Seperti yang kita ketahui bersama, Meta tidak hanya terbatas pada headset VR seperti Quest, tetapi juga menciptakan kacamata AR yang lebih ringan, dengan tujuan membuat produk terintegrasi lebih baik ke dalam kehidupan sehari-hari manusia. Selain perangkat keras yang ringan, hal ini juga penting dalam hal fungsi dan pengalaman interaktif, seperti metode interaksi alami, seperti input gerakan, dan asisten visual AI, dll., yang tidak dapat dipisahkan dari visi komputer dan teknologi AI.
Teknologi AI akan menjadi bagian penting dari kacamata AR. Dengan memberikan jawaban dan saran kepada pengguna secara real time (seperti rute navigasi yang direkomendasikan, bahkan jadwal, dan hidangan yang direkomendasikan sesuai preferensi, dll.) untuk meningkatkan kepraktisan kacamata AR, itu akan menjadi Meta AR.Salah satu nilai jual kacamata. Terutama, mengingat investasi Meta dalam teknologi AI dalam beberapa tahun terakhir, kami memiliki banyak alasan untuk mempercayainya.
Reality Labs merilis sebuah studi: XAIR, yang darinya kita dapat mempelajari prinsip-prinsip desain sistem AI dalam kacamata AR. Framework ini didasarkan pada penelitian seperti Explainable Artificial Intelligence Framework (XAI) dan Human-Computer Interaction (HCI), yang berisi 8 prinsip desain utama, yang dapat memberikan referensi berharga untuk desain AI kacamata AR.
**Apa itu XAI? **
Menurut Qingting.com, XAI (Explainable AI), juga dikenal sebagai AI Transparan (AI Transparan), dicirikan oleh perilaku yang mudah dipahami. Sebagian besar AI berbasis pembelajaran mesin beroperasi dalam apa yang disebut kotak hitam, dan karena tidak dapat memberikan alasan dan wawasan di balik keputusan, AI semacam itu berisiko karena tidak pasti apakah dapat dipercaya, andal, atau bias.
Konsep XAI dapat ditelusuri kembali lebih dari empat puluh tahun yang lalu, kemudian dengan kesuksesan model AI/ML kotak hitam, teknologi XAI mulai menarik perhatian akademisi, badan pengatur, dan industri lainnya. Penelitian menunjukkan bahwa XAI diharapkan akan memberi pengguna keputusan yang jelas dan membangun kepercayaan. Oleh karena itu, di bidang industri, XAI mulai diterapkan pada skenario harian untuk meningkatkan pengalaman pengguna.
XAI dapat melayani audiens target yang berbeda dan memiliki berbagai kegunaan. Penelitian XAI awal hanya berfokus pada pengembang algoritma, ilmuwan data, dan pakar di bidang kedokteran klinis.Dalam beberapa tahun terakhir, semakin banyak XAI mulai menyasar pengguna biasa dan berintegrasi dengan produk konsumen, seperti menampilkan dan merekomendasikan produk tertentu di alasan situs web belanja dan sebagainya. Namun, ini masih awal.
Pentingnya XAI
Membuat AI dipahami secara luas oleh manusia akan melibatkan upaya penelitian multidisiplin. Misalnya, peneliti ML telah mengembangkan algoritme yang menghasilkan model transparan (misalnya, pohon keputusan, model Bayesian), atau menggunakan teknik interpretasi post-hoc (misalnya, kepentingan fitur, penjelasan visual) untuk menghasilkan penjelasan. Peneliti HCI, di sisi lain, fokus pada peningkatan kepercayaan pengguna dan pemahaman tentang penjelasan yang dihasilkan mesin. Peneliti psikologi, di sisi lain, mempelajari XAI dari perspektif yang lebih mendasar, melihat bagaimana orang menghasilkan, berkomunikasi, dan memahami.
AI yang terbuka dan transparan juga sangat penting, dan sejalan dengan strategi pengembangannya di bidang AR/VR ke depan. Dalam penelitian XAIR, tujuan XAI adalah untuk membantu pengguna memahami keputusan dan fungsi AI dengan jelas dan mudah dengan menghasilkan detail atau alasan. Meta menunjukkan bahwa XAI adalah bagian penting dari sistem interaktif berbasis AI, dan juga akan memainkan peran penting dalam aplikasi AR sehari-hari di masa depan, membantu pengguna untuk berinteraksi dengan layanan pintar yang divisualisasikan. XAI dapat lebih memahami perilaku sistem cerdas AR, menghindari keputusan AI yang tidak terduga, menumbuhkan kesadaran privasi, dan mendapatkan kepercayaan pengguna.
Namun, satu tantangan yang dihadapi Meta saat ini adalah menciptakan pengalaman XAI yang efektif untuk aplikasi AR sehari-hari. Sebagian besar penelitian XAI yang ada berfokus pada mengkategorikan jenis interpretasi dan teknik pembuatan, tanpa mempertimbangkan karakteristik skenario AR sehari-hari, seperti informasi perseptual yang dihasilkan oleh pengguna dan konteks, berjalan sepanjang waktu, dan kemampuan beradaptasi yang baik. Faktor-faktor ini tidak hanya dapat membentuk penjelasan yang lebih manusiawi, tetapi juga memengaruhi desain antarmuka interpretasi.
Oleh karena itu, Meta mengusulkan kerangka desain XAIR, yang menjelaskan kapan dan bagaimana menjelaskan keputusan AI di AR. Untuk membangun kerangka kerja XAIR, percobaan dengan 500 orang juga dilakukan untuk mengumpulkan preferensi mereka terhadap desain pengalaman AR. Selain itu, wawasan 12 ahli tentang interaksi AR juga dirujuk.
Fokus penelitian ini adalah untuk mengidentifikasi tiga pertanyaan:
Kapan AI harus menjelaskan;
apa yang bisa dijelaskan;
Bagaimana cara menjelaskan.
Studi sebelumnya telah mengeksplorasi dua isu pertama, dan meskipun tidak spesifik untuk AR, memberikan beberapa informasi berguna untuk desain XAIR.
Pedoman Desain XAI
Meta percaya bahwa jika kacamata AR memiliki layanan cerdas, maka AI akan memainkan peran penting, seperti memberikan saran berbasis konteks kepada pengguna berdasarkan informasi yang ditangkap oleh sensor kacamata AR. Selain itu, interaksi antara AI dan pengguna perlu didasarkan pada desain XAI yang efektif untuk memastikan bahwa keputusan AI dapat diandalkan dan dapat dipercaya, sehingga meningkatkan pengalaman pengguna.
Berbeda dengan framework XAI yang ada untuk komputer dan ponsel, desain XAI AR perlu memasukkan informasi kontekstual yang lebih dalam dan kaya (bahkan dengan mempertimbangkan status pengguna), sehingga perlu dirancang ulang khusus untuk AR. Selain itu, XAI AR juga perlu memiliki kemampuan persepsi 3D dan online secara real time sebelum dapat diterapkan pada skenario AR sehari-hari dan mengintegrasikan konten interpretasi dengan ruang fisik. Misalnya, saat merekomendasikan resep, soroti bahan-bahan yang ada di lemari es pengguna sekaligus, yaitu jelaskan keputusan berdasarkan konteks adegan. Sebaliknya, framework XAI yang ada di pasaran tidak dapat memenuhi kebutuhan tersebut.
Oleh karena itu, Meta merangkum 8 pedoman desain utama melalui survei pengguna:
Selalu buat hasil AI untuk memastikan bahwa pengguna dapat dengan mudah mengaksesnya saat mereka membutuhkannya;
Jangan memicu penjelasan secara otomatis, kecuali jika dua kondisi terpenuhi—identifikasi beban kognitif tinggi pengguna, rasa urgensi, dll., atau identifikasi keterkejutan, kebingungan, ketidaktahuan, ketidakpastian, dll.;
Tiga faktor perlu dipertimbangkan untuk konten penjelasan yang dipersonalisasi: sasaran sistem, sasaran pengguna, dan potret pengguna;
Dalam keadaan default, utamakan penjelasan mengapa, dan pilih penjelasan singkat;
Selalu memberikan penjelasan yang lebih detail, memungkinkan pengguna untuk memperluas sesuai dengan kebutuhan mereka melalui jendela prompt kecil, dll.;
Secara default, metode interpretasi yang sama dengan keluaran AI digunakan (kecuali taktil, audio), dan ketika satu beban mode tinggi, yang lain dipilih;
Konten sebagian besar berupa teks, jika berupa gambar, harus disederhanakan semaksimal mungkin agar mudah dipahami oleh pengguna;
Sematkan konten penjelasan ke dalam adegan secara terselubung, atau terang-terangan jika tidak sesuai.
Meta dikombinasikan dengan pedoman desain, mengembangkan beberapa kasus aplikasi dan memverifikasinya di antara 10 desainer. Hasilnya, para desainer percaya bahwa XAIR dapat memberikan referensi atau bantuan komprehensif untuk desain kerangka kerja XAI AR, yang membantu merangsang pemikiran dan imajinasi pengguna. designer.force. 12 pengguna akhir yang berpartisipasi dalam percobaan juga melaporkan bahwa XAIR memiliki kegunaan yang sangat baik.
Aplikasi
Dalam penelitian ini, Meta telah merancang dua kasus demonstrasi, jika Anda tertarik, Anda dapat melihatnya:
Saat pengguna jogging di jalan setapak, kacamata AR akan menunjukkan kepada pengguna peta terdekat dengan mempertimbangkan musim dan pemandangan saat ini, menyarankan jalan memutar ke jalan terdekat untuk menikmati bunga sakura. Penjelasan yang dapat diberikan AI antara lain: pemandangan yang lebih baik, panjang rute yang tepat, dan jadwal pengguna. Formulir penjelasan meliputi teks, gambar bunga sakura, dan lainnya.
2) Saat pengguna AR kembali ke rumah setelah berdiskusi tentang berkebun dengan tetangga, kacamata AR akan menampilkan perintah "pemeliharaan" pada tanaman di sekitarnya dan memberikan petunjuk tentang pemupukan tanaman kepada pengguna. Saran ini perlu dipicu secara manual oleh pengguna untuk menghindari anggapan bahwa AI mengganggu privasi, dan pemicuan manual dapat membangun kepercayaan dengan lebih baik. Selain itu, AI juga dapat meminta: Setelah sistem memindai, terdapat bintik-bintik abnormal pada daun tanaman, yang menandakan bahwa tanaman tersebut mungkin menderita infeksi jamur atau bakteri. Selain teks, formulir penjelasan juga dapat menggunakan AR untuk menandai titik-titik abnormal pada daun (teks adalah petunjuk yang jelas, sedangkan petunjuk AR adalah jenis tersembunyi yang terintegrasi dengan pemandangan).
referensi:
Lihat Asli
Halaman ini mungkin berisi konten pihak ketiga, yang disediakan untuk tujuan informasi saja (bukan pernyataan/jaminan) dan tidak boleh dianggap sebagai dukungan terhadap pandangannya oleh Gate, atau sebagai nasihat keuangan atau profesional. Lihat Penafian untuk detailnya.
Meta menjabarkan delapan pedoman untuk merancang sistem AI untuk kacamata AR 24/7
Editor: Ester
Sumber: Qingting.com
Seperti yang kita ketahui bersama, Meta tidak hanya terbatas pada headset VR seperti Quest, tetapi juga menciptakan kacamata AR yang lebih ringan, dengan tujuan membuat produk terintegrasi lebih baik ke dalam kehidupan sehari-hari manusia. Selain perangkat keras yang ringan, hal ini juga penting dalam hal fungsi dan pengalaman interaktif, seperti metode interaksi alami, seperti input gerakan, dan asisten visual AI, dll., yang tidak dapat dipisahkan dari visi komputer dan teknologi AI.
Teknologi AI akan menjadi bagian penting dari kacamata AR. Dengan memberikan jawaban dan saran kepada pengguna secara real time (seperti rute navigasi yang direkomendasikan, bahkan jadwal, dan hidangan yang direkomendasikan sesuai preferensi, dll.) untuk meningkatkan kepraktisan kacamata AR, itu akan menjadi Meta AR.Salah satu nilai jual kacamata. Terutama, mengingat investasi Meta dalam teknologi AI dalam beberapa tahun terakhir, kami memiliki banyak alasan untuk mempercayainya.
**Apa itu XAI? **
Menurut Qingting.com, XAI (Explainable AI), juga dikenal sebagai AI Transparan (AI Transparan), dicirikan oleh perilaku yang mudah dipahami. Sebagian besar AI berbasis pembelajaran mesin beroperasi dalam apa yang disebut kotak hitam, dan karena tidak dapat memberikan alasan dan wawasan di balik keputusan, AI semacam itu berisiko karena tidak pasti apakah dapat dipercaya, andal, atau bias.
Konsep XAI dapat ditelusuri kembali lebih dari empat puluh tahun yang lalu, kemudian dengan kesuksesan model AI/ML kotak hitam, teknologi XAI mulai menarik perhatian akademisi, badan pengatur, dan industri lainnya. Penelitian menunjukkan bahwa XAI diharapkan akan memberi pengguna keputusan yang jelas dan membangun kepercayaan. Oleh karena itu, di bidang industri, XAI mulai diterapkan pada skenario harian untuk meningkatkan pengalaman pengguna.
XAI dapat melayani audiens target yang berbeda dan memiliki berbagai kegunaan. Penelitian XAI awal hanya berfokus pada pengembang algoritma, ilmuwan data, dan pakar di bidang kedokteran klinis.Dalam beberapa tahun terakhir, semakin banyak XAI mulai menyasar pengguna biasa dan berintegrasi dengan produk konsumen, seperti menampilkan dan merekomendasikan produk tertentu di alasan situs web belanja dan sebagainya. Namun, ini masih awal.
Pentingnya XAI
Membuat AI dipahami secara luas oleh manusia akan melibatkan upaya penelitian multidisiplin. Misalnya, peneliti ML telah mengembangkan algoritme yang menghasilkan model transparan (misalnya, pohon keputusan, model Bayesian), atau menggunakan teknik interpretasi post-hoc (misalnya, kepentingan fitur, penjelasan visual) untuk menghasilkan penjelasan. Peneliti HCI, di sisi lain, fokus pada peningkatan kepercayaan pengguna dan pemahaman tentang penjelasan yang dihasilkan mesin. Peneliti psikologi, di sisi lain, mempelajari XAI dari perspektif yang lebih mendasar, melihat bagaimana orang menghasilkan, berkomunikasi, dan memahami.
AI yang terbuka dan transparan juga sangat penting, dan sejalan dengan strategi pengembangannya di bidang AR/VR ke depan. Dalam penelitian XAIR, tujuan XAI adalah untuk membantu pengguna memahami keputusan dan fungsi AI dengan jelas dan mudah dengan menghasilkan detail atau alasan. Meta menunjukkan bahwa XAI adalah bagian penting dari sistem interaktif berbasis AI, dan juga akan memainkan peran penting dalam aplikasi AR sehari-hari di masa depan, membantu pengguna untuk berinteraksi dengan layanan pintar yang divisualisasikan. XAI dapat lebih memahami perilaku sistem cerdas AR, menghindari keputusan AI yang tidak terduga, menumbuhkan kesadaran privasi, dan mendapatkan kepercayaan pengguna.
Namun, satu tantangan yang dihadapi Meta saat ini adalah menciptakan pengalaman XAI yang efektif untuk aplikasi AR sehari-hari. Sebagian besar penelitian XAI yang ada berfokus pada mengkategorikan jenis interpretasi dan teknik pembuatan, tanpa mempertimbangkan karakteristik skenario AR sehari-hari, seperti informasi perseptual yang dihasilkan oleh pengguna dan konteks, berjalan sepanjang waktu, dan kemampuan beradaptasi yang baik. Faktor-faktor ini tidak hanya dapat membentuk penjelasan yang lebih manusiawi, tetapi juga memengaruhi desain antarmuka interpretasi.
Fokus penelitian ini adalah untuk mengidentifikasi tiga pertanyaan:
Studi sebelumnya telah mengeksplorasi dua isu pertama, dan meskipun tidak spesifik untuk AR, memberikan beberapa informasi berguna untuk desain XAIR.
Pedoman Desain XAI
Meta percaya bahwa jika kacamata AR memiliki layanan cerdas, maka AI akan memainkan peran penting, seperti memberikan saran berbasis konteks kepada pengguna berdasarkan informasi yang ditangkap oleh sensor kacamata AR. Selain itu, interaksi antara AI dan pengguna perlu didasarkan pada desain XAI yang efektif untuk memastikan bahwa keputusan AI dapat diandalkan dan dapat dipercaya, sehingga meningkatkan pengalaman pengguna.
Meta dikombinasikan dengan pedoman desain, mengembangkan beberapa kasus aplikasi dan memverifikasinya di antara 10 desainer. Hasilnya, para desainer percaya bahwa XAIR dapat memberikan referensi atau bantuan komprehensif untuk desain kerangka kerja XAI AR, yang membantu merangsang pemikiran dan imajinasi pengguna. designer.force. 12 pengguna akhir yang berpartisipasi dalam percobaan juga melaporkan bahwa XAIR memiliki kegunaan yang sangat baik.
Aplikasi
Dalam penelitian ini, Meta telah merancang dua kasus demonstrasi, jika Anda tertarik, Anda dapat melihatnya:
referensi: