Společnost Apple pozvolna Apple pokračuje v poměrně tichém, ale systematickém zkoumání toho, jak by generativní umělá inteligence mohla zasáhnout do vývoje aplikací. Nejnovější studie publikovaná výzkumníky z Apple se tentokrát netýká jen generování kódu, ale přímo návrhu uživatelského rozhraní. Jinými slovy – AI se neučí pouze „psát aplikace“, ale začíná se učit i to, jak mají vypadat. To už je ale výrazně citlivější oblast a stojí za to se u ní na chvíli zastavit.
Mohlo by vás zajímat
Apple se přitom k tomuto bodu dostal postupně. Před několika měsíci představil projekt UICoder, otevřenou rodinu modelů, jejichž cílem bylo generovat funkční UI kód podle textového zadání. Hlavní důraz tehdy nebyl kladen na estetiku, ale na praktičnost – aby se kód dal zkompilovat, odpovídal popisu a zhruba splnil očekávání ohledně rozložení a chování rozhraní. Design jako takový byl spíše vedlejším efektem.
Nová studie s názvem Improving User Interface Generation Models from Designer Feedback se na problém dívá jinak. Autoři v ní otevřeně konstatují, že běžně používané metody učení z lidské zpětné vazby (RLHF), typicky založené na jednoduchém hodnocení nebo porovnávání variant, nejsou pro oblast UI designu ideální. Podle nich neodpovídají reálnému způsobu práce designérů a ignorují argumenty, kontext i postupné úpravy, které jsou pro návrh rozhraní zásadní.
Lidé vs. AI
Místo toho Apple zvolil přístup bližší praxi. Do výzkumu zapojil 21 profesionálních designérů s různou délkou praxe – od zhruba dvou let až po více než tři desetiletí – a z různých oblastí, od UI/UX přes produktový až po servisní design. Tito odborníci nedostávali za úkol jen „vybrat lepší variantu“, ale přímo upravovali návrhy vytvořené AI. Používali k tomu psané komentáře, náčrty i přímé zásahy do rozhraní. Právě tyto konkrétní změny se pak staly trénovacími daty.
Celkem výzkumníci nasbírali 1 460 anotací, z nichž vytvořili páry původního návrhu a jeho designérsky upravené verze. Na jejich základě vznikl tzv. reward model, který hodnotí kvalitu rozhraní podle renderovaného náhledu a textového popisu a přiřazuje mu číselné skóre. Čím lépe návrh odpovídá lidskému designerskému úsudku, tím vyšší skóre získá. Tento model pak slouží k dalšímu dolaďování generátoru UI.
Jako základní generátor Apple použil model Qwen2.5-Coder a stejný reward model následně aplikoval i na menší a novější varianty Qwen, aby ověřil, zda je přístup přenositelný napříč různými velikostmi modelů. Výsledky jsou z technického hlediska působivé. Modely trénované pomocí designerské zpětné vazby, zejména skic a přímých úprav, dosahovaly znatelně lepší kvality než základní verze i než modely učené pouze pomocí klasického hodnocení. Nejlépe hodnocený model dokonce v interních testech překonal GPT-5, a to při využití relativně malého množství vysoce kvalitní zpětné vazby.
Fotogalerie
Jen AI nestačí
Autoři studie zároveň otevřeně upozorňují na limity celého přístupu. Design je silně subjektivní disciplína a shoda na tom, co je „lepší rozhraní“, není samozřejmá. Když výzkumníci nezávisle hodnotili stejné návrhy, na nichž se shodli designéři, souhlasili s jejich volbou jen v přibližně 49 % případů. Výrazně lepší shoda nastala ve chvíli, kdy designéři své návrhy aktivně upravovali – u skic se shoda zvýšila na 63,6 % a u přímých editací dokonce na 76,1 %. Studie tím nepřímo ukazuje, že ukázat konkrétní řešení je pro učení AI podstatně přínosnější než abstraktní hodnocení.
V širším kontextu je zajímavé tento výzkum porovnat s přístupem jiných technologických firem. Například studio Rockstar Games nedávno oznámilo, že při vývoji GTA 6 generativní umělou inteligenci nepoužívají vůbec. Právě u projektů, kde hraje klíčovou roli atmosféra, detail a ruční práce, to může být vědomá volba.
Apple se tak pohybuje na tenké hraně. Je zřejmé, že AI může být velmi silným nástrojem pro rychlé prototypování, hledání alternativních řešení nebo podporu méně zkušených vývojářů a designérů. Zároveň ale studie sama naznačuje, že bez lidského úsudku a schopnosti vysvětlit konkrétní rozhodnutí se kvalitní design tvoří jen obtížně. Výzkum tak spíš než náhradu designérů ukazuje směr, jak by se jejich práce mohla v budoucnu proměnit – s AI jako asistujícím nástrojem, nikoli jako hlavním autorem uživatelského rozhraní.
