O uso de IHC em IAs

*RESUMO DA INTELIGÊNCIA ARTIFICIAL COMO FERRAMENTA DE AUXÍLIO EM IHC
*

1-INTRODUÇÃO.:

A inteligência artificial sendo uma tecnologia que se emergiu em meados atuais, ganhou fama entre as pessoas e usuários participando das mais novas iterações relacionadas diretamente com as pessoas. A inteligência artificial sendo uma rede neuronal complexa com um banco de dados de aprendizados e aperfeiçoamentos congestionou-se o comercio global.

A IHC como campo que visa a coexistência e relação de qualidade de interfaces, eficiência e qualidade do produtos para o usuário prende a maquina e o cliente para a criação de um vetor de coexistência entre ambos focando na experiência do usuário UX e adquirindo recursos e formas/ novas ferramentas em busca de uma confecção e interação para o agrado da pessoa/ cliente central. A nova tecnologia de machining learning/ IA auxilia os problemas atuais enfrentados do IHC.

2-MAIORES PROBLEMAS DE IHC.:

Hoje a área enfrenta como inconsistência elementos compostos e requisitos não claros, o que como efeito desempenha problemas e tangentes de elementos e confusões nos usuários exploradores entre as páginas web. A UI e a HCD Design centrado no humano compõem está estádia que é um quanto abstrata. Em maior parte das circunstâncias os usuários podem negligenciar os sites em conta dos problemas citados. A IA como um todo pode reinterpretar esses elementos e condicionar padrões de satisfações a partir de analises sistêmicas em uma velocidade infinitamente superior. Essas ferramentas em simplificações podem resolver problemas de HCD do sistema e alcançar a tão sonhada satisfação do usuário.

*3-FERRAMENTAS e FUNDAMENTOS DA IA PARA IHC.:
*
A IA como um todo tem como sua maior funcionalidade a quase que ilimitada dimensionalidade de trabalhos partindo de técnicas de aprendizado de máquina. Concomitante é de obrigatoriedade intrinca entender que a IA funciona em partes com a construção "AM" que significa o aprendizado de máquina onde por meio de exemplos de dados e técnicas orientadas que, usam cadeias externas e grandes fluxos de dados. Os algoritmos como um todo se utiliza de técnicas de hipóteses analisando os exemplos e dados filtrados e pré- requisitados no sistema os compilando como o prompt ou objetivo de sua criação.

A AM tem como fundamentos três tipos de aprendizagem para que o algoritmo funcione e cumpra novos objetivos. Como.:

-AM Supervisionado, em que o todo exemplo apresentado como entrada para a AI é obrigado dispor a resposta informando rótulo, tipo, valores atribuídos, para assim o algoritmo poder "mixar as informações". O algoritmo cria um vetor que compreende em principal a classe assim fazendo as assimilações dos dados e correlações das informações. Em novos exemplos ainda não rotulados ele consiga responde-los a partir do tipo e rótulos pré-classificados.

-AM Não Supervisionado, nesse o algoritmo entende e agrupa os dados e informações pelos atributos(características de um elemento). Ele tenta encontrar padrões assim os agrupando chamados de clusters. Nesse tipo de aprendizagem é necessário uma avaliação e analise das informações por ser um método abrangente.

-AM de Reforço, nesse o algoritmo não recebe feedbacks ou respostas de seus grupos mas recebe um "sinal de reforço( recompensa ou punição). A IA analisa esse reforço e a partir disso molda seus clusters de informação.

-Redes Neuronais Artificiais, Sendo uma das técnicas foram inspiradas nas estruturas neuronais bioquímicas e usam de cálculos e filtros matemáticos para a disponibilidade e tratamento da informação. Elas podem variar das simples para as profundas mudando o comportamento de ligação dos neurônios/ entradas e saídas. Sendo a simples uma ligação total de todos os dados e fazendo com que o tratamento da informação passe por todas as saídas e cálculos métricos e a profunda interliga de maneira dinâmica cria filtros/kernels) e sumarizam os neurônios com que tem-se uma conexão.

4-CRIAÇÃO E ENTENDIMENTO DA XAI.:
Após um breve resumo das ferramentas que a IA possibilita existe a ferramenta que coexistiu a junção da IHC com a AI. A XAI se fundamenta como uma IA focada em experiências do usuário. Isso por sua vez significa uma ferramenta auxiliar para a compreensão de ferramentas e elementos descritos como um dos maiores problemas de IHC, pelo nível já ressaltado de abstração do usuário enquanto entendimento da linguagem de ícones e interpretações do produto da geração e elementos tangenciais. Foram criados 9 técnicas para a explicação e uso da ferramenta 1- a aplicabilidade baseada em texto(geração textual). Explicações globais, Explicações locais, Explicações visuais, Explicações do modelo a partir do tratamento de dados do mesmo, explicação por reconstrução de site/resumo, explicações ilustrativas, Explicação por exaltação de relevância, Explicação por substituto usando de ferramentas de interfaces ou sites parecidos para o entendimento generalizado.

5-PORQUE DA FERRAMENTA.:
Com a existência da mesma e seu desenvolvimento e aprimoramento contínuo, por se tratar de uma IA pode-se de maneiras armazenar os dados dos sites é claro de maneira que não transgrida as normas e termos de serviço para o uso desta ferrramenta. Simplesmente é um uso de grande potencial uma vez que auxiliará designers a sofisticar mais os sites deixando-os de formar super intuitivas, clientes satisfeitos e removendo preconceitos vindos do uso das heurísticas e objetivos de IHC.

Referências usadas- Nazar, M., Alam, M., Yafi, E., & Su'ud, M. (2021). Uma revisão sistemática da interação humano-computador e da inteligência artificial explicável na área da saúde com técnicas de inteligência artificial. Acesso IEEE , PP, 1-1.

Grudin, J. (2005). Três faces da interação humano-computador. Anais da História da Computação do IEEE , 27, 46-62

Teresa, B., (2021). Inteligência artificial e aprendizado de maquina: estado atual e tendência. Doi 10.1590/s0103,CIUFP, ONMC, 1-1.

CORTES, C.; VAPNIK, V. Support-vector networks. Machine Learning, v.20, p.273-97,1995