Loading...
Datenvisualisierung & AI
Work in Progress

Datenvisualisierung & AI

Big Data verändert die Art wie wir arbeiten. Von Infografiken zu Datenvisualisierungen mittels Machine Learning Tools die unsere Daten interpretieren und uns neue Werkzeuge und Interaktionsarten liefern.
Datenhandling

Immer mehr Daten

Gestaltungsarbeit umfasst immer häufiger die Visualisierung grosser Datenmengen.

Gestalter*innen müssen lernen mit diesen Mengen zu arbeiten.

Nebst den klassischen Diagrammen müssen Gestalter*innen fähig sein, interaktive Datenmengen in verständlicherweise darzustellen.

Designer*innen müssen nicht die Schnittstellen oder Programme dazu schreiben, aber ein Verständnis darüber, hilft besser damit umzugehen und sich allfällig zu spezialisieren.

Zudem werden neue Machine Learning (AI) Tools auf den Markt kommen, die unsere Arbeit verändern werden.

Kondensierung von Wissen

Infografik

In einer Welt voller Information, die es zu verarbeiten gilt, bringt Infografik Beruhigung durch Kondensierung auf die Essenz.

Dabei gibt es verschiedene Disziplinen, die wir lernen müssen, um mit diesen Datenbergen umzugehen.

Klar können wir einigermassen akkurate jedoch statische Illustrator Infografiken erstellen, um Infografiken zu gestalten.

Doch sobald die Datensätze aktualisiert werden oder aus unendlich langen Exel-Listen respektive aus Datenbanken kommen, bedingt dies den Einsatz von XML, Javascript oder Datenvisualisierung-Tools.

Big Data & INFORMATIONSÜBERFLUSS

Datenvisualisierung

Internet of Things sowie allgemein Big- und Open-Data aus dem Internet sowie dem Deep Web* produziert eine Unmenge an Datensätzen welche es visuell attraktiv umzusetzen gilt.

Die Daten anders nutzen, neu interpretieren. Das sind die Herausforderungen die uns erwarten.

*Das Deep Web ist die Bezeichnung alles digitalen Information die via Internettechnologie existiert. Also auch alle Datenbanken, Intranets, Messwerte, Emails, Chatnachrichten und sonstigen Daten ausserhalb der Internetsphäre.

© TED Talk
3

Link

TED Talk: Pivot Web Visualization

Datawrapper: Choosing Colors in Data Visualization

Datenmengen die sich nicht mehr von Hand visualisieren lassen, müssen entsprechend angegangen werden.

Augmented Design

Machine Learning ist die Zukunft.

In den kommenden Jahren werden wir mit neuen Werkzeugen lernen zu gestalten.

Werkzeuge die selbstständig Gestaltungsarbeiten entwickeln, die viel fundierter sind als wir es je erarbeiten können. 

Wir müssen diese neue Materie und ihre neuen Werkzeuge erlernen.

Wie ein Dirigent müssen Designer*innen diese neuartigen Werkzeuge orchstrieren, um die perfekte Symphonie zu erhalten.

© TED
4

Links

New York Times: Welcome to the Post Text Future

Google: AutoDraw

Machine Learning

Introduction

Künstliche Intelligenz ist keine Zukunftsvorstellung mehr, sondern Realität. Doch sie ist dennoch weit weg von Sci-Fi Szenarien.

Es gibt drei Typen von künstlicher Intelligenz.

Artificial Narrow Intelligence

Künstliche Intelligenz für eine sehr spezifische Aufgabe, ein sehr spezifisches Dataset. z. B. Gesichtserkennung.

Artificial General Intelligence

Künstliche Intelligenz für ein spezifisches Gebiet mit verschiedenen Aufgaben und Prozessen. z. B. Software für selbstfahrende Autos

Artificial Superintelligence

Künstliche Intelligenz für verschiedene Gebiete mit diversen Aufgaben und Prozessen. z. B. Terminator. 😜

Darstellung der Verschachtelung der verschiedenen Artificial Intelligence Levels.
© Webdesign Essentials
Darstellung der Verschachtelung der verschiedenen Artificial Intelligence Levels.
5
Was nun?

AI oder ML?

Die Benennung der verschiedenen Teile rund ums Thema ist etwas verwirrend.

Artificial Intelligence (AI)

Jegliche Art von künstlicher Intelligenz kann damit gemeint sein. Es ist der Oberbegriff.

Machine Learning (ML)

Software, die spezifische Datenmengen verarbeitet um Aussagen oder Tasks zu machen.

Deep Learning

Weiterentwickelte ML-Software die komplexe strukturierte und unstrukturierte Daten verarbeiten kann.

Neuronal Networks

Spezielle Software für komplexe Daten die eine technische Analogie zur menschlichen Informationsverarbeitung machen.

Big Data

Alle Datensätze aus dem Internet of Things sowie allen Daten des öffentlichen Internets oder aus dem Deep Web.

Enabling Technologies

Geräte und Software die Menschen unterstützen Dinge zu tun, die sie nicht machen konnten. (z. B. Echtzeit-Bildtranskription für Blinde)

Kreisdiagramm um die Verhältnisse von A.I. Machine Learning, Deep Learning und Neuronal Networks zu beschreiben und wie sie mit Big Data und Enabling Technologies zusammenarbeiten.
© Webdesign Essentials
Kreisdiagramm um die Verhältnisse von A.I. Machine Learning, Deep Learning und Neuronal Networks zu beschreiben und wie sie mit Big Data und Enabling Technologies zusammenarbeiten.
6

Erklärungsvideo: Von AI zu DL

Die Art Des Trainings

Was Maschinen lernen

Es gibt strukturierte und unstrukturierte Daten. Maschinen lernen beides.

Strukturierte Daten

Gemeint sind Informationen die als Daten in Datensätzen (z. B. Exel-Listen) aufgelistet werden. Dabei haben diese Daten meist pro Spalte einen Oberbegriff und können einfacher klassifiziert werden.

Unstrukturierte Daten

Diese Daten sind ohne identifizierbare Struktur. Also keine klare Datenbank-Struktur. Es können Bilder, Filme, Töne und Geräusche und Texte sein.

Unstrukturierte Daten sind die neue Spielwiese für Machine Learning Software. z. B. Kann eine Maschine Chihuahua-Köpfe von Blueberry Muffins unterscheiden lernen?

Bilder von Chihuahua Köpfen und Blueberry Muffins die sich extrem ähneln. Ein Lernset für AI.
© Free Code Camp
Bilder von Chihuahua Köpfen und Blueberry Muffins die sich extrem ähneln. Ein Lernset für AI.
Teaching Robots

Wie lernen Maschinen

Es gibt verschiedene Methoden wie Maschinen lernen.

Supervised Learning

Systeme die auf klar geführte Dateninputs, klar definierte Daten-Outputs liefern. Sie sind also von Menschen begleitet und lernen z. B. Gesichter erkennen.

Unsupervised Learning

Systeme, die fähig sind versteckte Muster von den Input-Daten zu identifizieren. Sie können anhand von Clusters, Muster, Ähnlichkeiten oder Andersartigkeit. z. B. Erkennung von Krebszellen auf Röntgenaufnahmen.

Reinforcement Learning

Systeme die kein «Training-Input» erhielten, aber durch die Bewertungen eines Trainers lernen. Sie beginnen Muster zu entwickeln und werden bewertet und so optimieren sie ihre Resultate.

Deep Learning Open Source Frameworks

Google Tensorflow, Intel neon, Berkeley Vision caffe, Microsoft Cognitive Tool Kit, Facebook Pytorch, Apache MXNet und Spark, Nishikawa Chainer, Chollet Keras, Nvidia Theano

Programmiersprachen/Techniken

Python, R, C, C++, CUDA, MATLAB

© Simplilearn
8

Machine Learning Giants

Google: Deepmind

Nvidia: Deep Learning AI

Amazon: AWS

Microsoft: Azure AI

Baidu: Machine Learning

Intel: AI

UBER: AI

Was heisst das für mich als Designer?

Machine Learning für Gestalter

Es gibt drei Arten wie Machine Learning Design-Arbeit beeinflusst.

Visuelle Gestaltung

Die Visualisierung des Outputs von Machine Learning Aufgaben. Von Infografiken bis Dialoge und Userflows

Design Support/Enhancements

Software die teile unserer Gestaltungsaufgaben übernehmen, erleichtern oder effizienter machen.

Erweiternd

Software oder Produkte die unser Gestaltungsgebiet erweitern und wir Aufgaben und Interaktionsmöglichkeiten erhalten, die vorher noch nicht möglich gewesen sind.

© Nvidia Werbetrommel...
Neuartige Farbkombinationen entwickeln

Khorma

Die Farbkombinationen dieser Webseite stammen aus der Feder von Khorma. Ich selbst wäre nicht auf solche Farben gekommen.

Khorma sucht anhand einer wachsenden Auswahl deiner Lieblingsfarben, passende Farbpaare aus. Es ist ein Tool zur Inspiration neuer Farbkombinationen.

Screenshot der Webseite von Khorma
© Khorma
Screenshot der Webseite von Khorma
10

Try Khorma

Bildsuche leichter gemacht

Everypixel

Everypixel sucht nicht nur in diversen Datenbanken nach guten Bildern, es unterstützt auch durch Bilderkennung die richtigen Bilder zu finden.

Die Bildsuche kann man intelligent nach Freiraum-Flächen machen oder nach Farben.

Screenshot der Webseite von Everypixel
© Everypixel
Screenshot der Webseite von Everypixel
The new Kid on the block

Conversational Design

Die Designfamilie wird durch intelligente Sprachsteuerung erweitert. Conversational Design wird unsere Gestaltung verändern.

Machine Learning wird nicht nur unsere Tools verändern, sondern unser Arbeitsgebiet erweitern.

Die Gestaltung von digitalen Konversationen ist eine Weiterentwicklung der klassischen Input-Interaktion. Sie ist eine Komplexere Alternative zu Buttons und anderen Trigger-Elementen.

Komplexere Kommunikation erfordert eine bessere Planung dieser Dialoge. Dies können Chatbots sein, oder andere Arten der Konversation von Menschen mit digitalen Produkten und Dienstleistungen.

© Mashable Daily
13

Links

Adrian Zumbrunnens Chat-Webseite

Adrian Zumbrunnen Blog über seine Webseite

A List Apart: Conversational Design

UX Collective: Skeuomorphism in Conversation Design

InVision: Designing a Conversational Interface

BotSociety: The Art of Conversational Design

Chatbot List Different Chatbots on the Market

Chatbot Mitsuku

In Zukunft muss Design noch enger mit Wissenschaft & Technik arbeiten.

Mehr Wissen. Mehr Optionen.

Design Fundamentals

Eine Reise durch eine sich stetig veränderbare Welt. Unzählige Hürden gilt es zu meistern. Die stetigen Veränderungen betreffen nicht nur die technischen Voraussetzungen, sondern der allgemeine Umgang mit Inhalt und Inhaltskuration. Die Veränderung als Ausgangslage für die Gestaltung ist eine komplexe Angelegenheit. Tauchen wir ein.