Мы используем cookie-файлы. Оставаясь на сайте роботов, человек соглашается на использование cookie-файлов.
Подробнее — в «Условиях использования cookie-файлов».

Как дизайнеру приручить алгоритмы. И будут ли они нами командовать

Рассматриваем дизайн, сгенерированный искусственным интеллектом, и разбираемся, не создали ли мы сами себе угрозу стать безработными с изобретением компьютера. 

Катя Соседова, дизайнер Redmadrobot

— Увидев, как легко Google делает из твоей фотографии портрет под Ван Гога, задумаешься: а вдруг однажды мой собственный ноутбук отнимет у меня работу?

Подсмотрено у природы

У всего, что нас окружает, есть набор свойств. Земля сферическая, воздух прозрачный, лёд холодный, а листва зелёная. Свойства вроде бы чёткие, но в килограмме яблок вы не найдёте два одинаково больших, одинаково красных, одинаковой формы и одинаково сладких. Природа создаёт явления, оперируя огромным количеством параметров. Мы называем это случайностью.

Как работает случайность, хорошо видно в калейдоскопе. С поворотом трубки бесконечное число узоров складывается в произвольном порядке. Заодно калейдоскоп показывает простейший способ генерации графики.

Более сложный способ получения генеративного дизайна подразумевает, что компьютер решает задачи проектирования по заданному алгоритму. Простые последовательности шагов объединяются в сложные и разветвлённые, зависящие от внешних условий, данных и результатов предыдущих расчетов. Результатов может быть много. Тогда начинается процесс генерации — создание различных вариантов решения задачи по алгоритму. Решений получится настолько много, сколько параметров заложено в алгоритм.

Этот процесс называют «параметрическим дизайном» и «цифровым (автоматическим) проектированием». Термины говорят об одном процессе с разной степенью обобщения или фокусируясь на разных его аспектах.

Электроэнцефалограмма мозга — это хороший пример алгоритмического дизайна, созданного на основе алгоритма записи сигналов электрической активности нейронов. А в качестве примера из  компьютерной графики посмотрите на эксперимент студии Myshli — тысячу ксоидов. В 2013 году они обошли весь интернет.

От Средних веков до наших дней

Генеративный способ решения задач старее, чем кажется. Теолог и алхимик Раймунд Луллий в конце 13 века изобрёл логическую машину из шести концентрических кругов с изображёнными на них словами-«первоматериями». Он предполагал, что, если вращать круги, то бесконечное количество комбинаций этих слов сможет составить все возможные знания о мире и открыть истинную связь вещей.

Узнать всё обо всём не получилось. Зато идея использовать случайные комбинации для решения творческих задач легла в основу генеративного проектирования. Как это работает: нейронные сети анализируют случайные комбинации и составляют статьи и презентации из текста и картинок, подбирают цветовые палитры, получают новые начертания шрифтов, создают логотипы и даже сайты.

Например, Wix ADI с 2016 использует алгоритмы для создания уникальных веб-страниц. Да и приложение Prisma того же года уже не выглядит волшебством. Даже обработанные в Instagram фото для нас обычное дело. Ещё больше примеров того, что умеют алгоритмы, можно найти на сайте Algorithm-Driven Design.

Уже пора собирать чемоданы?

В медиа и книгах иногда проскакивают рассуждения о чудесном мире будущего, где машины будут уметь всё, даже создавать и ремонтировать другие машины. Читая такое, думаешь: а не пора ли собирать вещички и отправляться на задворки цифровой истории уже лет через пять? Или срочно переквалифицироваться в разработчика?

Компания McKinsey посчитала, с какой вероятностью машины могут заменить человека в разных сферах деятельности. А что говорят эксперты в области новых технологий? Хорошая новость: паниковать ещё рано. Дизайнер Юрий Ветров называет новые технологии экзоскелетом для дизайнера. Исследователь возможностей ИИ Джон Голд считает, что машины манипулируют строками, векторами и логическими значениями, но не занимаются дизайном. А учёный Фабьен Жирардин, рассматривая будущее взаимодействия дизайна и Data Science, уверен: дизайн как деятельность человека будет в обозримом будущем жив и здоров.

Это только часть экспертных мнений, и все они звучат обнадеживающе. И всё же, к моменту, когда нам подвезут этот «экзоскелет» в виде новых технологий проектирования, неплохо бы понять, как использовать его максимально эффективно. И можем ли мы, люди, научиться полезному, наблюдая, как он работает.

Мозги VS алгоритмы

Алгоритмы умеют чётко, последовательно и обоснованно анализировать варианты решения задачи, не отбрасывая их на начальном этапе как неинтересные или неважные.

Для сравнения: когда к анализу полученных решений приступает человек, он обычно даёт им субъективную оценку, смешивая логику с эмоциями и интуицией. Мы перескакиваем от одного решения к другому, сбиваемся с заданного порядка перебора и пропускаем потенциально перспективные варианты. Нашему мозгу проще работать по шаблону, потому что на это уходит меньше энергии. Психолог Даниэль Канеман называет такой автоматизм «Системой 1».

В результате наш мозг способен создать довольно ограниченное число неожиданных сочетаний и идей. Поэтому на брейнштормах мы пользуемся вспомогательными схемами, которые позволяют хотя бы частично преодолеть эти ограничения. Например, методом случайных слов или mind map. И поэтому же любим приглашать поштормить «побольше мозгов».

Чему поучиться у машин

Мыслить системно. Я верю, что дизайнер должен иногда заниматься составлением схем и таблиц, каким бы скучным занятием это не показалось. Не только CJM, jobs to be done или функциональные карты для сервиса. Полезно составить план собственного развития в виде схемы или даже road map личной активности. Такой подход позволяет нашему мозгу формировать новые нейронные связи, а значит, более эффективно решать любые задачи в будущем. Писатель Джозеф О`Коннор считает, что связи между нейронами даже важнее, чем сами нервные клетки. Тут есть, о чём подумать.

Анализировать объективно. Наша лимбическая система, которая отвечает за эмоциональные реакции, и префронтальная кора, которой подвластна логическая составляющая наших действий, всегда конкурируют за ресурсы мозга. На практике это значит, что, работая над дизайн-макетом, мне нужно уметь в определённый момент отключить эмоции и признать, что макет, хотя и очень мне нравится, но не отвечает поставленной задаче.

Фиксировать идеи. Почти невозможно предсказать момент, когда ко мне придёт «та самая» уникальная последовательность нейронов, которую мы называем инсайтом. И хотя мы можем восстановить всё, о чем когда-либо «подумал» компьютер, в отношении собственных идей мы бываем очень расточительны. Полезно создать себе бэклог идей, складывать их туда и извлекать по мере необходимости. Тем более, что записи освобождают наши ресурсы для новых интересных решений.

Хьюстон, у вас проблемы?

Выше я упомянула, чему уже научились компьютеры в области проектирования. Если обобщить эти примеры, суть генеративного подхода к дизайну в том, что компьютер может быстро просчитать миллионы разных вариантов на основе заданного алгоритма. Но тут же открывается главная проблема такого подхода: зачем нужны миллионы решений, если достаточно всего одного или двух, но подходящих условиям задачи? Ведь кто-то должен потом проанализировать полученное множество вариантов на применимость, а это не так просто.

Здесь особенности нашего мозга дают нам явные преимущества. У нас есть эмоции, мотивация, эмпатия и интуиция. Мы создаём продукты для себе подобных. Или создаём алгоритмы, которые создают продукты для нас. Но никто, во всяком случае пока, не может лучше понять человека, чем сам человек.

Включаем ручной режим управления

Чтобы взять лучшее от нашего мозга и мощных компьютеров, нам стоит правильно разделять зоны ответственности. Отдать алгоритмам рутину, а себе оставить пространство для решения творческих задач.

Одно из направлений, которое кажется особо перспективным для алгоритмов, это технический дизайн. Мастера фотошопа уже почувствовали, что компьютер с каждым годом всё лучше умеет обрезать фотографии, превращать их в рисунки и наоборот, накладывать фильтры, подбирать цвета и шрифты, и даже верстать простенькие макеты. Алгоритм уже и текст написать поможет, если что. Ему не лень адаптировать макеты под разную ширину экрана, если прописать для него все правила.

Компьютер умеет верстать и более сложные макеты: Flipboard, UI-kit AI, Bookmark. Правда, не все алгоритмы умеют выбирать лучшие варианты, а некоторые и вовсе предлагают только один, по только им понятным критериям.

Вопрос создания идеального инструмента машинной вёрстки — это вопрос времени. Слишком очевидно, что алгоритмы делают это всё лучше и лучше. Нам остаётся только анализировать, почему людям нравится или не нравится тот или иной макет, почему им удобнее читать именно такой шрифт, а здесь уместнее смотрелось бы определённое изображение.

Другое направление развития выглядит сложнее и связано в основном с интерфейсами. Как только к генерации дизайна подключается ИИ, у нас появляется возможность создать интерфейс, способный адаптироваться под конкретного человека. Продуктовый дизайнер Амбер Картрайт рассказывает, как совместное проектирование человека и алгоритмов добавляет многомерности полученным решениям. Таким образом мы сможем выстраивать разные варианты вёрстки для людей, которые, например, просматривают сайт из разных точек земного шара.

Vox уже даёт пользователям выбрать самый привлекательный дизайн сайта. Такая технология превращает AB-тесты в A/B/C/D/E…-тесты с интересными и неожиданными результатами. А что, если после перебора вариантов попросить компьютер угадать, какой из них понравится большинству людей? И это ещё одна возможность для нас — заняться предиктивной аналитикой, которая повлияет на конкретные визуальные решения.

Машины меняют профессиональную деятельность дизайнера в промышленном дизайне, брендинге, моушне и дизайне голосовых интерфейсов. Но, похоже, что самые серьёзные изменения коснутся дизайна интерфейсов, что на стыке цифрового и реального мира. И меня, как дизайнера интерфейсов, не раз посещали мысли о том, как мог бы выглядеть мой рабочий процесс в будущем:

«Эй, Сири, вот ваеры. Собери по ним быстренько пару сценариев, а то завтра уже разрабатывать. Пусть UI будет достаточно эмоциональным, жизнерадостным, наверное, в красно-желтых тонах. Шрифт можешь оставить системный, только сделай для него вариант пожирнее в заголовках и про UI-kit не забудь. Покажи варианты через полчаса, я пока пообедаю. Нет, не нужно все 100 500, выбери штук десять. Посмотри там сама, что сейчас модно».

Звучит забавно, пока. Но дизайнеры Airbnb уже пару лет так и создавают интерфейсы на основе варфреймов. А сервисы вроде UI Bot подбирают десяток вариантов стиля для UI-kit. И Google Auto Draw рисует иконку из вашей каракули. 

Остаться на гребне волны

Подведём итог, как перестать волноваться и взять алгоритмы в союзники.

1. Научитесь вовремя расставаться с привычной частью своей работы. Не пытайтесь по привычке делать вручную то, что можно отдать компьютеру без вреда для результата.

2. Полезно следить за технологиями и пробовать новые инструменты. Вспомните, как раньше мы жили без символов и рисовали кнопочки в фотошопе.

3. Расслабляться не стоит, даже наоборот. Осознанно распорядиться освободившимся временем сложнее, чем кажется. Улучшить рабочие процессы и найти новые возможности для себя — большая творческая задача.

4. Выработайте привычку поддерживать свою работу в идеальном порядке. Всякий раз, создавая макет, задавайте себе вопрос: если бы сейчас я писал алгоритм создания макета для робота, какие критерии я бы задал здесь и здесь? Или почему здесь нужна именно эта кнопка, а иконка называется именно так?

5. Развивайте у себя способность хорошо понимать людей и знание психологии — пригодится не только в работе.

6. А если вдруг почувствуете, что устали и потеряли вдохновение, загляните сюда, алгоритм поможет!