為什么39%的設計工作可能被人工智能取代？

@阿里巴巴UED：在本次的UCAN大會上，@范_凌 發布《“人工智能”與“設計的未來”——2017設計與人工智能報告》 。報告由同濟x特贊設計與人工智能實驗室撰寫，聯合同濟大學設計創意學院、特贊信息科技和阿里巴巴人工智能設計實驗室共同發布。

該《設計與人工智能報告》通過對學術文獻、技術資料和產業案例的定性和定量分析，專家采訪、趨勢預測、勞動力再分配觀察和教育改革等方面第一次對設計與人工智能的交叉學科問題進行建構，希望幫助更多設計師為人工智能時代做準備。

首先，他提出幾個問題：

第一：設計本身能不能可量化，能不能算法化，能不能數據化。
第二：我們希望知道人工智能到底對設計意味著什么。除了取代之外，是不是還可能產生一種共生的關聯。
第三：我們希望去分析一下。既然很多商業已經發生了數據算法帶來的重大改變，那么是不是在這個改變當中設計能夠扮演更積極的角色，或者已經扮演了一些角色。
第四：更人文性的問題，如果機器能做設計了，知識產權的歸屬如何確定，相應的設計師或者設計行業作為一種文化，能夠在數據壟斷里扮演什么角色。

工業設計4.0與設計

人工智能如何在這樣的人文語境里去理解，并且如何啟發創意性的工作。

他分享了四個觀點：

1. 需求側的極度細分
2. 在線/連接/交互
3. 超細分個體的涌現
4. 人/機交互的新組織

圍繞著這四個觀點，他講述了我們正處在個性經濟下， 5-10年的巨大數據積累可以做到千人千面，萬人萬面，億人億面。而通過數據的極大化，能夠產生每個人重新回歸到個體。它引起了人工智能所帶來的一系列思想方式，帶來了消費或者需求側極大的變化，產生極小的數量，極大品類的轉變。

縱觀20年的科技進化史，科技不斷把與人更接近的部分變道線上去，未來思想和感情能不能聯網，能不能在線交互，而設計能力現在也是一種個人能力，能不能成為一種可以被連接在一起的能力。在這個時代，人人都可以被找到的時代，你的短板不再成為局限你發展的弱勢，反而是你的長板，超細分不可被取代的技能成為你在這個社會上主要的競爭力。在這個點上，可以認為所謂“平均”就是人工智能能達到的水平，而每個人所賦于平均的附加值，這是每個人的超細分技能。去年幾個麥肯錫報告里非常強調新組織形式的出現，這種組織形式是把原來簡單組織方式的工作，變為更靈活的去匹配資源。這種匹配資源一方面是對接實體之外按需的個體，每一個超細分能力的人。

為什么設計需要智能

對于第二個問題，他分別從宏觀和微觀的角度來分析。

宏觀的角度：

設計與運算的歷史
技能的民主和數據的壟斷共存
技術與設計工作，更多還是更少了

他講述了設計與運算之間的關聯已經有了很長的歷史，并沒有像想象的那樣新。

在宏觀的第二個角度，有兩樣與世界發展趨勢共通的東西：一樣是“技術的民主化”，或者“技能的民主化”。在“技術的民主化”中，我們以另一個創造性的工作——攝影為例。從過于寫實的繪畫到擁有暗房工具，到很大很笨重的光學相機，到傻瓜相機，再到照片數據化、到數碼相機，最后現在每個人手上都有了攝像頭和App。

另一樣是“數據的壟斷”。在用戶指數級增長的過程當中，有一些機構、設備、終端，以及平臺會開始積累大量的數據。而我們又會進行反思我們總在想，技術的發展是否必然會取代一些人的工作？這一點我們沒有辦法避免。但是 30 年前的例子告訴我們，一方面Photoshop 作為一種工具確實取代了排版工人，但在美國卻給設計行業的薪資帶來了 3 倍的漲幅。所以在這個過程當中，正如《經濟學人》雜志一直秉承的觀點：技術摧毀更多舊的工作，但更會創造新的工作。這一點上，我們還是要樂觀一點。

從微觀來講，存在三個難點：創造、確定性／不確定性、形式／內容。

第一個難點，設計是一個創造性的工作，你試圖在設計中創造藝術，但你能不能創造藝術，實際上就得聽天由命。第二個難點，確定性和不確定性。我一直認為設計的魅力是在于“不確定性”。正是因為“不確定性”，設計師有自己作為人的價值。

第三個難點，形式和內容

微觀的角度：

如何讓“機器”理解“創造”？
如何讓“機器”分析“不確定”
如何讓“機器”處理“形式和”內容“？
如何讓“機器”“設計”？

他分享說在文獻調查研究中發現，很少有文獻是關于“機器怎么做設計”的，而有很多是關于“機器怎么樣做創造性的工作”。在設計的領域里，有個作家寫了一篇文章，這篇文章發表在人工智能引用次數最高的文獻里。他認為，設計有三種方式來做創造性的工作，第一種是組合，第二種是探索，第三種是轉換。所謂組合，就是指在兩個已知之間建立關聯；所謂探索，就是在已知空間里尋找某個答案；所謂轉換，就是在已知里尋找未知。這三種方式都是基于設計師的工作方法，以設計師的工作規則去尋找創造的可能性，從而發現機器做創造的可能性。

在分析“不確定”時，可以變成確定性的問題：什么是和好設計最接近的設計？我們可以把這個過程總結為設計、數據、建模、運算、評估，評估之后再反過來進行運算。如此一來，我們就能把“不確定性”的設計，轉化成了“確定性”的數據。

對于如何讓設計處理“形式和內容”的問題，可以拆分成“形式”和“內容”兩個因素。所謂形式，就是用什么樣的形式感講故事；所謂內容，就是這個故事背后意味著什么，講的是什么。比如說有這么多人和山，有這么多綠色的植被，也許它代表的就是一種農村生活。形式感則是說有遠景、中景、近景，有上有下有平衡，也許還原出一種藝術的價值，這兩者之間又能夠進行相應函數的評分。歸根到底，形成的內容不是創造性，而是用統計的方法獲得某種關聯度。

對于如何讓設計處理“形式和內容”的問題，可以拆分成“形式”和“內容”兩個因素。所謂形式，就是用什么樣的形式感講故事；所謂內容，就是這個故事背后意味著什么，講的是什么。形成的內容不是創造性，而是用統計的方法獲得某種關聯度。

下一個問題：讓機器做設計的轉折點在哪里？這個轉折點在過去，很多都是關于“如何用機器重建規則”的研究——先分析設計師的腦子是怎么想的，再把這個規則用編程的方式寫出來。我們把基于規則的東西逐漸轉化成基于數據和統計的東西，而過程就很有意思。通過設計產生數據，將人的設計，轉化為設計的數據。這個數據變為某種模型，這個模型可以進行運算，運算之后再評估，評估打分之后，再進行運算的迭代——我覺得只有這種模式，才能真正產生會設計的機器。

那么做這件事的意義是什么？意義就在于，消費端的技術在過去五年十年已經發生了極度的豐富，我們已經知道千人千面，已經知道每個人的用戶信息。所以我們給他們推送合適的咨詢、服務和產品，只有精準才是商業的未來。

人工智能的產業實踐

范凌一直強調一個觀念：人工智能與設計師的關系不是“替代”，所以我們提出了一個概念“腦機比”——腦子和機器的比例。這個不是結論，這個是假設。機器和人工智能在創造性工作里面不是取代某種工種，而是要共同進化。所以我們希望是能夠有更多的數據、算法，更多指數級的更精準的生產，能夠帶來人的思想解放。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時間的東西。他們做的調研數據樣本大道 1300 份，這個樣本的組成里，我們把所謂人的智能分為三個類型。這三個類型不只是指操作設計的技能——“感知和操縱智能”。

有的時候，設計師真的需要把設計畫出來。而畫的過程、思考的過程也是一種智能。還有另外一種智能，也就是“創造智能”——從無到有，從零到一的能力。另外，還有一種是“社會智能”——很多設計是需要人去講述和言說的。社會智能、創造智能、感知和操縱智能，都是設計行業特別關鍵的三種能力。設計師在不同任務上的時間分配比例，從右到左逐級更需要腦力。

他分享了在設計師未來三年工作當中，有近61%左右的工作一定還需要人的腦子，39%左右的工作已經出現了自動化的可能性，這兩者之間的比值是1.55。

1. 不同類型和經驗的設計師都花類似的時間收集素材和處理信息

收集資料或者信息整理是每一個設計師都花了大量時間去做的工作。而且隨著數據、信息越來越多，我們發現所謂高級設計師和初級設計師，都花費了大量時間在收集資料上。所以收集資料是設計師特別喜歡、特別愿意干的一件事。

2. 雖然老叫苦叫累，但設計師并不認為設計是個體力活

沒有太多人覺得重復性體力勞動在工作中占很大比例。雖然很多設計師都在抱怨設計是個很累的事，但似乎大家都很享受這個過程。

3. 創意和創造將會成為設計師的最核心競爭力

他們做了六次迭代，也就是想象當中三年、五年以后，設計師會花多少時間干這幾件事。我們發現有些圓圈變得特別大了，比如說創意、管理、溝通變得特別大。而重復性的勞動——素材收集等等變小了。也就是說，隨著機器、智能的發展，它們確實能幫助人釋放一部分創造力或者創造工作時間，那么，設計師會怎么樣重新分配做事的時間呢？也許下面這是一個建議，或者說是下一個趨勢的結果。這個結果里，創造力應該是設計師的核心競爭力。

4. 高級和初級設計師腦機比不一定懸殊

在很多和技術緊密相連的行業里面，比如說做UI設計、電商、交互的等等，其實這兩者的腦機比比例相差不懸殊。存在相差懸殊的行業里，也許是技術的進步還不大。而互聯網行業里，我們發現這兩者的區別不大，也就是因為其實已經有大量工具、智能的東西在改變著這個行業的日常工作了。

人工智能如何構建設計的未來

設計依然需要被作為一種人文來探討，第四個部分是針對設計人工智能的話題有一些批判性的角度。他提出有幾大追問：

1. 人工智能是否能夠帶來設計新疆域？

這里有兩個觀點，一個廣義的觀點，一個狹義的觀點。這兩個觀點，一個是來自科技的媒體，一個來自于媒體實驗室的判斷。廣義里有兩個觀點。第一，人人都是設計師。也就是說當人工智能能夠把技術技能極度的民主化以后，是不是每個人都可以具有某種設計的能力。第二，設計師是不是還是從零到一地做設計？還是說設計師更偏向于是一個整合者、篩選者和買手？狹義的角度里面，我引用喬布斯的一句話，就是：“創造是把東西連接起來。”其實設計很重要的價值也是把兩樣東西連接在一起，既然我們發現有很多東西已經可以常規化了、智能化了，那我們應不應該去挑戰一些新的角度？比如說，連接物理體驗和增強現實？連接一個更有效的數據模型和算法？連接個體和社會組織？這些都可能成為設計師的下一個挑戰。

2. 人工智能的知識產權如何界定？

第一個問題，人工智能做設計，設計產權歸誰所有？第二個問題，如果人工智能通過學習做設計，學習的內容受產權保護的話，這算不算抄襲？關于第一個問題，只要你買了這個人工智能，那這個人工智能做出的設計就是屬于你，這一點律師們沒有什么爭議。關于第二個問題，因為在這個過程里，知識產權保護的是“思想”的呈現。只要對人工智能做的設計和它學習的設計師做的東西不完全一樣，其實法律上是沒有辦法追訴的。但在未來，有可能是需要重新確立這些法律的討論：為什么我們不能去看人工智能到底學了誰？學的過程里，是不是有對原創足夠的尊重？也是這么多的互聯網人文學者去思考新的知識產權，以及新的知識產權體系的原因。一方面，這種思考能夠支持創造；另一方面，這種思考也能保護產權的擁有者。

3. 人工智能對教育的追問和批評？

關于教育的。我們邀請了一些前瞻性的教育家，他們和我的價值觀方向都比較一致，雖然有些人比我激進，有些人比我保守，但他們講的東西都很有參考價值的：第一，我們是不是應該更加注重培養大家的差異性？第二，我們是不是又回到了文藝復興時期知識分子的全能狀態？因為機器人已經能在專業上做到最好，那么我們每個人應該回歸到全能。第三，設計一個好的問題——讓機器、讓數據、讓智能能夠去解答——其實更為重要。第四，創造力如何培養？如何與機器交流？這會成為設計師的關鍵能力。

4. 數據巨無霸們會壟斷設計嗎？

第四個追問，要回歸到人文主義的初始。如果我們覺得數據算法的積累最大化能夠產生好的設計，那么未來好的設計公司，會不會是擁有最大數據的公司？這一點讓我很憂慮。好在“同濟x特贊設計與人工智能實驗室”的梁明老師也在做這個研究，他講了一段話對我很有啟發，和大家分享一下：“好的設計師能夠與AI齊頭并進，知道機器進行監督式學習。數據永遠不能完全取代設計，因為設計不總是理性和邏輯的。”

總結

一方面，我們有一個共同的目標；但另一方面，大家每個人都是特別具有不同價值的、具有多樣性的人。在這個場景下面，我們除了要利用技術去控制標準，同樣也應該用技術去支持不同設計的出現。

引用比爾蓋茨說的一句話：“我們總是高估未來兩年來發生的改變，卻會低估未來十年將發生的改變。”再引用 sheji.ai 上的一句話：“我們以為改變在未來2年內都不會發生，卻沒想到，在10個月前已經悄悄開始。”

歡迎關注阿里巴巴UED 的微信公眾號：

「回顧2017 UCAN」

1. UCAN 2017回顧！8分鐘看完設計大咖們的尖端干貨
2. 阿里資深總監楊光：聊聊消費升級下的設計變化
3. UCAN2017回顧!美工終結者「魯班智能設計平臺」是如何工作的？
4. UCAN2017回顧！當新技術來臨時，設計會發生哪些變化？

【優設網 原創文章 投稿郵箱：yuan@uisdc.com】

================關于優設網================
"優設網uisdc.com"是國內人氣最高的網頁設計師學習平臺，專注分享網頁設計、無線端設計以及PS教程。
【特色推薦】
設計師需要讀的100本書：史上最全的設計師圖書導航：http://hao.uisdc.com/book/。
設計微博：擁有粉絲量200萬的人氣微博@優秀網頁設計 ，歡迎關注獲取網頁設計資源、下載頂尖設計素材。
設計導航：全球頂尖設計網站推薦，設計師必備導航：http://hao.uisdc.com