本文从机器智能的特征，机器智能在设计领域的进展，人脑的设计构思特征VS 机器设计特征以及未来人机共生四个方面展开论述。
1、机器智能的特征（待补充）
（1）AI是基于历史经验的，无法预测未来；
（2）AI是基于相关关系，不能像人一样推知因果；
（3）AI是确定的，针对的可计算问题，而这个世界从本质而言是不确定的，不管是量子纠缠的不确定性，还是人类意识的不确定性；
（4）AI的特征是客观特征，而非主观的感性的；而前者往往包含的信息量很少，后者则是纷繁复杂的；
2、机器智能在设计方面的进展
在机器辅助，甚至“生成”设计的过程中，阿里鹿班已经能达到P5的水平。其设计原理主要分为四步，首先通过人工标注的方式，对原始图层做分类，整张平面设计图可分为背景、蒙版、区域修饰、主体、文字等部分，再对这些元素做标注，即设计专家提炼设计手法和风格，并以数据的形式让机器“理解”。这部分的核心是深度序列学习算法模型；其次是建立元素中心，即建立元素库，让机器在学习了设计框架后对图像做特征提取和分类。第三，设计系统，即在设计框架上构建虚拟画布，类似棋盘，然后让设计出的系统把元素中心的元素填充进棋盘。这里采用强化学习技术。最后，做设计的评估。鹿班的设计团队收集大量设计成品，从“美学”和“商业”两个方面进行评估，不断地训练鹿班。
除了鹿班这种直接“生成”的机器智能，鹿班团队将其成为“智能设计平台”，目前，同济大学范凌等学者针对当前AI在设计方面不断正在构建一种“教机器理解设计的数据集”—DesignNet。其数据集包括：（1）作品：超过 20 万张平面设计作品图文件；（2）元素：设计图包含的 100 万个设计元素标签数据（包括风格标签、情感标签等）；（3）框架：近 1000 套结构化平面设计框架/排版数据的抽象和提炼；（4）评价：近10 万条设计作品评分数据。并在以上数据库的基础上，训练机器理解设计风格&情感（评价器）、设计评价（评价器）、设计框架（生成器 + 检查器）。（DesignNet:一个教机器理解设计的数据集）
以上为主要的“工具”型发展现状，在AI与设计的关系方面，我们普遍认识到，并不是机器会取代人类设计师，实际上，“我们不应该从人VS机器的角度理解机器智能，而应该从人与机器整合的角度理解—不是人工智能（A.I.）而是延展智能（X.I.）。（” 来源：Joi Ito/Council for Extended Intelligence）。也即，真正的设计师与AI的关系并非对立，而是协同，是一种人机共生，共同进化的关系。为此，同济大学范凌提出脑机比概念（详情见来源：从无限运算力到无线想象力.2019 设计人工智能报告），弱化了人工智能对设计师的取代，而是二者的深度结合！其中，2017年调查产品设计脑机比为1.56，其中人脑61.54，机器39.46；平面设计脑机比为1.68，其中人脑62.64，机器37.34；
在研究层面，清华大学未来实验室高峰博士研究开发的道子系统。道子系统收集八万张椅子的照片，设计了31万把椅子，并最终选择了其中一把，再由人类的设计师进行细化完成。这已经不再是我们之前理解的计算机“辅助”工业设计了，而是“颠覆”了！
3、人脑的设计构思过程VS 机器设计过程
（1）人脑的设计过程与特征
在一个典型的产品设计过程中，我们一般都会经过以下几个步骤。前期的需求确认：设计调研-问题确定-需求分析-需求确认。中期的方案实现：方案构思（思维发散）-方案确定（方案收敛、评估）-方案建模渲染-方案工程化（多学科交叉）。后期的方案评估和迭代：方案评审（多人评估）-优化迭代（反馈，修改，反馈，修改…）。
在前期的需求确认阶段，我们面对的往往是复杂和感性的问题，是对未知问题的挖掘和定义。如对火车站买糖葫芦老太太的需求分析，只有经过深入调查和研究，我们才有可能发现老太太最大的需求是（1）我不能喝水，不能上厕所；（2）害怕城管没收她的东西。而这些需求，简单的数据分析是无法判断出的。而在方案实现阶段，人在创意发散阶段是随机的，念头的跳动是“不可知的”，既有相关关系层面的联想，也有毫无征兆的之前经验的某个念头，更有对未来风格的展望等；在方案确定时对方案的评估。（此处深入探究大脑评估方案的机理）
（2）机器设计过程和特征
机器的设计有几个主要特征：解构、量化、可计算化。在具体的设计过程中，首先，机器要将设计转化为“可计算”的问题。如色彩可转化为RGB、CMYK等数据；位置可转化为x,y,z,h等数据；平面设计中可将其解构到元素层级，如背景、主体、构图等，或者将其解构到更深层次的像素。其次，要建立大量作品的数据库；然后，构建设计“生成”及评价系统；最后，不断地训练，调参以迭代优化性能。要注意的是，以上内容仅仅是设计的表达，而非设计的全链路。
从以上机器设计的逻辑而言，目前机器智能在设计方面仅仅是人类现有设计作品和经验的再次重组，但无疑，利用机器智能，我们能迅速调用过往的经验，一键生成设计作品。
4、人机共生，各出所长
对目前机器智能而言，设计前期的需求定义这种较为复杂、感性、难以量化和计算的工作，它会很懵。因为人们的需求具有模糊、隐幽、变化不定等特征，特别是情感需求，这些需求难以清晰地结构和计算，因此是目前机器智能的短板。而我们人类却在这一方面得天独厚，我们能从用户模糊的用词中，结合其生活环境、过往经历、性格喜好等特征，挖掘出用户自己表达不出、想不清楚，甚至潜藏在其潜意识最深处的需求。这是我们的优势，也是未来我们需要发力的点。
同时，由于机器智能是基于历史经验的，它不能预测未来，不能引领未来，因此，以设计驱动创新，对市场的引领，也是需要人类设计大师去完成。
机器智能是唯技术论的，但设计缺恰恰是回归人的。因此，设计作为技术与人和社会之间的桥梁，要关注技术如何更好地推动社会进步，如对生态的关注，以及对残障人士，弱势群体等的关注。因为惟技术论，很可能会使我们丧失温情和意义，这是技术伦理所关切的。
但无疑，随着机器智能在设计领域发挥越来越大的作用，其所能替代的工作岗位势必会逐渐消失，如简单的平面设计工作等。未来很可能是头部市场，即一名专家级设计师+AI设计助手就能满足很大的市场需求（因为核心的工作完成后，就可以通过机器智能迅速复制和扩大自己的工作；）。因此，在未来AI越来越智能的时代，我觉得作为设计师，在认识层面要：（1）了解人工智能在设计领域的发展现状，并关注最新进展；（2）思考机器智能和人类设计各自的优劣势，努力提高机器所不能触及的能力，并利用好机器；（3）发现现有问题，不管是行业问题还是社会问题，用设计结合AI的方式加以解决。要做到以上3点，那么在实际能力方面：（1）要学会基本编程和机器学习算法，最好能自己模拟开发一个机器解决现实问题的案例，这样对机器智能结合设计的理解会更加深入。参考例子（我开发了一款负体验的AI产品）！（2）更进一步，学会将个人能力、经验转化为结构化描述的数据，即转化为计算机可计算的问题，用机器加以实现，从而解决一个大问题，例如范凌等人提出的“从无限计算力到无限想象力”，设想将想象力量化，从而释放想象力，并让想象力成为新的生产力(从无限运算力到无限想象力的10个思考)。
网友评论