設計者はコンピュータの支援でより良い解決策を見出すが、創造的なタッチは犠牲に(Designers find better solutions with computer assistance, but sacrifice creative touch)

ad

2022-05-19 フィンランド・アールト大学

ソフトウェアの構築から自動車の設計まで、エンジニアは日々、複雑な設計状況に取り組んでいます。設計者はしばしば、直感、経験、試行錯誤の組み合わせに頼っている。このプロセスは非効率的であるだけでなく、「デザインの固定化」につながる可能性があります。また、「マニュアル」的なアプローチは、より大きなデザイン問題には対応できず、個人のスキルに大きく依存することになります。
Oulasvirtaたちは、アルゴリズムを使ってデザイン空間を探索するコンピュータ支援方法をテストしました。
ケンブリッジ大学の共同研究者とともに、研究者たちは、バーチャルリアリティを実験室として、設計に対する従来のアプローチと支援アプローチを比較することに着手した。研究チームは、デザイン空間を探索し、有望な解決策へと導く機械学習の手法であるベイズ最適化を採用しました。ベイジアンオプティマイザーを人間とのループに入れ、人間がパラメータの組み合わせを試す。
オプティマイザーを使うことで、設計者はより良い設計を思いつき、より少ない労力でより多くの解決策をカバーすることができるようになりました。その一方で、彼らの創造性や成果に対するオーナーシップは低下してしまいました。

<関連情報>

インタラクション技術設計のためのHuman-in-the-Loop最適化の正と負の特性検討 Investigating Positive and Negative Qualities of Human-in-the-Loop Optimization for Designing Interaction Techniques

Liwei Chan,Yi-Chi Liao,George B Mo,John J Dudley,Chun-Lien Cheng,Per Ola Kristensson,Antti Oulasvirta
ACM Digital Library  Published: 27 April 2022
DOI:https://doi.org/10.1145/3491102.3501850

設計者はコンピュータの支援でより良い解決策を見出すが、創造的なタッチは犠牲に(Designers find better solutions with computer assistance, but sacrifice creative touch)

ABSTRACT

Designers reportedly struggle with design optimization tasks where they are asked to find a combination of design parameters that maximizes a given set of objectives. In HCI, design optimization problems are often exceedingly complex, involving multiple objectives and expensive empirical evaluations. Model-based computational design algorithms assist designers by generating design examples during design, however they assume a model of the interaction domain. Black box methods for assistance, on the other hand, can work with any design problem. However, virtually all empirical studies of this human-in-the-loop approach have been carried out by either researchers or end-users. The question stands out if such methods can help designers in realistic tasks. In this paper, we study Bayesian optimization as an algorithmic method to guide the design optimization process. It operates by proposing to a designer which design candidate to try next, given previous observations. We report observations from a comparative study with 40 novice designers who were tasked to optimize a complex 3D touch interaction technique. The optimizer helped designers explore larger proportions of the design space and arrive at a better solution, however they reported lower agency and expressiveness. Designers guided by an optimizer reported lower mental effort but also felt less creative and less in charge of the progress. We conclude that human-in-the-loop optimization can support novice designers in cases where agency is not critical.

 

1602ソフトウェア工学
ad
ad
Follow
ad
タイトルとURLをコピーしました