本章旨在探讨技术与设计领域在人智交互语境下的关系及其影响,讨论通过传统设计对人智交互的优化方法。通过回顾大数据和发展趋势,以 AI技术作为重要的技术推力,我们认为 AI技术将会在未来成为设计领域不可缺少的重要环节,并能够帮助设计师更加高效、准确地开展设计工作。本章着重研究技术与设计之间的关系与互动,探讨 AI技术对设计领域的贡献和变革,探寻 AI技术与设计之间的融合和互动的实现路径,介绍设计相关学科如何参与、推动技术的发展和创新。本章详细讨论技术在不同设计领域中的具体应用,并着重探讨技术在设计中如何提高用户体验水平以及促进设计评价的发展。我们相信,通过对此类问题的深入讨论,可以为设计师提供一系列新的思路和方法,并且能够推动设计领域在 AI技术深入应用过程中的不断创新和发展。

 01、引言

以大数据和人工智能为核心的信息技术发展日益精进,人类社会的技术形态正在由信息化向智能化变迁。 AI 技术已成为热门的技术领域之一,其在某些领域中所展现出的能力已经开始超越人类的认知界限。同时,在 AI 技术不断发展的过程中,与设计领域之间也产生了越来越广泛而深入的融合,这种融合不仅改变了设计师的工作方式与思维模式,更重要的是,它也给未来的设计带来了全新的可能性和前景。因此,以 AI 为重要的技术推动力探讨技术与设计之间的关联与互动,探寻人智交互语境下设计的新模态,具有非常重要的价值和意义。

人智交互是指人类与智能系统之间基于人类智慧和智能技术的交互过程。在这个交互过程中,智能系统通过感知、理解和响应人类的需求、意图和行为,与人类进行信息交流、协作和共同决策。人智交互强调了人类和智能系统之间的相互作用,以实现更加智能化、个性化和有效的交互体验。人智交互作为一种新的设计模式,强调了人类和智能系统之间的双向互动和合作,它突破了传统的人机交互模式,将人类和智能系统视为平等的参与者,通过结合人类的智慧和智能技术的支持,实现了更加智能、个性化和高效的交互体验。在设计领域中,人智交互的应用具有巨大的潜力。通过人智交互,设计师可以与智能系统进行深入的合作,共同探索新的创意思路、优化设计方案,并及时获得智能系统的反馈和建议。同时,智能系统也可以通过学习和理解设计师的意图和偏好,提供更加个性化和符合用户需求的设计方案。这种紧密的人智交互将促进设计师在创作过程中发挥更大的创造力和创新能力,进一步推动设计领域的发展。

一方面, AI 技术可以帮助设计师更加高效、准确地开展设计工作,它所生成的数据和信息可以为设计师带来更广阔的创新思路。 AI 技术可以对大量的数据进行自主处理和分析,并通过智能算法帮助设计师获得更加全面、精准、真实的信息,作为对设计决策的有效支撑。这种所谓的“智能辅助设计”模式将会在未来成为设计领域不可缺少的重要环节。

另一方面,在 AI 技术的帮助下,设计可以更加贴近人类的需要,为人们提供更好的体验和更令人满意的设计作品。相较于传统的设计方式, AI 技术可以更加准确地分析和领会人类的喜好和需求,从而对设计进行优化和改进,为用户提供更加合理、完美的设计风格和体验,进而推动整个设计领域的发展。更重要的是, AI 技术的强大智能化将会改变人们的生活方式和认知方式,这也是当今设计师必须认真面对和思考的问题。

本章将着重研究技术与设计之间的关系与互动,主要围绕三个方向展开:(1)探讨 AI 技术对设计领域所做出的贡献和变革;(2)探寻 AI 技术与设计之间的融合和互动的实现路径;(3)介绍设计相关学科如何参与、推动人智交互的发展和创新。为了达到这些目的,本章首先将阐述技术在设计中的应用方向,并详细讨论 AI 技术与创新思维相结合的影响。在此基础上,本章还将探讨技术在不同设计领域中的具体应用,并着重探讨技术在设计中如何提高用户体验水平以及促进设计评价的发展。

最后,本章还将分析设计学如何参与和推动技术的发展,探讨未来设计领域和技术的发展趋势与展望。

总体而言,本章旨在提供一个全面的视角以探讨人智交互语境下设计的新模态,并利用这种视角来深化人们对技术如何创新和变革设计领域的理解。本章不仅可以为设计工作者提供启发和指导,而且可以向其他领域的读者详细介绍技术与设计之间的融合进度以及未来的发展趋势,从而推动新技术在更多领域实现更加品质化和高效化的应用。下面将从 AI 技术与创新思维、 AI 在设计领域的应用和设计学如何推动 AI 发展三方面展开介绍。

02、AI 技术与创新思维

AI 蕴含着广泛的应用价值,可以帮助人们更好地理解和处理复杂的现实世界问题。事实上, AI与创新思维密不可分,前者可以在一定程度上激发人们的创新意识和思考,提高他们的创新能力和创造力。首先, AI 技术本身就是创新的体现,这种技术的出现和发展需要各种创新想法的支持和推动。

其次, AI 技术可以促进创新思维的发展,它提供了更加高效、准确和实时的数据处理手段,使人们能够更深入地挖掘问题,提出更有创意的解决方案。此外, AI 技术还可以自我学习和优化,这意味着它可以不断地改进和创新,为人们提供更加高端的解决方案。

当然, AI 技术对于创新思维的影响也是有限的。目前,它并不能完全代替人类思维和创新能力,只是为人类提供了更加高效的工具和平台。同时, AI 技术本身也需要不断地创新和改进,只有不断地推动技术创新,才能更好地应对不同的应用场景和需求。

综上所述, AI 技术和创新思维是相互关联的,它们之间的关系不仅体现在技术的发展过程中,更是在应用中实现的。近年来,随着深度学习模型不断完善、开源模式的推动、大模型的商业化探索,AIGC ( artificialintelligencegeneratedcontent ,人工智能生成内容)在设计领域产生了广阔而深远的应用前景与价值意义。 AIGC 将 AI 技术与创新思维相结合,真正实现了技术的催化,为社会的发展和进步带来了促进作用。

AIGC 的定义与发展

AIGC 即利用 AI 技术来生成数字内容,它被认为是继 PGC ( professionalgeneratedcontent )、UGC ( usergeneratedcontent )之后的新型内容创作方式。 AIGC 的目标是使内容创作过程更加高效和便捷,实现高质量内容的快速生产。 AIGC 是通过从人类提供的指令中提取和理解意图信息,并根据其知识和意图信息生成内容。近年来,大规模模型在 AIGC 领域取得了突破性的进展。

AIGC 的发展历史可以分为三个阶段:第一阶段是基于规则或模板的方法,主要用于生成结构化或半结构化的内容,如天气预报、新闻摘要等;第二阶段是基于统计或机器学习的方法,主要用于生成自然语言、图像、音频等非结构化的内容,如机器翻译、图像描述、语音合成等;第三阶段是基于深度学习或神经网络的方法,主要用于生成多模态、多领域、多风格、多目标等复杂和创造性的内容,如文本摘要(Ibrahim Altmami& ElBachirMenai , 2022 )、对话系统( Nietal.,2022 ; Papangelisetal.,2020 )、图 像 编 辑 ( Borsosetal., 2022 ; Suvorovetal. , 2021 ; Tzabanetal. , 2022 )、音 乐 创 作( Hernandez-Olivan& Beltrán , 2023 )等。

在人智交互的背景下,除了传统的机器学习智能,如生成对抗网络、扩散模型和大语言模型等代表的大模型智能也开始在设计领域崭露头角。近年来,相关技术已经引起了整个社会的广泛关注,超越了计算机科学领域的范畴。大型科技公司开发的各种内容生成产品,例如 ChatGPT ( OpenAI ,2023 )和 DALL · E2 ( Rameshetal.,2022 )备受人们的关注。 AIGC 可以在短时间内自动化地创建大量内容。例如,由 OpenAI 开发的 ChatGPT 是一种语言模型,用于构建对话型人工智能系统,能够高效地理解并有意义地回应人类语言输入。此外, OpenAI 还开发了 DALL · E2 ,如图 16.1 所示,这是另一个先进的生成式人工智能模型,可以在几分钟内从文本描述中创建独特且高质量的图像。 AIGC的显著成就使得许多人认为它将成为人工智能的新时代,并对整个世界产生重大影响( Caoetal. ,2023 )。

AIGC 从技术上讲是指利用 GAI 算法生成满足人类指令的内容,这些指令有助于教授和指导模型完成任务。这个生成过程通常包括两个步骤:从人类指令中提取意图信息,然后根据提取出的意图

生成内容。近期, AIGC 的核心进展主要源于在更大的数据集上训练更复杂的生成模型、使用更大的基础模型架构以及拥有广泛的计算资源,而非包含以上两个步骤的模型本身。例如, GPT-3 的主要框架与 GPT-2 相 同,但 预 训 练 数 据 大 小 从 WebText ( Brownetal. )( 38GB )增 长 到 CommonCrawl( Radfordetal. )(过滤后为 570GB ),基础模型大小从 1.5GB 增长到 175GB 。因此, GPT-3 在各种任务上,如人类意图提取方面,均比 GPT-2 具有更好的泛化能力。

除了数据量和计算能力增加带来的好处外,研究人员还在探索将新技术与 GAI 算法相结合的方法。例如,ChatGPT 利用来自人类反馈的强化学习( Ouyangetal.; Stiennonetal. )确定给定指令的最合适响应,从而提高模型的可靠性和准确性。这种方法使 ChatGPT 能够更好地理解长时间对话中的人类偏好。同时,在计算机视觉领域,Stability.AI 于 2022 年提出的 stablediffusion ( Rombachetal.,2022 )也在图像生成方面取得了巨大成功。与先前的方法不同,生成扩散模型可以通过控制探索和开发之间的平衡来帮助生成高分辨率的图像,从而在生成的图像中实现多样性。

通过结合这些成果,大模型智能在 AIGC 任务中取得了显著的进展,并被应用于艺术( Anantrasirichai& Bull , 2022 )、广告( Vakratsas& Wang , 2021 )和教育等行业。 AIGC 不仅可以提高内容生产者和消费者之间的互动和沟通效率,还可以降低内容生产成本和门槛,提高内容质量和多样性,并促进社会创新和文化传承。在未来的一段时间,它将持续作为机器学习研究中的重要领域被不断开拓。相较于传统的机器学习方法,大模型智能具有以下独特的优势和特点。

(1)更强的学习能力和创造能力。由于其庞大的参数空间和训练数据量,大模型智能能够更好地捕捉数据中的模式和规律,并生成更加逼真和创新的设计作品,这使得设计师能够从大模型智能中获得更多的灵感和创意,为设计领域带来全新的发展机会。

(2)更强的知识表达和推理能力。通过训练海量的数据和复杂的网络结构,大模型智能能够获得更为丰富和深入的领域知识,并能够在设计过程中进行更精准的推理和决策,这为设计师提供了更有力的工具和支持,可以帮助他们更好地理解用户需求、解决设计难题和创造出更具价值和影响力的设计作品。

(3)更多的技术调整和社会问题。尤其是在知识的获取和应用方面,大模型的训练和部署需要大量的计算资源和数据,并且面临着隐私和安全等方面的考虑。此外,大模型所产生的设计作品可能缺乏独特性和个性化,需要设计师在其中发挥主观判断和创造力,以确保作品与用户需求和社会价值相契合。

尽管如此,大模型智能仍然为设计领域带来了前所未有的发展机会。设计师可以与大模型智能进行紧密的合作,借助其强大的学习和创造能力开辟出全新的设计领域。通过与大模型智能的交互,设计师可以拓宽设计思路、加速设计过程,并创造出更具创新性和影响力的设计解决方案。