イベントページ:AI eats UX vol.2 -at one bite-
イントロ (リクルートテクノロジーズ UXデザイナー 反中望さん)
今までのUCD設計
- 行動観察
- インサイト
- シナリオ
- UI設計
UXデザイナーの価値
- インサイトの把握
- UI設計の引き出しの多さ
AIを活用したUX設計
- ユーザ理解
- テクノロジー理解
- 活用データ模索
- モデルチューニング
- 画面デザイン
UXデザイナーの価値
こういうのも必要になってくるんじゃない？
- どのように価値のあるデータを得るか
- どのようにデータを保持し加工するか
- モデルの構築・チューニング
今までのUCD設計と全く異なる。
- 「chatbot eats UI?」 チャットボットはUIを喰らうか？
- 「Data eats Insight?」 データはインサイトを喰らうか？
- 「AI eats Designer?」 AIはデザイナーを喰らうか？
AIが実現する新たな検索体験とは？
ゼクシィでの取り組み (リクルートテクノロジーズ UXデザイナー 反中望さん)
- AI機能によるフォト検索をこっそりリリース
- (現状は こんな感じ(SPのみ) ですが、当日のデモ画面ではもっとブラッシュアップされてました。)
- 自分のイメージに近い写真に出会う
- 選んだ写真から「これってこういうことなんじゃないですか？」ってオススメのテーマが提案されてくる
- 形態素解析
- キーワード群はいまは半分人力
- 今後は自動的にチューニングしていく
- 結婚式場がレコメンドされる
- スコアリングの高いものが出しているので、検索結果の数はいかようにもできる。
- あまり [一覧画面] ⇄ [詳細画面] というふうにしたくないので、5件に絞ってる。絞ってあげるのが親切。
「典型的な花嫁」
- どんな式がやりたいか、を言語化できない
- 条件を指定できず困ってしまう
- でも目の前にメージから好き嫌いは選べる
- 見せられたら判断できる
- 直感的な好き、を基軸にして好みにたどり着ける
仕組みと技術
uMean
- モード：五感
- マルチモーダル：五感をまたぐ (人間はマルチモーダル)
- 画像とテキストのセマンティックギャップを埋める
- 画像と画像に対する説明文のペアさえあれば学習可能
- 2つのベクトル空間を重ね合せる
詳細知りたい方はこちら → リクルートにおけるマルチモーダル Deep Learning Web API 開発事例
API提供チームとロジックのチューニングをし「こういうロジックだからこういう画面にしよう」ていう感じで画面作ってる。
そもそも検索って不自然
- ニーズ発生
- 軸
- 比較検討
- 絞り込み
- アクション CV
人の意思決定って本当にこうかな？
なんで検索の流れってこうなったの？ → 単なる技術的制約だったんじゃ？
「検索」のルーツ
- 蔵書検索
- 図書館情報学
- 「〜の情報について知りたいけどどの本に載ってるかな？」
→ 目当ての情報を探し出す
「検索」 = あらかじめ正解があるもの・目的を達成するツール
検索と意思決定は異なる
人間の意思決定ってそもそも曖昧
→ 曖昧なものはコンピュータで処理できなかった
「確たる答えはないけど、なんとなくこう」っていうのがディープラーニング
→ コンピュータが曖昧なものを処理できるようになった
こんな結婚式をあげたい、という曖昧なニーズを扱いたい、という試みにデータサイエンティストチームが力をかしてくれた
→ 「検索メディア」から「意思決定支援サービスへ」
新しい検索に大事なもの
一回性と人格性
-
一回性：
-
同じクエリは同じ結果であることが保証されない → 保証する必要がない
-
人格性
-
Amazone echo
-
ゼクシィ相談カウンターのウエディングプランナーは、3~5会場しか提案しない、でもお客さんは怒らない → なぜ？
- 人格があるから、出された時に納得する
- アプリが4件出したって信じてくれない
- でも↑は経験や慣習が変わってくれば変わるのかなって思ってる
-
どう人格をつくるのか(キャラクターとは異なる)、が体験デザインにおいて大事じゃないかな
検索が本当の「体験」として価値のあるものになるには
- 「迷うこと自体楽しい」
- 迷うことをなくしたいとは思っていない
- 同じ迷うでも、楽しく迷ってもらいたい
- 検討期間が短くなったりはしないかもしれないけど、その期間の体験はよくなっているのではないか
質問タイム
- 条件と軸の違いは？
条件：チェックボックスや数値で指定できるもの・線形に並んでいる感じ
軸：曖昧ファジーなもの・言われて初めて気づくもの
「このカメラを使ったらどんだけテンションが上がるか」は、カメラのスペックでは表せないよね。
- どうやってリリースにこぎつけた？
フォト検索への導線がある時とない時とでABテストはした。
KPIを落とすわけにはいかないから、チューニングはABテストでやってる。
でも現実的に全部ABテストやるわけにはいかない。
最終的には属人的な人の判断って必要だと思う。
誰か一人が決めるのは方法としてありだと思う。編集長的な存在。むしろそれ以外やれないかも。
結果、最終的には属人的になるんじゃないかな。
チームで感覚を蓄積していくには、泥臭い・密なコミュニケーションが必要。
- デザインガイドラインって、ディープラーニングの分野でどうなってる感じですか？
まじ手探り。
紙のデザインとか、1pxにこだわる感覚とはかなり離れているので、歩み寄りが必要。
まだ何も形になっていない。
オントロジーを活用したUX ~仕事探し体験は本来どうあるべきか~ (リクルートジョブズ データサイエンティスト 越島健介さん)
機械学習・AIなどの技術でネットサービスのUXはどうかある/変わるべきなのか
そもそも検索っておかしい
仕事探しに受付いって、チェックボード渡されて、平気で数万件のデータ出してくる？
相手が人間だったら怒るぜ？
- UI改善
- ARM施策
- 検索精度改善
色々やってきたけれども...。
タウンワークの場合
SEOとUX、両面で存在する課題。
-
ロングテールキーワード頑張ってるけど、直帰率高いし、検索支援できてない。
-
より重要なのは検索支援
-
すごく具体的なキーワードで探して来てくれてる。そのキーワードでは結果はゼロかもしれないけど、少しずらしたら出せるはず。
Tilestone Project(9末リリース)
- キーワードから背景の意図を汲み取る
- キーワードはユーザーの思惑の切れ端
人間は、キーワードから連想・推測することができる
下北沢 = サブカル/音楽/井の頭線/小田急線
漫画喫茶 = コミュニケーション少なめ/漫画好き/立ち仕事じゃない方がいいのかも？
オントロジー
言葉と言葉の間の関係を表したもの
キーワードの意味を理解する
**「言葉の意味を理解する」**とはどういういことか？
- 他との言葉との繋がりを知ること
- オントロジー
- 名詞・固有名詞向き
- 言葉自体のニュアンスを知ること
- word2vec
- 形容詞・副詞向き
オンロトジー
- web業界では2000年代に流行
- 1998年：ティムがセマンティックWEB提唱
- 2004年：OWL
- 2013年：Googleのナレッジグラフ
オンロトジー構築
- 抜き出す
- 繋げる
- グラフデータベース
- neo4jを使用中
メリット
- 領域に特化した情報提供に向いてる
- ユーザー求めるものとこっちが持ってるものを擦り合わせて納得してもらう
- 納得感の高いUXが作りやすい
- 一見関連がなさそうなページでも、連続性を持たせてユーザーに提言できる
- UI作る人と見せ方考えていかなきゃいけないけどねそこは
活用事例
進め方/体制
- デザイナーとは、「ユーザーにこういう体験を届けたいよね。」っていう部分で腹落ちしている。
- 裏側でどうやって類似度計算してるかとかは、デザイン作るにあたっては特に必要ないと思う。
まとめ
AI eats UX から AI meets UX へ！
質問タイム
- タウンワークやゼクシィでは検索結果を絞ってる風だけど、増やすアプローチってないの？
候補を減らすべきか増やすべきか、は現状の件数によるし、
件数の閾値は事業によると思う。
なぜ優秀なUXデザイナーが人工知能プログラミングを理解する必要があるのか (株式会社アイデミー CEO&Founder 石川聡彦さん）
UXデザイナーこそ人工知能アルゴリズムの深い理解が必要なのでは？
なぜなら、インターフェースがどんどん限られて来ている。
- yahoo(PC)：ファーストビューで500文字
- yahoo(SP)：ファーストビューで120文字
- 音声:テキスト0
ユーザーとの接触点が限られてきている中で、情報の出しわけをしていかないといけない。
ディープラーニング言われがち3選
① 「ディープラーニングってデータ量が大きくないと意味ないんでしょ？」
- 10枚ぐらいでいけるよ
- データオーギュメンテーションという技術
- 346枚のデータでレンブラントの新作つくれた
- 転移学習あるし
② 「ディープラーニングて画像と紐づいた解答ラベルがついてないとだめなんじゃないの？？」
- 教師あり学習 例）手書き文字認識
- 教師なし学習 例)猫の概念取得 ← ラベルなくてもイケる
③ 「でもブラックボックスだよね？」
- ちょっとずつ解消されてる
- ニューラルネットワークがどの部分に着目したのかを可視化することは可能
まとめ
なぜUXデザイナーがディープラーニングを理解する必要があるのか？
例えばECサービスのUXデザイナーだったら、こういうの理解してたら適切なモデルチューニングができるよね。
