人工智慧會怎麼影響設計與設計師，全在這份報告里了

2017 年 4 月 27 日，由「同濟×特贊設計與人工智慧實驗室」撰寫的《設計與人工智慧報告》在阿里巴巴 UCAN 用戶體驗設計峰會上發布。這份報告由設計與人工智慧實驗室聯合同濟大學設計創意學院、特贊信息科技有限公司、阿里巴巴智能設計實驗室共同發布。旨在探討人工智慧時代，設計師、設計工作和設計相關行業的未來可能發生的變化。

這份報告通過對學術文獻、技術資料和產業案例的定性和定量分析，從專家採訪、趨勢預測、勞動力再分配觀察和教育改革等方面，第一次對設計與人工智慧的交叉學科問題進行建構，希望幫助更多設計師為人工智慧時代做準備。這份報告回顧了幾十年來設計和人工智慧交叉學科的學術文獻，調研訪談了 100+個智能設計案例，採訪了 50+位設計專家、人工智慧專家、法律專家，發放並回收了 1000+份調查問卷。

范凌，特贊創始人

報告負責人范凌博士，「同濟 x 特贊設計與人工智慧實驗室」主任在發言中稱：「設計的工作不追求確定性，反而是受益於不確定性的。設計的人工智慧並不以獲得合適的答案為目的，而可以創造不確定，進而對設計師形成啟發。人創造的瓶頸是人自身的經驗、邏輯和方法，人工智慧可否幫我們超越我們的經驗或者邏輯或者方法，從而讓人的創造進一步釋放呢？」。設計需要創造力和感情，恰好應該在智能時代扮演更重要的鏈接人工智慧和人性的角色。因此，設計與人工智慧的關係遠遠要比工作取代關係深入和複雜。

一、工業 4.0 和設計：「人工智慧」作為政治、經濟、技術和人文條件對「設計」有什麼意義？

第四次工業革命的到來，對傳統企業的生產方式帶來了極大的挑戰。商業競爭越發殘酷，消費者需求越發複雜。阿里巴巴首席戰略官曾鳴說：「只有精準，才有未來」 。新商業時代，精準是商業核心，是產品和服務能否有機會與用戶建立有效連接的先決條件。

需求側的精準化努力早已先行，人工智慧在數據和演算法上的突破更加加速了這個過程。需求側越來越精準，越來越千人千面。但供給側的閉環還沒形成。現在不同的消費者已經可以看到不同的商品、資訊、營銷等信息，但供給側，不管是傳統的創意服務，還是傳統的創意內容，都還停留在單向生產輸出的狀態。

工業 4.0 通過「智能化」的手段，實現「生產的閉環」，並最終完成供給側改革。作為生產過程中的重要一環，設計需要智能化，幫助企業實現千人千面的生產能力，提供給用戶更精準和滿意的產品和服務，從而提高自己的市場競爭力和盈利能力。

「沒有在線化、自動化、數據化，就沒有智能化」（曾鳴）。人工智慧將作為先決條件，通過統一「數據」的介面，心與腦的「在線化」等方式，幫助設計相關行業完成工業 4.0 的改造。

二、為什麼設計需要人工智慧？——數據、演算法和智能對設計所服務的不同產業發生了什麼影響和改變？

人工智慧相關領域中非常熱衷於討論一個話題——人工智慧賦能機器，從而取代人類工作者。麥肯錫提出，任何一種工作都存在被機器取代的潛力。基於這個「工作自動化」的前提，人與機器的關係會呈現出兩種可能性：一種是機器取代人，比如翻譯這樣的簡單腦力勞動；還有一種叫「共同進化」——機器能力的增長，給人腦製造了更大的成長空間，反而會促進人腦的進化。

報告認為，設計行業本質上屬於後這一種，即「共同進化」，當機器能夠幫人承擔更多重複性的工作，也就無限激發了人腦的創造力。設計需要人工智慧來協助「人腦-機器」的共同進化過程。報告考察了設計工作涉足較深、佔比較大的廣告行業、服裝行業、高科技行業中的智能設計案例，並回收了 1000+份來自這些行業的設計師的問卷調查，結論概要如下：

不論什麼類型和經驗，都需要收集素材和處理信息。「素材收集& 信息處理」佔據了設計師近 30%工作量，並且這一比例不會隨著工作年限的增長而減少。

雖然設計師老叫苦叫累，但設計並非是體力活。近 70%的設計師自認為工作中的「重複性體力勞動」低於 10%，甚至近 40%的設計師認為工作中的「重複性體力勞動」低於 5%。

創意和創造將會成為設計師的最核心競爭力。通過麥肯錫模型的縱向預測，以及創意創造與腦機比的橫向關係比較可以看出，當機器能夠承擔更多工作後，人類設計師需要更聚焦於管理、創意創造、溝通等能力，才能持續保持競爭力。

三、人工智慧如何幫助設計？——「設計」是否可以轉化為「計算」的問題？局限和機會是什麼？

讓理性的機器試圖去理解感性的設計過程，是這個交叉領域所面臨的一個巨大難題。從早期人工智慧專家用規則和知識庫的方式教機器做設計開始，人類就一直在嘗試跨越「人-機」的鴻溝。只是這個過程曾經一直是單向的，當人類用自己的語言和思維方式教機器做設計，看起來就像人類的自作多情——機器長期停留在三歲小孩的水平，而難以持續進步。教機器學會一個簡單設計所需要付出的人類努力居高不下。

轉變需要來自人類對自我思維的突破，報告嘗試從三個維度來探討這個問題：如何激發創造；不確定設計問題的確定化；如何處理設計要素中，「內容」與「形式」間的關係。

關於如何激發創造，Margaret A. Boden（英國蘇塞克斯大學教授，創造與人工智慧研究領域專家）在 AI Magazine 上提出了從機器角度理解創造的「創造力三模型」——組合創造（COMBINATIONAL CREATIVITY）、探索創造（COMBINATIONAL CREATIVITY）和轉換創造（TRANSFORMATIONAL CREATIVITY）。不同的創造類型代表著不同的創新程度，由機器通過不同的方式來實現，比如，對已有熟悉概念的重新組合，或者在一定約束條件下探索「方案空間」中的其它可能性。

阿里魯班的智能設計項目負責人樂乘說，機器已經開始產出一些人類沒教過它的設計了。事實上，機器可以部分地承擔創造性工作，但是最具創新意義的轉換創造，目前只能通過「人-機」協同的方式完成。

關於不確定設計問題的確定化，Milton Glaser（I Love New York 設計師）說過，「設計是關於消除可能性和自由度的（Design is about eliminating possibilities and degrees of freedom）」。當一個不確定的設計問題「什麼是美的網頁設計？」被翻譯成機器能夠理解的確定問題「什麼是和『美的網頁』最接近的網頁」。機器可以通過對獲獎的網頁設計作品進行分析、建模和運算，得到一整套評價方式（來自斯坦福的案例 Apropose）。

人工智慧不再只是基於邏輯範式的研究，神經網路（即深度學習）的自我學習特性，把人類從低效的「規則編程」中解放了出來（Geoffrey Hinton，「神經網路之父」），讓最「善變」的設計問題變得可以被機器理解和解決。

關於「內容」與「形式」間的關係，PAUL RAND 曾說過，「設計是將形式和內容放在一起的方法（Design is the method of putting form and content together）」。EyeEm 的工程師通過分離圖片的內容和形式，用兩條不同的途徑實現了對這二者的解構與評價。

這些過程的重要意義，除了用機器的方式理解設計，幫助完成微觀層面上，設計的單次閉環過程以外，還在於它的動態性，可以根據場景和輸入信息的實時變化而變化。只有當數據、網路、演算法，高度賦能生產過程，宏觀層面的「精準」和「千人千面」的訴求才能完成最終閉環。

四、人工智慧建構設計未來——「人工智慧」帶來什麼新的設計師角色和設計問題？

現有的智能設計實踐中，已經開始出現了一種新的設計角色——「訓機師」。設計師不再是被要求提供一個明確的設計結果，而是要設計一個機器如何做設計的過程。也許是一種設計數據結構化的方式和演算法優化的方式，也許只要提供給機器關於這個設計「好/不好」的評價反饋，以幫助機器學習做設計。

從狹義角度看，隨著人工智慧以及科技的進一步發展，會出現更多不同的設計師角色，比如設計物理世界的增強現實設計師、專註於物理和機器介面部分的新型交互設計師、設計數據模型和演算法的機器學習設計師、設計社區與個體之間的環境介面設計師。

而從廣義角度看，人工智慧正在進一步推進「設計民主化」的進程。一方面，設計師們正在變得越來越像「策展人」和「買手」，而非「創造者」。類似 Autodesk Dreamcatcher 這樣的設計工具，可以在設計師簡單輸入要求後，快速產出數百種設計方案，而設計師要做的僅僅是去挑選他們喜歡的那一個，或者不斷重新組合，直至產生最滿意的結果。

另一方面，人工智慧使機器的能力不斷增強，變相地使設計的門檻進一步降低，那些原來特別需要設計能力，但又受限於時間和成本投入的崗位，比如淘寶運營（來自案例深繪），在人工智慧和機器的幫助下，正在變得越來越自主。隱含在這一現象背後的，不僅是易獲取的設計能力和日益降低的設計成本，更重要的是，我們有能力去提供更大量，更多樣化，同時更「精準」的設計了。

完整報告可以在 sheji.ai 網站下載。

本文作者 ：

- - - - END - - - -

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！