本章旨在探討技術與設計領域在人智交互語境下的關系及其影響,討論通過傳統設計對人智交互的優化方法。通過回顧大數據和發展趨勢,以 AI技術作為重要的技術推力,我們認為 AI技術將會在未來成為設計領域不可缺少的重要環節,并能夠幫助設計師更加高效、準確地開展設計工作。本章著重研究技術與設計之間的關系與互動,探討 AI技術對設計領域的貢獻和變革,探尋 AI技術與設計之間的融合和互動的實現路徑,介紹設計相關學科如何參與、推動技術的發展和創新。本章詳細討論技術在不同設計領域中的具體應用,并著重探討技術在設計中如何提高用戶體驗水平以及促進設計評價的發展。我們相信,通過對此類問題的深入討論,可以為設計師提供一系列新的思路和方法,并且能夠推動設計領域在 AI技術深入應用過程中的不斷創新和發展。

?01、引言

以大數據和人工智能為核心的信息技術發展日益精進,人類社會的技術形態正在由信息化向智能化變遷。 AI 技術已成為熱門的技術領域之一,其在某些領域中所展現出的能力已經開始超越人類的認知界限。同時,在 AI 技術不斷發展的過程中,與設計領域之間也產生了越來越廣泛而深入的融合,這種融合不僅改變了設計師的工作方式與思維模式,更重要的是,它也給未來的設計帶來了全新的可能性和前景。因此,以 AI 為重要的技術推動力探討技術與設計之間的關聯與互動,探尋人智交互語境下設計的新模態,具有非常重要的價值和意義。

人智交互是指人類與智能系統之間基于人類智慧和智能技術的交互過程。在這個交互過程中,智能系統通過感知、理解和響應人類的需求、意圖和行為,與人類進行信息交流、協作和共同決策。人智交互強調了人類和智能系統之間的相互作用,以實現更加智能化、個性化和有效的交互體驗。人智交互作為一種新的設計模式,強調了人類和智能系統之間的雙向互動和合作,它突破了傳統的人機交互模式,將人類和智能系統視為平等的參與者,通過結合人類的智慧和智能技術的支持,實現了更加智能、個性化和高效的交互體驗。在設計領域中,人智交互的應用具有巨大的潛力。通過人智交互,設計師可以與智能系統進行深入的合作,共同探索新的創意思路、優化設計方案,并及時獲得智能系統的反饋和建議。同時,智能系統也可以通過學習和理解設計師的意圖和偏好,提供更加個性化和符合用戶需求的設計方案。這種緊密的人智交互將促進設計師在創作過程中發揮更大的創造力和創新能力,進一步推動設計領域的發展。

一方面, AI 技術可以幫助設計師更加高效、準確地開展設計工作,它所生成的數據和信息可以為設計師帶來更廣闊的創新思路。 AI 技術可以對大量的數據進行自主處理和分析,并通過智能算法幫助設計師獲得更加全面、精準、真實的信息,作為對設計決策的有效支撐。這種所謂的“智能輔助設計”模式將會在未來成為設計領域不可缺少的重要環節。

另一方面,在 AI 技術的幫助下,設計可以更加貼近人類的需要,為人們提供更好的體驗和更令人滿意的設計作品。相較于傳統的設計方式, AI 技術可以更加準確地分析和領會人類的喜好和需求,從而對設計進行優化和改進,為用戶提供更加合理、完美的設計風格和體驗,進而推動整個設計領域的發展。更重要的是, AI 技術的強大智能化將會改變人們的生活方式和認知方式,這也是當今設計師必須認真面對和思考的問題。

本章將著重研究技術與設計之間的關系與互動,主要圍繞三個方向展開:(1)探討 AI 技術對設計領域所做出的貢獻和變革;(2)探尋 AI 技術與設計之間的融合和互動的實現路徑;(3)介紹設計相關學科如何參與、推動人智交互的發展和創新。為了達到這些目的,本章首先將闡述技術在設計中的應用方向,并詳細討論 AI 技術與創新思維相結合的影響。在此基礎上,本章還將探討技術在不同設計領域中的具體應用,并著重探討技術在設計中如何提高用戶體驗水平以及促進設計評價的發展。

最后,本章還將分析設計學如何參與和推動技術的發展,探討未來設計領域和技術的發展趨勢與展望。

總體而言,本章旨在提供一個全面的視角以探討人智交互語境下設計的新模態,并利用這種視角來深化人們對技術如何創新和變革設計領域的理解。本章不僅可以為設計工作者提供啟發和指導,而且可以向其他領域的讀者詳細介紹技術與設計之間的融合進度以及未來的發展趨勢,從而推動新技術在更多領域實現更加品質化和高效化的應用。下面將從 AI 技術與創新思維、 AI 在設計領域的應用和設計學如何推動 AI 發展三方面展開介紹。

02、AI 技術與創新思維

AI 蘊含著廣泛的應用價值,可以幫助人們更好地理解和處理復雜的現實世界問題。事實上, AI與創新思維密不可分,前者可以在一定程度上激發人們的創新意識和思考,提高他們的創新能力和創造力。首先, AI 技術本身就是創新的體現,這種技術的出現和發展需要各種創新想法的支持和推動。

其次, AI 技術可以促進創新思維的發展,它提供了更加高效、準確和實時的數據處理手段,使人們能夠更深入地挖掘問題,提出更有創意的解決方案。此外, AI 技術還可以自我學習和優化,這意味著它可以不斷地改進和創新,為人們提供更加高端的解決方案。

當然, AI 技術對于創新思維的影響也是有限的。目前,它并不能完全代替人類思維和創新能力,只是為人類提供了更加高效的工具和平臺。同時, AI 技術本身也需要不斷地創新和改進,只有不斷地推動技術創新,才能更好地應對不同的應用場景和需求。

綜上所述, AI 技術和創新思維是相互關聯的,它們之間的關系不僅體現在技術的發展過程中,更是在應用中實現的。近年來,隨著深度學習模型不斷完善、開源模式的推動、大模型的商業化探索,AIGC ( artificialintelligencegeneratedcontent ,人工智能生成內容)在設計領域產生了廣闊而深遠的應用前景與價值意義。 AIGC 將 AI 技術與創新思維相結合,真正實現了技術的催化,為社會的發展和進步帶來了促進作用。

AIGC 的定義與發展

AIGC 即利用 AI 技術來生成數字內容,它被認為是繼 PGC ( professionalgeneratedcontent )、UGC ( usergeneratedcontent )之后的新型內容創作方式。 AIGC 的目標是使內容創作過程更加高效和便捷,實現高質量內容的快速生產。 AIGC 是通過從人類提供的指令中提取和理解意圖信息,并根據其知識和意圖信息生成內容。近年來,大規模模型在 AIGC 領域取得了突破性的進展。

AIGC 的發展歷史可以分為三個階段:第一階段是基于規則或模板的方法,主要用于生成結構化或半結構化的內容,如天氣預報、新聞摘要等;第二階段是基于統計或機器學習的方法,主要用于生成自然語言、圖像、音頻等非結構化的內容,如機器翻譯、圖像描述、語音合成等;第三階段是基于深度學習或神經網絡的方法,主要用于生成多模態、多領域、多風格、多目標等復雜和創造性的內容,如文本摘要(Ibrahim Altmami& ElBachirMenai , 2022 )、對話系統( Nietal.,2022 ; Papangelisetal.,2020 )、圖 像 編 輯 ( Borsosetal., 2022 ; Suvorovetal. , 2021 ; Tzabanetal. , 2022 )、音 樂 創 作( Hernandez-Olivan& Beltrán , 2023 )等。

在人智交互的背景下,除了傳統的機器學習智能,如生成對抗網絡、擴散模型和大語言模型等代表的大模型智能也開始在設計領域嶄露頭角。近年來,相關技術已經引起了整個社會的廣泛關注,超越了計算機科學領域的范疇。大型科技公司開發的各種內容生成產品,例如 ChatGPT ( OpenAI ,2023 )和 DALL · E2 ( Rameshetal.,2022 )備受人們的關注。 AIGC 可以在短時間內自動化地創建大量內容。例如,由 OpenAI 開發的 ChatGPT 是一種語言模型,用于構建對話型人工智能系統,能夠高效地理解并有意義地回應人類語言輸入。此外, OpenAI 還開發了 DALL · E2 ,如圖 16.1 所示,這是另一個先進的生成式人工智能模型,可以在幾分鐘內從文本描述中創建獨特且高質量的圖像。 AIGC的顯著成就使得許多人認為它將成為人工智能的新時代,并對整個世界產生重大影響( Caoetal. ,2023 )。

?

AIGC 從技術上講是指利用 GAI 算法生成滿足人類指令的內容,這些指令有助于教授和指導模型完成任務。這個生成過程通常包括兩個步驟:從人類指令中提取意圖信息,然后根據提取出的意圖

生成內容。近期, AIGC 的核心進展主要源于在更大的數據集上訓練更復雜的生成模型、使用更大的基礎模型架構以及擁有廣泛的計算資源,而非包含以上兩個步驟的模型本身。例如, GPT-3 的主要框架與 GPT-2 相 同,但 預 訓 練 數 據 大 小 從 WebText ( Brownetal. )( 38GB )增 長 到 CommonCrawl( Radfordetal. )(過濾后為 570GB ),基礎模型大小從 1.5GB 增長到 175GB 。因此, GPT-3 在各種任務上,如人類意圖提取方面,均比 GPT-2 具有更好的泛化能力。

除了數據量和計算能力增加帶來的好處外,研究人員還在探索將新技術與 GAI 算法相結合的方法。例如,ChatGPT 利用來自人類反饋的強化學習( Ouyangetal.; Stiennonetal. )確定給定指令的最合適響應,從而提高模型的可靠性和準確性。這種方法使 ChatGPT 能夠更好地理解長時間對話中的人類偏好。同時,在計算機視覺領域,Stability.AI 于 2022 年提出的 stablediffusion ( Rombachetal.,2022 )也在圖像生成方面取得了巨大成功。與先前的方法不同,生成擴散模型可以通過控制探索和開發之間的平衡來幫助生成高分辨率的圖像,從而在生成的圖像中實現多樣性。

通過結合這些成果,大模型智能在 AIGC 任務中取得了顯著的進展,并被應用于藝術( Anantrasirichai& Bull , 2022 )、廣告( Vakratsas& Wang , 2021 )和教育等行業。 AIGC 不僅可以提高內容生產者和消費者之間的互動和溝通效率,還可以降低內容生產成本和門檻,提高內容質量和多樣性,并促進社會創新和文化傳承。在未來的一段時間,它將持續作為機器學習研究中的重要領域被不斷開拓。相較于傳統的機器學習方法,大模型智能具有以下獨特的優勢和特點。

(1)更強的學習能力和創造能力。由于其龐大的參數空間和訓練數據量,大模型智能能夠更好地捕捉數據中的模式和規律,并生成更加逼真和創新的設計作品,這使得設計師能夠從大模型智能中獲得更多的靈感和創意,為設計領域帶來全新的發展機會。

(2)更強的知識表達和推理能力。通過訓練海量的數據和復雜的網絡結構,大模型智能能夠獲得更為豐富和深入的領域知識,并能夠在設計過程中進行更精準的推理和決策,這為設計師提供了更有力的工具和支持,可以幫助他們更好地理解用戶需求、解決設計難題和創造出更具價值和影響力的設計作品。

(3)更多的技術調整和社會問題。尤其是在知識的獲取和應用方面,大模型的訓練和部署需要大量的計算資源和數據,并且面臨著隱私和安全等方面的考慮。此外,大模型所產生的設計作品可能缺乏獨特性和個性化,需要設計師在其中發揮主觀判斷和創造力,以確保作品與用戶需求和社會價值相契合。

盡管如此,大模型智能仍然為設計領域帶來了前所未有的發展機會。設計師可以與大模型智能進行緊密的合作,借助其強大的學習和創造能力開辟出全新的設計領域。通過與大模型智能的交互,設計師可以拓寬設計思路、加速設計過程,并創造出更具創新性和影響力的設計解決方案。