【资源】设计与人工智能报告:在设计领域,谈谈人脑与机器的更深层关系
  clovey ·  2017-05-01

2017年4月27日,由「同济×特赞设计与人工智能实验室」撰写的《设计与人工智能报告》在阿里巴巴 UCAN 用户体验设计峰会上发布。设计与人工智能实验室联合同济大学设计创意学院、特赞信息科技有限公司、阿里巴巴智能设计实验室共同发布此报告。旨在探讨人工智能时代,设计师、设计工作和设计相关行业的未来可能发生的变化。本报告可在sheji.ai 网站下载。

《设计与人工智能报告》通过对学术文献、技术资料和产业案例的定性和定量分析,从专家采访、趋势预测、劳动力再分配观察和教育改革等方面,第一次对设计与人工智能的交叉学科问题进行建构,希望帮助更多设计师为人工智能时代做准备。这份报告回顾了几十年来设计和人工智能交叉学科的学术文献,调研访谈了100+个智能设计案例,采访了50+位设计专家、人工智能专家、法律专家,发放并回收了1000+份调查问卷。

范凌

报告负责人范凌博士是「同济x特赞设计与人工智能实验室」主任,他认为:「设计的工作不追求确定性,反而是受益于不确定性的。设计的人工智能并不以获得合适的答案为目的,而可以创造不确定,进而对设计师形成启发。人创造的瓶颈是人自身的经验、逻辑和方法,人工智能可否帮我们超越我们的经验或者逻辑或者方法,从而让人的创造进一步释放呢?」。设计需要创造力和感情,恰好应该在智能时代扮演更重要的链接人工智能和人性的角色。因此,设计与人工智能的关系远远要比工作取代关系深入和复杂。

整个报告包括四个部分——工业4.0和设计;为什么设计需要人工智能;人工智能设计的产业实践;人工智能建构设计未来。 

一、工业4.0和设计:「人工智能」作为政治、经济、技术和人文条件对「设计」有什么意义? 

第四次工业革命的到来,对传统企业的生产方式带来了极大的挑战。商业竞争越发残酷,消费者需求越发复杂。阿里巴巴首席战略官曾鸣说:「只有精准,才有未来」 。新商业时代,精准是商业核心,是产品和服务能否有机会与用户建立有效连接的先决条件。

需求侧的精准化努力早已先行,人工智能在数据和算法上的突破更加加速了这个过程。需求侧越来越精准,越来越千人千面。但供给侧的闭环还没形成。现在不同的消费者已经可以看到不同的商品、资讯、营销等信息,但供给侧,不管是传统的创意服务,还是传统的创意内容,都还停留在单向生产输出的状态。

工业4.0通过「智能化」的手段,实现「生产的闭环」,并最终完成供给侧改革。作为生产过程中的重要一环,设计需要智能化,帮助企业实现千人千面的生产能力,提供给用户更精准和满意的产品和服务,从而提高自己的市场竞争力和盈利能力。

「没有在线化、自动化、数据化,就没有智能化」 (曾鸣)。人工智能将作为先决条件,通过统一「数据」的接口,心与脑的「在线化」等方式,帮助设计相关行业完成工业4.0的改造。

二、为什么设计需要人工智能?——数据、算法和智能对设计所服务的不同产业发生了什么影响和改变?

人工智能相关领域中非常热衷于讨论一个话题——人工智能赋能机器,从而取代人类工作者。麦肯锡提出,任何一种工作都存在被机器取代的潜力。基于这个「工作自动化」的前提,人与机器的关系会呈现出两种可能性:一种是机器取代人,比如翻译这样的简单脑力劳动;还有一种叫「共同进化」——机器能力的增长,给人脑制造了更大的成长空间,反而会促进人脑的进化。

报告认为,设计行业本质上属于后这一种,即「共同进化」,当机器能够帮人承担更多重复性的工作,也就无限激发了人脑的创造力。设计需要人工智能来协助「人脑-机器」的共同进化过程。报告考察了设计工作涉足较深、占比较大的广告行业、服装行业、高科技行业中的智能设计案例,并回收了1000+份来自这些行业的设计师的问卷调查,结论概要如下:

1.   不论什么类型和经验,都需要收集素材和处理信息。「素材收集&信息处理」占据了设计师近30%工作量,并且这一比例不会随着工作年限的增长而减少。

2.   虽然设计师老叫苦叫累,但设计并非是体力活。近70%的设计师自认为工作中的「重复性体力劳动」低于10%,甚至近40%的设计师认为工作中的「重复性体力劳动」低于5%。

3.   创意和创造将会成为设计师的最核心竞争力。通过麦肯锡模型的纵向预测,以及创意创造与脑机比的横向关系比较可以看出,当机器能够承担更多工作后,人类设计师需要更聚焦于管理、创意创造、沟通等能力,才能持续保持竞争力。

三、人工智能如何帮助设计?——「设计」是否可以转化为「计算」的问题?局限和机会是什么? 

让理性的机器试图去理解感性的设计过程,是这个交叉领域所面临的一个巨大难题。从早期人工智能专家用规则和知识库的方式教机器做设计开始,人类就一直在尝试跨越「人-机」的鸿沟。只是这个过程曾经一直是单向的,当人类用自己的语言和思维方式教机器做设计,看起来就像人类的自作多情——机器长期停留在三岁小孩的水平,而难以持续进步。教机器学会一个简单设计所需要付出的人类努力居高不下。

转变需要来自人类对自我思维的突破,报告尝试从三个维度来探讨这个问题:如何激发创造;不确定设计问题的确定化;如何处理设计要素中,「内容」与「形式」间的关系。 

关于如何激发创造,Margaret A. Boden(英国苏塞克斯大学教授,创造与人工智能研究领域专家)在 AI Magazine 上提出了从机器角度理解创造的「创造力三模型」——组合创造( COMBINATIONAL CREATIVITY )、探索创造( COMBINATIONAL CREATIVITY )和转换创造( TRANSFORMATIONAL CREATIVITY )。不同的创造类型代表着不同的创新程度,由机器通过不同的方式来实现,比如,对已有熟悉概念的重新组合,或者在一定约束条件下探索「方案空间」中的其它可能性。

阿里鲁班的智能设计项目负责人乐乘说,机器已经开始产出一些人类没教过它的设计了。事实上,机器可以部分地承担创造性工作,但是最具创新意义的转换创造,目前只能通过「人-机」协同的方式完成。

关于不确定设计问题的确定化,Milton Glaser (I Love New York 设计师)说过,「设计是关于消除可能性和自由度的(Design is about eliminating possibilities and degrees of freedom )」。当一个不确定的设计问题「什么是美的网页设计?」被翻译成机器能够理解的确定问题「什么是和‘美的网页’最接近的网页」。机器可以通过对获奖的网页设计作品进行分析、建模和运算,得到一整套评价方式(来自斯坦福的案例 Apropose )。

人工智能不再只是基于逻辑范式的研究,神经网络(即深度学习)的自我学习特性,把人类从低效的「规则编程」中解放了出来(Geoffrey Hinton,「神经网络之父」),让最「善变」的设计问题变得可以被机器理解和解决。

关于「内容」与「形式」间的关系,PAUL RAND 曾说过,「设计是将形式和内容放在一起的方法(Design is the method of putting form and content together)」。EyeEm 的工程师通过分离图片的内容和形式,用两条不同的途径实现了对这二者的解构与评价。

这些过程的重要意义,除了用机器的方式理解设计,帮助完成微观层面上,设计的单次闭环过程以外,还在于它的动态性,可以根据场景和输入信息的实时变化而变化。只有当数据、网络、算法,高度赋能生产过程,宏观层面的「精准」和「千人千面」的诉求才能完成最终闭环。

四、人工智能建构设计未来——「人工智能」带来什么新的设计师角色和设计问题?

现有的智能设计实践中,已经开始出现了一种新的设计角色——「训机师」。设计师不再是被要求提供一个明确的设计结果,而是要设计一个机器如何做设计的过程。也许是一种设计数据结构化的方式和算法优化的方式,也许只要提供给机器关于这个设计「好/不好」的评价反馈,以帮助机器学习做设计。

从狭义角度看,随着人工智能以及科技的进一步发展,会出现更多不同的设计师角色,比如设计物理世界的增强现实设计师、专注于物理和机器接口部分的新型交互设计师、设计数据模型和算法的机器学习设计师、设计社区与个体之间的环境接口设计师。

而从广义角度看,人工智能正在进一步推进「设计民主化」的进程。

一方面,设计师们正在变得越来越像「策展人」和「买手」,而非「创造者」。类似 Autodesk Dreamcatcher 这样的设计工具,可以在设计师简单输入要求后,快速产出数百种设计方案,而设计师要做的仅仅是去挑选他们喜欢的那一个,或者不断重新组合,直至产生最满意的结果。

另一方面,人工智能使机器的能力不断增强,变相地使设计的门槛进一步降低,那些原来特别需要设计能力,但又受限于时间和成本投入的岗位,比如淘宝运营(来自案例深绘),在人工智能和机器的帮助下,正在变得越来越自主。隐含在这一现象背后的,不仅是易获取的设计能力和日益降低的设计成本,更重要的是,我们有能力去提供更大量,更多样化,同时更「精准」的设计了。

写在最后:在为设计行业带来便利的同时,人工智能也正在带给我们一些疑问和思考。 

比如说,法律问题。人工智能设计的作品知识产权如何确定?人工智能学习受知识产权保护的设计作品是否侵权?来自法律学界和业界的专家给了我们一些解答。

至少就目前来看,作品的著作权遵从「工作成果」原则,应属于使用人工智能的设计师;著作权法并不保护「思想」,只保护对思想的「表达」,即设计结果。在这个问题上,法律应遵循的原则是:「赋予作者著作权的最终目的不是为了奖励作者,而是为了鼓励创作(郭锐,中国人民大学法学院副教授)」。

知识产权法总是落后于技术发展(法律普遍有这问题,所以需要实践推动的追问和反思)。如果机器主动借鉴了其他受保护的设计,现有的「著作权合理使用原则」的分析是否应该有变化,很可能要看新的官司和立法(Benjamin Qiu,Loeb & Loeb 律师事务所合伙人)。

比如说,数据垄断的问题。诚然,知识会出现新的垄断模式。如果你在使用谷歌的线上服务器,包括搜索引擎,Gmail邮件,谷歌地图,YouTube,谷歌云盘(drive),Google+(谷歌的社交平台),安卓系统,谷歌钱包和 Picasa,谷歌将会越来越了解你。而人工智能将会使 Google 的服务能力呈指数倍增长。 

在更狭义的设计领域中,因为人工智能学习的数据的质量和数量,决定着最终的学习效果。所以未来是否有可能会出现,「谁有数据谁就是牛逼的设计师」的情况?我们的初步猜想,未来也许会呈现出「设计技能民主化,设计数据垄断化」的情形。

设计与人工智能的交叉领域,无论在理论还是在应用层面,都还极大地缺乏深入的积累。设计与人工智能实验室相信,越难的事,越是需要长期而深入的坚持,同样也潜藏着最大的爆发力。如果没有 Hilton 教授对「神经网络」三十年如一日的坚持,我们也没有机会目睹到它今天爆发出的巨大能量。你,做好准备跟我们一起上路了吗?

    0
为你推荐