اپل روش تازهای برای آموزش هوش مصنوعی در طراحی رابط کاربری معرفی کرد.
اپل در تحقیقات تازه خود به دنبال ارتقای آموزش هوش مصنوعی مولد در طراحی رابطهای کاربری است.
این رویکرد جدید بهجای اتکا به روشهای مرسوم، بر بازخورد مستقیم و عملی طراحان حرفهای تکیه دارد. نتایج نشان میدهد این روش میتواند کیفیت عملکرد و انطباق طراحیها با نیاز کاربران واقعی را افزایش دهد.
تحقیقات تازه اپل مسیر جدیدی را برای آموزش هوش مصنوعی در حوزه طراحی آشکار میکند.
اپل همچنان به بررسی و توسعه روشهایی برای بهرهگیری از هوش مصنوعی مولد با هدف بهبود فرآیندهای توسعه اپلیکیشن ادامه میدهد؛ رویکردی که بخشی از تمرکز فزاینده این شرکت بر استفاده از فناوریهای نوین در محیطهای کاری نرمافزاری بهشمار میرود.
به گزارش ایتنا، در همین راستا، گروهی از پژوهشگران اپل مطالعهای تحقیقاتی منتشر کردهاند که به آموزش مدلهای هوش مصنوعی برای تولید کد مرتبط با رابطهای کاربری کاربردی میپردازد.
تمرکز اصلی این پژوهش بر اطمینان از آن بوده است که کد تولیدشده توسط هوش مصنوعی، نهتنها قابلیت کامپایل (امکان اجرا و پردازش صحیح کد) داشته باشد، بلکه از نظر عملکرد و ظاهر رابط کاربری نیز تطابق بالایی با نیازها و انتظارات کاربران واقعی ارائه دهد؛ موضوعی که فراتر از توجه صرف به کیفیت بصری طراحی است.
در تحول جدیدی، بخشی از تیم مسئول پروژه «UICoder» مقاله پژوهشی تازهای با عنوان «بهبود مدلهای تولید رابط کاربری از طریق بازخورد طراح» منتشر کرده است.
پژوهشگران در این مقاله توضیح میدهند که روشهای رایج یادگیری تقویتی مبتنی بر بازخورد انسانی (RLHF)، لزوماً بهترین و قابلاعتمادترین راهکار برای آموزش مدلهای تولیدکننده رابط کاربری با طراحی مطلوب نیستند. به گفته این تیم، این روشها همخوانی کافی با گردش کار طراحان ندارند و منطق پیچیده و غنی بهکاررفته در نقد و اصلاح طراحیهای رابط کاربری را نادیده میگیرند.
برای رفع این چالش، تیم تحقیقاتی اپل رویکرد متفاوتی را پیشنهاد داده است. در این رویکرد، طراحان حرفهای بهطور مستقیم رابطهای کاربری تولیدشده توسط مدل را با استفاده از بازخورد کیفی، نمودارها و حتی اعمال تغییرات عملی ارزیابی و اصلاح میکنند. سپس تفاوتهای میان نسخههای قبل و بعد از اصلاح، به دادههایی ساختیافته تبدیل میشود که برای تنظیم دقیقتر مدل هوش مصنوعی مورد استفاده قرار میگیر
به گفته پژوهشگران، این روش امکان آموزش یک مدل پاداش را بر پایه بهبودهای ملموس طراحی فراهم کرده است؛ مدلی که بهطور مؤثر به سامانه تولید رابط کاربری میآموزد طرحبندیها و مؤلفههایی را ترجیح دهد که بیشترین تطابق را با قضاوت و معیارهای طراحی در دنیای واقعی دارند.
در همین چارچوب، محققان موفق به جمعآوری هزار و چهارصد و شصت حاشیهنویسی شدند. این دادهها در ادامه به نمونههای دوگانه «ترجیح رابط کاربری» تبدیل شدند که در آنها، نسخه اولیه رابط کاربری با نسخههای بهبودیافته توسط طراحان حرفهای مقایسه میشود.
