淺析人工智能設計給我們的啟示

(河南工業大學 設計藝術學院 通用信息工作室 河南 鄭州 450001)

一、緒論

“天命之謂性，率性之謂道，修道之謂教。道也者，不可須臾離也，可離非道也。”人工智能(以下簡稱AI)可以說是現代技術不可忽略的一部分，深入各個領域應用于多種環境，而且近年來正在獲得難以想象的進步。AlphaGo戰勝圍棋大師證明了AI在固定的規則下行為能力超過人類；國外“LogoJoy”系統標榜著深度學習和遺傳算法聲稱可以賦予每個人快速設計Logo的能力；就在2017年上旬，阿里開發的“魯班”AI設計系統問世，并在同年雙十一為淘寶提供了1.7億個Banner海報。一時間，AI完全代替人類設計師完成設計工作的言論甚囂塵上，給廣大藝術設計從業者帶來了恐慌。AI這個新生的技術真的能適應這變化的世界從而成為不可須臾離的“道”嗎？

二、AI主流發展趨勢的局限性

(一)基于規則的AI研究。對AI的研究起源于人類對人腦運作最本質的規則的探究，試圖把這種規則抽象成“語言”，再通過具體的指令完成特定動作產生特定的后果，也就是NLP(Neuro-LinguisticProgramming)神經語言程序學。1966年，AI之父美國科學家馬文·明斯基舉了一個簡單的反例來說明基于規則的計算機語言處理所遇到的困難：“Thepenisinthebox.”和“Theboxisinthepen.”第一句很好理解“鋼筆在盒子里”，而第二句就會產生很大的迷惑，因為pen本身擁有鋼筆和圍欄兩個意思，人類在學習和運用這個詞的時候需要一定的時間來培養常識，而要通過語言規則來限定pen的詞義與用法則需要幾乎無限的規則來完善，因此基于規則的AI研究在當時來說算是失敗了。

(二)基于統計的AI研究。1970年后，猶太裔美國科學家賈里尼克和他帶領的IMB工作室提出了基于統計的語音識別框架，為AI的發展指出了新的方向。起初并非所有的學者都認同這樣的方向，經過長達15年的爭論，基于統計的AI設計最終因其應用可能性成為了AI技術發展的主流方向。這種看起來舍本逐表的發展方向確實也獲得了很大的成果，使AI在有規律而無具體規則的行為中能力顯著提升。

(三)AI發展趨勢的局限性。基于統計的人工智能發展方向一定程度上解決了規則過于龐雜的問題，使人工智能能夠依靠學習做出更接近人類的行為，因而有了應用的可能性。然而，這樣的人工智能也暴漏出明顯的局限性，也就是無法在可行的時間復雜度內產生有效的變化與創造。

AI的設計框架原始文件通過對人類設計數據集進行深度學習產生接近人類的設計，這里接近的是數據集內人類設計的平均值，偶爾出現的異類的設計則會被認為是錯誤神經鏈的產物被評價模型和人工給予規避。藝術與設計風格的發展是隨著人類思想的進步情感升華而發生改變的，這樣的改變通常基于人類的頓悟思維模式而非直觀思維是神經網絡算法所無法模擬的。

三、AI設計系統運作模式帶來的局限性

(一)神經網絡算法。人工神經網絡就是模擬人形象(直觀)思維過程。這是一個非線性動力學系統，其特色在于信息的分布式存儲和并行協同處理。人腦的形象思維工作是由密集的神經元構成的神經網絡來完成的，信息是通過神經元上的興奮模式分布儲在網絡上，再由相鄰神經元之間的相互作用這一動態過程來完成信息處理。大量結構簡單功能有限的神經元構成網絡系統能實現豐富多彩的行為。

神經網絡算法就是以人腦神經網絡為模型建立的系統，它是由眾多的神經元可調的連接權值連接而成，具有大規模并行處理、分布式信息存儲、良好的自組織自學習能力等特點。上文中提到的“LogoJoy”和“魯班”AI設計系統都是基于這樣的算法建立的框架。

(二)迭代算法。迭代法是一種不斷用變量的舊值遞推新值的過程。這樣一個數學概念本身就解釋了許多科學和哲學的問題。迭代的基因突變造成了當今世界物種的多樣性，而自然選擇又使每一個存在的物種都是合理的。AI設計系統正是模擬了這一過程，利用計算機運算速度的優勢，讓其進行重復性操作，對一組數據用同一指令反復執行，產生大量與原變量有關的新值。再由評估模型或人工對產生的新值進行加權，從而有效規避一些錯誤的神經鏈，使AI的行為更加合理。

(三)AI設計系統運作模式的局限性。AI設計的步驟順序有一步與人工不同，就是生活體驗與設計構思。人工設計的設計構思是基于設計師的生活體驗的，而AI設計框架的原始文件的建立則是先于元素庫與數據集，經過對數據集的深度學習逐步完善的。而這個原始文件的建立就直接決定了設計品最終的價值層次。如果原始文件編寫為只識別學習資料集中的構圖，線條，造型，色彩等形式符號層面的元素，那么最終的結果就只能是該層面元素堆砌出的設計品，經過對大量人類設計品的深度學習，能夠實現接近人類設計品的功能并產生一定的形式美感。

在“魯班”的發布會上，發布者承認這款AI設計系統針對的是以商業設計為主的“大量低質易耗”設計想要讓AI設計的價值達到核心層次形象世界層，就必須進一步細化設計框架原始文件的可變參數，再通過學習生成更細膩的規則。人類設計的價值達到形象世界層需要設計師本身的審美經驗與生活閱歷，而這包含近乎無窮的龐雜數據與規則，很多數據是模糊的很多規則是矛盾的，這就又會遇到二十世紀六十年代NLP語言學習的瓶頸導致同樣的失敗。終極意義層就更要求AI的規則不僅要跨越空間維度還要有一定的時間縱深，這在短時間內是無法完成的。

(四)AI設計給我們的啟示。AI雖有局限卻仍然對設計師構成威脅。現在的部分設計師不學藝術、不善思考、不懂生活；設計的步驟基本上是快餐式地了解設計目標，拘泥于功能，形式感，依葫蘆畫瓢完成設計任務。即便在這樣的快餐時代也很容易被AI取代。想要不被取代就要認識AI設計的優勢與局限性，使設計品達到AI所不能達到形象世界層和終極意義層。

定制設計。中庸有云：“上焉者雖善無徵，無徵不信，不信民弗從。”好的品德需要經過民眾的驗證才能有權威。再好的品質如果忽略了體驗也是無意義的，這要求我們在設計過程中要注重用戶體驗，用同理心去體會關注用戶的期待視野，要做用戶細分，對目標人群要多交流多了解，做到定制設計。

關注前沿的設計理念與藝術思潮。“下焉者雖善不尊，不尊不信，不信民弗從。”居于下位的人，品德雖好，但不尊貴，不尊貴就不權威。從生活中發現的想法，產生的設計思路，要有優秀的理念做支撐或比較成熟的思想做基礎。始終對藝術設計的終極意義層有一個認識，我們在做設計和設計研究的時候才不會迷惘。

最為重要的是創新。面對這個不斷變化的世界，我們唯一能做的就是不斷創新，也只有這件事是一定要人來做的，也是最難的。想要有源源不斷地創意，則需要相對豐富的知識儲備，系統思考，跨域思考。另外，我們擁有算法無法模擬的頓悟思維模式，所以要善于從生活中汲取靈感，每一個閃念的價值都是AI無法企及的，善加利用才能做出好的設計。