探讨道德、创造力等人文的东西能够给科技带来什么样的影响

你可能听很多人说过设计很重要，但实际上你并不这么认为。如果我告诉你，长期来说，设计导向的企业投资回报比标准普尔指数500表现好219%，那么，设计在你心中是不是有了一些分量？如果我再说，你的设计师可以直接对企业核心KPI负责。相信很多人会这样回复： 开什么玩笑……

科技浪潮席卷全球，没有任何一个行业能忽略人工智能、大数据，我们常常认为设计是个很主观的东西，可能与人工智能、大数据无关，事实并非如此。特赞创始人、同济特赞设计和人工智能实验室主任范凌通过解读《2018设计和人工智能报告》，为我们解答了上述疑问。以下是部分要点摘录：

▨ 启蒙和纠缠是并存的，智能能做设计而不能做设计系统，设计作为“物”，设计也作为“事”。

▨ 在设计行业往往不区分经典设计师和运算设计师，但这两类设计的设计师完全不同。

▨ 当我们有数据作为运算智能导向之后，我们不再需要唯一、千篇一律的解决方案，我们可以千人千面的甚至大规模个人化。

▨ 经典的设计中好的设计是难以被衡量的，而运算智能的设计师可以直接对企业核心KPI负责。

▨ 设计作为一个行业，我们多数时间讨论的是设计的智能化，但没有讨论设计离智能化还有多远。

▨ 除了商业价值，我们需要思考更多的社会价值。

2017年的报告内容主要是讲人机共同的进化，2018年以设计智能×运算智能为主题。2017年我们很关注一个观念——人和机器的关系：不是互相取代，而是能不能共同衍生，共同发展。人的智慧越多，机器的智慧也越来越多，反之亦然。所以我们就提出了“脑机比”这个概念，得到了很多朋友的共鸣。我也非常高兴，所以今年我们讲这个观点的另外一面。

今年报告的组成方式和去年的不太一样。去年我们更多的是“闭门造车”式地做了很多研究，有采访、史料研究、文献研究。但是今年大家可以看到，我们有一个非常大的“外脑”，这个外脑能够给我们的报告提供更多元的角度，这些角度也能够让我们的报告汇聚更多不同的问题和材料，从而自然涌现出许多观点。

今年要讲三个主题，这三个主题都比较抽象。第一个是多元价值的系统，第二个是非结构的数据。第三个是有EQ的运算智能。这三个观点贯穿了整个报告。

今年的报告分四个部分，第一个部分讲宏观的问题；第二个部分讲设计和运算智能的关系，一些研究和一些争论；第三个部分是重新界定“脑机比”的概念；第四点讲讲可能性，讲讲行业中人工智能给设计教育和设计思维等带来什么。

我先给大家讲一个现象，这个现象是去年我们在做设计和人工智能报告的时候，包括跟乐乘在探讨鲁班系统的时候，我们还很纠结人工智能能不能去创造一些东西。但是在过去这一年里，我们不再纠结。就在去年下半年，出了一系列这方面的观点和书籍，认为人的思维可以被算法化。在这种场景下，我们可以用启蒙或者说机器的启蒙来形容这种可以被拆分和运算的人类感知。

但是就在今年上半年，出现了另一种声音，包括像是Facebook的数据事件，也包括我自己今年参加的世界经济论坛，接触了大量关于数据隐私、数据监管和数据道德等一系列的讨论，开始有另一种视角，这个视角可以被概括为一种学术式的反思的视角。

这里举例两个学者的观点。第一个是Neri Oxman——其实她最重要的一个角色是布拉德・皮特的女朋友。在两三年前，MIT媒体实验室就开始讨论一个问题——复杂系统。Joichi Ito写了一个宣言，叫抵抗简化宣言。

什么叫简化？举个例子，当你在说一件事的时候，说了一大堆关于这件事的详细描述，听的人突然说，这不就是什么什么吗。有时候我们非常害怕这种简化。所以在Joichi的宣言里，他不停地在讲简化所带来的问题，有如下几个观点:

▨ 是不是总有一天，所有的问题都能被机器解决。还是说，我们不停地生活在前人解决问题过程中创造的新问题中。比如说我们现在解决空气问题，前人解决经济发展问题。

▨ 我们是不是只存在单向地成长，还是不停地在面对循环的状态？

▨ 设计师、创意人这种做创造性工作的人，是不是只涉及物质的对象，还是说应该考虑系统？

▨ 既然在系统里，我们就只能是系统的参与者，而不能是系统的支配者。

▨ 我们要从控制变为更谦卑的状态。

有大量的研究标明，如果我们创造一个物，这个物大部分是纠结和纠缠的，有因有果。在这样的环境下面，我们去思考设计和数据的背景和相关性，是纠缠还是启蒙，或是两种状态的并存。

回到设计里面，柳冠中教授去年讲了一个观点，他说“我们应该从设计‘物’，到设计‘事’。”不是从一个banner到两个banner到最终去产生更多的banner这个“大”的数据的过程，这是“物”的角度。而另一个角度是“事”的角度，我们做一件事的时候，我们知道这件事的“因”，后面有很多其他的“因”，所以我们是在更大的多样的系统里面。

世界经济论坛在今年年初发布的《颠覆性的创新》，我也有幸作为参与者之一，里面就总结了一个数据——89%的设计创意数据为非结构性数据。也就是说，我们这里所看到的多样性，“杂”的数据，这些非结构性的数据，我们目前是缺乏方法去处理和衡量的。

在第一个部分我希望告诉大家，启蒙和纠缠是并存的，智能能做设计而不能做设计系统，设计作为“物”，设计也作为“事”。

相信很多人都读过一篇报告《科技中的设计》，报告的作者John Maeda讲过：“在设计行业往往不区分经典设计师和运算设计师，但这两类设计的设计师完全不同。”所以我想在这里讲讲经典设计和运算智能设计的差异。

其实前几个维度大家都非常好理解，我在这里来讲最后两个维度：结果的呈现和ROI/KPI。

结果呈现的意思是，当我们有数据作为运算智能导向之后，我们不再需要唯一、千篇一律的解决方案，我们可以千人千面的甚至大规模个人化。而讲到KPI， 经典的设计中好的设计是难以被衡量的，而运算智能的设计师可以直接对企业核心KPI负责。

针对这两个观点进行展开。先展开大规模个人化。想想我们当前的经济状态，也许可以被概括为关注度经济。所谓关注度经济实际上是指我们在把关注度变现。比如，推荐已经能够做到个人化，现在我们就开始更加关注是否能创造越来越多的个性化内容。有些企业就开始做一些变化，比如淘宝会用108个结果去抓住人，而不是通过一个结果；联合利华会把“有规模的个性化需求满足”作为未来企业三年的核心战略。

第二个是ROI/KPI的问题，其实过去我们在企业的决策层很难看到有设计师这样的一个角色存在，这一点是很悲哀的。我们在想为什么企业商业决策层没有设计师的介入。其实变相的原因是设计的价值在过去没法被很清晰地量化，那么我们从长期短期两个角度看。

长期来说，设计导向的企业他们的投资回报比标准普尔指数500表现好219%。我们也采访了大量的CEO或企业管理层，在什么情况下愿意大量地投入设计？这些场景包括销售转化率的提升，企业形象的提升，产品竞争力的提升。在这个时候我们发现设计是没有办法对企业核心KPI 负责的，直到运算设计出现的那一刻开始有改变。

去年的时候，让我们最激动的不是人工智能能够做出1.7亿张banner，4亿张banner，而是它能够使得设计对企业最关键的KPI负责，带来直接的影响。但这不是全部，设计究竟能否作为社会经济的一部分？这是个问题。

研究中发现，58%的设计工作时间在非直接设计上，也就是说只有42%的时间真正用于设计。一个很简单的平面设计工作，竟然有21次不同工种/不同设计工作之间的切换，切换的效率极低。在这个过程中，大量数据丢失。 

上面是我们用到的设计工具，而在资料和调研中用到的工具，每个过程中用到的工具产生了大量数据，其中很多都是没有被分析和处理过的，包括客户数据、行业数据等等。

所以到底什么是在线？王坚博士说，在线有三个原则：

▨ 每一个比特都在互联网上

▨ 每个比特都可以在互联网上流动

▨ 比特代表的每个对象在互联网上都可计算

以Photoshop为例，这个软件非常方便，在其自身演变的过程中将工具变为数字工具，将数字工具变为智能工具，这个软件直到发展了30年之后，才开始有了智能、数字的东西。Photoshop CS才开始变智能。再过了几年才开始实现云存储。

所以设计作为一个行业，我们多数时间讨论的是设计的智能化，但没有讨论设计离智能化还有多远。 这是我在第二部分希望强调的问题——到底我们有多少被浪费的数据，有多少非结构数据，我们只关注的是设计本身不断地升级，而没有关注整个系统。 

去年是基于大数据生成“物”的，鲁班就是这样的一个系统。这是设计和人工智能的“A面”，今年就讲讲设计和人工智能的“B面”，基于杂数据和乱数据的进一步研究。这也是我在设计人工智能实验室正在做的事，如何把商业和设计的数据变为运算数据，这两者有着相同的逻辑和动向。所以我更关注增强和自动化。比如说，智能理解客户需求建构客户模型，自动化中定量设计分析研究等等问题。

熟悉17年报告的朋友知道这个概念，我们想强调，人脑和机器不是取代关系，我们认为，也许人脑越大，机器越大。

今年的报告，我们加入了“使用人工智能主观意愿”的维度，通过调查不同行业的设计从业者，我们发现，75%以上的受访者愿意或非常愿意接受人工智能，其中互联网和平面设计的意愿度最高，空间和产品的意愿度差异较大。

另一端想讲一个数字，当自动化或者人工智能出现在设计创意这个领域中时，到底对行业从业者发生了什么变化？早上的演讲中我们知道了会有一百多万的生态，但2030年，这个数字将会更大。我们看到更大的机会，这个机会接入数据和智能设计的未来会带来更多的需求。

接下来我想讲四个行业，我有幸请到这些行业的专家来提供观点。

第一个，平面设计行业。平面设计我们邀请的是鲁班系统的负责人，乐乘。他讲的最有意思的一个观点是：过去风格的确认的人是设计师本人，而从工业革命开始，机器从某种程度上确定了某种风格。那么下一个阶段，到底能不能教人工智能的机器，数据的机器某种设计，从而让它产生自己的风格，这是一个非常有意义的讨论。

第二个，智能产品。我请到了Rokid的首席设计师姜公略。他的关注点主要在软硬件的升级上，比如云交互、AR能力的提升等等。但是这个问题带来了很多其他问题，人工智能带来了很多新的数据对象，现在很多时候当你在做设计智能这件事的时候，你是在设计声音。试想哪一个品牌是以声音被人记住的？这里就涉及到，语音交互是否能改变你对品牌的认知。当你用Rokid、天猫精灵等这样的产品，你是不是会说请给我买一个麦当劳的汉堡，还是说请给我买一个汉堡。另一侧在讲，随着我们对智能系统建议的习惯和依赖，这里面需要警惕，我们是不是会习惯把我们的决策权交给机器。比如，今天穿什么？

第三个，UI/UX，请了Futureform的创始人刘梦溪。我们应该有一个人工智能UI的Photoshop，我们已经发现设计开始影响到底层的数据算法，比如说过去以机器为中心的机器学习，现在在讲以人为中心的机器学习。

最后一个角度，是我今年花了很多时间在思考的，城市和空间。前面三个点可能是以商业为导向，最后一个点和我们每个人都息息相关。最后这一点目前还是很传统的设计规划院在做，这里面浪费了很大的机会。

这里引用王坚博士的一个观点，他说城市是全世界最大的硬件，但是我们的软件还停留在19世纪。如果我们认为电、水、油是塑造城市的自然资源，那为什么我们不认为数据也是城市的自然资源？既然水管、交通道路是城市的基础设施，那为什么云计算不是城市的基础设施？这里很值得我们思考，也回应了之前的讲者提到的观点——除了商业价值，我们需要思考更多的社会价值，而这些价值是需要被讨论的。

关于人工智能的教与学。教，这里就不赘述了，但是今年我们第一次开始理解“学”的问题，我们做了大量的调查，分为短期技能和长期技能。

在过去的几年里，很多设计类院校也纷纷开始了这个领域的相关课程，我们用四个象限来标注一下学校的着力点。横向是工程和人文，纵向是物体和系统。大量的学校其实还是偏在人文端的，但是系统和物体的关注基本还是平衡的。

最后，我想回应一个去年的观点。去年的观点说，人工智能和社会设计带来的机会是重新连接社会和人的关系，其实看到蚂蚁在做和社会价值有关的东西，也回应了社会设计正向价值观影响更多人。我希望大家能够在这个领域做更多探索和尝试。

这里最后讲两个观点。上面是自上而下的视角，讲了监管和责任透明。我们要有能力把算法进行透明化，过去做的远远不够。下面一个是社会创新的起点，观点来自山寨城市的创始人林达。他说我们往往关注的是数据的计算方式，模型定义，使用体验，但忽视了基层数据来源的解决方案。比如我天天在支付宝刷蚂蚁信用，但如果我根本没有能力用支付宝呢？所以这样的情况下数据会带来偏见，我们会发现，其实是有大量的人在数据不丰富的环境中的。而这恰恰是我们要更加关注的问题。

最后，EQ和人工智能设计。最后这部分提出了一系列开放的问题。今年我们也会和世界经济论坛进行一系列的合作，做更多人工智能和创意人文方面的研究。探讨道德、创造力等人文的东西能够给科技带来什么样的影响。