在本次的UCAN大会上，发布《“人工智能”与“设计的未来”——2017设计与人工智能报告》 。报告由同济x特赞设计与人工智能实验室撰写，联合同济大学设计创意学院、特赞信息科技和阿里巴巴人工智能设计实验室共同发布。
该《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，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。
首先，他提出几个问题：
第一：设计本身能不能可量化，能不能算法化，能不能数据化。
第二：我们希望知道人工智能到底对设计意味着什么。除了取代之外，是不是还可能产生一种共生的关联。
第三：我们希望去分析一下。既然很多商业已经发生了数据算法带来的重大改变，那么是不是在这个改变当中设计能够扮演更积极的角色，或者已经扮演了一些角色。
第四：更人文性的问题，如果机器能做设计了，知识产权的归属如何确定，相应的设计师或者设计行业作为一种文化，能够在数据垄断里扮演什么角色。
工业设计4.0与设计
人工智能如何在这样的人文语境里去理解，并且如何启发创意性的工作。
他分享了四个观点：
1. 需求侧的极度细分
2. 在线/连接/交互
3. 超细分个体的涌现
4. 人/机交互的新组织
围绕着这四个观点，他讲述了我们正处在个性经济下， 5-10年的巨大数据积累可以做到千人千面，万人万面，亿人亿面。而通过数据的极大化，能够产生每个人重新回归到个体。它引起了人工智能所带来的一系列思想方式，带来了消费或者需求侧极大的变化，产生极小的数量，极大品类的转变。
纵观20年的科技进化史，科技不断把与人更接近的部分变道线上去，未来思想和感情能不能联网，能不能在线交互，而设计能力现在也是一种个人能力，能不能成为一种可以被连接在一起的能力。在这个时代，人人都可以被找到的时代，你的短板不再成为局限你发展的弱势，反而是你的长板，超细分不可被取代的技能成为你在这个社会上主要的竞争力。在这个点上，可以认为所谓“平均”就是人工智能能达到的水平，而每个人所赋于平均的附加值，这是每个人的超细分技能。去年几个麦肯锡报告里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。
为什么设计需要智能
对于第二个问题，他分别从宏观和微观的角度来分析。
宏观的角度：
设计与运算的历史
技能的民主和数据的垄断共存
技术与设计工作，更多还是更少了
他讲述了设计与运算之间的关联已经有了很长的历史，并没有像想象的那样新。
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。而我们又会进行反思我们总在想，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
微观的角度：
如何让“机器”理解“创造”？
如何让“机器”分析“不确定”
如何让“机器”处理“形式和”内容“？
如何让“机器”“设计”？
他分享说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。
在分析“不确定”时，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。
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。
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。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。
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。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。
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。
人工智能的产业实践
范凌一直强调一个观念：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。机器和人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。他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。
他分享了在设计师未来三年工作当中，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
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
他们做了六次迭代，也就是想象当中三年、五年以后，设计师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，设计师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，创造力应该是设计师的核心竞争力。
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。
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。他提出有几大追问：
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。
2. 人工智能的知识产权如何界定？
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？关于第一个问题，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，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？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。
3. 人工智能对教育的追问和批评？
关于教育的。我们邀请了一些前瞻性的教育家，他们和我的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。
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。”
