Yapay zekanın tasarım kararlarına yön verdiği bir dünyada, tahminleri kesinlik sanmak kolay. Oysa AI sistemleri olasılıklar üzerine kurulu: bir model, eğitim verisindeki kalıplara dayanarak en yüksek olasılıklı yanıtı üretir. 2024'te Air Canada, bir chatbotun yas indirimi konusunda verdiği yanıtı politika olarak kabul edince mahkemelik oldu. Chatbot aslında bir şeye karar vermemiş, sadece bir tahmin yapmıştı. Bu olay, olasılıksal sistemlerin deterministik arayüzlerle sunulmasının tehlikesini gözler önüne seriyor. Kullanıcılar ve kuruluşlar, AI çıktılarını nihai gerçek olarak gördüğünde hatalı kararlar alınabiliyor.
İnsan beyni deterministik düşünmeye yatkındır: geçmiş eylemlerin geleceği belirlediğine inanırız. Bir yazı tura 999 kez tura gelirse, determinist zihin paranın hileli olduğunu varsayar. Olasılıksal düşünce ise 1000. atışın hâlâ iki ihtimali barındırdığını kabul eder. Tasarımcılar için bu ikinci zihniyet kritik önem taşıyor. Ürünler karmaşık ve doğrusal olmayan ortamlarda çalışıyor; AI bu karmaşıklığı daha da artırıyor. Tasarım ekipleri AI çıktılarını 'doğru cevap' olarak gördüğünde, kırılgan ve hatta tıbbi teşhis veya finansal tahmin gibi alanlarda tehlikeli deneyimler ortaya çıkıyor.
Olasılıksal düşünce, AI'yi daha iyi kullanmak için bir rehber sunuyor. AI'ya sorduğumuz çoğu soru ikili yanıt vermez; veri kalıplarına dayalı olasılıklar üretir. Tasarımcılar bu çıktıları sinyal olarak okumalı, kesin sonuç değil. Netflix'in size bir dizi önermesi gibi: 'Superstore'u beğeneceğinizi bilmez, olasılığı hesaplar ve gösterir. Tasarım kararları da aynı mantıkla alınabilir. Örneğin, kullanıcıların satın alma işlemini tamamlama olasılığı %60 ise, arayüzde daha fazla ikna edici öğe (referanslar, karşılaştırmalar) kullanmak gerekir. %90 olasılıkta ise kullanıcı zaten motive olmuştur, sürtünmeyi azaltmak yeterlidir. Aynı ekran, farklı tasarım problemi.
AI, geçmiş veriler ve davranış modelleriyle, bir tasarım yönüne karar vermeden önce sonuçları simüle edebilir. Bu simülasyonların değeri, promptların nasıl yapılandırıldığına, bağlama ve test edilen hipoteze bağlıdır. Örneğin, doğrudan erişim olmadığında nöroçeşitlilik gösteren kullanıcılar için bir tasarımı değerlendirmek amacıyla yapılandırılmış bir prompt kullanılabilir. Kullanıcı grubunu, kriterleri ve çıktı formatını ürüne göre uyarlayarak, takım içinde bir tartışma başlatıcı olarak kullanılabilir. Ancak unutulmamalıdır ki simülasyonlar deneyin yerini tutmaz; geçmiş veriye dayandıkları için yeniliği engelleyebilir.
Teknik Analiz
Tasarımcılar, AI çıktılarını kullanırken belirsizliği kabul etmeli ve kullanıcı deneyimini bu olasılıklar üzerine inşa etmelidir. Model yanlılığı, insan duyguları ve algılanan risk gibi faktörler de hesaba katılmalıdır. Probabilistic Design, ekiplerin AI'yı düşünmeyi dış kaynak olarak değil, keskinleştirici bir araç olarak kullanmasını sağlar. Sonuçta, AI bir tahmin makinesidir; tasarımcılar ise bu tahminleri yorumlayarak kullanıcı için anlamlı ve güvenli deneyimler yaratabilir.
Kaynak: smashingmagazine.com
