وفي هذا السياق، نشر فريق من الباحثين في شركة أبل دراسة بحثية تناولت تدريب نماذج الذكاء الاصطناعي لإنشاء رمز لواجهة مستخدم وظيفي.

وركزت الدراسة على ضمان أن "الكود" الذي تم إنشاؤه بواسطة الذكاء الاصطناعي قد تم تجميعه بالفعل وتطابق تقريباً مع مطالبة المستخدم من حيث ما يجب أن تفعله الواجهة وكيف يجب أن تبدو، بدل التركيز على جودة التصميم البصري وحدها.

وفي تطور جديد، أصدر جزء من الفريق المسؤول عن مشروع "UICoder" ورقة بحثية جديدة بعنوان "تحسين نماذج توليد واجهة المستخدم من خلال ملاحظات المصممين".

وأوضح الباحثون أن أساليب التعلم المعزز الحالية من خلال ردود الفعل البشرية (RLHF) ليست أفضل الطرق لتدريب نماذج التعلم المعزز لتوليد واجهات مستخدم مصممة بشكل جيد بشكل موثوق، لأنها "لا تتوافق بشكل جيد مع سير عمل المصممين، وتتجاهل الأساس المنطقي الغني المستخدم في نقد وتحسين تصاميم واجهة المستخدم".

ولمعالجة هذه المشكلة، اقترح الفريق مساراً مختلفاً، حيث جرى تكليف مصممين محترفين بتقييم وتحسين واجهات المستخدم التي تم إنشاؤها بواسطة النموذج بشكل مباشر باستخدام التعليقات والرسومات التخطيطية وحتى التعديلات العملية، ثم قاموا بتحويل تلك التغييرات قبل وبعد إلى بيانات تُستخدم لضبط النموذج بدقة.

وأشاروا إلى أن هذا النهج أتاح تدريب نموذج مكافأة يستند إلى تحسينات تصميم ملموسة، ما أدى فعلياً إلى تعليم مولد واجهة المستخدم تفضيل التخطيطات والمكونات التي تعكس بشكل أفضل حكم التصميم في العالم الحقيقي.

وفي هذا الإطار جمع الباحثون 1460 تعليقاً توضيحياً، جرى تحويلها بعد ذلك إلى أمثلة "تفضيل" واجهة المستخدم المزدوجة، والتي تقارن واجهة النموذج الأصلية مع الإصدارات المحسنة للمصممين.