-то другое когнитивное состояние. Эти данные могут быть получены с помощью таких измерений, как слежение за глазами, электрическая активность в мозге, сердцебиение и ритмы, мышечная активность, плотность крови в мозге, кровяное давление, проводимость кожи и т.д.
Чтобы сделать возможными конкретные предсказания, было использовано множество трюков ... Одним из самых крутых результатов было предсказание того, что пользователь собирается нажать на что-то до того, как он это сделает... Ваш зрачок реагирует до того, как вы нажмете на кнопку, отчасти потому, что вы ожидаете, что что-то произойдет после нажатия...
Другие трюки для определения когнитивного состояния включают быструю подачу пользователю визуальных или звуковых сигналов, которые он может не воспринимать, а затем измерение его реакции на них.
В другом патенте подробно описывается использование машинного обучения и сигналов тела и мозга, чтобы предсказать, насколько вы сосредоточены, расслаблены или хорошо учитесь. А затем обновлять виртуальную среду, чтобы усилить эти состояния. Представьте себе адаптивную среду погружения, которая помогает вам учиться, работать или расслабляться, изменяя то, что вы видите и слышите на заднем плане.
https://twitter.com/sterlingcrispin/status/1665792422914453506
X (formerly Twitter)
Sterling Crispin 🕊️ (@sterlingcrispin) on X
I spent 10% of my life contributing to the development of the #VisionPro while I worked at Apple as a Neurotechnology Prototyping Researcher in the Technology Development Group. It’s the longest I’ve ever worked on a single effort. I’m proud and relieved…
Forwarded from Цифровой геноцид
Design_Thinking_Akshay_Kore_Designing_Human_Centric_AI_Experiences.pdf
10.8 MB
Designing Human-Centric AI Experiences. Applied UX Design for Artificial Intelligence
2022 года
2022 года
Forwarded from Цифровой геноцид
Новая свежая книга-пособие по UX и AI
Designing Human-Centric AI Experiences. Applied UX Design for Artificial Intelligence
Автор-индус и сотрудник observe.ai с большим опытом по автоматизации некоторых промышленных процессов, где ИИ может быть особенно эффективен: колл-центры, службы поддержки, технические центры. Достаточно четко показывает, что все сферы современного хайпа вокруг ИИ являются, скорее, narrow AI, т.е. очень узких примеров использования. Показана разница между продуктами, которые основаны на правилах и продуктами ИИ на основе подхода машинного обучения (ML), основанного на примерах. Достаточно краток, но интересен список проблем
а) это проблема контроля: как создать ИИ, который будет нам полезен. Как мы можем знать случаи, когда это не работает в нашу пользу? Какие инструменты или методы мы можем использовать, чтобы убедиться, что ИИ не причинит нам вреда?
б)Второй — построение доверия. Чтобы ИИ был полезным, его пользователи должны доверять ему. Мы должны убедиться, что пользователи ИИ могут доверять его результатам и делать правильный выбор. Например, большинство результатов системы ИИ являются вероятностными. Когда он предсказывает пончик на изображении, он никогда не может быть уверен на 100%. Можно быть уверенным на 99,9%, но не на 100%. Всегда есть право на ошибку.
в) Третья существенная проблема — объяснимость. Многие системы ИИ печально известны тем, что работают в «черном ящике»: причины его предложений неизвестны или их трудно объяснить. Проблема объяснимости связана с предоставлением соответствующей информации или объяснений результатов ИИ, чтобы его пользователи могли выносить обоснованные суждения.
г)Этические тонкости и проблемы
Подробно рассматривается и сложности работы людей, что люди делают лучше, когнитивная природа труда. В целом, выглядит как очень краткая, но, поэтому, достаточно полезная книга-пособие по UX для продуктов с ИИ, где начинающему продуктовому дизайнеру покажут как и что функционирует.
Designing Human-Centric AI Experiences. Applied UX Design for Artificial Intelligence
Автор-индус и сотрудник observe.ai с большим опытом по автоматизации некоторых промышленных процессов, где ИИ может быть особенно эффективен: колл-центры, службы поддержки, технические центры. Достаточно четко показывает, что все сферы современного хайпа вокруг ИИ являются, скорее, narrow AI, т.е. очень узких примеров использования. Показана разница между продуктами, которые основаны на правилах и продуктами ИИ на основе подхода машинного обучения (ML), основанного на примерах. Достаточно краток, но интересен список проблем
а) это проблема контроля: как создать ИИ, который будет нам полезен. Как мы можем знать случаи, когда это не работает в нашу пользу? Какие инструменты или методы мы можем использовать, чтобы убедиться, что ИИ не причинит нам вреда?
б)Второй — построение доверия. Чтобы ИИ был полезным, его пользователи должны доверять ему. Мы должны убедиться, что пользователи ИИ могут доверять его результатам и делать правильный выбор. Например, большинство результатов системы ИИ являются вероятностными. Когда он предсказывает пончик на изображении, он никогда не может быть уверен на 100%. Можно быть уверенным на 99,9%, но не на 100%. Всегда есть право на ошибку.
в) Третья существенная проблема — объяснимость. Многие системы ИИ печально известны тем, что работают в «черном ящике»: причины его предложений неизвестны или их трудно объяснить. Проблема объяснимости связана с предоставлением соответствующей информации или объяснений результатов ИИ, чтобы его пользователи могли выносить обоснованные суждения.
г)Этические тонкости и проблемы
Подробно рассматривается и сложности работы людей, что люди делают лучше, когнитивная природа труда. В целом, выглядит как очень краткая, но, поэтому, достаточно полезная книга-пособие по UX для продуктов с ИИ, где начинающему продуктовому дизайнеру покажут как и что функционирует.