浅析人工智能设计给我们的启示

(河南工业大学 设计艺术学院 通用信息工作室 河南 郑州 450001)

一、绪论

“天命之谓性，率性之谓道，修道之谓教。道也者，不可须臾离也，可离非道也。”人工智能(以下简称AI)可以说是现代技术不可忽略的一部分，深入各个领域应用于多种环境，而且近年来正在获得难以想象的进步。AlphaGo战胜围棋大师证明了AI在固定的规则下行为能力超过人类；国外“LogoJoy”系统标榜着深度学习和遗传算法声称可以赋予每个人快速设计Logo的能力；就在2017年上旬，阿里开发的“鲁班”AI设计系统问世，并在同年双十一为淘宝提供了1.7亿个Banner海报。一时间，AI完全代替人类设计师完成设计工作的言论甚嚣尘上，给广大艺术设计从业者带来了恐慌。AI这个新生的技术真的能适应这变化的世界从而成为不可须臾离的“道”吗？

二、AI主流发展趋势的局限性

(一)基于规则的AI研究。对AI的研究起源于人类对人脑运作最本质的规则的探究，试图把这种规则抽象成“语言”，再通过具体的指令完成特定动作产生特定的后果，也就是NLP(Neuro-LinguisticProgramming)神经语言程序学。1966年，AI之父美国科学家马文·明斯基举了一个简单的反例来说明基于规则的计算机语言处理所遇到的困难：“Thepenisinthebox.”和“Theboxisinthepen.”第一句很好理解“钢笔在盒子里”，而第二句就会产生很大的迷惑，因为pen本身拥有钢笔和围栏两个意思，人类在学习和运用这个词的时候需要一定的时间来培养常识，而要通过语言规则来限定pen的词义与用法则需要几乎无限的规则来完善，因此基于规则的AI研究在当时来说算是失败了。

(二)基于统计的AI研究。1970年后，犹太裔美国科学家贾里尼克和他带领的IMB工作室提出了基于统计的语音识别框架，为AI的发展指出了新的方向。起初并非所有的学者都认同这样的方向，经过长达15年的争论，基于统计的AI设计最终因其应用可能性成为了AI技术发展的主流方向。这种看起来舍本逐表的发展方向确实也获得了很大的成果，使AI在有规律而无具体规则的行为中能力显著提升。

(三)AI发展趋势的局限性。基于统计的人工智能发展方向一定程度上解决了规则过于庞杂的问题，使人工智能能够依靠学习做出更接近人类的行为，因而有了应用的可能性。然而，这样的人工智能也暴漏出明显的局限性，也就是无法在可行的时间复杂度内产生有效的变化与创造。

AI的设计框架原始文件通过对人类设计数据集进行深度学习产生接近人类的设计，这里接近的是数据集内人类设计的平均值，偶尔出现的异类的设计则会被认为是错误神经链的产物被评价模型和人工给予规避。艺术与设计风格的发展是随着人类思想的进步情感升华而发生改变的，这样的改变通常基于人类的顿悟思维模式而非直观思维是神经网络算法所无法模拟的。

三、AI设计系统运作模式带来的局限性

(一)神经网络算法。人工神经网络就是模拟人形象(直观)思维过程。这是一个非线性动力学系统，其特色在于信息的分布式存储和并行协同处理。人脑的形象思维工作是由密集的神经元构成的神经网络来完成的，信息是通过神经元上的兴奋模式分布储在网络上，再由相邻神经元之间的相互作用这一动态过程来完成信息处理。大量结构简单功能有限的神经元构成网络系统能实现丰富多彩的行为。

神经网络算法就是以人脑神经网络为模型建立的系统，它是由众多的神经元可调的连接权值连接而成，具有大规模并行处理、分布式信息存储、良好的自组织自学习能力等特点。上文中提到的“LogoJoy”和“鲁班”AI设计系统都是基于这样的算法建立的框架。

(二)迭代算法。迭代法是一种不断用变量的旧值递推新值的过程。这样一个数学概念本身就解释了许多科学和哲学的问题。迭代的基因突变造成了当今世界物种的多样性，而自然选择又使每一个存在的物种都是合理的。AI设计系统正是模拟了这一过程，利用计算机运算速度的优势，让其进行重复性操作，对一组数据用同一指令反复执行，产生大量与原变量有关的新值。再由评估模型或人工对产生的新值进行加权，从而有效规避一些错误的神经链，使AI的行为更加合理。

(三)AI设计系统运作模式的局限性。AI设计的步骤顺序有一步与人工不同，就是生活体验与设计构思。人工设计的设计构思是基于设计师的生活体验的，而AI设计框架的原始文件的建立则是先于元素库与数据集，经过对数据集的深度学习逐步完善的。而这个原始文件的建立就直接决定了设计品最终的价值层次。如果原始文件编写为只识别学习资料集中的构图，线条，造型，色彩等形式符号层面的元素，那么最终的结果就只能是该层面元素堆砌出的设计品，经过对大量人类设计品的深度学习，能够实现接近人类设计品的功能并产生一定的形式美感。

在“鲁班”的发布会上，发布者承认这款AI设计系统针对的是以商业设计为主的“大量低质易耗”设计想要让AI设计的价值达到核心层次形象世界层，就必须进一步细化设计框架原始文件的可变参数，再通过学习生成更细腻的规则。人类设计的价值达到形象世界层需要设计师本身的审美经验与生活阅历，而这包含近乎无穷的庞杂数据与规则，很多数据是模糊的很多规则是矛盾的，这就又会遇到二十世纪六十年代NLP语言学习的瓶颈导致同样的失败。终极意义层就更要求AI的规则不仅要跨越空间维度还要有一定的时间纵深，这在短时间内是无法完成的。

(四)AI设计给我们的启示。AI虽有局限却仍然对设计师构成威胁。现在的部分设计师不学艺术、不善思考、不懂生活；设计的步骤基本上是快餐式地了解设计目标，拘泥于功能，形式感，依葫芦画瓢完成设计任务。即便在这样的快餐时代也很容易被AI取代。想要不被取代就要认识AI设计的优势与局限性，使设计品达到AI所不能达到形象世界层和终极意义层。

定制设计。中庸有云：“上焉者虽善无徵，无徵不信，不信民弗从。”好的品德需要经过民众的验证才能有权威。再好的品质如果忽略了体验也是无意义的，这要求我们在设计过程中要注重用户体验，用同理心去体会关注用户的期待视野，要做用户细分，对目标人群要多交流多了解，做到定制设计。

关注前沿的设计理念与艺术思潮。“下焉者虽善不尊，不尊不信，不信民弗从。”居于下位的人，品德虽好，但不尊贵，不尊贵就不权威。从生活中发现的想法，产生的设计思路，要有优秀的理念做支撑或比较成熟的思想做基础。始终对艺术设计的终极意义层有一个认识，我们在做设计和设计研究的时候才不会迷惘。

最为重要的是创新。面对这个不断变化的世界，我们唯一能做的就是不断创新，也只有这件事是一定要人来做的，也是最难的。想要有源源不断地创意，则需要相对丰富的知识储备，系统思考，跨域思考。另外，我们拥有算法无法模拟的顿悟思维模式，所以要善于从生活中汲取灵感，每一个闪念的价值都是AI无法企及的，善加利用才能做出好的设计。