Diseño para inteligencia aumentada

Aportando un enfoque centrado en el ser humano a big data y máquinas inteligentes

Por Tim Brown, Dean Malmgren y Mike Stringer

¿Podemos dar un alma a los datos? Creemos que podemos Iremos más allá que eso: debemos hacerlo. ¿Por qué? Como motor de la inteligencia artificial, los datos informan una nueva era de diseño y producción que rivalizará con la revolución industrial.

Eso también debería darnos un momento de pausa. Si hemos aprendido algo del espectro de ciencia ficción de las máquinas que salió mal, es que con una gran potencia de computación viene una gran responsabilidad. La inteligencia basada en datos pronto se integrará en casi todo lo que vemos, tocamos y hacemos. Sabiendo eso, es nuestro deber llevar nuestra humanidad a él, diseñarlo para que sea relevante, empático y, sí, incluso conmovedor.

En cambio, lo que más vemos es que los tecnólogos intentan ser un poco más inteligentes sobre el diseño y los diseñadores que intentan ser más inteligentes sobre la tecnología. Eso no será suficiente si queremos construir un mundo humano inteligente. Para llegar a donde tenemos que ir, tenemos que trabajar de la mano, para reunir a practicantes profundos en equipos interdisciplinarios. Es por eso que IDEO se complace en anunciar que hemos adquirido Datascope. Nuestro estudio de Chicago ha estado explorando el diseño de datos centrados en el ser humano junto con Datascope y varios clientes durante los últimos cuatro años, y estamos entusiasmados de unir fuerzas formalmente para escalar esos esfuerzos.

Juntos, crearemos una oferta que llamamos D4AI: Diseño para inteligencia aumentada. La elección de "aumentado" en lugar de "artificial" no es solo un juego de palabras sofisticado: la inteligencia aumentada extiende las capacidades de los humanos de una manera que se siente natural. Si la inteligencia de nuestros dispositivos, sistemas y relaciones se siente artificial, nunca se mantendrá.

La inteligencia aumentada solo se entrelazará auténticamente en nuestras vidas cuando se sienta de sangre caliente y receptiva, tan predeciblemente predecible como nosotros. Es una oleada de emoción cuando Google Photos reconoce un aniversario y muestra una foto que tomaste el último día que estuviste con tu abuelo, quien murió el año pasado. La función de asistente de Google Photos ha pasado de ser una simple utilidad a una extensión de memoria casi diaria.

Si la inteligencia de nuestros dispositivos, sistemas y relaciones se siente artificial, nunca se mantendrá.

Pero para cada momento inteligente, también hay innumerables tonterías. Nuestros asistentes digitales pueden parecer completamente desorientados, o peor aún, despiadados. Si consideramos a largo plazo, probablemente estamos en la era cámbrica de las máquinas inteligentes. Nuestro enfoque será ir humildemente, sin sombrero, sabiendo que hay muchas cosas que no sabemos y mucho trabajo por hacer. Dicho esto, la promesa de la inteligencia artificial es hacer factibles las cosas inteligentes. Y D4AI espera hacerlos deseables. Los humanos siempre verán cosas que las máquinas no pueden ver, y viceversa.

Al iniciar D4AI, nos encontramos en un momento muy similar a cuando IDEO fue pionero en el diseño de interacción hace casi 30 años. Bill Moggridge, el diseñador de la primera computadora portátil, vio lo esencial que era diseñar interacciones entre personas y computadoras que se basaran en las necesidades humanas. En ese momento, muchas personas eran escépticas sobre la impersonalidad de las interfaces de software. Pero cuando se los trata como un medio de diseño en el contexto de la interacción, las interfaces cobraron vida de formas útiles e inimaginables que ahora impulsan las transformaciones digitales en todo el mundo.

Lo mismo puede decirse sobre la aplicación de diseño a interfaces basadas en datos. Existe una creencia generalizada de que el valor de los datos es incuestionable. Pero eso simplemente no es cierto. Los datos en sí mismos son inertes: materia prima tonta. Hacer las cosas inteligentes significará diseñar con datos de una manera que refleje y responda al comportamiento humano. Eso significa hacerlo dinámico. Flexible. Evolutivo. Tendrá que existir en las relaciones. Y las relaciones, como todos sabemos, son complicadas. Además, ahora tenemos relaciones no solo entre nosotros, sino también con nuestros teléfonos, redes, cuerpos y automóviles.

En IDEO, pensamos mucho en esas relaciones. Cuando está en su automóvil, por ejemplo, puede estar comunicándose con usted, su teléfono y sus alrededores, ya que responde a los datos recopilados de los sensores entrenados en la carretera. En ese escenario, ¿quién tiene la agencia? ¿Quien esta a cargo? ¿Tú? ¿Su teléfono? ¿El coche? ¿Un servicio de conducción en la nube?

Los datos en sí mismos son inertes: materia prima tonta. Hacer las cosas inteligentes significará diseñar con datos de una manera que refleje y responda al comportamiento humano.

Diseñar con datos de una manera que aumente nuestras conexiones con las personas y las cosas requiere (1) tener suficiente conocimiento técnico para saber cómo trabajar con las entradas en bruto, y (2) tener una mentalidad de diseño suficiente para hacer que esas entradas sean relevantes.

Después de todo, cada conjunto de datos está mediado por personas. Las personas identifican los datos como importantes, los registran y analizan. Las personas escriben miles de millones de consultas de búsqueda que permiten a los motores de búsqueda mejorar continuamente. La gente baja repetidamente la temperatura con un termostato inteligente; solo entonces el termostato puede aprender a bajarlo por nosotros. La "inteligencia" de un motor, entonces, se basa en nuestra comprensión del comportamiento humano y nuestra capacidad de aprovechar nuestros datos mediante programación de una manera que nos resulte útil.

También hay un elemento de intención humana y sesgo histórico en los datos, y debemos reconocerlo. La capacidad de D4AI para crear sistemas inteligentes que fomenten cambios significativos dependerá de la combinación de una visión humana irremplazable y el poder de las máquinas. Reconocemos que no es algo fácil de lograr, sino una aspiración en la que estamos invirtiendo.

Aquí hay un ejemplo útil de cómo los datos por sí solos pueden fallar sin la ayuda del diseño centrado en el ser humano: hoy, los niños son los sensores que nos dicen que hay plomo en la pintura de la casa. Se despega de la pared, se lo comen y están envenenados. No es hasta que desarrollan síntomas que suenan las alarmas.

El grupo de trabajo de Data Science for Social Good pensó que habían resuelto el problema para los niños de Chicago. Una emergencia de salud pública que hubiera tardado 10 años y $ 77 millones en solucionarse podría abordarse en tres meses por solo $ 1 millón con la ayuda de un modelo de datos que habían desarrollado.

Pero había un problema: su modelo requería conocer el paradero de cada mujer embarazada en la ciudad, información que no era pública ni disponible. Finalmente, encontraron una solución centrada en el ser humano basada en otra idea, una que los datos puros nunca podrían haber predicho: las mujeres que vivían en edificios antiguos con mayor probabilidad de estar contaminadas con plomo también eran las menos propensas a buscar atención prenatal. Con base en esa idea, el grupo cambió su enfoque para proporcionar atención prenatal en esos vecindarios e inspeccionó simultáneamente los edificios donde vivían los niños o nacerían pronto para la pintura con plomo, atendiendo dos necesidades a la vez.

La historia es un recordatorio de que las predicciones son fáciles, pero las personas son complicadas. El tipo correcto de datos no siempre está disponible o es útil o un atajo inteligente cuando intenta abordar problemas humanos multifacéticos.

Las predicciones son fáciles, pero las personas son complicadas.

Al estudiar historias como esta, los cofundadores de Datascope se preguntarían ¿Qué haría IDEO? Del mismo modo, IDEO y sus clientes enfrentan datos cada vez más complejos y desafíos de diseño y preguntan ¿Qué haría Datascope? Datascope toma como punto de partida las necesidades humanas inherentes a un problema en lugar de los datos que pueden parecer más evidentemente relevantes para ese problema. Mientras que muchas otras empresas en su espacio pueden verse a sí mismas como ingenieros de datos que implementan soluciones a gran escala o científicos de datos que se centran estrechamente en la investigación de nuevos modelos estadísticos, los Datascopers se ven a sí mismos como diseñadores, diseñadores que trabajan con datos y algoritmos para crear IA centrada en el ser humano.

Juntos, creemos que la inteligencia aumentada basada en datos está cambiando fundamentalmente el mundo que nos rodea. Es hora de asegurarnos de que diseñamos esa inteligencia de manera que nos haga, y con nosotros nos referimos a cada ser humano, mejor.