شرکت Apple به آرامی Apple همچنان به کاوشی نسبتاً آرام اما سیستماتیک در مورد چگونگی تأثیر هوش مصنوعی مولد بر توسعه اپلیکیشن ادامه می‌دهد. آخرین مطالعه، منتشر شده توسط محققان در Apple این بار، موضوع فقط تولید کد نیست، بلکه طراحی رابط کاربری هم مطرح است. به عبارت دیگر، هوش مصنوعی فقط «نوشتن برنامه‌ها» را یاد نمی‌گیرد، بلکه شروع به یادگیری نحوه‌ی ظاهر آنها نیز می‌کند. اما این حوزه بسیار حساس‌تری است و ارزش دارد که لحظه‌ای به آن بپردازیم.
شما می توانید علاقه مند شوید
Apple او به تدریج به این نقطه رسید. چند ماه پیش پروژه UICoder را معرفی کرد، خانواده‌ای باز از مدل‌ها که هدفشان تولید کد رابط کاربری کاربردی بر اساس ورودی متنی بود. در آن زمان تأکید اصلی نه بر زیبایی‌شناسی، بلکه بر عملی بودن بود - اینکه کد کامپایل شود، با توضیحات مطابقت داشته باشد و تقریباً انتظارات مربوط به طرح‌بندی و رفتار رابط را برآورده کند. طراحی به این صورت بیشتر یک عارضه جانبی بود.
یک مطالعه جدید با عنوان بهبود مدل‌های تولید رابط کاربری از بازخورد طراح رویکرد متفاوتی به این مسئله دارد. نویسندگان آشکارا بیان می‌کنند که روش‌های رایج یادگیری از بازخورد انسانی (RLHF)، که معمولاً مبتنی بر ارزیابی یا مقایسه ساده هستند variant، برای حوزه طراحی رابط کاربری ایده‌آل نیستند. به گفته آنها، آنها با روش واقعی کار طراحان مطابقت ندارند و استدلال‌ها، زمینه و تنظیمات تدریجی را که برای طراحی رابط کاربری ضروری هستند، نادیده می‌گیرند.
انسان‌ها در مقابل هوش مصنوعی
در عوض Apple رویکردی عملی‌تر اتخاذ شد. این تحقیق شامل ۲۱ طراح حرفه‌ای با سابقه‌های متفاوت - از حدود دو سال تا بیش از سه دهه - و از زمینه‌های متنوع، از رابط کاربری/تجربه کاربری گرفته تا طراحی محصول و خدمات بود. از این متخصصان صرفاً خواسته نشده بود که «بهترین را انتخاب کنند» variantu"، اما مستقیماً طرح‌های تولید شده توسط هوش مصنوعی را اصلاح کردند. آنها از نظرات کتبی، طرح‌ها و مداخلات مستقیم در رابط استفاده کردند. این تغییرات خاص بودند که سپس به داده‌های آموزشی تبدیل شدند.
در مجموع، محققان ۱۴۶۰ حاشیه‌نویسی جمع‌آوری کردند که از آنها جفت‌هایی از طرح اصلی و نسخه اصلاح‌شده توسط طراح ایجاد کردند. بر اساس آنها، یک مدل پاداش ایجاد شد که کیفیت رابط را بر اساس پیش‌نمایش رندر شده و توضیحات متنی ارزیابی می‌کند و به آن امتیاز عددی می‌دهد. هرچه طراحی با قضاوت طراح انسانی بهتر مطابقت داشته باشد، امتیاز بالاتری دریافت می‌کند. سپس از این مدل برای تنظیم دقیق‌تر مولد رابط کاربری استفاده می‌شود.
به عنوان یک مولد پایه Apple از مدل Qwen2.5-Coder استفاده کرد و متعاقباً همان مدل پاداش را برای مدل‌های کوچک‌تر و جدیدتر به کار برد varianty Qwen برای تأیید اینکه این رویکرد در اندازه‌های مختلف مدل قابل انتقال است، تشکیل شد. نتایج از دیدگاه فنی چشمگیر است. مدل‌هایی که با استفاده از بازخورد طراح، به ویژه طرح‌ها و ویرایش‌های مستقیم، آموزش داده شدند، به کیفیت قابل توجهی بهتر از نسخه پایه و مدل‌هایی که فقط با استفاده از ارزیابی کلاسیک آموزش داده شدند، دست یافتند. مدل دارای رتبه برتر حتی در آزمایش‌های داخلی نیز عملکرد بهتری داشت. GPT-5، با استفاده از مقدار نسبتاً کمی از بازخورد با کیفیت بالا.
گالری عکس
فقط هوش مصنوعی nestآچی
نویسندگان این مطالعه همچنین آشکارا به محدودیت‌های کل رویکرد اشاره می‌کنند. طراحی یک رشته بسیار ذهنی است و توافق بر سر آنچه که یک «رابط کاربری بهتر» را تشکیل می‌دهد، بدیهی نیست. هنگامی که محققان به طور مستقل طرح‌های مشابهی را که طراحان بر سر آنها توافق داشتند، ارزیابی کردند، تنها حدود ۴۹٪ مواقع بر سر انتخاب خود توافق داشتند. توافق به طور قابل توجهی بهتر زمانی رخ داد که طراحان به طور فعال طرح‌های خود را ویرایش می‌کردند - توافق برای طرح‌های اولیه به ۶۳.۶٪ و برای ویرایش‌های مستقیم حتی به ۷۶.۱٪ افزایش یافت. این مطالعه به طور غیرمستقیم نشان می‌دهد که نشان دادن یک راه حل ملموس برای یادگیری هوش مصنوعی به طور قابل توجهی مفیدتر از ارزیابی انتزاعی است.
در یک زمینه وسیع‌تر، مقایسه این تحقیق با رویکرد سایر شرکت‌های فناوری جالب است. برای مثال studio شرکت راک‌استار گیمز به تازگی اعلام کرده است که آنها هنگام توسعه GTA 6 به هیچ وجه از هوش مصنوعی مولد استفاده نمی‌کنند.این می‌تواند یک انتخاب آگاهانه باشد، به خصوص برای پروژه‌هایی که در آنها فضاسازی، جزئیات و کار دستی نقش کلیدی دارند.
Apple بنابراین، هوش مصنوعی روی یک خط باریک حرکت می‌کند. واضح است که هوش مصنوعی می‌تواند ابزاری بسیار قدرتمند برای نمونه‌سازی سریع، یافتن راه‌حل‌های جایگزین یا پشتیبانی از توسعه‌دهندگان و طراحان کم‌تجربه باشد. در عین حال، خود مطالعه نشان می‌دهد که بدون قضاوت انسانی و توانایی توضیح تصمیمات خاص، ایجاد طراحی با کیفیت دشوار است. این تحقیق به جای جایگزینی طراحان، جهتی را نشان می‌دهد که کار آنها می‌تواند در آینده تغییر کند - با هوش مصنوعی به عنوان یک ابزار کمکی، نه به عنوان نویسنده اصلی رابط کاربری.
