Исследователи из Baidu разработали фреймворк FEELER для исследования UI решений. Фреймворк использует коллективное машинное обучение (collective machine learning).
FEELER ассистирует UI/UX дизайнерам в создании новых UI модулей и количественно измеряет уровень привлекательности дизайн решений. Согласно исследователям, это первый случай использования машинного обучения для оценки дизайн решений UI модулей.
Фреймворк является двухступенчатым. На первом этапе активная модель обучается на размеченных данных. Группу волонтеров попросили оценить сгенерированный набор дизайн решений для отдельного модуля. На этом этапе исследователи используют байесовское активное обучение, чтобы итеративно обновлять активную модель с использованием новых данных.
На втором этапе обученная модель тюнится в соответствии с дополнительно размеченными данными. Пары дизайн решений, сгенерированные активной моделью, отдаются на сравнение волонтерам. Волонтер должен выбрать наиболее привлекательное решение из пары.
В исследовании принимало участие более 500 волонтеров, которые размечали данные. Предложенный подход позволяет оптимизировать процесс дизайна мобильных приложений. Детали архитектуры и оценки модели доступны в оригинальной статье.
