《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》

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。

  范凌博士在阿里巴巴 UCAN 用户体验设计峰会上演讲

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？