設(shè)計(jì)人工智能：以科技賦能創(chuàng)意，探索數(shù)據(jù)驅(qū)動(dòng)的 AI 設(shè)計(jì)新紀(jì)元

這篇文章記錄了2024年6月底我在“阿里巴巴D20全球設(shè)計(jì)院長峰會(huì)”上做的主題分享。關(guān)于這些年來我在設(shè)計(jì)人工智能領(lǐng)域做的一些研究和反思，整理成文，與大家交流、探討。

01. 三個(gè)核心信仰

先講一下我們做設(shè)計(jì)人工智能的三個(gè)核心信仰：

1. 把科技帶入設(shè)計(jì)，而不是用科技取代創(chuàng)意，不是讓設(shè)計(jì)師變成工程師：我有一個(gè)藝術(shù)的心和科技的腦。我一直想做的事情就是把科技帶到創(chuàng)意的領(lǐng)域里邊，所以我并不希望把每一個(gè)創(chuàng)作者都變成工程師，而是希望把工程的力量能夠帶到藝術(shù)的領(lǐng)域里去。其實(shí)藝術(shù)、設(shè)計(jì)、創(chuàng)意是人性化科技的手段，讓科技和我們的生活連接起來，否則科技只能冷冰冰的解決問題。

2. 不是機(jī)器取代人，而是人與機(jī)器共創(chuàng)更美好的未來：創(chuàng)業(yè)前我在美國教“人機(jī)交互”。人機(jī)交互和人工智能一個(gè)最大的區(qū)別，就是人工智能是以機(jī)器取代人為目的的，希望把人的工作自動(dòng)化。人機(jī)交互則是希望人和機(jī)器一起，做人和機(jī)器單獨(dú)都做不到的事情。我自己的信仰不是要讓人工智能去取代人的工作，而是要讓人工智能和人一起創(chuàng)造更美好的生活和未來。

3. 預(yù)測未來最好的方式是動(dòng)手創(chuàng)建未來：不論是作為創(chuàng)業(yè)者，還是研究者，有一樣不變的東西就是要?jiǎng)邮謩?chuàng)建。我們的價(jià)值觀是“創(chuàng)建未來 / to build and create”，to build就是寫代碼，to create就是去創(chuàng)作。

02. 為什么是設(shè)計(jì)人工智能

2017年，我第一次參加阿里設(shè)計(jì)的大會(huì)，也是我第一次對(duì)外宣講“設(shè)計(jì)人工智能”。其實(shí)設(shè)計(jì)人工智能在那個(gè)時(shí)候并不是一個(gè)共識(shí)，所以我加了一個(gè)“和”字，叫“設(shè)計(jì)和人工智能”。正因?yàn)樯厦嫣岬降男叛觯晕乙膊唤小叭斯ぶ悄茉O(shè)計(jì)”。7年過去了，讓我們更深刻的去思考、嘗試、行動(dòng)，和我的同事、學(xué)生一起做了很多有意思的實(shí)驗(yàn)性項(xiàng)目。

在我的實(shí)驗(yàn)室的同事和學(xué)生，有三類專業(yè)背景：計(jì)算機(jī)、工科和人文背景。計(jì)算機(jī)背景的人解決生產(chǎn)力的問題，會(huì)去做各種生成的算法和工具；工科背景的人解決生產(chǎn)資料的問題，會(huì)去理解設(shè)計(jì)如何翻譯成機(jī)器可以理解的數(shù)據(jù)；而人文背景的人則通過運(yùn)用新的科技、手段、工具，來創(chuàng)造新的場景和產(chǎn)品。

我們有一個(gè)不變的“研究問題”，就是“創(chuàng)意的可計(jì)算性”。這個(gè)問題本身是矛盾的，創(chuàng)意肯定是人文的，需要人的靈光乍現(xiàn)和歷史積淀，從這個(gè)角度來說“創(chuàng)意可計(jì)算性”是具有爭議的。但是創(chuàng)意又有一部分可被計(jì)算，什么樣的創(chuàng)意表現(xiàn)好，什么樣的形式更符合幾何原則……所以越矛盾、越爭議的題目越能帶來有意思的討論。這個(gè)討論不為了達(dá)成共識(shí)，而是讓我們各自奔赴到自己方向的一個(gè)動(dòng)力。亞里士多德講過：我們知道的越多，我們知道自己不知道的就越多。所以創(chuàng)意的可計(jì)算性越多，我們理解創(chuàng)意的不可被計(jì)算性也就越多。

這個(gè)過程中學(xué)習(xí)是很重要的。我們實(shí)驗(yàn)室有研究生、博士生、博士后，也有一些交流的訪問學(xué)者、研究員和特贊科技的工程師、算法團(tuán)隊(duì)等。大多數(shù)時(shí)間并不是我在教他們，而是他們?cè)诮涛遥覀兪且粋€(gè)研究型組織，更是學(xué)習(xí)型組織。

我研究“設(shè)計(jì)人工智能”的另一個(gè)視角是企業(yè)視角。企業(yè)帶來了真實(shí)問題，有社會(huì)性的，也有商業(yè)性的；有關(guān)于每個(gè)消費(fèi)者的，也有關(guān)于整個(gè)社會(huì)的。企業(yè)里很多問題需要“更快”的解決方式。企業(yè)發(fā)展過程從研發(fā)到市場，過去這個(gè)過程背后有大量科技型投資在支撐，而現(xiàn)在則需要企業(yè)真的產(chǎn)生客戶價(jià)值為導(dǎo)向的產(chǎn)品服務(wù)和技術(shù)。

所以在設(shè)計(jì)人工智能的研究中，行動(dòng)和知識(shí)很重要，我們當(dāng)然要和歷史、文化和學(xué)科發(fā)生關(guān)系；另一方面又要和社會(huì)、商業(yè)、真相發(fā)生關(guān)系。就像我們?cè)趯W(xué)校做研究的時(shí)候，是年輕人給我們帶來了新的知識(shí)、新的工具、新的場景、新的思考方式。在商業(yè)語境做研發(fā)的時(shí)候，是客戶、合作企業(yè)給我們帶來了很多問題、答案、和研究問題。

我希望能夠通過to build and create的方式，去建立一個(gè)比較良性的“學(xué)”與“做”的模式，這大概是我做設(shè)計(jì)人工智能的研究/研發(fā)的大背景，接下來講講我們做了些什么。

03. 數(shù)據(jù)是設(shè)計(jì)人工智能的突破口

當(dāng)我們討論設(shè)計(jì)人工智能的時(shí)候，尤其是最近的AIGC——不管是文生圖、文生視頻還是文生文的內(nèi)容——其實(shí)人工智能都在扮演一個(gè)很有天賦的形式創(chuàng)造者，它們能做很漂亮的東西，不管是很漂亮的句式、很漂亮的圖片，還是很漂亮的視頻，現(xiàn)在甚至可以做很漂亮的三維模型。但是，天賦只代表形式創(chuàng)造的平均水平變高了，并不代表這是一種設(shè)計(jì)創(chuàng)造的能力，因?yàn)樗鼈冞€沒有幫我們解決問題。

一說到AIGC，我們就會(huì)期待“一鍵生成”——輸入提示詞后生成結(jié)果。要么是把一段很復(fù)雜的東西總結(jié)一下，要么是把簡單的一句話變成復(fù)雜的設(shè)計(jì)。但一鍵生成只是一個(gè)開始，離我們需要的結(jié)果還要走一段調(diào)整、再創(chuàng)作的路。讓我們先簡單了解一下這些生成式模型的基本原理，這里有幾個(gè)要素：

第一個(gè)要素是“數(shù)據(jù)集”，沒有數(shù)據(jù)集計(jì)算機(jī)就沒有可以學(xué)習(xí)的教材。

第二個(gè)要素是需要把數(shù)據(jù)embed成為一個(gè)向量矩陣?yán)铮@個(gè)過程是“深度學(xué)習(xí)”，或者更抽象的講叫算法。現(xiàn)在我們用的是深度學(xué)習(xí)框架是Transformer。

第三個(gè)要素是“算力”，通過調(diào)用GPU來完成。

以生成圖為例，我們用擴(kuò)散diffusion模型，從而讓每一張圖生成出來都是不一樣的。前半部分叫模型訓(xùn)練，后半部分叫模型應(yīng)用（更專業(yè)的詞叫“推理”），連接模型和推理的叫“提示詞”。我聽說中國GPU的使用，大概95%以上是在模型訓(xùn)練，也就是說我們還在建模型的階段，就像要致富先修路，我們還在修路的階段。另外5%左右的GPU使用在推理上，所以使用的場景、規(guī)模、數(shù)量都遠(yuǎn)遠(yuǎn)還很早期。

人工智能有三個(gè)重要支柱，分別是：算力，算力的壟斷者就是英偉達(dá)；算法，算法的壟斷者是OpenAI；數(shù)據(jù)，我們還沒有看到單一的壟斷者，尤其是在垂直領(lǐng)域的數(shù)據(jù)。也許消費(fèi)者數(shù)據(jù)我們有很多的平臺(tái)，但是生產(chǎn)者供給側(cè)創(chuàng)意方設(shè)計(jì)的數(shù)據(jù)卻分散著，沒有很好的被處理。所以我們做設(shè)計(jì)人工智能的思路是充分利用已有的算力和算法，在設(shè)計(jì)和創(chuàng)意的數(shù)據(jù)上做文章。

數(shù)據(jù)不能只是大，而且要能被很好的處理好。在互聯(lián)網(wǎng)上大概有95%的數(shù)據(jù)是非結(jié)構(gòu)化數(shù)據(jù)，和設(shè)計(jì)創(chuàng)意有關(guān)的很多數(shù)據(jù)，幾乎都是非結(jié)構(gòu)化的數(shù)據(jù)。什么叫結(jié)構(gòu)化的數(shù)據(jù)？就是在excel表格可以處理的數(shù)據(jù)。而圖、文、視頻、音樂，地理信息、三維模型……都是非結(jié)構(gòu)化的數(shù)據(jù)。處理不好非結(jié)構(gòu)化的數(shù)據(jù)，計(jì)算機(jī)就無法理解設(shè)計(jì)和創(chuàng)意。

處理非結(jié)構(gòu)化的方式，就像多模態(tài)模型或大語言模型，其實(shí)是把內(nèi)容變成向量。如果是人來處理圖片，我們會(huì)知道圖片背后的文化暗示，也可能會(huì)揣測圖片制作過程的信息……。但在大模型里，現(xiàn)在還只被用一種很簡單的方式處理，就是用圖片像素對(duì)應(yīng)文字產(chǎn)生向量。所以大模型的圖片處理還很粗糙，但是規(guī)模龐大。所以我為什么會(huì)說生成式人工智能現(xiàn)階段還只是一個(gè)有天賦的形式主義者，就是因?yàn)樗皇抢斫庀袼睾臀淖值南蛄康膶?duì)應(yīng)（學(xué)習(xí)形式與風(fēng)格），但并沒有深入的專業(yè)、文化影響。他不知道這些像素為什么存在，他只知道他們存在的概率。

從2017年到19年，我們每年做一份《設(shè)計(jì)人工智能報(bào)告》，來到阿里巴巴的設(shè)計(jì)大會(huì)發(fā)布。貫穿報(bào)告的主題之一是把設(shè)計(jì)翻譯為一種數(shù)據(jù)資產(chǎn)，我一直試圖能夠用設(shè)計(jì)的語言，而不是用科技的語言去解釋設(shè)計(jì)人工智能的問題。因此在提到設(shè)計(jì)數(shù)據(jù)的時(shí)候，我借用了柳冠中先生的“設(shè)計(jì)事理學(xué)”：一種設(shè)計(jì)數(shù)據(jù)叫“大數(shù)據(jù)”，就是我們有很多對(duì)于設(shè)計(jì)的特征描述，這個(gè)設(shè)計(jì)是什么？就像剛剛我們用像素去描述這個(gè)設(shè)計(jì)是一樣的；另一種角度是從“事”的角度，設(shè)計(jì)有過程、有思考、有參考、有過程迭代、有商業(yè)影響和社會(huì)影響。而這些都把設(shè)計(jì)當(dāng)做一件“事”，而不是只是當(dāng)做一個(gè)“物”。那么這些維度怎么能夠成為設(shè)計(jì)數(shù)據(jù)資產(chǎn)的一部分，未來在模型調(diào)優(yōu)、訓(xùn)練中有所體現(xiàn)，這其實(shí)就是我們實(shí)驗(yàn)室里去探索的。

04. 把設(shè)計(jì)翻譯成機(jī)器可以理解的元數(shù)據(jù)

我們是翻譯家，要把設(shè)計(jì)翻譯給機(jī)器。用生成式人工智能里一個(gè)更專業(yè)的詞，“翻譯”應(yīng)該叫做“對(duì)齊（alignment）”，對(duì)齊是大模型里很重要的維度，我們?cè)谧龅木褪前丛O(shè)計(jì)的思路和邏輯對(duì)計(jì)算機(jī)結(jié)果進(jìn)行調(diào)優(yōu)。為此，我們做了很多研究課題。比如2017-18年的時(shí)候我們做數(shù)據(jù)集，就像李飛飛教授的ImageNet讓機(jī)器能夠有眼睛一樣，由眼睛發(fā)展出了視力，能夠看見。我們做的數(shù)據(jù)集叫DesignNet，當(dāng)機(jī)器可以看見以后，是不是可以審美。我們教機(jī)器的設(shè)計(jì)語言就像教一個(gè)八歲小孩什么是設(shè)計(jì)，比如字體、設(shè)計(jì)風(fēng)格、色彩組合等。這件事情非常難做，要做大量的人工標(biāo)記。很感謝我的很多耐心而優(yōu)秀的學(xué)生和同事，他們做了大量的標(biāo)記。

接下來，除了自下而上的讓機(jī)器去理解設(shè)計(jì)作品外，我們?cè)囍鲆粋€(gè)設(shè)計(jì)的知識(shí)圖譜，通過設(shè)計(jì)的書籍、文章等提取設(shè)計(jì)作為一種學(xué)科知識(shí)，這些知識(shí)點(diǎn)連接成為一個(gè)自上而下的設(shè)計(jì)知識(shí)圖譜。這是我們2019年做的，采用最簡單的對(duì)話形式來進(jìn)行交互，現(xiàn)在看上去和ChatGPT還有些相似。你可以問設(shè)計(jì)問題，機(jī)器從設(shè)計(jì)知識(shí)庫里找到向量關(guān)系、或者找到問答的索引。如果說數(shù)據(jù)集是一種自下而上的草根式的理解設(shè)計(jì)；那么知識(shí)圖譜就是一種自上而下，通過設(shè)計(jì)學(xué)自己本身的知識(shí)來教機(jī)器什么是設(shè)計(jì)。

那么這兩樣?xùn)|西結(jié)合在一起，是不是就可以成為設(shè)計(jì)的可計(jì)算基礎(chǔ)了呢？后來我們發(fā)現(xiàn)很難。每一次設(shè)計(jì)的語言描述又會(huì)給理解提供一個(gè)新的維度。所以我們就倒過來，開始想能不能用人工智能的技術(shù)手段去理解設(shè)計(jì)的文化現(xiàn)象？

我有一些學(xué)生，每周的頭發(fā)的顏色都是不一樣的。紅色、粉色、藍(lán)色、寶石蘭等，我問她這些顏色是哪里來的？她說這是亞文化的顏色。亞文化顏色并沒有很明確的設(shè)計(jì)定義，但是存在于很多案例中。我們想這很有意思，能不能用計(jì)算機(jī)視覺倒過來建立亞文化色彩的理論？通過提取染發(fā)劑的色卡，通過搖滾音樂會(huì)的海報(bào)，倒過來去研究亞文化的色彩的理論到底是什么。所以我們就做了一個(gè)亞文化的色彩數(shù)據(jù)集，這個(gè)數(shù)據(jù)集里任何相鄰的顏色就是一種亞文化色彩的搭配關(guān)系。

當(dāng)我把這個(gè)研究項(xiàng)目介紹給一些國外學(xué)校的朋友的時(shí)候，他們告訴我正好有一個(gè)新興的學(xué)科方向，隸屬于數(shù)字人文，叫做“文化分析（cultural analytics）”。文化分析正好和人文視角的研究相對(duì)應(yīng)，人文的方式叫文化研究（cultural study）。而現(xiàn)在這種計(jì)算的方式增加了文化研究的維度。其實(shí)除了在色彩、設(shè)計(jì)之外，越來越多的人文學(xué)科開始“可計(jì)算”了。著名經(jīng)濟(jì)學(xué)家陳志武教授現(xiàn)在在推動(dòng)“量化歷史”。如果我們認(rèn)為歷史原來是由一個(gè)個(gè)個(gè)體個(gè)案組成的，那陳志武教授的量化歷史是通過量化研究來研究老百姓群體，不是一個(gè)個(gè)孤立的故事，而是一個(gè)連續(xù)的過程。歷史和量化歷史的關(guān)系，正好也是設(shè)計(jì)和設(shè)計(jì)可計(jì)算之間的關(guān)系。

實(shí)驗(yàn)室還做了不少有意思的事情。有個(gè)學(xué)生自己朋友圈發(fā)出去的內(nèi)容來進(jìn)行分析和理解，做了一個(gè)小小的個(gè)人數(shù)據(jù)庫，是她99條朋友圈，里邊有她喜歡的東西、觀點(diǎn)感言等……他只做了一件事情，就想知道這99條朋友圈如果變成輸入條件，通過擴(kuò)散模型，會(huì)輸出一張什么樣的意向。結(jié)果輸出的是這樣一張圖——不知道為什么那么繽紛的朋友圈最后指向的是一個(gè)“廟門”。我覺得這個(gè)過程很有趣，擴(kuò)散模型作為一個(gè)很強(qiáng)的歸納者，不是用AIGC去卷我們已知的設(shè)計(jì)問題，而是讓我們理解以前不理解的東西，比如情緒被生成了。我們并不在意這張圖片本身的質(zhì)量，而在于通過這張意向的理解，讓更好的知道自己的情緒是怎么樣的？

如果上面的項(xiàng)目是研究物質(zhì)背后的情緒，那么我們還有一個(gè)項(xiàng)目正好相反，是研究創(chuàng)意背后的物質(zhì)。有一位學(xué)生用各種的算法和工具生成了很多圖。然后研究做這些圖的耗電量。大家知道一張圖被生成需要耗多少電量嗎？他的研究表明：我們用midjourney做一張圖，整個(gè)鏈路上用的電，大概可以把蘋果手機(jī)充電25%。生成式人工智能雖然不消耗多少的創(chuàng)造力，但是卻著實(shí)消耗不少電量。他在做的事情是把能量這個(gè)維度的數(shù)據(jù)也放到創(chuàng)意上。當(dāng)我們開始做這么多的動(dòng)畫的時(shí)候，當(dāng)我們可以實(shí)現(xiàn)空間化的時(shí)候，大家想一想背后消耗的能量有多少。我們不想那么快的進(jìn)入到道德和批判，但確實(shí)一個(gè)很重要的設(shè)計(jì)的數(shù)據(jù)維度，而過去我們是不考慮的。

上述的項(xiàng)目都遵循著如下的結(jié)構(gòu)，想法通過圖文、視頻、色彩等內(nèi)容形式來承載，然后通過元數(shù)據(jù)（metadata）來對(duì)齊給機(jī)器，元數(shù)據(jù)就是那些讓機(jī)器去理解的數(shù)據(jù)單元。我們做了一個(gè)這樣的工具（musedam），讓人們可以把設(shè)計(jì)創(chuàng)意能夠翻譯成數(shù)據(jù)資產(chǎn)。

聽上去這種記錄很抽象，但是事實(shí)上這不是什么新的概念，只是通過數(shù)字化工具和人工智能，這個(gè)記錄又有了更強(qiáng)大的新工具而已。我想給大家分享這個(gè)10分鐘的紀(jì)錄片，記錄了《教父》導(dǎo)演科波拉的筆記本。這個(gè)筆記本是他自己做的，中間是《教父》的原著，外邊他做了一個(gè)白色的框，這個(gè)白色的框被貼在每一頁原著上。他在旁邊做了很多的筆記，就像元數(shù)據(jù)一樣。所以《教父》就變成了屬于科波拉的《教父》了，他說：只需要這本筆記本，他就可以拍出電影了。你們猜這本筆記本叫什么？Prompt book。

Prompt這個(gè)詞大家越來越熟悉，就是驅(qū)動(dòng)大模型的“提示詞”。早在幾十年前戲劇導(dǎo)演的創(chuàng)作過程當(dāng)中，他們就在用一個(gè)叫Prompt Book的工具。現(xiàn)在如果我們?cè)谒阉饕嫔先フ襊rompt Book，十有八九你會(huì)拿到的是一本AIGC的提示詞秘籍。但那個(gè)時(shí)候科波拉自己做了屬于自己的prompt book，所有的想法都是從這個(gè)很物質(zhì)化的元數(shù)據(jù)集里被prompt出來，產(chǎn)生他的藝術(shù)創(chuàng)作。我們?cè)谧寵C(jī)器去更好的理解設(shè)計(jì)、做設(shè)計(jì)的路上，還有很多的像科波拉做筆記本一樣的“數(shù)據(jù)工作”可以做。

05. 設(shè)計(jì)人工智能要從視覺到行動(dòng)

既然設(shè)計(jì)可以被翻譯為數(shù)據(jù)，那么是不是也可以用數(shù)據(jù)來生成設(shè)計(jì)。我認(rèn)為現(xiàn)在設(shè)計(jì)的生成是形式主義，是西方視覺歷史的延續(xù)。西方學(xué)者（如Jonathan Crary等）認(rèn)為西方的視覺歷史是關(guān)于“看（opticality）”的，人作為觀者（observer）。

巫鴻教授的《重屏》則通過分析顧閎中的《韓熙載夜宴圖》來研究中國的視覺，增加了時(shí)空和變換角色的維度，他認(rèn)為在全畫中畫家有時(shí)候是第一人稱，有時(shí)候是第三人稱，有時(shí)候是宴會(huì)的參與者，有時(shí)候是宴會(huì)的記錄者。這種具有時(shí)空、行為和角色的視覺是值得引起注意的。現(xiàn)代設(shè)計(jì)其實(shí)一直在做一個(gè)努力，就是從純視覺，從設(shè)計(jì)“物”轉(zhuǎn)變?yōu)樵O(shè)計(jì)“行動(dòng)”。從只做視覺轉(zhuǎn)變?yōu)樵O(shè)計(jì)服務(wù)、體驗(yàn)、社會(huì)、生物等。從以物為中心，能不能到以人為中心？從以設(shè)計(jì)作為以造物為目的，到作為改造社會(huì)的手段。我認(rèn)為我們還缺少一種討論，是設(shè)計(jì)人工智能到底怎么能讓設(shè)計(jì)學(xué)科在推動(dòng)的變革繼續(xù)延續(xù)。

我們也做了一些很早期的嘗試，比如通過人工智能來保護(hù)傳統(tǒng)的手工藝。這個(gè)項(xiàng)目中我們討論了兩個(gè)人工智能與手工藝保護(hù)沖突的元問題：一、我們到底應(yīng)該如何讓生成的結(jié)果可控？到底是應(yīng)該要讓AI生成金山農(nóng)民畫真的很好，還是做的一般就可以。二、到底應(yīng)該生成新的金山農(nóng)民畫元素，還是用原有元素生成新的布局和主題？這些話題都是開始用人工智能作為一種手段去重新想設(shè)計(jì)的問題的時(shí)候才會(huì)遇見。如果只想絕對(duì)優(yōu)化的話，那一定應(yīng)該做到最好，應(yīng)該生成更多的元素。但是如果我們想設(shè)計(jì)作為一種保護(hù)手段的時(shí)候，也許我們不應(yīng)該這么去選擇。

過去是有了聲音才有節(jié)拍，聽到音樂翩翩起舞，舞蹈的創(chuàng)造往往受制于音樂。我們?cè)谙肴绻岩魳返南拗埔蛩厝サ簦魏挝璧付伎梢耘涑龊线m的音樂，會(huì)對(duì)舞蹈/行動(dòng)有什么影響？所以我們做了個(gè)通過節(jié)拍生成音樂的算法，只要確定節(jié)奏，就可以產(chǎn)生任何配舞音樂。

我們希望通過AI來創(chuàng)造新的故事敘述。我們總覺得AI的形象都太剛性，我女兒喜歡的AI會(huì)是什么樣子？我們用生成的方式做了很多叫“腦機(jī)比”的玩偶，每個(gè)人背后都有個(gè)故事。這些是最早的種子，第一個(gè)是魯班，第二個(gè)是達(dá)芬奇，第三個(gè)是特斯拉……然后我們用這些種子進(jìn)行組合生成，產(chǎn)生了5000個(gè)變種，比如特斯拉如果和愛因斯坦結(jié)合在一起，可能叫愛因斯拉。他們會(huì)對(duì)世界的發(fā)展產(chǎn)生什么影響？我們用GPT生成這樣的故事，也許他們改造的世界會(huì)是我們的平行宇宙。所以當(dāng)我們重新去思考AI的時(shí)候，AI應(yīng)該給我們創(chuàng)造更多的可能性，而不應(yīng)該只有一種視覺的結(jié)果。

最近我們開始試著做一些空間維度的探索。從一個(gè)中國的繪畫開始，不停的通過各種各樣生成的算法來無窮無盡的拓展它的空間邊界。可能在中國視覺是關(guān)于時(shí)空和體驗(yàn)的，我們?cè)趺礃幽軌蜃屧瓉硪粋€(gè)平面的繪畫，重新利用AI尋找回它的空間感。

我的學(xué)生想給每個(gè)人做一個(gè)自己喜歡的冥想空間。生成個(gè)人化的視覺、氣味、聲音，生成了一種你屬于你自己的獨(dú)特體驗(yàn)空間，從而讓你放松下來。

這是另一個(gè)學(xué)生的作品。我們都是被動(dòng)勞動(dòng)，能不能實(shí)時(shí)的生成各種各樣的場景，把勞動(dòng)和游戲結(jié)合，勞動(dòng)就像是在玩沉浸式游戲一樣？這一系列的嘗試，其實(shí)都是讓AI不只是針對(duì)物的形式主義，而是回歸到我們希望通過設(shè)計(jì)來對(duì)行為進(jìn)行改變上。

最后，在變化萬千的人工智能技術(shù)下，始終有一些不變的東西。

第一，我們并沒有以技術(shù)作為目的，而是以技術(shù)作為手段，最后解放人。所以如果我們不能更開心，技術(shù)不能讓我們的生活更美好，這就不是一個(gè)對(duì)的技術(shù)。那反過來，如果我們的設(shè)計(jì)，不能讓我們變得更快樂，不能讓這個(gè)社會(huì)變得更好，可能也不是一個(gè)好的設(shè)計(jì)。所以我覺得我們現(xiàn)在特別重要的不是只是強(qiáng)調(diào)技術(shù)的效率，也需要帶入設(shè)計(jì)的人文。

第二，一鍵生成不會(huì)產(chǎn)生好的設(shè)計(jì)，積累從來沒有比現(xiàn)在更重要。就像科波拉的Prompt Book一樣，我們有多少東西被解釋、翻譯、對(duì)齊給數(shù)據(jù)，就決定了我們有多少能力去提取和創(chuàng)作。所以藤子·F·不二雄在他的創(chuàng)作書里就強(qiáng)調(diào)這個(gè)觀點(diǎn)：沒有想法是平白無故產(chǎn)生的，我們要提取都不會(huì)從一個(gè)透明的盒子里面去提取。所有的積累才是我們創(chuàng)作的源泉，發(fā)散才會(huì)有收斂，創(chuàng)意才會(huì)出現(xiàn)。

第三，好的創(chuàng)意來自于不斷迭代反饋，OpenAI的CEO Sam Altman說：“創(chuàng)意就是過去東西的重組，加上靈光乍現(xiàn)，乘以迭代的數(shù)量和反饋的質(zhì)量。人們往往覺得要最大化的變量是靈光乍現(xiàn)，其實(shí)關(guān)鍵是要最大化迭代的數(shù)量和反饋質(zhì)量。”

最后我想引用畢加索講的一句話：“電腦沒有用，因?yàn)殡娔X只會(huì)給答案。”

所以剩下的，就交給各位了。謝謝大家。

讀完本文如果感興趣設(shè)計(jì)人工智能實(shí)驗(yàn)室的研究生、博士生和博士后，可以把簡歷發(fā)給我: lfan@tongji.edu.cn。