Nadmierne dopasowanie a wpływ UX designerów na decyzje biznesowe

Jedną z dziedzin, która istotnie wspiera biznes w realizowaniu celów, jest user experience i dzisiaj już nikt temu nie zaprzecza. Po przeczytaniu rozdziału “Nadmierne dopasowanie” z książki Toma Griffiths i Briana Christian “Algorytmy. Kiedy mniej myśleć i inne sposoby na racjonalne życie”, myślę, że projektanci UX są również narażeni na ryzyko związane z nadmiernym dopasowaniem, znanym głównie w kontekście machine learningu. Może to prowadzić do błędnych decyzji biznesowych.

Nadmierne dopasowanie (overfitting) czyli przeuczenie lub przetrenowanie, w machine learningu to sytuacja, w której model lub algorytm uczący się na danych przystosowuje się zbyt dokładnie do tych danych, aż do stopnia, w którym traci zdolność do uogólniania swoich funkcji lub działań na nowe, nieznane dane spoza zbioru treningowego.

Cytując wikipedię: "Oznacza to, że absurdalne i fałszywe modele mogą świetnie pasować do danych uczących, gdy model ma wystarczającą złożoność, jednak będą dawały gorsze wyniki, gdy zastosuje się je do danych, z którymi nie zetknęły się podczas uczenia".

Nadmierne dopasowanie jest problemem, ponieważ celem w machine learningu jest stworzenie modelu, który generalizuje i działa dobrze na danych, których jeszcze nie widział.

Moim zdaniem świadomość występowania takiego zjawiska pozwala nam spojrzeć również na działania w ramach innych dziedzin, np. projektowania UX i poprzez analogię spojrzeć krytycznie i ustrzec przed pewnymi ryzykami.

Pierwszym przykładem działania narażonego na nadmierne dopasowanie jest tworzenie skomplikowanych i detalicznych projektów interfejsów we wczesnych iteracjach. Dzieje się tak szczególnie wtedy, kiedy punktem wyjścia dla projektanta jest chaos danych i informacji, które nie zostały poddane odpowiedniej analizie/priorytetyzacji lub nie zostały poddane procesom na wzór brzytwy Ockhama (czyli np. projektant analizował dane zbyt długo, docierając do coraz to nowszych informacji i faktów, włączając je w nieustannie projekt). To z kolei może przełożyć się na interfejs, poprzez dodawania kolejnych elementów, które mają stanowić odpowiedź na nowo odkryte informacje.

Pracując nad koncepcją rozwiązania, szczególnie w pierwszych iteracjach, kluczowe jest skupianie się na najważniejszych funkcjach i opcjach i jak najszybsze testowanie ich, a dopiero następnie doprecyzowanie i dodawanie kolejnych detali. W czasach, w których projektowaniem rządzą Design Systemy z gotowymi komponentami, pozwalające na projektowanie właściwie od początku precyzyjnych i detalicznych prototypów, ryzyko tu opisane jest moim zdaniem znacznie większe. Bo choć DS przyspiesza pracę na rozwiązaniem, to pozwala też na skupianie się od samego początku na detalicznej jego wersji.

Wiąże się z tym też zjawisko nadmiernej dostępności informacji. Obecne rozwiązania pozwalają na zbieranie właściwie nieograniczonej ilości informacji o użytkownikach i ich zachowaniu. Moim zdaniem projektant jest narażony na ryzyko nadmiernego dopasowania zbieranych danych do projektu poprzez nadmierne interpretowanie ich i wprowadzanie kolejnych zmiennych lub wymiarów, aniżeli skupienie się na ogólnym problemie, które dane rozwiązanie, aplikacja lub usługa mają rozwiązać.

Łatwa dostępność użytkowników i możliwości realizowania z nimi (zbyt) wielu iteracji testów zaprojektowanych prototypów może prowadzić do sprzecznych wyników. Jest taki moment, kiedy projektant powinien zakończyć testowanie prototypu w kolejnych iteracjach i wprowadzić rozwiązanie na rynek, żeby sprawdzić jak radzi sobie w realnych warunkach i czy realizuje założone cele. Testy, co do zasady, pozwalają na wykrycie kluczowych problemów użytecznościowych, jednak zbyt duża liczba iteracji może prowadzić do skupiania się na detalach projektu, dawać sprzeczne wnioski i w efekcie prowadzić do konfuzji osoby projektującej.

Ostatni z ważnych elementów to ignorowanie różnorodności użytkowników, problem, który często podnosi się w kontekście trenowania modeli ML, ma moim zdaniem odzwierciedlenie w projektowaniu interfejsów. Osoba projektująca ma swoją pewną charakterystykę i może faworyzować nieświadomie określone grupy użytkowników, narażając na dyskryminację potrzeby innych. To często prowadzi do problemów z dostępnością projektowanych rozwiązań lub do ignorowania tzw. “edge casów”, co może przynosić realne straty biznesowe. Występuje wówczas zjawisko nadmiernego dopasowania do określonej grupy użytkowników, co odbija się na tych niedoreprezentowanych w procesie.

Krytyczne myślenie jest jedną z kluczowych kompetencji, które designer powinien stale rozwijać. Krytyczne myślenie oraz umiejętność podejmowania decyzji (również w warunkach niepewności), pozwala na podważanie założeń i weryfikowanie ich tak szybko jak to możliwe.

Wydaje mi się, że lektura książki Griffithsa i Christiana może być przydatna dla wszystkich, którzy mają bezpośredni wpływ na wyniki biznesowe swoich organizacji i pracują z danymi, w tym dla osób pracujących w zespołach UX.

Algorytmy. Kiedy mniej myśleć

Co informatyka może wiedzieć o naszym prywatnym życiu? Skąd pomysł, by procedury programistyczne stosować do problemów ludzkich, nie tylko komputerowych? Okazuje się, że tematy te pojawiają się już nawet na poziomie rozpatrywanych zadań: problem sekretarki, problem komiwojażera, dylemat więźnia, pro…

Księgarnia Internetowa PWNJolanta Borowska