Desde la creación de software hasta el diseño de automóviles, los ingenieros se enfrentan a situaciones de diseño complejas todos los días. ‘¡La optimización de un sistema técnico, ya sea haciéndolo más usable o energéticamente eficiente, es un problema muy difícil!’ dice Antti Oulasvirta, profesor de ingeniería eléctrica en la Universidad Aalto y el Centro Finlandés de Inteligencia Artificial. Los diseñadores a menudo confían en una combinación de intuición, experiencia y prueba y error para guiarlos. Además de ser ineficaz, este proceso puede conducir a la «fijación del diseño», centrándose en soluciones familiares mientras se dejan sin explorar nuevos caminos. Un enfoque ‘manual’ tampoco se adaptará a problemas de diseño más grandes y depende mucho de la habilidad individual.
Oulasvirta y sus colegas probaron un método alternativo asistido por computadora que usa un algoritmo para buscar a través de un espacio de diseño, el conjunto de posibles soluciones dadas entradas y restricciones multidimensionales para un problema de diseño en particular. Plantearon la hipótesis de que un enfoque guiado podría generar mejores diseños al explorar una franja más amplia de soluciones y equilibrar la inexperiencia humana y la fijación por el diseño.
Junto con colaboradores de la Universidad de Cambridge, los investigadores se propusieron comparar los enfoques de diseño tradicional y asistido, utilizando la realidad virtual como laboratorio. Emplearon la optimización bayesiana, una técnica de aprendizaje automático que explora el espacio de diseño y se dirige hacia soluciones prometedoras. ‘Ponemos un optimizador bayesiano en el bucle con un ser humano, que probaría una combinación de parámetros. Luego, el optimizador sugiere algunos otros valores y continúan en un ciclo de retroalimentación. Esto es excelente para diseñar técnicas de interacción de realidad virtual”, explica Oulasvirta. «Lo que no sabíamos hasta ahora es cómo experimenta el usuario este tipo de enfoque de diseño basado en la optimización».
Para averiguarlo, el equipo de Oulasvirta pidió a 40 diseñadores novatos que participaran en su experimento de realidad virtual. Los sujetos tenían que encontrar la mejor configuración para mapear la ubicación de su mano real sosteniendo un controlador vibratorio en la mano virtual que se ve en los auriculares. La mitad de estos diseñadores fueron libres de seguir sus propios instintos en el proceso, y la otra mitad recibió diseños seleccionados por el optimizador para evaluar. Ambos grupos tenían que elegir tres diseños finales que capturaran mejor la precisión y la velocidad en la tarea de interacción de realidad virtual 3D. Finalmente, los sujetos informaron qué tan seguros y satisfechos estaban con la experiencia y qué tan controlados se sentían sobre el proceso y los diseños finales.
Los resultados fueron claros: ‘Objetivamente, el optimizador ayudó a los diseñadores a encontrar mejores soluciones, pero a los diseñadores no les gustaba que los controlaran. Destruyó su creatividad y sentido de agencia”, informa Oulasvirta. El proceso dirigido por el optimizador permitió a los diseñadores explorar más el espacio de diseño en comparación con el enfoque manual, lo que llevó a soluciones de diseño más diversas. Los diseñadores que trabajaron con el optimizador también reportaron menos demanda mental y esfuerzo en el experimento. Por el contrario, este grupo también obtuvo una puntuación más baja en expresividad, agencia y propiedad, en comparación con los diseñadores que realizaron el experimento sin un asistente informático.
«Definitivamente hay una compensación», dice Oulasvirta. ‘Con el optimizador, los diseñadores crearon mejores diseños y cubrieron un conjunto más extenso de soluciones con menos esfuerzo. Por otro lado, se redujo su creatividad y sentido de propiedad de los resultados.’ Estos resultados son instructivos para el desarrollo de IA que ayude a los humanos en la toma de decisiones. Oulasvirta sugiere que las personas deben participar en tareas como el diseño asistido para que conserven una sensación de control, no se aburran y reciban más información sobre cómo funciona realmente un optimizador bayesiano u otra IA. «Hemos visto que los diseñadores sin experiencia pueden beneficiarse especialmente de un impulso de IA cuando participan en nuestro experimento de diseño», dice Oulasvirta. ‘Nuestro objetivo es que la optimización se vuelva verdaderamente interactiva sin comprometer la agencia humana’.
Este documento fue seleccionado para una mención de honor en la Conferencia ACM CHI sobre factores humanos en sistemas informáticos en mayo de 2022.
Fuente de la historia:
Materiales proporcionado por Universidad Aalto. Nota: el contenido se puede editar por estilo y longitud.
