DEV Community

Cover image for O uso de IHC em IAs
Matheus
Matheus

Posted on

1

O uso de IHC em IAs

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

Image description

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.

Image description

*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.

Image description

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.

Image description

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

Heroku

Build apps, not infrastructure.

Dealing with servers, hardware, and infrastructure can take up your valuable time. Discover the benefits of Heroku, the PaaS of choice for developers since 2007.

Visit Site

Top comments (0)

A Workflow Copilot. Tailored to You.

Pieces.app image

Our desktop app, with its intelligent copilot, streamlines coding by generating snippets, extracting code from screenshots, and accelerating problem-solving.

Read the docs

👋 Kindness is contagious

Please leave a ❤️ or a friendly comment on this post if you found it helpful!

Okay