2021年12月30日整理：设计思维使人类成为人工智能时代解决问题的中心

有时，问题(尤其是当您不是受过正式培训的数据科学家时)是知道要问什么问题。更重要的是如何问它。这就是设计思维的用武之地。一个好的问题通常会衍生出更多的问题，从而产生更好的答案和更好的结果。但是，随着自动化和人工智能变得越来越普遍，机器开始做出更多决策，我们的思维将如何以及应该如何改变?让我们从第一个开始……

那么，什么是设计思维?

所有文学、艺术、音乐、科学、工程和商业领域的伟大创新者都实践过设计思维。很有可能，您在职业生涯的某个阶段使用过它，甚至都不知道。它是一种构思和开发方法，描述了一个以人为中心的迭代设计过程，包括五个步骤：移情、定义、构思、原型和测试。它通常与敏捷开发实践相比较并与之保持一致。多年来，设计思维一直被用于解决定义不明确或未知的问题，这使得它成为数据科学家和业务分析师解决大业务问题的完美方法，这些问题没有方向但数据丰富。

设计思维的核心在原则和目标上保持不变，但多年来，随着业务战略和技术的新发展影响我们的思维和决策，它被迫发展。对于我们这些处理数据的人来说，机器学习(ML) 和人工智能 (AI) 技术的持续进步无疑会影响我们为组织发现洞察力的方式，但有一件事可以肯定：人类将永远是设计的关键思考，设计思维永远是找到最佳答案的关键。

到达(Wh)Y：设计思维以发现机器不能做的事情

如果您阅读今天的头条新闻，每个人都担心机器会取代他们的工作。这是真的。自动化和技术正在改变现代劳动力，但人类仍然——并将继续——所有技术和自动化的重要组成部分。技术和自动化只是增强了人类做出决策和加快行动的能力，但它们永远不会取代对人类直觉和经验的需求——设计思维的两个关键方面。

假设您是数据科学团队的一员，您被要求解决医院的一个关键调度问题。问题似乎很简单：预测一周中的每一天每小时需要多少护士，以便制定最佳时间表。

在询问了一些关于关键约束的问题后，数据科学团队很高兴参与这项工作，因为这听起来像是对数据科学的完美利用。毕竟，预测是数据科学武器库中的关键工具。启动该项目的高管们表示，轮班时间可以是 8 小时或 12 小时，每位全职护士每周应安排 40 小时，每位兼职护士每周应安排 4 到 20 小时。

那么你的团队会怎么做?集思广益，哪些数据可能有用。寻找可用的数据。天气可能是负载的一个因素吗?有些人认为满月可能是一个驱动因素。假期?我们是否有历史加载数据来构建我们的模型?

但这是经常发生的事情：团队获取数据，构建模型并开始实施——然后发现它根本不起作用。

这怎么会发生?

因为团队成功所需的所有答案都不仅仅存在于数据中。好吧，在这种情况下，如果你去医院看看当负荷激增时会发生什么，你很快就会发现有一些护士在值班。它们只是为了峰值而出现，真正改变了负载的处理方式。这在约束的交流中没有与你分享——但是当你和团队一起体验时，这完全显而易见。

您还将了解当护士生病或无法轮班时会发生什么。我们是否在我们的方法中预测了这些短缺?

护士什么时候需要他们的时间表?我们需要提前多长时间生成预测?当我们“走流程”并与参与者会面并最终理解“为什么”时，这些都是非常明显的项目。

在经历了这些经历之后，我们可能会发现更大的问题是预测一小时后高峰的时间，因为这是值班护士平滑负载所需的准备时间。一旦这个问题得到解决，调度的处理方式与没有处理的情况大不相同。

这个例子是设计思维方法的核心，它确切地展示了为什么人类需要参与解决问题的几乎每一步，从构思到测试。机器无法产生同理心(至少现在还没有……)，而且很多时候必须亲身体验这种情况——使用你的五种感官并真正了解问题的第一手资料。有了这种额外的洞察力，查看每个问题的镜头变得更加清晰，并且实现转型结果的能力也得到了提高。

伟大的问题解决伴随着伟大的思考，虽然机器表明它们能够更快地思考，但这并不意味着任何想法都是批判性的或结构合理的。在任何解决问题的场景中，人工干预仍然是必要的。AI 和 ML 技术的存在和快速增长不能也不应该威胁人类使用设计思维应对世界上最大挑战和回答最复杂问题的能力。它只能增强它。