Tomasz Gross, Julia Szefler
Dynamiczny rozwój generatywnej sztucznej inteligencji istotnie wpływa na współczesne praktyki związane z architekturą informacji, projektowaniem UX oraz wizualizacją danych. Obecnie modele AI wykorzystywane są nie tylko do generowania treści wizualnych, lecz także do ich interpretacji, oceny oraz wspomagania procesów projektowych. Powstaje jednak zasadnicze pytanie – czy systemy te pozostają neutralne wobec analizowanych materiałów, czy też powielają określone schematy estetyczne, kulturowe i poznawcze wynikające z danych treningowych.
Celem badań była analiza porównawcza popularnych modeli AI: Chata GPT, Google Gemini oraz Groka pod kątem występowania biasów w procesach generowania i interpretacji wizualizacji związanych z architekturą informacji oraz UX. W ramach badania modele otrzymały zestandaryzowane prompty dotyczące projektowania interfejsów, dashboardów oraz komunikacji wizualnej. Wygenerowane materiały zostały następnie poddane analizie porównawczej i ocenione przez wszystkie badane modele według wspólnego zestawu kryteriów.
Badanie ma charakter eksploracyjny i stanowi próbę krytycznej analizy roli sztucznej inteligencji w procesach generowania i interpretacji wizualizacji. Szczególną uwagę poświęcono zagadnieniom percepcji wizualnej oraz wzorcom interpretacyjnym reprodukowanym przez modele AI. Wyniki badań mogą przyczynić się do lepszego zrozumienia ograniczeń współczesnych systemów generatywnych oraz ich potencjalnego wpływu na przyszłość projektowania informacji i doświadczeń użytkownika.