El sexto componente de diseño que quería compartir es Design for Data Discovery, donde exploraré diferentes ideas que nos ayuden a entender qué nuevas herramientas de visualización nos van a permitir descubrir nuevos patrones e insights en los datos.

Si los datos están re-dibujando la forma en el que las compañías pueden idear nuevas propuestas de valor, la exploración de éstas va a requerir el diseño de herramientas que posibiliten nuevas formas de comprender los datos.

Aquí podéis acceder al artículo de introducción, donde describía el framework, con 11 componentes de diseño, para idear productos digitales en el contexto del Big Data y de la Inteligencia Artificial.

Algunas de las ideas que me gustaría recorrer en este post :

Cuando trabajamos en un contexto de grandes volúmenes de datos, sabemos que los sistemas clásicos de representación (bar chart, line chart, etc.) manifiestan claras limitaciones para poder extraer un valor real de estos datos. ¿Qué nuevas herramientas creéis nos van a permitir descubrir nuevos patrones en los datos?

¿Qué nuevos patrones de diseño van a posibilitar traducir algoritmos de machine learning en nuevas experiencias de usuario?

¿Necesitamos diseñar productos que faciliten una mayor interpretabilidad de los algoritmos?

En este nuevo escenario, encontrar en los datos patrones que sabemos que desconocemos (Known Unknowns), ha sido algo relevante que nos ha permitido monitorizar la eficacia de nuestros procesos y sistemas de negocio, pero aún más relevante es posibilitar y descubrir en los datos patrones que no sabemos que desconocemos (Unknown Unknowns). El descubrimiento de estos últimos patrones que desconocemos son los que, verdaderamente, nos van a permitir explorar nuevas formas de valor en los datos.

Si en el tercer componente, Design for data visualization, describía la visualización como un nuevo medio para posibilitar Unthinkable Thoughts, en este nuevo componente, Design for data discovery, exploraré la idea de la visualización como un medio para comprender de forma más precisa el comportamiento de diferentes algoritmos de Machine Learning y facilitar una mayor interpretabilidad de éstos. (Visualization as a media to further understand Machine Learning)

El problema en la actualidad, es que la mayoría de los datasets tienen una gran cantidad de dimensiones. La exploración visual de los datos es ya un desafío y, la mayoría de las veces, es prácticamente imposible hacer esta exploración de forma manual. Sin embargo, estas exploraciones visuales son muy relevantes en cualquier problema relacionado con datos. Por tanto, es clave comprender cómo vamos  a visualizar conjuntos de datos de alta dimensionalidad. Esto se puede lograr explorando diferentes técnicas de reducción de dimensionalidad ( PCA y T-SNE, etc.) pero el desafío va a residir en imaginar nuevas formas de representación de estas técnicas.

Quería compartir un producto que desarrollaron en IDEO y que describe muy bien esta idea de qué nuevas herramientas vamos a diseñar que nos permitan traducir datos y algoritmos en nuevas experiencias de usuario

Es un producto que integra inteligencia artificial, en particular, despliega algoritmos de redes neuronales convolucionales y fue diseñado como una solución que permitiese a diseñadores nuevas formas de exploración, visualización y descubrimiento de diferentes fuentes tipográficas, además, de poder encontrar nuevas relaciones entre fuentes.

La visualización representa la proximidad, similitud entre diferentes tipos de fuentes tipográficas. Se pueden identificar claramente diferentes clusters (Serif, San-Serif, Cursiva). Es un ejemplo de herramienta que nos permite descubrir nuevos tipos de fuentes y explorar este universo tipográfico a través del diseño de nuevos niveles de interacción. El algoritmo también puede identificar outliers (valores atípicos) o fuentes que son únicas y tienen menos relaciones con el resto de tipografías. Una herramienta por tanto, diseñada para extender nuestra comprensión sobre este sistema tipográfico.

En el próximo post describiré el séptimo componente, Design for Explainable AI, donde compartiré por qué puede ser relevante diseñar productos digitales que integren algoritmos más transparentes e interpretables.

Avatar
Posted by:Fran Castillo

@francastillo

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *