《2017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

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。”

点击下载《2017设计与人工智能》完整报告