Info

Learning a little every day

Hoe je verhalen vertelt hangt af van wie je bent, en in welke context jij je bevindt.

In this insightful, funny 99U talk, Slack’s (..) Anna Pickard explains her approach to giving the workplace chat app its voice, endearing it to millions of users. From finding unlikely places (like error messages) to show authenticity, to the significance of naming product features, Anna shows us why words matter in product design, and how to choose your moments to wield them.

En dat kan dus ook in de foutmeldingen van je app of in corporate tweets. Als het past bij je organisatie.

In 2009 onderzochten twee economen de hoeveelheid nieuw gebouwde wegen en het aantal gereden kilometers in verschillende Amerikaanse steden. En wat bleek:

If a city had increased its road capacity by 10 percent between 1980 and 1990, then the amount of driving in that city went up by 10 percent. If the amount of roads in the same city then went up by 11 percent between 1990 and 2000, the total number of miles driven also went up by 11 percent.

Het uitbreiden van openbaar vervoer-opties lijkt niet te helpen bij  het terugdringen van het aantal gereden auto-kilometers:

You might think that increasing investment in public transit could ease this mess. Many railway and bus projects are sold on this basis, with politicians promising that traffic will decrease once ridership grows. But the data showed that even in cities that expanded public transit, road congestion stayed exactly the same. Add a new subway line and some drivers will switch to transit. But new drivers replace them. It’s the same effect as adding a new lane to the highway: congestion remains constant. (That’s not to say that public transit doesn’t do good, it also allows more people to move around. These projects just shouldn’t be hyped up as traffic decongestants, say Turner and Duranton.)

Maar gewoon het aantal wegen verminderen werkt wel. 😈

(via @BrentToderian)

Soon, satellites will be able to watch you everywhere all the time. Can privacy survive?

Commercial satellite imagery is currently in a sweet spot: powerful enough to see a car, but not enough to tell the make and model; collected frequently enough for a farmer to keep tabs on crops’ health, but not so often that people could track the comings and goings of a neighbor. This anonymity is deliberate. US federal regulations limit images taken by commercial satellites to a resolution of 25 centimeters, or about the length of a man’s shoe. (Military spy satellites can capture images far more granular, although just how much more is classified.)

But that will change soon.

Ton Zylstra maakt een belangrijk punt:

If you make a statement about someone or something other than yourself or your personal opinions, you need to back it up with a link to supporting material.

Screenshots van webpagina’s of tweets zijn onvoldoende, want makkelijk te faken.

Vaak lijkt het erop dat wij mensen werken voor de computers. Terwijl dat natuurlijk omgekeerd zou moeten zijn. De vraag is: hoe kun je als designer nieuwe technologie inzetten om echt waarde toe te voegen voor je gebruikers? Zodat ze hun potentieel kunnen verwezenlijken?

Daarover ging de workshop User Experience Design for ML and AI van Josh Clark (@bigmediumjosh) bij Frozen Rockets Academy. En wat hij als eerste benadrukte is dat machine learning slechts een designmateriaal is, net als HTML of CSS.

Machine Learning als designmateriaal

Als je de beschikking krijgt over een nieuw designmateriaal begin je met het ontdekken van de mogelijkheden en beperkingen.

  • Wat kan het?
  • Hoe voelt het?
  • Hoe kunnen we het gebruiken?
  • En hoe verandert het ons?

Daar moeten we nu mee beginnen, want na het desktop- en het mobile-tijdperk bevinden we in de eerste fase van het Machine Learning-tijdperk.

Wat kun je nu met Machine Learning?

Met Machine Learning kunnen we patronen opsporen in data, en daar ‘iets’ mee doen. Josh deelt die mogelijkheden op in vijf categorieën:

  1. Aanbevelingen. Op basis van eerdere interesses kunnen we deze vergelijkbare zaken aanbevelen. Als jij bijvoorbeeld in de Slack van je organisatie zoekt op ‘hiring process’ zal Slack naast de zoekresultaten ook aanbevelingen tonen voor collega’s en kanalen over gerelateerde onderwerpen.
  2. Voorspellingen. Op basis wat je eerder deed verwachten we dat je nu dit wil doen. Een heel concreet voorbeeld zijn de QuickType-suggesties bovenaan je iPhone-toetsenbord (vanaf iOS 13 ook in het Nederlands!). Dit zijn zelflerende suggesties die zich continu aanpassen aan jouw woordgebruik.
  3. Classificaties. Met behulp van door mensen geclassificeerde datasets kan Machine Learning worden getraind om vergelijkbare patronen te herkennen en classificeren. Als je wel eens een enquete hebt gemaakt in Google Forms heb je misschien gezien dat daar real-time suggesties voor antwoordtypes worden gegeven op basis van de vraagstelling. Dit gebeurt op basis van de geclassificeerde keuzes van alle andere Google Forms-gebruikers.
  4. Clustering. Laat Machine Learning juist in ongeclassificeerde data de voor ons mensen onzichtbare patronen herkennen en groeperen.
  5. Generation. Machine learning zelf iets laten genereren, zoals een tekening, portretfoto of muziek.

Slide met beeld van Quicktype suggesties bovenaan een iPhone software keyboard als voorbeeld van subtiele machine learning

Toegevoegde waarde van Machine Learning

Kortom, Machine Learning is gewoon heel goed in het uitvoeren van taken die:

  • veel tijd kosten,
  • zich steeds herhalen,
  • aandacht voor detail vragen,
  • foutgevoelig zijn, en
  • ons geen werkplezier bieden.

Taken die we graag uitbesteden, waarmee Machine Learning eigenlijk het perfecte stuk gereedschap lijkt te zijn. Een voorbeeld daarvan is het ondersteunen van radiologen door het analyseren van grote hoeveelheden medisch beeldmateriaal. Als M.L. die taken overneemt komt krijgen we:

  • betere antwoorden,
  • nieuwe vragen om te onderzoeken,
  • nieuwe data, en
  • inzicht in onzichtbare patronen.

Daarmee creëren we voor onszelf de ruimte om te doen waar wij mensen goed in zijn: onze aandacht op een onderwerp richten en daarover een beslissing nemen.

Uiteindelijk draait het om de verhouding tussen mens en machine. En dat vraagt van UX designers dat zij Artificial Intelligence inzetten op problemen die het waard zijn om opgelost te worden. Want zoals Kranzberg’s First Law stelt:

Technology is neither good nor bad; nor is it neutral.

Aan de slag

Design cards on a table Na het bespreken van de huidige mogelijkheden en toegevoegde waarde van Machine Learning gingen we deze zelf uitproberen. Met speciaal ontworpen kaartsets werkten we ideeën uit in conceptuele prototypes.

Vervolgens onderzochten we de betrouwbaarheid en vooringenomenheid (bias) van de ML image recognition-dienst van Microsoft Azure.

Screenshot van het testen van ML image recognition

Daaruit leerden we al snel dat Machine Learning wordt getraind op ‘normaal’ tegenover afwijkend, en dat de onderliggende trainingsdata bepalend is voor de kwaliteit en betrouwbaarheid van herkenning en classificatie. Begin dus met te vragen:

  1. Welk probleem proberen we op te lossen?
  2. Welke data hebben we daarvoor nodig?
  3. Wie beschikt over die data?

(Side note: In 2015 maakte Google hun TensorFlow machine learning software open source. Dat konden ze doen omdat niet de software maar de data van strategisch belang is.)

Dit was deel 1 van mijn notities over UX Design voor Machine Learning en AI. Binnenkort deel 2! 

Nieuwsgierig geworden?

Een compactere versie van zijn verhaal vertelde Josh Clark ook op btconf Berlin 2018. Aanrader!

AI Is The New Design Material – Josh Clark.

Mooi artikel in de Groene over waarom iconische foto’s wereldwijd anders worden geïnterpreteerd, dat je alleen al voor de inleiding moet lezen:

In 1963 kwam de wereld naar Nederland via koerier, vliegtuig, bus, fiets en soms trein – in die volgorde. Er waren al astronauten de ruimte in gestuurd en andere technologische wonderen verricht, maar elke dag werd een stapeltje foto’s klaargelegd in het Londense kantoor van The Associated Press, ’s werelds belangrijkste verspreider van nieuwsfoto’s, en gestempeld met het woord ‘Holland’. Een koerier bracht het pakketje naar vliegveld Heathrow en gaf het aan een stewardess van de KLM. Na landing op Schiphol liep zij de luchthaven uit naar de bushalte voor lokaal vervoer en overhandigde het aan een chauffeur met bestemming Amsterdam.

De stewardess belde daarop naar het kantoor van Associated Press op de Nieuwezijds Voorburgwal, en gaf nummer en vertrektijd door van de bus die het pakket vervoerde. Een fotoredacteur haalde het op bij bushalte Victoria Hotel, en betaalde de chauffeur een enkele reis.

Uit hun onderzoek blijkt trouwens dat er een mondiaal visueel geheugen is: bepaalde foto’s worden wereldwijd herkend. Hoe die wereldfoto’s worden geïnterpreteerd verschilt enorm per individu en sociale context. Klik!

In de grappige en boeiende 168ste aflevering van de Appels en Peren Show ging het even over de meest interessante aankondigingen van Apple’s jaarlijkse developer conferentie (WWDC 2019). Voor Wietse was dat iets wat mij ook opviel: het bluetooth mesh network ontwikkeld voor de vernieuwde Find My-functie. Daarmee zou je een verloren of gestolen Mac moeten kunnen terugvinden zonder dat deze online is.

Luister het fragment dat begint rond minuut 7:32 (directe Overcast link, directe link naar de Appels en peren player):

Hoe die offline Find My-functie gaat werken legt Wired uit:

In upcoming versions of iOS and macOS, the new Find My feature will broadcast Bluetooth signals from Apple devices even when they’re offline, allowing nearby Apple devices to relay their location to the cloud. That should help you locate your stolen laptop even when it’s sleeping in a thief’s bag. And it turns out that Apple’s elaborate encryption scheme is also designed not only to prevent interlopers from identifying or tracking an iDevice from its Bluetooth signal, but also to keep Apple itself from learning device locations, even as it allows you to pinpoint yours.

Op het Cryptography Engineering blog probeert Matthew Green in How does Apple (privately) find your offline devices? uit te werken hoe dit waarschijnlijk technisch in elkaar zit. Wat meer nerdy, maar ook leerzaam.