Озеленитель Тротуаров:
давай пилить нейросеть для гуя
Bro:
Понятия не имею как это реализовать
Скорее всего там нужно применить паттерны дизайнерские
Озеленитель Тротуаров:
вот об этом как раз не думал)
ты видел как нейросети обучают играть в игры без знания правил игры?
Bro:
Да
Обучение с подкреплением
Для таких сетей, нужно, чтоб результат однозначно можно было трактовать в твоём случае, это невозможно без участия мясного мешка
Да, даже с ним
Говорил сегодня со знакомым фронтэндером, и я наверное с ним соглашусь, но для реализации подобной затеи тебе нужна армия программистов и еще большее количество мясных мешков для верификации результата, у тебя нейросейть отрабатывает быстрее, чем человек может понять - говно или годно, а в случае, когда одна кнопка просто свдинулась на 10 мм. начинается ад, ведь бэкэнд тоже зачастую хардово связан с фронтом, короче я подумал, погуглил (почти на 100% уверен, что гугл, что то подобное делает, однако у них объемы данных позволяют), идея красивая, но практически труднореализуемая.
У гугла банально есть возможность следить за движением рук и зрачков для смартфонов, в этом плане, для мобилок задача упрощается, с компами сложнее, а если это еще м высоконагруженный сервис, то вообще забудь
Твоя затея была бы возможно интересна всяким онлайн-казино, чтоб перестраивать, но не сильно инферфейс своих клиентов, чтоб боты не работали, но опять же, самые умные адаптируются тоже, да и в одну каску такое не сделать, тут нужна хорошая команда и деньги на разработку как минимум на год, чтоб выкаатить минимальный функционал
Озеленитель Тротуаров:
ну ладно. забей. но заменить человека моделью не мудрена затея. но нет, так нет. но ты близко подошёл к сути идеи. разница лишь в том, что я исходил из сценариев как исходной точки - тем самым полностью абстрагировал бэк - это с одной стороны, а с другой - заменил тестировщика на его модель на базе CV.
в совокупности это способно дать миллиардный прирост скорости тестирования и таким образом машина сможет перебирая изначально рандомные варианты элементов UI в итоге найти наиболее оптимальные паттерны под любой сценарий и под любое устройство.
по сути это задача решаемая сугубо вычислительно.
вот это ты и не разгадал.
следить за реальными касаниями и зрачками - совсем не к чему если делается UI для банковского приложения или клиента телеграм (к примеру).
а делать интерфейсы для 3D шутеров - это из серии других задач.
сами же сценарии достаточно просты (на начальном этапе обучения): например: вывести предупреждение и получить подтвержение от юзера о согласии на некое действие.
или например: запросить у юзера согласие на некое действие от его имени и при этом 80% респондентов должно распознать логотип, выводимый на этом же экране.
ну и т.д.
т.е. функционал тут сугубо сценарный а механизм управляется параметрами вероятности.
к примеру: 85% респондентов должно дать согласие осознанно.
ну и полная относительность измеряемых величин в наиболее удачных величинах в роли 1.
т.е. если мы вывели на весь экран две одноразмерные кнопки 50% от экрана каждая и при равнозначном тесте на выбор Да/Нет он дал максимальную скорость реакции при максимальной корреляции с запросом задачи сценария, то этот тайминг и становится 1.
т.о. шкала будет динамически трансформироваться под каждую более сложную задачу сценария, что упростит аналитику.
ну и т.д.
я могу долго оптимизировать процесс.
но, нет, значит нет.
я и не говорил что будет легко.
просто я вижу возможность, которую могли не испробовать ввиду того, что на первый взгляд она имеет очень необычный способ решения.
в том и суть, что все иные варианты без сомнения уже испробованы и в них нет шанса преуспеть.
я типа шарю что такое ниша.
но чтобы лично тебе понять что она стоит за этим - нужен PoC.
мне же в роли PoC достаточно успеха этих моделей, которые я видел (я про обучение играм).
я вижу что обе эти задачи полностью одного класса (если в основе лежит сценарий).
а по сути большинство UI/UX именно так и устроены (т.е. они не очень то и динамичные).
хотя позже (когда с