行业关键字
UI设计UI资讯 → 正文
《2017设计与人工智能报告》公布
作者: 36Kr 来源: 视觉同盟 时间: 2017年5月3日

编者按:4月27日,在杭州的阿里巴巴 UCAN 用户体验设计峰会上,由“同济×特赞设计与人工智能实验室”撰写的《2017 设计与人工智能报告——人工智能与设计的未来》正式发布。 在大会现场,特赞创始人&CEO、同济×特赞设计与人工智能实验室主任范凌博士对报告进行了详细解读。点击下载《2017设计与人工智能》完整报告

大家好,今天我作为一个设计人工智能的学者,把我们过去四个月里做的一些研究,与在座的各位分享一下。

首先,我们做这个报告的目的其实很简单。既然人工智能已经是一个无法回避的问题,那么是否存在一个角度能够和设计——这个已存在数千年的行业之间发生关联?我们希望这个关联不要是互相取代的关系,而是一个促进的关系。所以,我们把这两者之间关联和互助作为整个研究的价值取向。在这个价值取向里,我们想关心一些问题。

第一,设计的目的、结果和过程可以被数据化和算法化吗?

第二,人工智能对设计意味着什么?与设计师除了取代关系外,是否还有共生可能?

第三,设计师所服务的不同行业已经被数据、算法和智能数据深度的改造,人工智能是否赋能新的设计思想、方法、路径、工具和角色?

第四,人机共同协作的设计知识产权归属如何界定?设计是否可以在技术垄断和人文自由之间扮演更重要的文化作用?

一、工业4.0和设计 

我首先在这里分享四个观察:

观察1:需求侧的极度细分

我们知道,世界经济形势在过去两三百年间发生了极大的变化,大概分为以下三个阶段:

第一个阶段,是工业革命时代。两百年前工业革命的时候,我们发现大量的生产是进行高度的标准化。因为通过标准化的方式,能够极大地降低边界的成本,从而让物品在全球进行流通,这是工业经济相当重要的一个表现。

到了第二个阶段,我们逐渐发现这种大数量、少品类的工业化复制生产,已经不再具有竞争力了。因为我们进入了新的时代——知识经济时代。所以产生了第二种状态——小数量、多品类。

第三个阶段,过去5-10年里,数据极大地丰富,甚至极大地泛滥了。数据可以做到“千人千面”,所以理论上,每个人被服务的方式是不一样的。这样的阶段,我们称之为个性经济时代。这是由人工智能所带来的一系列思想方式,它带来了消费或者需求侧极大的变化。所以会产生极小的数量,以及极大的品类的转变。

观察2:在线/连接/交互

三个关键字——在线、连接、交互。在过去20年所谓的科技进化史里,大家在不断把与人更接近的部分变到线上去。未来思想和感情能不能联网?能不能在线交互?是一个非常具有启发性的角度。也就是说,设计能力现在是一种个人能力,但未来能不能成为一种可以被连接在一起的能力?

观察3:超细分个体的涌现

十年前有一个经济学家叫托马斯,他的“超细分”观点现在被越来越多地验证了。他说在这个时代,你的短板不再成为局限你发展的弱势,反而是你的长板,“超细分”的、不可被取代的技能将成为你在这个社会上主要的竞争力。在这个点上,我们可以认为所谓“平均”就是人工智能能达到的水平,而每个人所赋予平均的附加值,是每个人的“超细分技能”。

观察4: 人/机交互的新组织

去年的几份麦肯锡报告,非常强调新组织形式的出现,这种组织形式是把原来简单组织方式的工作,变为更灵活的形态去匹配资源。这种匹配资源一方面是对接实体之外按需的个体——每一个超细分能力的人,或者有一部分的工作被机器、智能进行某种层面上的替代;另一方面,一家公司、企业和组织无论大小,都有可能实时进行按需的专家、外部专家、机器三者之间不停的调用,而工作流程也会在这三者之间进行切换。

二、为什么设计需要智能? 

对于第二个问题,我分别从宏观和微观的角度来分析。

宏观1:设计与运算的历史

宏观上,设计与运算之间的关联已经有了很长的历史,并没有像我们想象的那样新。

1961年,一位科学家首次提出了人工智能。1964年,建筑与计算机会议在波士顿召开。这个会议里出现了两个很重要的人,一位是格罗庇乌斯——人工智能的鼻祖,已经80多岁;一位是人工智能新锐,30多岁年轻的学者明斯基——人工智能的鼻祖。在这个会上,这两个人第一次有了接触,但接触的细节没有记载。

宏观2:技能的民主和数据的垄断共存

在宏观的第二个角度,有两样与世界发展趋势共通的东西:一样是“技术的民主化”,或者“技能的民主化”。

在“技术的民主化”中,我们以另一个创造性的工作——摄影为例。从过于写实的绘画到拥有暗房工具,到很大很笨重的光学相机,到傻瓜相机,再到照片数据化、到数码相机,最后现在每个人手上都有了摄像头和App。

另一样是“数据的垄断”。在用户指数级增长的过程当中,有一些机构、设备、终端,以及平台会开始积累大量的数据。

如果这两样东西同时存在,就能够让更多人具有设计的能力,那么设计这种技能是否会被垄断在一些巨无霸的手中?人工智能、机器算法是不是也可以做设计了呢?

宏观3:技术与设计工作,更多了还是更少了?

我们总在想,技术的发展是否必然会取代一些人的工作?这一点我们没有办法避免。但是 30 年前的例子告诉我们,一方面 photoshop 作为一种工具确实取代了排版工人,但在美国却给设计行业的薪资带来了 3 倍的涨幅。所以在这个过程当中,正如《经济学人》杂志一直秉承的观点:技术摧毁更多旧的工作,但更会创造新的工作。这一点上,我们还是要乐观一点。

从微观来讲,存在三个难点:创造、确定性/不确定性、形式/内容。

第一个难点,设计是一个创造性的工作,你试图在设计中创造艺术,但你能不能创造艺术,实际上就得听天由命。

第二个难点,确定性和不确定性。我一直认为设计的魅力是在于“不确定性”。正是因为“不确定性”,设计师有自己作为人的价值。

第三个难点,形式和内容。

微观1:如何让“机器”理解“创造”?

我们在文献调查研究中发现,很少有文献是关于“机器怎么做设计”的,而有很多是关于“机器怎么样做创造性的工作”。

在设计的领域里,有个作家写了一篇文章,这篇文章发表在人工智能引用次数最高的文献里。他认为,设计有三种方式来做创造性的工作,第一种是组合,第二种是探索,第三种是转换。所谓组合,就是指在两个已知之间建立关联;所谓探索,就是在已知空间里寻找某个答案;所谓转换,就是在已知里寻找未知。

这三种方式都是基于设计师的工作方法,以设计师的工作规则去寻找创造的可能性,从而发现机器做创造的可能性。

微观2:如何让“机器”分析“不确定”?

最有启发性的观点来自于斯坦福人机交互的研究团队。不确定性的转换,是把不确定性的问题变为确定性的问题。什么是好的设计?我们不确定。但我们可以变成确定性的问题:什么是和好设计最接近的设计?

我们可以把网页作为例子。一个网页背后是各种各样结构化的代码,我们可以通过抓取这些代码,把人工选出来的好设计结合这些代码来进行建模。然后,将抓取的数据和建模的数据进行比对、打分,分数就代表了网站设计和代码之间的关联。

所以我们把这个过程总结为设计、数据、建模、运算、评估,评估之后再反过来进行运算。如此一来,我们就能把“不确定性”的设计,转化成了“确定性”的数据。

微观3:如何让“机器”处理“形式”和“内容”?

对于如何让设计处理“形式和内容”的问题,可以拆分成“形式”和“内容”两个因素。所谓形式,就是用什么样的形式感讲故事;所谓内容,就是这个故事背后意味着什么,讲的是什么。

比如说有这么多人和山,有这么多绿色的植被,也许它代表的就是一种农村生活。形式感则是说有远景、中景、近景,有上有下有平衡,也许还原出一种艺术的价值,这两者之间又能够进行相应函数的评分。

归根到底,形成的内容不是创造性,而是用统计的方法获得某种关联度。

微观4:如何让“机器”“设计”?

下一个问题:让机器做设计的转折点在哪里?这个转折点在过去,很多都是关于“如何用机器重建规则”的研究——先分析设计师的脑子是怎么想的,再把这个规则用编程的方式写出来。

这就很像早期飞机的诞生。我们看到鸟是这么飞的,所以人类就模仿鸟类做一个类似的机器,但这些机器都失败了。所以,这就需要抽象。在抽象过程中,我们发现了空气动力学,并以此带动了各种各样机械的发展和进步。

我们把基于规则的东西逐渐转化成基于数据和统计的东西,而过程就很有意思。通过设计产生数据,将人的设计,转化为设计的数据。这个数据变为某种模型,这个模型可以进行运算,运算之后再评估,评估打分之后,再进行运算的迭代——我觉得只有这种模式,才能真正产生会设计的机器。

意义:人工智能设计与供给侧改革

那么做这件事的意义是什么?意义就在于,消费端的技术在过去五年十年已经发生了极度的丰富,我们已经知道千人千面,已经知道每个人的用户信息。所以我们给他们推送合适的咨询、服务和产品,只有精准才是商业的未来。我们已经知道如何用数据的方式构成一个完整的数据闭环,但是供给端那边还是所谓的用户画像,还是非常抽象的。

这里消费的供给侧是极度地脆弱,极度地线性、极度地拍脑袋,这个就是机会——人工智能或许可以在这里建立一个新的数据闭环。消费者的数据已经在阿里等很多企业数据库里了,但供给侧的数据还不是。供给还很分散,没有在线化、数据化,也就没有智能化。

在这一点上,我并没有把人工智能设计作为一个很简单的技术问题。我觉得这是一个供给问题,是一个结构性的问题。

三、人工智能的产业实践

那么,我们在已经进行的一些实践当中,到底发现了什么?

我们还是要强调一个观念:人工智能与设计师的关系不是“替代”,所以我们提出了一个概念“脑机比”——脑子和机器的比例。这个不是结论,这个是假设。

机器、和工智能在创造性工作里面不是取代某种工种,而是要共同进化。所以我们希望是能够有更多的数据、算法,更多指数级的更精准的生产,能够带来人的思想解放。所以人工智能不是取代人的智能,而是取代人的智能不愿意去花时间的东西。

我们做的调研数据样本大道 1300 份,这个样本的组成里,我们把所谓人的智能分为三个类型。

这三个类型不只是指操作设计的技能——“感知和操纵智能”。有的时候,设计师真的需要把设计画出来。而画的过程、思考的过程也是一种智能。

还有另外一种智能,也就是“创造智能”——从无到有,从零到一的能力。另外,还有一种是“社会智能”——很多设计是需要人去讲述和言说的。

社会智能、创造智能、感知和操纵智能,都是设计行业特别关键的三种能力。设计师在不同任务上的时间分配比例,从右到左逐级更需要脑力。

通过统计,我们发现不同的设计师在 1300 份样本里,工作细分内容里所占的时间比例。我们大概做了 100 多个和设计相关的智能产品研究,简单地分析了一下复合比例,并透过这个比例得到了四个有意思的观察:

在设计师未来三年工作当中,我们也许有近61%左右的工作一定还需要人的脑子,39%左右的工作已经出现了自动化的可能性,这两者之间的比值是1.55。

1.不同类型和经验的设计师都花类似的时间收集素材和处理信息

收集资料或者信息整理是每一个设计师都花了大量时间去做的工作。而且随着数据、信息越来越多,我们发现所谓高级设计师和初级设计师,都花费了大量时间在收集资料上。所以收集资料是设计师特别喜欢、特别愿意干的一件事。

2.虽然老叫苦叫累,但设计师并不认为设计是个体力活

我们发现,没有太多人觉得重复性体力劳动在工作中占很大比例。虽然很多设计师都在抱怨设计是个很累的事,但似乎大家都很享受这个过程。

3.创意和创造将会成为设计师的最核心竞争力

我们做了六次迭代,也就是想象当中三年、五年以后,我们会花多少时间干这几件事。我们发现有些圆圈变得特别大了,比如说创意、管理、沟通变得特别大。而重复性的劳动——素材收集等等变小了。

也就是说,随着机器、智能的发展,它们确实能帮助人释放一部分创造力或者创造工作时间,那么,我们会怎么样重新分配做事的时间呢?也许下面这是一个建议,或者说是下一个趋势的结果。这个结果里,创造力应该是我们的核心竞争力。

4.高级和初级设计师脑机比不一定悬殊

在很多和技术紧密相连的行业里面,比如说做UI设计、电商、交互的等等,其实这两者的脑机比比例相差不悬殊。存在相差悬殊的行业里,也许是技术的进步还不大。而互联网行业里,我们发现这两者的区别不大,也就是因为其实已经有大量工具、智能的东西在改变着这个行业的日常工作了。

四、人工智能如何构建设计的未来? 

设计依然需要被作为一种人文来探讨,第四个部分是针对设计人工智能的话题有一些批判性的角度。

追问1:人工智能是否能够带来设计新疆域?

这里有两个观点,一个广义的观点,一个狭义的观点。这两个观点,一个是来自科技的媒体,一个来自于媒体实验室的判断。

广义里有两个观点。第一,人人都是设计师。也就是说当人工智能能够把技术技能极度的民主化以后,是不是每个人都可以具有某种设计的能力。第二,设计师是不是还是从零到一地做设计?还是说设计师更偏向于是一个整合者、筛选者和买手?

狭义的角度里面,我引用乔布斯的一句话,就是:“创造是把东西连接起来。”其实设计很重要的价值也是把两样东西连接在一起,既然我们发现有很多东西已经可以常规化了、智能化了,那我们应不应该去挑战一些新的角度?比如说,连接物理体验和增强现实?连接一个更有效的数据模型和算法?连接个体和社会组织?这些都可能成为设计师的下一个挑战。

追问2:人工智能的知识产权如何界定?

这是一个很有意思的讨论,我问了两位非常资深的律师这两个问题。第一个问题,人工智能做设计,设计产权归谁所有?第二个问题,如果人工智能通过学习做设计,学习的内容受产权保护的话,这算不算抄袭?

两位律师的观点和我是蛮一致的,关于第一个问题,观点是“谁家鸡下的蛋归谁”——只要你买了这个人工智能,那这个人工智能做出的设计就是属于你,这一点律师们没有什么争议。

关于第二个问题律师们是有思考的,因为在这个过程里,知识产权保护的是“思想”的呈现。只要对人工智能做的设计和它学习的设计师做的东西不完全一样,其实法律上是没有办法追诉的。但在未来,有可能是需要重新确立这些法律的讨论:为什么我们不能去看人工智能到底学了谁?学的过程里,是不是有对原创足够的尊重?

这也是这么多的互联网人文学者去思考新的知识产权,以及新的知识产权体系的原因。一方面,这种思考能够支持创造;另一方面,这种思考也能保护产权的拥有者。

追问3:人工智能对教育的追问和批评?

第三个追问,是关于教育的。我们邀请了一些前瞻性的教育家,他们和我价值观方向都比较一致,虽然有些人比我激进,有些人比我保守,但他们讲的东西都很有参考价值的:

第一,我们是不是应该更加注重培养大家的差异性?

第二,我们是不是又回到了文艺复兴时期知识分子的全能状态?因为机器人已经能在专业上做到最好,那么我们每个人应该回归到全能。

第三,设计一个好的问题——让机器、让数据、让智能能够去解答——其实更为重要。

第四,创造力如何培养?如何与机器交流?这会成为设计师的关键能力。

追问4:数据巨无霸们会垄断设计吗?

第四个追问,要回归到人文主义的初始。如果我们觉得数据算法的积累最大化能够产生好的设计,那么未来好的设计公司,会不会是拥有最大数据的公司?这一点让我很忧虑。

好在“同济x特赞设计与人工智能实验室”的梁明老师也在做这个研究,他讲了一段话对我很有启发,和大家分享一下:“好的设计师能够与AI齐头并进,知道机器进行监督式学习。数据永远不能完全取代设计,因为设计不总是理性和逻辑的。”

总结

一方面,我们有一个共同的目标;但另一方面,大家每个人都是特别具有不同价值的、具有多样性的人。在这个场景下面,我们除了要利用技术去控制标准,同样也应该用技术去支持不同设计的出现。

引用比尔盖茨说的一句话:“我们总是高估未来两年来发生的改变,却会低估未来十年将发生的改变。”再引用 sheji.ai 上的一句话:“我们以为改变在未来2年内都不会发生,却没想到,在10个月前已经悄悄开始。”

(责任编辑: Admin

作品欣赏

  • D&AD创意奖平面设计类包装作品
  • Free Rabbit图标设计
  • 智利Mauricio Cancino概念设计
  • 葡萄牙09FDIP公共中心
  • 躺着的艺术雕塑公共座椅设计
欢迎关注视觉同盟微信公众号:
微信公众平台:搜索“vudn2004”或扫描下面二维码:
English | 关于我们 | 站点地图 | 联系热线 | 合作伙伴 | 艺术顾问 | 订阅 | 手机版
版权所有 © 2004-2019 视觉同盟 visionUnion.com)
Copyright © 2004-2019 VisionUnion.com Incorporated. All rights reserved
京ICP备09005192号
视觉同盟旗下子站:品牌专区 | 中国创意设计人才网 | 视觉同盟社区 | 视觉同盟论坛 | 英文版