top of page

Approach

テクノロジー中心リサーチ・デザイン

Key Skills

ML トレーニング

リサーチ

UI/UX

プロトタイプ

Duration

14週間

Tools

Figma

Runway

Photoshop

After Effects

Lumis

このプラットフォームは、専門家が画像を提供することで、AIや機械学習モデルのトレーニングに使用されるデータセットの偏りを減らすことを目的とした場です。

new.jpg
Consequence_comp.jpg

Problems

AI/MLのトレーニングデータセットにおける偏りと、画像ラベリング作業が選定基準が不透明な少数の特定グループに依存していること。

approach-comp.jpg

My Approach

特定の分野に精通していない少数の作業者に頼るのではなく、当プラットフォームでは専門家が直接、画像データの収集とラベリングに貢献できる仕組みを提供します。公開監視体制のもとで、正確で適切なデータとラベルが保証され、より高品質な画像データセットが実現されます。

Evolving Datasets

このプラットフォームは、まず『ImageNet』のような既存の画像データセットをベースとして活用します。画像のアップロードと検証を通じたフィードバックループにより、時間とともに進化し、改善されていきます。

Business Model

このプラットフォームは、改善されたデータセットをAI/MLトレーニング用に企業へ提供することを目指しています。強みは多様な側面を取り入れることで、偏りを抑え、AIのパフォーマンスを向上させる点にあります。

Home Page Design

このUIは画像を浮遊するように配置し、ユーザーの専門性に基づいてランダムに表示されることを示唆しています。

Diverse Dataset Expansion

このコミュニティ主導のプラットフォームでは、専門家が画像をアップロードすることで、さまざまなカテゴリで不足しているデータを拡充します。この方法により、特定のカテゴリに詳しい人々がデータセットの成長を導くことが可能になります。

LUMISは、クラスおよびラベルの検証プロセスに多様な国際的専門家を参加させることで、正確かつ文化的なニュアンスを反映した画像分類を実現します。

Democratizing Data Curation Process

ユーザーのエンゲージメントを高め、さらなるインセンティブを提供するために、クラスやラベルの検証プロセスをゲーム化しました。

Gamified Experience

Problem Discovery

自分のセルフィーを使ってRunwayでモデルをトレーニングし、AI写真を生成しましたが、チュートリアルの白人男性のような正確な結果は得られず、自分に似ていませんでした。この経験から、モデルの性能が人種によって異なる可能性があるのではと疑問を持ちました。

Desk Research

  • 現在のAI業界では、データのラベリング作業にアフリカやフィリピンの低賃金労働者など特定のグループに依存しているケースが多く見られます。

  • また、多くのAIツールは「ImageNet」と呼ばれるデータセットでトレーニングされていますが、このデータセットには不適切なラベルが多く含まれています。

Typography

中立性と独自性を兼ね備えた『Sora』という書体を選びました。この書体は、個性的でありながら親しみやすく、多様性と包括性を効果的に表現します。

Color

データセットに人間味と温かみを感じてもらえるよう、暖色系のカラーを選びました。プラットフォーム全体でこのカラースキームを一貫して使用することで、共同の取り組みを強調し、コミュニティ意識を高めています。

Wireframing

階層型レイアウトで使いやすさを検討した結果、ユーザーからのフィードバックで、プラットフォームの核心である『欠けているデータタイプを強調する』というコンセプトが伝わりづらいことがわかりました。そのため、空白を活用し、メッセージをより視覚的に伝えられる探索的なレイアウトに変更しました。

その他のプロジェクト

ds-comp.jpg

このプロジェクトでは、ユーザーリサーチから始めるのではなく、テクノロジーを直接試しながらコンセプトを作り上げるという、テック中心のアプローチに初めて取り組みました。特に、AI分野における重要な問題を発見し、ゼロから独自のシステムとビジュアルスタイルを開発できたことを誇りに思っています。また、これまでのプロジェクトでは取り組めなかった検索用フィルターチップなどの微細なUIコンポーネントやマイクロインタラクションの洗練にも集中するいい機会となりました。

Next Steps

  • 報酬ベースのエコシステム構築:ユーザーの貢献に報酬を与えるインセンティブシステムを導入し、継続的な参加とエンゲージメントを促進します。
     

  • 熱意あるユーザーへのインタビュー:初期ユーザーグループを選定するため、重要な特徴を見極めるべく情熱的なユーザーへのインタビューを行います。
     

  • ベータ版のリリースと指標設定:ベータ版を公開し、アクティブユーザー数や画像のアップロード・検証数といった主要な指標を追跡して、成功基準を確立します。

Reflection

Navigation & Search Design

さまざまな情報構造を試行錯誤した結果、当初は画像のカテゴリとラベルに別々の検索コンポーネントを設計していました。しかし、ユーザーテストで両者が混同されることが分かったため、使いやすさを向上させ、情報構造を改善する目的で、フィルターオプションを含む統一された検索バーにコンポーネントを統合しました。

bottom of page