你可能聽很多人說過設計很重要， 但實際上你並不這麼認為。 如果我告訴你， 長期來說， 設計導向的企業投資回報比標準普爾指數500表現好219%， 那麼， 設計在你心中是不是有了一些分量？如果我再說， 你的設計師可以直接對企業核心KPI負責。 相信很多人會這樣回復：開什麼玩笑……
科技浪潮席捲全球， 沒有任何一個行業能忽略人工智慧、大資料， 我們常常認為設計是個很主觀的東西， 可能與人工智慧、大資料無關， 事實並非如此。 特贊創始人、同濟特贊設計和人工智慧實驗室主任范淩通過解讀《2018設計和人工智慧報告》，
啟蒙和糾纏是並存的， 智慧能做設計而不能做設計系統， 設計作為“物”， 設計也作為“事”。
在設計行業往往不區分經典設計師和運算設計師， 但這兩類設計的設計師完全不同。
當我們有資料作為運算智慧導向之後， 我們不再需要唯一、千篇一律的解決方案， 我們可以千人千面的甚至大規模個人化。
經典的設計中好的設計是難以被衡量的， 而運算智慧的設計師可以直接對企業核心KPI負責。
設計作為一個行業， 我們多數時間討論的是設計的智慧化， 但沒有討論設計離智慧化還有多遠。
除了商業價值， 我們需要思考更多的社會價值。
2017年的報告內容主要是講人機共同的進化，
今年報告的組成方式和去年的不太一樣。 去年我們更多的是“閉門造車”式地做了很多研究， 有採訪、史料研究、文獻研究。 但是今年大家可以看到， 我們有一個非常大的“外腦”， 這個外腦能夠給我們的報告提供更多元的角度， 這些角度也能夠讓我們的報告彙聚更多不同的問題和材料， 從而自然湧現出許多觀點。
今年要講三個主題，
今年的報告分四個部分， 第一個部分講宏觀的問題；第二個部分講設計和運算智慧的關係， 一些研究和一些爭論；第三個部分是重新界定“腦機比”的概念；第四點講講可能性， 講講行業中人工智慧給設計教育和設計思維等帶來什麼。
我先給大家講一個現象， 這個現象是去年我們在做設計和人工智慧報告的時候， 包括跟樂乘在探討魯班系統的時候， 我們還很糾結人工智慧能不能去創造一些東西。 但是在過去這一年裡， 我們不再糾結。 就在去年下半年， 出了一系列這方面的觀點和書籍，
但是就在今年上半年， 出現了另一種聲音， 包括像是Facebook的資料事件， 也包括我自己今年參加的世界經濟論壇， 接觸了大量關於資料隱私、資料監管和資料道德等一系列的討論， 開始有另一種視角， 這個視角可以被概括為一種學術式的反思的視角。
這裡舉例兩個學者的觀點。 第一個是Neri Oxman——其實她最重要的一個角色是布拉德・皮特的女朋友。 在兩三年前， MIT媒體實驗室就開始討論一個問題——複雜系統。 Joichi Ito寫了一個宣言， 叫抵抗簡化宣言。
什麼叫簡化？舉個例子， 當你在說一件事的時候， 說了一大堆關於這件事的詳細描述，
是不是總有一天， 所有的問題都能被機器解決。 還是說， 我們不停地生活在前人解決問題過程中創造的新問題中。 比如說我們現在解決空氣問題， 前人解決經濟發展問題。
我們是不是只存在單向地成長， 還是不停地在面對迴圈的狀態？
設計師、創意人這種做創造性工作的人， 是不是只涉及物質的物件， 還是說應該考慮系統？
既然在系統裡， 我們就只能是系統的參與者， 而不能是系統的支配者。
我們要從控制變為更謙卑的狀態。
有大量的研究標明， 如果我們創造一個物， 這個物大部分是糾結和糾纏的，有因有果。在這樣的環境下面，我們去思考設計和資料的背景和相關性，是糾纏還是啟蒙，或是兩種狀態的並存。
回到設計裡面，柳冠中教授去年講了一個觀點，他說“我們應該從設計‘物’，到設計‘事’。”不是從一個banner到兩個banner到最終去產生更多的banner這個“大”的資料的過程，這是“物”的角度。而另一個角度是“事”的角度，我們做一件事的時候，我們知道這件事的“因”，後面有很多其他的“因”，所以我們是在更大的多樣的系統裡面。
世界經濟論壇在今年年初發佈的《顛覆性的創新》，我也有幸作為參與者之一，裡面就總結了一個資料——89%的設計創意資料為非結構性資料。也就是說，我們這裡所看到的多樣性，“雜”的資料，這些非結構性的資料，我們目前是缺乏方法去處理和衡量的。
在第一個部分我希望告訴大家，啟蒙和糾纏是並存的，智慧能做設計而不能做設計系統，設計作為“物”，設計也作為“事”。
相信很多人都讀過一篇報告《科技中的設計》，報告的作者John Maeda講過：“在設計行業往往不區分經典設計師和運算設計師，但這兩類設計的設計師完全不同。”所以我想在這裡講講經典設計和運算智慧設計的差異。
其實前幾個維度大家都非常好理解，我在這裡來講最後兩個維度：結果的呈現和ROI/KPI。
結果呈現的意思是，當我們有資料作為運算智慧導向之後，我們不再需要唯一、千篇一律的解決方案，我們可以千人千面的甚至大規模個人化。而講到KPI， 經典的設計中好的設計是難以被衡量的，而運算智慧的設計師可以直接對企業核心KPI負責。
針對這兩個觀點進行展開。先展開大規模個人化。想想我們當前的經濟狀態，也許可以被概括為關注度經濟。所謂關注度經濟實際上是指我們在把關注度變現。比如，推薦已經能夠做到個人化，現在我們就開始更加關注是否能創造越來越多的個性化內容。有些企業就開始做一些變化，比如淘寶會用108個結果去抓住人，而不是通過一個結果；聯合利華會把“有規模的個性化需求滿足”作為未來企業三年的核心戰略。
第二個是ROI/KPI的問題，其實過去我們在企業的決策層很難看到有設計師這樣的一個角色存在，這一點是很悲哀的。我們在想為什麼企業商業決策層沒有設計師的介入。其實變相的原因是設計的價值在過去沒法被很清晰地量化，那麼我們從長期短期兩個角度看。
長期來說，設計導向的企業他們的投資回報比標準普爾指數500表現好219%。我們也採訪了大量的CEO或企業管理層，在什麼情況下願意大量地投入設計？這些場景包括銷售轉化率的提升，企業形象的提升，產品競爭力的提升。在這個時候我們發現設計是沒有辦法對企業核心KPI 負責的，直到運算設計出現的那一刻開始有改變。
去年的時候，讓我們最激動的不是人工智慧能夠做出1.7億張banner，4億張banner，而是它能夠使得設計對企業最關鍵的KPI負責，帶來直接的影響。但這不是全部，設計究竟能否作為社會經濟的一部分？這是個問題。
研究中發現，58%的設計工作時間在非直接設計上，也就是說只有42%的時間真正用於設計。一個很簡單的平面設計工作，竟然有21次不同工種/不同設計工作之間的切換，切換的效率極低。在這個過程中，大量資料丟失。
上面是我們用到的設計工具，而在資料和調研中用到的工具，每個過程中用到的工具產生了大量資料，其中很多都是沒有被分析和處理過的，包括客戶資料、行業資料等等。
所以到底什麼是線上？王堅博士說，線上有三個原則：
每一個比特都在互聯網上
每個比特都可以在互聯網上流動
比特代表的每個物件在互聯網上都可計算
以Photoshop為例，這個軟體非常方便，在其自身演變的過程中將工具變為數位工具，將數位工具變為智慧工具，這個軟體直到發展了30年之後，才開始有了智慧、數字的東西。Photoshop CS才開始變智慧。再過了幾年才開始實現雲存儲。
所以設計作為一個行業，我們多數時間討論的是設計的智慧化，但沒有討論設計離智慧化還有多遠。這是我在第二部分希望強調的問題——到底我們有多少被浪費的資料，有多少非結構資料，我們只關注的是設計本身不斷地升級，而沒有關注整個系統。
去年是基於大資料生成“物”的，魯班就是這樣的一個系統。這是設計和人工智慧的“A面”，今年就講講設計和人工智慧的“B面”，基於雜資料和亂資料的進一步研究。這也是我在設計人工智慧實驗室正在做的事，如何把商業和設計的資料變為運算資料，這兩者有著相同的邏輯和動向。所以我更關注增強和自動化。比如說，智慧理解客戶需求建構客戶模型，自動化中定量設計分析研究等等問題。
熟悉17年報告的朋友知道這個概念，我們想強調，人腦和機器不是取代關係，我們認為，也許人腦越大，機器越大。
今年的報告，我們加入了“使用人工智慧主觀意願”的維度，通過調查不同行業的設計從業者，我們發現，75%以上的受訪者願意或非常願意接受人工智慧，其中互聯網和平面設計的意願度最高，空間和產品的意願度差異較大。
另一端想講一個數字，當自動化或者人工智慧出現在設計創意這個領域中時，到底對行業從業者發生了什麼變化？早上的演講中我們知道了會有一百多萬的生態，但2030年，這個數字將會更大。我們看到更大的機會，這個機會接入資料和智慧設計的未來會帶來更多的需求。
接下來我想講四個行業，我有幸請到這些行業的專家來提供觀點。
第一個，平面設計行業。平面設計我們邀請的是魯班系統的負責人，樂乘。他講的最有意思的一個觀點是：過去風格的確認的人是設計師本人，而從工業革命開始，機器從某種程度上確定了某種風格。那麼下一個階段，到底能不能教人工智慧的機器，資料的機器某種設計，從而讓它產生自己的風格，這是一個非常有意義的討論。
第二個，智慧產品。我請到了Rokid的首席設計師姜公略。他的關注點主要在軟硬體的升級上，比如雲交互、AR能力的提升等等。但是這個問題帶來了很多其他問題，人工智慧帶來了很多新的資料物件，現在很多時候當你在做設計智慧這件事的時候，你是在設計聲音。試想哪一個品牌是以聲音被人記住的？這裡就涉及到，語音交互是否能改變你對品牌的認知。當你用Rokid、天貓精靈等這樣的產品，你是不是會說請給我買一個麥當勞的漢堡，還是說請給我買一個漢堡。另一側在講，隨著我們對智慧系統建議的習慣和依賴，這裡面需要警惕，我們是不是會習慣把我們的決策權交給機器。比如，今天穿什麼？
第三個，UI/UX，請了Futureform的創始人劉夢溪。我們應該有一個人工智慧UI的Photoshop，我們已經發現設計開始影響到底層的資料演算法，比如說過去以機器為中心的機器學習，現在在講以人為中心的機器學習。
最後一個角度，是我今年花了很多時間在思考的，城市和空間。前面三個點可能是以商業為導向，最後一個點和我們每個人都息息相關。最後這一點目前還是很傳統的設計規劃院在做，這裡面浪費了很大的機會。
這裡引用王堅博士的一個觀點，他說城市是全世界最大的硬體，但是我們的軟體還停留在19世紀。如果我們認為電、水、油是塑造城市的自然資源，那為什麼我們不認為資料也是城市的自然資源？既然水管、交通道路是城市的基礎設施，那為什麼雲計算不是城市的基礎設施？這裡很值得我們思考，也回應了之前的講者提到的觀點——除了商業價值，我們需要思考更多的社會價值，而這些價值是需要被討論的。
關於人工智慧的教與學。教，這裡就不贅述了，但是今年我們第一次開始理解“學”的問題，我們做了大量的調查，分為短期技能和長期技能。
在過去的幾年裡，很多設計類院校也紛紛開始了這個領域的相關課程，我們用四個象限來標注一下學校的著力點。橫向是工程和人文，縱向是物體和系統。大量的學校其實還是偏在人文端的，但是系統和物體的關注基本還是平衡的。
最後，我想回應一個去年的觀點。去年的觀點說，人工智慧和社會設計帶來的機會是重新連接社會和人的關係，其實看到螞蟻在做和社會價值有關的東西，也回應了社會設計正向價值觀影響更多人。我希望大家能夠在這個領域做更多探索和嘗試。
最後，EQ和人工智慧設計。最後這部分提出了一系列開放的問題。今年我們也會和世界經濟論壇進行一系列的合作，做更多人工智慧和創意人文方面的研究。探討道德、創造力等人文的東西能夠給科技帶來什麼樣的影響。
原標題 / 獨家視頻 |關於《2018設計和人工智慧報告》，看這篇文章就夠了
來源 / 特贊Tezign（Tezign）
這個物大部分是糾結和糾纏的，有因有果。在這樣的環境下面，我們去思考設計和資料的背景和相關性，是糾纏還是啟蒙，或是兩種狀態的並存。回到設計裡面，柳冠中教授去年講了一個觀點，他說“我們應該從設計‘物’，到設計‘事’。”不是從一個banner到兩個banner到最終去產生更多的banner這個“大”的資料的過程，這是“物”的角度。而另一個角度是“事”的角度，我們做一件事的時候，我們知道這件事的“因”，後面有很多其他的“因”，所以我們是在更大的多樣的系統裡面。
世界經濟論壇在今年年初發佈的《顛覆性的創新》，我也有幸作為參與者之一，裡面就總結了一個資料——89%的設計創意資料為非結構性資料。也就是說，我們這裡所看到的多樣性，“雜”的資料，這些非結構性的資料，我們目前是缺乏方法去處理和衡量的。
在第一個部分我希望告訴大家，啟蒙和糾纏是並存的，智慧能做設計而不能做設計系統，設計作為“物”，設計也作為“事”。
相信很多人都讀過一篇報告《科技中的設計》，報告的作者John Maeda講過：“在設計行業往往不區分經典設計師和運算設計師，但這兩類設計的設計師完全不同。”所以我想在這裡講講經典設計和運算智慧設計的差異。
其實前幾個維度大家都非常好理解，我在這裡來講最後兩個維度：結果的呈現和ROI/KPI。
結果呈現的意思是，當我們有資料作為運算智慧導向之後，我們不再需要唯一、千篇一律的解決方案，我們可以千人千面的甚至大規模個人化。而講到KPI， 經典的設計中好的設計是難以被衡量的，而運算智慧的設計師可以直接對企業核心KPI負責。
針對這兩個觀點進行展開。先展開大規模個人化。想想我們當前的經濟狀態，也許可以被概括為關注度經濟。所謂關注度經濟實際上是指我們在把關注度變現。比如，推薦已經能夠做到個人化，現在我們就開始更加關注是否能創造越來越多的個性化內容。有些企業就開始做一些變化，比如淘寶會用108個結果去抓住人，而不是通過一個結果；聯合利華會把“有規模的個性化需求滿足”作為未來企業三年的核心戰略。
第二個是ROI/KPI的問題，其實過去我們在企業的決策層很難看到有設計師這樣的一個角色存在，這一點是很悲哀的。我們在想為什麼企業商業決策層沒有設計師的介入。其實變相的原因是設計的價值在過去沒法被很清晰地量化，那麼我們從長期短期兩個角度看。
長期來說，設計導向的企業他們的投資回報比標準普爾指數500表現好219%。我們也採訪了大量的CEO或企業管理層，在什麼情況下願意大量地投入設計？這些場景包括銷售轉化率的提升，企業形象的提升，產品競爭力的提升。在這個時候我們發現設計是沒有辦法對企業核心KPI 負責的，直到運算設計出現的那一刻開始有改變。
去年的時候，讓我們最激動的不是人工智慧能夠做出1.7億張banner，4億張banner，而是它能夠使得設計對企業最關鍵的KPI負責，帶來直接的影響。但這不是全部，設計究竟能否作為社會經濟的一部分？這是個問題。
研究中發現，58%的設計工作時間在非直接設計上，也就是說只有42%的時間真正用於設計。一個很簡單的平面設計工作，竟然有21次不同工種/不同設計工作之間的切換，切換的效率極低。在這個過程中，大量資料丟失。
上面是我們用到的設計工具，而在資料和調研中用到的工具，每個過程中用到的工具產生了大量資料，其中很多都是沒有被分析和處理過的，包括客戶資料、行業資料等等。
所以到底什麼是線上？王堅博士說，線上有三個原則：
每一個比特都在互聯網上
每個比特都可以在互聯網上流動
比特代表的每個物件在互聯網上都可計算
以Photoshop為例，這個軟體非常方便，在其自身演變的過程中將工具變為數位工具，將數位工具變為智慧工具，這個軟體直到發展了30年之後，才開始有了智慧、數字的東西。Photoshop CS才開始變智慧。再過了幾年才開始實現雲存儲。
所以設計作為一個行業，我們多數時間討論的是設計的智慧化，但沒有討論設計離智慧化還有多遠。這是我在第二部分希望強調的問題——到底我們有多少被浪費的資料，有多少非結構資料，我們只關注的是設計本身不斷地升級，而沒有關注整個系統。
去年是基於大資料生成“物”的，魯班就是這樣的一個系統。這是設計和人工智慧的“A面”，今年就講講設計和人工智慧的“B面”，基於雜資料和亂資料的進一步研究。這也是我在設計人工智慧實驗室正在做的事，如何把商業和設計的資料變為運算資料，這兩者有著相同的邏輯和動向。所以我更關注增強和自動化。比如說，智慧理解客戶需求建構客戶模型，自動化中定量設計分析研究等等問題。
熟悉17年報告的朋友知道這個概念，我們想強調，人腦和機器不是取代關係，我們認為，也許人腦越大，機器越大。
今年的報告，我們加入了“使用人工智慧主觀意願”的維度，通過調查不同行業的設計從業者，我們發現，75%以上的受訪者願意或非常願意接受人工智慧，其中互聯網和平面設計的意願度最高，空間和產品的意願度差異較大。
另一端想講一個數字，當自動化或者人工智慧出現在設計創意這個領域中時，到底對行業從業者發生了什麼變化？早上的演講中我們知道了會有一百多萬的生態，但2030年，這個數字將會更大。我們看到更大的機會，這個機會接入資料和智慧設計的未來會帶來更多的需求。
接下來我想講四個行業，我有幸請到這些行業的專家來提供觀點。
第一個，平面設計行業。平面設計我們邀請的是魯班系統的負責人，樂乘。他講的最有意思的一個觀點是：過去風格的確認的人是設計師本人，而從工業革命開始，機器從某種程度上確定了某種風格。那麼下一個階段，到底能不能教人工智慧的機器，資料的機器某種設計，從而讓它產生自己的風格，這是一個非常有意義的討論。
第二個，智慧產品。我請到了Rokid的首席設計師姜公略。他的關注點主要在軟硬體的升級上，比如雲交互、AR能力的提升等等。但是這個問題帶來了很多其他問題，人工智慧帶來了很多新的資料物件，現在很多時候當你在做設計智慧這件事的時候，你是在設計聲音。試想哪一個品牌是以聲音被人記住的？這裡就涉及到，語音交互是否能改變你對品牌的認知。當你用Rokid、天貓精靈等這樣的產品，你是不是會說請給我買一個麥當勞的漢堡，還是說請給我買一個漢堡。另一側在講，隨著我們對智慧系統建議的習慣和依賴，這裡面需要警惕，我們是不是會習慣把我們的決策權交給機器。比如，今天穿什麼？
第三個，UI/UX，請了Futureform的創始人劉夢溪。我們應該有一個人工智慧UI的Photoshop，我們已經發現設計開始影響到底層的資料演算法，比如說過去以機器為中心的機器學習，現在在講以人為中心的機器學習。
最後一個角度，是我今年花了很多時間在思考的，城市和空間。前面三個點可能是以商業為導向，最後一個點和我們每個人都息息相關。最後這一點目前還是很傳統的設計規劃院在做，這裡面浪費了很大的機會。
這裡引用王堅博士的一個觀點，他說城市是全世界最大的硬體，但是我們的軟體還停留在19世紀。如果我們認為電、水、油是塑造城市的自然資源，那為什麼我們不認為資料也是城市的自然資源？既然水管、交通道路是城市的基礎設施，那為什麼雲計算不是城市的基礎設施？這裡很值得我們思考，也回應了之前的講者提到的觀點——除了商業價值，我們需要思考更多的社會價值，而這些價值是需要被討論的。
關於人工智慧的教與學。教，這裡就不贅述了，但是今年我們第一次開始理解“學”的問題，我們做了大量的調查，分為短期技能和長期技能。
在過去的幾年裡，很多設計類院校也紛紛開始了這個領域的相關課程，我們用四個象限來標注一下學校的著力點。橫向是工程和人文，縱向是物體和系統。大量的學校其實還是偏在人文端的，但是系統和物體的關注基本還是平衡的。
最後，我想回應一個去年的觀點。去年的觀點說，人工智慧和社會設計帶來的機會是重新連接社會和人的關係，其實看到螞蟻在做和社會價值有關的東西，也回應了社會設計正向價值觀影響更多人。我希望大家能夠在這個領域做更多探索和嘗試。
最後，EQ和人工智慧設計。最後這部分提出了一系列開放的問題。今年我們也會和世界經濟論壇進行一系列的合作，做更多人工智慧和創意人文方面的研究。探討道德、創造力等人文的東西能夠給科技帶來什麼樣的影響。
原標題 / 獨家視頻 |關於《2018設計和人工智慧報告》，看這篇文章就夠了
來源 / 特贊Tezign（Tezign）