Создание ИИ-прототипов как педагогическая практика
Попробовал собрать игру-аналог Flappy Bird, но с бумажным самолётиком вместо птички 🐥.
Получилось два варианта (попробуйте найти самолётик хотя бы в одном 😃) :
🛫 Бумажный самолётик на Claude
— Не считая кривоватых хитбоксов, в неё можно сразу играть! Я даже установил рекорд в 4 очка с первой попытки 🚬. Обратите внимание на алёрт, который Anthropic показывают по ссылке: AI Policy 🤖.
🛫 Paper Plane Challenge на Lovable
— В первом варианте самолётик падал мгновенно: шансов полетать не было. Я чутка замедлил падение и расширил игровую зону, а потом кредиты на редактирования кончились 😭. Очень хардкорно и почти неиграбельно . Мой гордый рекорд — 1 очко спустя 15 попыток 🥊.
Итак, с помощью ИИ можно очень быстро собирать прототипы. Сценарии понятные: протестировать какие-то продуктовые гипотезы, первично проверить жизнеспособность идеи, удобство расположения кнопок, поймать какие-то очевидные косяки. Об этом сценарии упоминают довольно часто и пишут про него много.
Интереснее про использование ИИ-прототипов в педагогике (про это говорят редко, всем, видимо, больше нравится обсуждать персонализированных тьюторов, что тоже неплохо, конечно).
Тут сразу два разных направления:
1) Прототипы как иллюстрация
Идея в том, чтобы сделать какие-то идеи/концепции/etc более "осязаемыми" для адресата. Например, мы с коллегами в Privacy Tech недавно сделали такой прототип , чтобы показать примеры тёмных паттернов в условиях, близких к "боевым". Требования к качеству прототипа, решающего конкретную просветительскую задачу обычно не такие высокие, как к продукту для "длительного использования", поэтому даже без технических навыков можно собрать что-то неплохое.
2) Создание прототипов как интерактивная учебная практика
Допустим, пока я делал маленькие игры выше, я понял, какие основные элементы игрового процесса и дизайна окружения влияют на уровень сложности: хитбоксы самолётика, скорость и амплитуда его подъёма и падения, расстояние между препятствиями, высота и ширина игрового поля. Круче: я попросил ИИ объяснить, значения каких переменных в коде влияют на указанные параметры и даже смог поменять пару из них "вручную" 🪖.
Кстати, изначальный дизайн-документ с описанием игровых механик я сделал с DeepSeek 😎.
Источники:
✳️Блог "Technical Foundations for Product Managers"
✳️Пост с интерактивными тёмными паттернами в канале Privacy Tech'а
Попробовал собрать игру-аналог Flappy Bird, но с бумажным самолётиком вместо птички 🐥.
Получилось два варианта (попробуйте найти самолётик хотя бы в одном 😃) :
🛫 Бумажный самолётик на Claude
— Не считая кривоватых хитбоксов, в неё можно сразу играть! Я даже установил рекорд в 4 очка с первой попытки 🚬. Обратите внимание на алёрт, который Anthropic показывают по ссылке: AI Policy 🤖.
🛫 Paper Plane Challenge на Lovable
— В первом варианте самолётик падал мгновенно: шансов полетать не было. Я чутка замедлил падение и расширил игровую зону, а потом кредиты на редактирования кончились 😭. Очень хардкорно и почти неиграбельно . Мой гордый рекорд — 1 очко спустя 15 попыток 🥊.
Итак, с помощью ИИ можно очень быстро собирать прототипы. Сценарии понятные: протестировать какие-то продуктовые гипотезы, первично проверить жизнеспособность идеи, удобство расположения кнопок, поймать какие-то очевидные косяки. Об этом сценарии упоминают довольно часто и пишут про него много.
Интереснее про использование ИИ-прототипов в педагогике (про это говорят редко, всем, видимо, больше нравится обсуждать персонализированных тьюторов, что тоже неплохо, конечно).
Тут сразу два разных направления:
1) Прототипы как иллюстрация
Идея в том, чтобы сделать какие-то идеи/концепции/etc более "осязаемыми" для адресата. Например, мы с коллегами в Privacy Tech недавно сделали такой прототип , чтобы показать примеры тёмных паттернов в условиях, близких к "боевым". Требования к качеству прототипа, решающего конкретную просветительскую задачу обычно не такие высокие, как к продукту для "длительного использования", поэтому даже без технических навыков можно собрать что-то неплохое.
2) Создание прототипов как интерактивная учебная практика
Допустим, пока я делал маленькие игры выше, я понял, какие основные элементы игрового процесса и дизайна окружения влияют на уровень сложности: хитбоксы самолётика, скорость и амплитуда его подъёма и падения, расстояние между препятствиями, высота и ширина игрового поля. Круче: я попросил ИИ объяснить, значения каких переменных в коде влияют на указанные параметры и даже смог поменять пару из них "вручную" 🪖.
Кстати, изначальный дизайн-документ с описанием игровых механик я сделал с DeepSeek 😎.
Источники:
✳️Блог "Technical Foundations for Product Managers"
✳️Пост с интерактивными тёмными паттернами в канале Privacy Tech'а