Искусственный интеллект, Технологии | Олег Брагинский, Марина Строева
Основатель «Школы траблшутеров» Олег Брагинский и ученица Марина Строева расскажут, как ускорить процесс разработки, сократить затраты и повысить качество конечного продукта, рассмотрят, зачем и кому нужно прототипирование, какие возможности MVP-визуализаторов и ИИ открывают для дизайнеров, инженеров, предпринимателей и маркетинга.
Прототипирование – важный этап разработки продуктов: позволяет минимизировать риски, сократить расходы, повысить вероятность успеха. С появлением искусственного интеллекта процесс создания тестовых моделей проекта стал быстрее, дешевле, доступнее и даже веселее.
Создание визуальной версии будущего решения для тестирования функционала и пользовательского опыта перед полноценным запуском позволяет провести предварительное исследование соответствия ожиданиям и избежать дорогостоящих ошибок в финальной версии.
Можно недорого и относительного легко протестировать несколько концепций перед началом производства. Раннее тестирование интерфейса помогает выявить неудобства для потребителей, а представление визуализированного прототипа повышает шансы на получение финансирования.
Процесс востребован в различных отраслях и сферах деятельности:
- Промышленные предприятия создают прототипы изделий перед запуском в серийное производство, проектируют электронное оборудование, приборы, устройства IoT.
- ИТ-компании тестируют интерфейсы, UX-дизайн, функциональность программного обеспечения, мобильные и веб-приложения, сервисы, интерфейсы.
- Архитекторы и строители применяют 3D-модели зданий, разрабатывают виртуальные макеты интерьеров и экстерьеров.
- Маркетологи и бренды используют прототипы для тестирования упаковки, дизайна и концептов рекламы.
- Дизайнеры и производства делают прототипы мебели, автомобилей, медицинских изделий.
- Стартапы получают возможность быстро проверить гипотезу и привлечь инвесторов.
MVP-визуализаторы на основе искусственного интеллекта развиваются пропорционально росту популярности и развитию ИИ-моделей. Инструменты используются для быстрого просмотра идей, позволяя создать упрощённую, но почти функциональную версию продукта для тестирования.
ПО для прототипирования позволяет создать интерактивные макеты интерфейсов. Генерирует 3D-модели на основе эскизов или текстового описания. Автоматизирует тестирование продукта на пользователях. Обеспечивает совместную работу дизайнеров, разработчиков и заказчиков.
Макетирование с помощью артилекта позволяет создать визуальный образ проекта без написания кода. В большинство движков ИИ заложены библиотеки Python, C#, Java, что позволяет системам быстро и эффективно производить вычисления, а также писать программы на популярных языках.
Текстовые модели обрабатывают полученный запрос и преобразуют в код, который пишется быстро, без соблюдения принципов организации и читаемости. С намерением решить конкретную задачу в кратчайшие сроки, но при этом сложным для понимания и сопровождения в будущем.
Работая с текстовым запросом, ИИ пытается спешно выполнить задачу, не задумываясь о чистоте и структуре кода. Используя одноразовые переменные и упрощённые конструкции, пропускает комментарии и вспомогательные пояснения. Решает задачу без предварительного планирования.
Логика, сгенерированная искусственным интеллектом, может быть несогласованной, поскольку ИИ ориентирован на создание структурированной и легко поддерживаемой архитектуры. Повторная модель после правки может использовать иной подход к решению одной и той же проблемы.
Алгоритмы могут генерировать код с разными уровнями вложенности, повторением, избыточными конструкциями, усложняя рефакторинг. Вместо использования переменных и параметров ИИ часто внедряет фиксированные значения, ограничивая гибкость и возможность внесения изменений.
Перечисленные факторы ведут к тому, что внесение исправлений, оптимизация или расширение функционала требуют значительных затрат времени и усилий, существенно снижая эффективность промышленного использования ИИ-генерируемого кода в долгосрочной перспективе.
ИИ может избегать применения принципов ООП и функционального подхода, предпочитая прямолинейные построения, многоуровневые вложенные условия или неочевидные циклы. Отсутствие деления на модули или функции, все вычисления происходят в одном месте.
Хотя сгенерированное решение работает, оно не включает проверки на пустые списки или на недопустимые входные данные, не использует наиболее эффективные алгоритмы, такие как умные сортировки или оптимизированные функции. Не поддерживает расширяемость и профайлинг.
Рассмотрим создание интерактивного прототипа на примере разработки модели социального чат-бота для общения с пожилыми люди. Предусмотрим возможности общения с артилектом, просмотр и обсуждение новостей, настраиваемыми развлечениями и напоминаниями о важных событиях.
Проект ориентирован на тех, кто проводит много времени за просмотром телевизора или чтением дайджестов событий, но в силу камерности образа жизни испытывает нехватку общения. Бот поможет разнообразить день, делая его более насыщенным, интересным и продуктивным.
Процесс создания визуального MVP состоит из следующих этапов:
- Анализ запроса: ИИ пытается определить, что нужно сделать для достижения ожидаемого результата и генерирует код, удовлетворяющий поставленному запросу.
- Подбор синтаксиса и структуры: модель использует выгодные базовые конструкции.
- Скорости разработки: AI выбирает методы, позволяющие быстро сгенерировать ответ.
Для создания макета чат-бота вводим в текстовое поле описание проекта и предварительную структуру. Описываем пожелания по визуальному стилю, перечисляем элементы и функциональные блоки, задаём базовый сценарий взаимодействия пользователя с системой:
Большой и подробный разовый запрос ИИ старается минимизировать, чтобы не выполнять часть поставленных задач, обрезая грандиозность задумки проекта. Для решения проблемы необходимо привыкнуть делить задачу на этапы. Постепенно описывая действия и функциональность блоков.
После создания прототипа кнопки и элементы в нём можно менять, но это будет не так просто, как бы хотелось ожидать. Искусственный интеллект не всегда понимает пожелания так, как мы этого хотим, а следовательно, не все изменения вносятся в соответствии с представлениями автора.
Как и большинство функций ИИ, написание кода не всегда совершенно. Но при хорошем понимании поставленной задачи, качественном описании функций проекта, профессионализме проектировщика, MVP-визуализатор создаст работающую тестовую модель за несколько часов.
Даже с учётом трудностей читаемости и расширяемости сгенерированного кода, с развитием искусственного интеллекта процесс создания прототипов стал быстрее, дешевле, доступнее. ИИ позволяет ускорить создание интерактивных макетов и автоматизировать тестирование продуктов.
Выводы:
- Компании, использующие ИИ в прототипировании, получат конкурентное преимущество.
- Прототипирование необходимо для тестирования идей и минимизации рисков.
- ИИ автоматизирует дизайн, 3D-моделирование, UX-анализ, написание кода.
- MVP-визуализаторы помогают быстро создавать и тестировать концепты.