人工智能2.0驅動的可持續設計升維路徑研究

高云庭

人工智能2.0驅動的可持續設計升維路徑研究

高云庭

（東南大學 藝術學院，南京 211189）

闡述新一代人工智能驅動下的可持續設計升維路徑，為人工智能技術的合理設計應用提供一定的依據與支持。基于人工智能2.0應用技術和大量設計實踐案例調研，圍繞“人工智能+”技術思維，通過層次結構與比較分析，研究可持續理念下設計的內容、方法、流程、形式、效果等方面所展現出的增值效應和新的特征，探索可持續設計的升級模式與技術應用途徑。可持續設計的發展演變受新一代人工智能技術的影響，并存在識、思、像、構四個升維路徑。可持續設計與人工智能的融合是大勢所趨，從認知、思考、表達、行動四個向度賦予設計及其對象智能化功能與更多價值，新的工具和主體會深刻影響到環境、經濟、社會三個維度的設計價值創造。

可持續設計；人工智能2.0；技術應用；升維

人工智能（Artificial Intelligence，AI）是從計算機科學中分支出來的一項正在快速發展的重要技術，由此所形成的一系列變化正推動著人類社會步入人工智能時代。人工智能技術業已展現出顛覆各行業秩序的重構性力量，其對可持續設計（Sustainable Design）的強有力的影響，已是不爭的事實，正為設計端、服務端和運行端提供新的助力。在人口老齡化、城市化、虛擬化、新冠疫情常態化等復雜的發展背景下，可持續設計迫切需要找到新的增長點以夯實整體行動能力基礎。圖像處理、感知技術、成像技術、交互技術、模擬技術、語音處理、控制技術、數據處理、機器決策等智能技術，越來越成為可持續設計中用于設計創新、功能升級的理論方法和應用策略。作為一個代理主體的人工智能，能夠在獨立或半獨立的狀態下，模擬、替代設計師或與設計師合作，模擬、替代產品或與產品合作，在諸多方面有著系統性、結構化的廣闊應用前景。

1 可持續設計的智能化歷程

人工智能是指能夠模擬人類智能活動的智能機器、技術或系統[1]。可持續設計在20世紀60年代的萌芽階段，設計師們就已嘗試運用人工智能，巴克明斯特·富勒是早期的代表人物[2]，具體的應用研究可追溯到1970年的形態語法[3]。一代又一代的可持續設計師們一直在努力將計算和機器帶入設計。人工智能從1965年誕生到經歷兩次低谷之后，終于在2016年迎來了新的爆發期，在泛化大發展中走向了2.0階段[4]，國務院于2017年7月8日印發的《新一代人工智能發展規劃》明確了我國人工智能2.0的“五智”總體發展走向[5-6]。目前，許多國家已將人工智能2.0列為國家發展戰略，并在其技術保障、人才培養、法規建設、體制完善和發展環境等方面提供強力支持[7-10]。設計的可持續化進程方興未艾，人工智能的換代進化影響是必然的主流趨勢，見圖1。

人工智能2.0是基于信息新環境和發展新目標之重大變化的新一代人工智能，是人、計算機、互聯網三者融合的智能系統。它正在滲入可持續設計的絕大部分領域，并已成為深度影響可持續設計的大數據、物聯網等熱門技術的發展指向。可持續設計的各個方面都將不可避免地被人工智能賦能所改變，并已初步呈現出新的特征：（1）流程協同化，表現在多類設計者和多種機器算法的協同創造，多項智能技術和多款設計工具的協同作用，“人—機”動因互疊交織，在思考和行為關聯中共同推進設計；（2）技術復雜化，表現在自組織生成與自適應優化的信息集成、關聯建構和決策制定過程中，它變輔助為自主，變單一為多種，變組合為復合；（3）形態多元化，表現在形態的科技感、生態化和人文性的局部分離和深度融合，面向體量擴大和非幾何兩個演變方向，產品形態趨于標準化、自由化、簡潔化和自然化的多元特征。

2 智能時代的可持續設計

若可持續設計與所有要素的網絡化連接關系形成，設計的可持續化進程才剛剛開始[11]，那么可持續設計與人工智能2.0的泛化連接關系形成，可持續設計將發揮的重要作用才剛剛起步。會聽、會看、會說、會思考、會學習、會行動的人工智能[12]給可持續設計帶來的升維影響必將是史無前例的，智能化使技術從外部條件轉變為設計要素本身，促進設計的環保創新、價值創新、社會創新。一方面，可持續設計能夠利用的資源場域正在從物理空間擴展到信息空間[13]，另一方面，可持續設計對環境、社會和經濟三重系統的改造和協調作用能力也不斷地增強。可持續設計將具有在一個復雜的環境、社會、經濟和技術大系統中識別、定義、解決問題的能力，從而把環境置于保護對象和發展要素之間更優的平衡位置，釋放經濟價值在環境效益基底上的增長潛力，更好地覆蓋多方利益，更有效地應對各層次多方面的社會問題，見圖2。

圖1 可持續設計與人工智能的融合歷程

圖2 人工智能2.0影響下的可持續設計技術角色轉變

2.1 設計訴求特征

人工智能2.0基于對自然智能奧秘的理解[14]，所依據的高科技產業在低碳、環保方面具有明顯優勢[15]，是可持續理念的體現。新一代人工智能所擅長的多數領域恰恰是可持續設計者所不擅長的，許多算法模型已具有了理解世界結構和自主價值創造的能力[16]。可持續設計對人工智能這一發展新動能存在非常明確的需求。

2.1.1 設計創新的高技術需求

過往的可持續設計常困于創新不足或缺乏技術支撐的尷尬境地，人工智能2.0的技術運用能極大程度地扭轉這種局面，順應基于人本主義的三系統意義創新發展趨勢，為設計引領可持續創新帶來黃金機遇。首先，人工智能的高新技術特點可以從科學的角度為設計提供強大的綠色型技術支持。其次，眾多的新技術連接或整合產生了極為豐富的可能性，很容易觸發新的原始性可持續設計創新。最后，人工智能的多視角、去焦點化觀察特點往往能從系統、信息、計算、拼接、突變等方面形成顛覆式的新景象，拓展“生態—人文”的設計視野與思維，進而生發機器的自主創新和某種新啟示下的主觀設計創新。

2.1.2 多邊參與的深度性需求

多方的切實有效參與是設計踐行可持續的重要特征和方法。數字孿生、虛擬場景、實時交互等智能模擬技術可以按照人的意圖設想將預設方案做實時表現，基于數據驅動的可持續性能映射模型和智能建模軟件更是日漸模糊了設計師與參與者的界限，用戶、專家、生產者、管理者、利益相關者可以就性能、結構、樣式、色彩等方面深度參與“理想對象”的設計[17-19]。人與產品的交互在其生成之前就已開始構建多維度的可持續意義，確保了設計結果與目標受眾在日益復雜的環境中正向意義的有效匹配，進而促進了功能范式向更多重價值的體驗范式轉向[20]。

2.1.3 大規模異構數據處理需求

數據已是可持續設計中的重要資產和價值創造的核心動力源，大約80%的可持續設計數據為非結構性“雜”數據[21-22]。設計師、傳統技術與環境等學科知識技能的小樣本信息處理能力在體量龐大、種類多樣的數據處理需求面前顯然已力不從心，難以應對現代復雜“生態—經濟—文化”環境下的數字化生存問題[23]。人工智能與大數據是天生的一對搭檔[24]，對海量的功能、生態、文化、形態等各種數據，人工智能可以從中提取環境信息和對象知識，并做理性解釋和活性運用，這是可持續設計把數據價值真正切入設計價值與功能意義的關鍵前提。

2.1.4 多樣化精準功能定位需求

隨著可持續設計理念和方法的不斷發展與完善，所探索的問題已呈現出超越各種功能的系統化，強調系統功能的多樣性與個性化態勢。傳統的主觀性、模糊性與抽象性認知特征使設計者難以獲取對象的真實需求，準確量化的設計決策并非易事。多信道判識、智能傳感、大數據分析等技術能夠更全面確切地獲悉生態、環境、資源、系統、平臺、人等方面的信息，有助于在數量巨大的“長尾”上建立設計指向與真實訴求的精準匹配，從根本上解放需求端的功能使用者、系統服務對象或資源消費者，這是現階段可持續設計滿足使用、生態、文化等個性價值所迫切需要的技術支持。

2.1.5 設計運作效率迭代需求

隨著智能化觀念和技術的深度影響，可持續設計的運作模式、工作節奏、技術兼容度都不能適應新的時代環境要求，必須適時做出調整，實現順應變化趨勢的迭代設計。可持續設計的這一流程轉型有明顯的節約資源和環境保護意義內涵。人工智能設計本質上是基于數據、算力、算法的共同運作而完成的，相應提高或替代的是設計者的記憶、反應、分析能力。機器能接手大量煩瑣低效的“體力勞動式”的重復性工作，可有效縮短設計周期、大幅提升工作效率、節約人力物力財力，同時釋放設計師的創造力。這種新型人機適應關系是可持續設計效率提升最有效的推動力量。

2.2 升維設計的五種技術類型

根據人工智能2.0技術的數智、群智、合智、混智、自智特征，其在可持續設計中的應用相應概括為五類技術體系：大數據智能、互聯網群體智能、跨媒體智能、人機混合增強智能、自主智能[25]。它們是基于計算程序和萬聯網連接起人、物、計算機，對計算機視覺、語音處理、自然語言處理、規劃決策系統和大數據或統計分析等基礎技術[26]的組合化與整合化運用的新形態：（1）大數據智能（數據處理、數據庫、知識表示等）是大數據驅動和知識指導相結合進行特點分析與創造輸出的智能技術；（2）互聯網群體智能（開源信息系統、使用反饋平臺、資源調控平臺等）是基于互聯網絡進行信息集成與協同聯動的群體智能技術；（3）跨媒體智能（多類傳感整合、多信息轉化、全景模擬等）是擬合多信道智能技術形成信息與行為智能的智能技術；（4）人機混合增強智能（智能穿戴設備、人機協同系統、遠程操作參與等）是機器在預設條件下增強人的能力的混合型智能技術；（5）自主智能（性能映射模型、信息建模系統、自主決策等）是能夠自動完成設計任務或是執行可持續功能的機器或程序型智能技術。

與傳統人工智能技術相比，2.0階段的人工智能技術超出了人與機的關系范疇，它們是網絡化技術架構的全面覆蓋性智能技術。有關數據維度的智能技術適用范圍最為廣泛，多個智能體組合的群智技術存在傳統性傾向，多通道智能整合技術對其他智能技術的依賴性最高，自主智能技術雖已無人化但適用范圍比較窄，增強型協同智能技術需要人的參與度最高，見圖3。有人參與的窄適用域智能技術使可持續設計保留某種傳統化特征，無人化的廣適用域智能技術更容易使可持續設計變得自動化。這些特點各異的技術在環境、社會、經濟的三重意義系統中，能以非常復雜多樣的方式進行單獨或組合運用，使可持續設計更好地實現價值創造。

3 可持續設計面向人工智能2.0的四重發展向度

“延展智能”作為一種新的人工智能范式，改變的是理解信息的認知程度、關照世界的思維模式、意圖想象的表達形式、構造意義的行動方法，這必然引發新的可持續設計范式[27]。基于系統科學與復雜性思維，數據、計算和網絡的看似單向度的人工智能技術，增強的并不是某個單一價值觀，而是整個可持續設計的復雜生態，總體表現在“識”“思”“像”“構”四重向度。識，即感識，是認知向度的升維，提升的是信息獲取與數據處理的能力；思，即思考，是思維向度的升維，提升的是知識生產與分析決斷的能力；像，即擬象，是表達向度的升維，提升的是意義展現與信息傳遞的能力；構，即建構，是行動向度的升維，提升的是設計創造與意義價值生成的能力。

圖3 主要應用技術的分維屬性

新技術、新工具所衍生的新思維方式，以及一系列新理念、新方法、新要素，在全新關系中提升著設計的思維能力、組織能力及實現能力。從形而上的角度看，識與構存在虛（非物）與實（物）的互映關系，思與像存在質（內容）與形（形式）的互存關系，可持續設計對人工智能的融合就在這種虛實相映、形質相生的二元動態關系中得到自我與對象化的發展升級。識、思、像、構在兩個層面和兩個維度上創造出可持續設計升維的價值意義，識與構是作用在行為層面上，形成依托智能信息獲取的認知升維，依托主動計算機器的行動升維；思與像是作用在思想層面上，形成依托分析決斷模型的思維升維，依托信息轉化呈現技術的表達升維；識與思是屬性內化過程，形成依托于大數據識別技術的認知升維，依托數據處理技術的思維升維；像與構是意義外化過程，形成依托交互式實時模擬的表達升維，依托自主創造與執行技術的行動升維，見圖4。

各種人工智能技術驅動的可持續設計變革影響是多層次、多點位、多面向的，既用于垂直領域，也用于橫向面域。具體來說，識之向度的升維主要基于數據處理、數據庫、開源信息平臺、使用反饋平臺、智能穿戴設備、人機協同系統、多類傳感整合、多信息轉化、自主決策等技術；思之向度的升維主要基于數據處理、數據庫、知識表示、開源信息平臺、人機協同系統、遠程操作參與、自主決策等技術；像之向度的升維主要基于人機協同系統、遠程操作參與、多信息轉化、全景模擬、信息建模系統、自主決策等技術；構之向度的升維主要基于數據處理、數據庫、資源調控平臺、智能穿戴設備、人機協同系統、遠程操作參與、性能映射模型、自主決策等技術，見表1。識、思、像、構既是四個升維方向，也是一個交疊有序的循環發展過程。這種效應既影響到內涵表現，也改變著功能意義；既賦能于方案設計，也提升著產品功能。四種模式相互影響，交織著推動可持續設計往前演進。新一代人工智能技術應用在環境、社會、經濟三方面的許多可持續設計實踐中顯現出設計賦能與價值創造的升維效應。

圖4 四重升維路徑的基本性質及關系

4 識：海量數據信息架構的認知性拓展

識之向度的人工智能技術在可持續設計中的應用，既擴大客觀認知范圍，也深化主觀認知程度，呈現出針對性轉向全環境、圖文型轉向數據型、靜態獲取轉向動態獲取、物理感知轉向網絡傳感、正確性轉向精確性的升維傾向。各種技術（網絡爬蟲、云平臺、多點定位、數據計算等）和設備（傳感器、攝像頭、智能穿戴等）的組合或整合，能通過看、聽、嗅、觸、識等信息通道自主獲取長時間的、連續的、大量的、全樣本的各種屬性、行為和時空數據，幫助設計者和設計對象更多維、更深層地觀察、感知和了解人與環境，甚至能以可理解的互動方式將人的生理、行為、情緒等狀態和環境要素的變化集中快速地反映到機器中[28-29]，見表2。認知中的“數據、算法”模式正在顛覆“物理、經驗”模式，使可持續設計走向自然科學領域的特征。可持續設計中的認知性將向垂直化和異質性方向擴展，并轉向細分化多焦點復合、全域化多層級綜合。

在前期調研和信息收集階段，各種智能認知技術和設備大大縮短了觀察用戶、環境分析、案例攝取等工作的耗時，也減少了個人理解偏差，為價值定位和功能展開提供更完整的依據。大疆飛行眼鏡采用“攝像頭+穿戴式”遠程同步VR技術，VR眼鏡背后的頭旋轉傳感器可以控制云臺攝像機實現場景實時傳輸，同時眼鏡還與網絡知識庫連接，可隨時調取各種資料，便于識別所見之物并獲悉相關信息，見圖5（圖片來源根據設備影像繪制）。這個智能穿戴的人機協同設備整合多種傳感和開源信息等技術，讓設計者便于獲取更豐富的對象數據信息。

表1 四重升維路徑的具體內容

表2 識之升維向度的五類技術典型應用

多連接的產品感知技術可對環境與對象進行更全面的感知與監測，為功能輸出即時調整提供智能化支持。麻省理工學院城市科學研究組研發的城市智家多功能可變空間，見圖6（圖片來源THECOOLIST）配備有200多個第三代環境傳感器（TerMITes），分別置于部件和家具中，用于自主收集帶有時間和地點標記的溫濕度、運動、環境光線、CO2等數據。TerMITes通過低功耗Wi-Fi將數據自動上傳到中央數據庫。TerMITes擬合多類傳感技術獲取環境特征和用戶使用情況，為改造和迭代設計提供有效依據[31]。

5 思：智能技術理性映射的思維性重塑

思之向度的人工智能技術在可持續設計中的應用，既革新觀念思維結構，也重塑思維模式邏輯，呈現出邏輯式轉向程序式、單一主體轉向混合主體、經驗主導轉向質量結合、三系統維度轉向三空間維度、專業知識轉向知識整合的升維傾向。基于多元數據集、開源信息系統、人機協同技術等完成的知識圖譜及自主分析與決策，人工智能通過分析、合成、構思、調整和驗證五個計算步驟[32]，見表3。可以理清數據中的模式、趨勢、相關性等普遍現象與基本規律，接管大量經驗性和總結性的思考工作或功能，并且其結果更具系統性、可比性、科學性和可靠性。相關的計算機科學、系統科學和統計科學等多領域技術及觀念向設計思維的深度融合，在可持續理念框架下正在改變設計的底層邏輯，“可持續AI＋”思維語境將重新定義可持續設計的內容、范式、流程、工具和手段。

圖5 大疆飛行眼鏡應用場景

圖6 裝有TerMITes傳感器的城市智家空間及中央數據系統

新的算法模型或多算法耦合可以更有效地進行學習、分析、推理、決策、管理，對形態要素、能耗、生態影響、材料等做全流程、全生命周期的整體性考量。例如，基于網絡化和云平臺的多維數據處理和算法耦合技術，運用反向傳播神經網絡（BPNN）與多目標進化算法（MOEA）展開的多目標優化計算，能突破以往算法模型耗時長的瓶頸，通過各項神經網絡預測值與目標值相關性分析，有效權衡天然采光和熱舒適性能目標與設備能耗的關系，進而對節能設計進行優化與決策支持，見圖7（圖片來源根據文獻資料改繪）。

產品內置的智能程序組合能自主對從外界輸入的信息進行語義分析，判斷使用者意圖、新的需求點和環境要素變化，并做出能創造功能價值的決策反饋。I搭智能搭配系統運用機器學習和模式識別技術，根據用戶此刻的穿衣喜好或是著裝的場景需求，自動推薦全身服飾搭配，提高衣物的使用效率，見圖8（圖片來源啟尚科技），同時，還可將這個系統連接到慈善網絡平臺，讓系統智能搜索平臺上的公益需求并進行匹配，將不需要但尚可利用的衣物通過慈善網站精準地捐贈給有需要的人。

表3 思之升維向度的五類技術典型應用

圖7 耦合MOEA和BPNN的多性能自主分析

圖8 I搭智能搭配軟件及應用界面系統

6 像：多維模態事理轉化的表達性增強

像之向度的人工智能技術在可持續設計中的應用，既多維豐富表達方式，也全面提升表達能力，呈現出分段單層次轉向全生命周期、單向表達轉向實時交互、二維表現轉向多維結合、物質性轉向非物質、軟件界面轉向擬態模型的升維傾向。依托信息建模、數字孿生、語音合成、圖像生成、交互顯示界面等技術，可視化、清晰化、立體化的系統性數字信息和各路信號具有二維圖像表達、三維立體表達、四維動態表達、N維全息表達、N＋維實時反饋表達等信息呈現形式，見表4。一方面，它們能實現從自然與社會尺度到單個因素尺度、從生態性要素到人性化要素的全方位表達；另一方面，它們能以多種形式進行即時性、交互性的意圖、狀態和功能表達。多因素復合權衡與多表達方式耦合預測計算能精確呈現出信息內容，作為媒介的多模態信息載體將成為人、物與環境交互的重要環節，使主客體之間能快速達成目標價值實現的最優路徑。

設計中的智能化表達系統能準確細化地模擬形態、性能、結構、影響因素等，可以實現全周期、全要素、參數化、多情景與互動式[34]的設計表現，推動可持續設計生成評價一體化流程轉變趨勢。Desktop Metal公司的Live Parts軟件能根據用戶正在構建的對象結構限制和輸入的約束條件，見圖9（圖片來源根據公開資料繪制），使用基于生物靈感的人工智能模型，快速生成帶有性能結構信息的較少材料消耗的三維形態，并與3D打印系統連接，自主生成實物模型。Live Parts降低了技術門檻，也節約了生成轉化成本，能快速生成實用性較高的設計模型。

信息智能傳達系統能更好地提示產品功能、意圖、狀態和環境變化，提升產品的易用性和多層次使用體驗，加強智能產品之間的連接互動。例如，為漸凍癥患者設計輔助表達產品可以整合腦電捕捉和機器學習技術，將語音和成像技術作為新的用戶界面[35]，利用全息投影展現患者的面部表情和情緒，利用語音合成技術播放患者想表達的語言，并通過不同顏色的燈閃提示有腦電信號產生，或是情緒激動、需要陪護、設備故障等情況，見圖10（圖片來源根據文獻資料改繪）。這樣既節省了屏幕設備的材料消耗，又讓患者能夠像正常人一般有尊嚴地表達交流。

表4 像之升維向度的五類技術典型應用

圖10 漸凍癥患者輔助表達產品及信息模擬系統

7 構：二元主體價值創造的行動性提升

構之向度的人工智能技術在可持續設計中的應用，既二元細分行動主體，也賦能主體行動效力，呈現出低效率轉向高效率、操作性轉向自主性、單一主體轉向人機協同、技術支持轉向平臺支持、線性實現轉向交替生成的升維傾向，見表5。性能映射算法、智能調控平臺、自主行動機器、人機互助設備、智能穿戴設備等技術，使行動機器成為兼具主體性、工具性和客體性的存在，能完成自組織生成與自適應優化。三系統意義生成的主體性演替正在發生，“行動者”位置必然將存在人與“非人”的疊加、網絡與身份集合[36]。一方是自上而下的可持續理念導向，一方是自下而上的三系統數據導向；一種基于雙主體協同聯動的“生物機制”，在功能價值生成與實踐中已建立起“意圖—功能—價值”的全新連接，可持續設計中新的“創造基因”將充分激活人的智慧和機器智能，融合發揮共情、創意、責任和數據、邏輯、計算等工具優勢，提升設計與功能的品質和效率。

不斷迭新的算法模型能完成越來越多的重復性、可計算、體力型設計工作，以及初步設計[38]和方案評價[39]，算法機器與人的協同提升了設計效率，讓設計者回歸創造本質。例如，條件生成對抗網絡（CGAN）能很好地幫助設計者處理性能的“結構—形態”等二元要素設計問題[40-41]。CGAN算法對設計者收集的設計數據及成功案例進行學習分析訓練，能自動尋找出環境、社會、經濟三方面的重要特征及與形態的關聯，并可據此結合設計條件快速完成大量符合可持續性能要求的新方案設計，設計者可篩選較好的方案再進行深化細節的創作和完善，見圖11。

系統化智能產品的功能價值輸出主體已不限于靜態功能，自主機器或程序也是執行功能和意義生產的主體，功能變得更加多元，并可以自主實現。麻省理工學院媒體實驗室研發的城市無人智慧車（PEV）系統，見圖12（圖片來源MIT Media Lab）通過智能監控中心統一調控，高峰時段載人、空閑時段快遞包裹。運用大數據分析預測讓PEV提前到達高需求區域，平衡供給，避免擁堵。騎車人可通過手機APP召喚最近的PEV自動駛來[42]。PEV創造了一種安全、低碳、低成本、共享的能增加城市活力和人際交往的友好出行方式。

表5 構之升維向度的五類技術典型應用

圖11 設計者與CGAN算法機器協同的可持續設計流程

圖12 PEV多用途無人共享車及終端管控系統

8 結語

在新一代人工智能推動可持續設計的升維過程中，雖然以往的數據質量、倫理安全[43]、經驗時效等問題同樣存在，但并不影響人工智能技術順著識、思、像、構四條路徑逐漸發展為可持續設計的一種基礎技術，將設計的可持續內容擴展為人與自然、人與社會、人與自我、人與智能的關系范疇，賦予可持續設計豐富的理論和實踐能力。闡釋識、思、像、構四重升維路徑，有助于認清可持續設計變革所面臨的新環境、新形勢、新問題，促進人工智能2.0技術向可持續設計的良性融入。認知、思維、表達、行動四重向度的人工智能技術運用，應繼續秉承“變通”與“堅守”的辯證思路，發展出自然與人文、人性與智能的平衡，創造可適用、可解釋、可持續的智能化設計方案。

[1] 朱巍, 陳慧慧, 田思媛, 等. 人工智能: 從科學夢到新藍海——人工智能產業發展分析及對策[J]. 科技進步與對策, 2016, 33(21): 66-70.

ZHU Wei, CHEN Hui-hui, TIAN Si-yuan, et al. Artificial Intelligence: New Blue Ocean from a Scientific Dream: Analysis and Countermeasures of the Development Situation of AI Industry[J]. Science & Technology Progress and Policy, 2016, 33(21): 66-70.

[2] 范凌. 過去的未來: 富勒、亞歷山大和尼葛洛龐帝[EB/OL]. (2017-04-27)[2021-10-11]. https://zhuanlan. zhihu.com/p/26611850FAN Ling. The future of the past: Fuller, Alexander and Negroponte [EB/OL]. (2017-04- 27)[2021-10-11]. https://zhuanlan.zhihu.com/p/26611850.

[3] 蔡凌豪, 范凌, 賴文波, 等. 設計視角下人工智能的定義、應用及影響[J]. 景觀設計學, 2018, 6(2): 56-63.

CAI Ling-hao, fAN Ling, LAI Wen-bo, et al. Definition, Application and Influence of Artificial Intelligence on Design Industries[J]. Landscape Architecture Frontiers, 2018, 6(2): 56-63.

[4] 潘云鶴. 人類世界正由兩元空間變成三元空間[N]. 中國信息化周報, 2019-11-11(7).

PAN Yun-he. The Human World is Changing from Two- dimensional Space to Three-dimensional Space[N]. China Information Weekly, 2019-11-11(7).

[5] 中國國務院新聞辦公室. 《新一代人工智能發展規劃》政策解讀[EB/OL]. (2017-07-24)[2021-09-12]. http:// www.scio.gov.cn/34473/34515/Document/1559231/1559231. htm.

The State Council Information Office of the People’s Republic of China. Policy Interpretation of the new Generation Artificial Intelligence Development Plan [EB/OL]. (2017-07-24)[2021-09-12]. http://www.scio. gov.cn/34473/34515/Document/1559231/1559231.htm.

[6] 中國國務院新聞辦公室. 新一代人工智能具有五大特點[EB/OL]. (2017-07-21)[2021-10-15]. http://www.scio. gov.cn/32344/32345/35889/36946/zy36950/Docu-ment/ 1559026/1559026. htm.

The State Council Information Office of the People’s Republic of China. the Five Characteristics of the new Generation of Artificial Intelligence [EB/OL]. (2017- 07-21)[2021-10-15]. http://www.scio.gov.cn/32344/32345/ 35889/36946/zy36950/Document/1559026/1559026.htm.

[7] 郭宇. 人工智能與家居設計[J]. 包裝工程, 2017, 38(16): 12-15.

GUO Yu. Artificial Intelligence and Home Design[J]. Packaging Engineering, 2017, 38(16): 12-15.

[8] 武慧君, 邱燦紅. 人工智能2.0時代可持續發展城市的規劃應對[J]. 規劃師, 2018, 34(11): 34-39.

WU Hui-jun, QIU Can-hong. Planning Response of Sustainable Development City in AI v2. 0 Era[J]. Planners, 2018, 34(11): 34-39.

[9] 王文軍, 李琪, 劉丹. 論人工智能時代綠色發展的挑戰及應對[J]. 西安財經學院學報, 2020, 33(1): 30-36.

WANG Wen-jun, LI Qi, LIU Dan. Challenges and Countermeasures of Green Development in the Era of Artificial Intelligence[J]. Journal of Xi'an University of Finance and Economics, 2020, 33(1): 30-36.

[10] 姜鵬, 曹琳, 倪砼. 新一代人工智能推動城市規劃變革的趨勢展望[J]. 規劃師, 2018, 34(11): 5-12.

JIANG Peng, CAO Lin, NI Gang. The Prospect of AI-driven Urban Planning Reform in the New Era [J]. Planners, 2018, 34(11): 5-12.

[11] 曼紐爾·卡斯特. 網絡社會的崛起[M]. 北京: 社會科學文獻出版社, 2001.

MANUEL C. The Rise of thr Network Society [M]. Beijing: Social Science Academic Press, 2001.

[12] 譚鐵牛. 人工智能的歷史、現狀和未來[J]. 智慧中國, 2019(Z1): 87-91.

TAN Tie-niu. History, Current Situation and Future of Artificial Intelligence [J]. Wisdom China, 2019 (z1): 87- 91.

[13] 潘云鶴. 人類世界正由兩元空間變成三元空間[N]. 中國信息化周報, 2019-11-11(7).

PAN Yun-he. The Human World is Changing from Two-dimensional Space to Three-dimensional Space [N]. China Information Weekly, 2019-11-11(7).

[14] 鐘義信. 人工智能: 概念·方法·機遇[J]. 科學通報, 2017, 62(22): 2473-2479.

ZHONG Yi-xin. Artificial intelligence: Concept, Approach and Opportunity[J]. Chinese Science Bulletin, 2017, 62(22): 2473-2479.

[15] 王文軍, 李琪, 劉丹. 論人工智能時代綠色發展的挑戰及應對[J]. 西安財經學院學報, 2020, 33(01): 30-36.

WANG Wen-jun, LI Qi, LIU Dan. Challenges and Countermeasures of Green Development in the Era of Artificial Intelligence [J]. Journal of Xi'an University of Finance and Economics, 2020, 33(1): 30-36.

[16] 范凌. 從無限運算力到無限想象力: 設計人工智能概覽[M]. 上海: 同濟大學出版社, 2019.

FAN Ling. From Infinite Computing Power to Infinite Imagination: Designing Artificial Intelligence Overview[M]. Shanghai: Tongji University Press, 2019.

[17] HUANG X, BELONGIE S. Arbitrary Style Transfer in Real-Time with Adaptive Instance Normalization[C]. Venice: International Conference on Computer Vision, 2017.

[18] NISHIDA G, GARCIA D I, ALIAGA D G, et al. Interactive Sketching of Urban Procedural Models[J]. ACM Transactions on Graphics, 2016, 35(4): 1-11.

[19] CHANG H, FRIED O, LIU Y, et al. Palette-Based Photo Recoloring[J]. ACM Transactions on Graphics, 2015, 36(4): 139.1-139.11.

[20] 楊慶峰. 交互體驗的緣由、類型及其實質[C]. 上海: 人民出版社, 2015.

YANG Qing-feng. The Reason, Type and Essence of Interactive Experience the Reason, Type and Essence of Interactive Experience[C]. Beijing: People’s Publishing House, 2015.

[21] 2018設計與人工智能報告[EB/OL]. (2018-04-18) [2021-09-18]. https://www.tezign.com/designer/#/share/ case/vjg2xhpkc/26578?_k=3t0v4f.

2018 Design and Artificial Intelligence Report [EB/OL]. (2018-04-18)[2021-09-18]. https://www.tezign.com/de-signer/#/share/case/vjg2xhpkc/26578?_k=3t0v4f.

[22] 薛志榮. AI改變設計: 人工智能時代的設計師生存手冊[M]. 北京: 清華大學出版社, 2019.

XUE Zhi-rong. AI Changing Design: a Survival Manual for Designers in the Era of Artificial Intelligence[M]. Beijing: Tsinghua University Press, 2019.

[23] 銀宇堃, 陳洪, 趙海英. 人工智能在藝術設計中的應用[J]. 包裝工程, 2020, 41(6): 252-261.

YIN Yu-kun, CHEN Hong, ZHAO Hai-ying. The Application of Artificial Intelligence in Art Design[J]. Packaging Engineering, 2020, 41(6): 252-261.

[24] 張耀銘. 人工智能驅動的人文社會科學研究轉型[J]. 濟南大學學報(社會科學版), 2019, 29(04): 20-28.

ZHANG Yao-ming. Research Transformation of Humanities and Social Sciences driven by Artificial Intelligence[J]. Journal of University of Jinan (Social Science Edition), 2019, 29(4): 20-28.

[25] PAN Y. Heading toward Artificial Intelligence 2.0[J]. Engineering, 2016, 2(4): 409-413.

[26] 騰訊研究院, 中國信通院互聯網法律研究中心, 騰訊AI Lab, 等. 人工智能[M]. 北京: 中國人民大學出版社, 2017.

Tencent Research Institute, Internet Law Research Center of China Academy of Information Technology, Tencent AI Lab, et al. Artificial intelligence[M]. Beijing: China Renmin University Press, 2017.

[27] 范凌. 從無限運算力到無限想象力: 設計人工智能概覽[M]. 上海: 同濟大學出版社, 2019.

[28] 吳瓊. 人工智能時代的創新設計思維[J]. 裝飾, 2019(11): 18-21.

WU Qiong. Innovative Design Thinking in the Era of Artificial Intelligence[J]. Art & Design, 2019(11): 18-21.

[29] BAHREINI K, NADOLSKI R, WESTERA W, et al. Towards Multimodal Emotion Recognition in E-Learning Environments.[J]. Interactive Learning Environments, 2016, 24(3): 590-605.

[30] PATERSON G, HONG S M, MUMOVIC D, et al. Real-time Environmental Feedback at the Early Design Stages[C]. Netherlands: eCAADe and Faculty of Architecture, 2013.

[31] MIT MEDIA LAB. TerMITes[EB/OL]. (2018-08-05) [2021-05-10]. https://www.media.mit.edu/projects/ter-mites/overview/

[32] TapanVora. Design Thinking for AI: Sustainable AI Solution Design[EB/OL]. (2019-02-21)[2021-06-22]. https://www.cuelogic.com/blog/design-thinking-for-ai.

[33] 趙超. 人工智能: 認知邊界與協同創新——第五屆藝術與科學國際作品展[J]. 裝飾, 2019(11): 38-49.

ZHAO Chao. Artificial Intelligence: Cognitive Boundary and Collaborative Innovation: The 5th Art and Science International Exhibition[J]. Art & Design, 2019(11): 38-49.

[34] HUO K, VINAYAK, RAMANI K, et al. Window- Shaping: 3D Design Ideation by Creating on, Borrowing from, and Looking at the Physical World[C]. Boston: the Tenth International Conference ACM, 2017.

[35] Accenture Technology Vision 2017 [EB/OL]. (2017- 04-11)[2021-08-18]. https://www.urenio.org/2017/04/11/ accenture-technology-vision-2017/

[36] 陸丹丹. 后人類主義視域下人工智能時代的設計[J]. 美術觀察, 2017(10): 18-19.

LU Dan-dan. Design in the Era of Artificial Intelligence from the Perspective of Post Humanism[J]. Art Observation, 2017(10): 18-19.

[37] 徐懸, 劉鍵, 嚴揚, 楊建明. 智能化設計方法的發展及其理論動向[J]. 包裝工程, 2020, 41(4):10-19.

XU Xuan, LIU Jian, YAN Yang, YANG Jian-ming. Development and Theoretical Trend of Intelligent Design Methods[J]. Packaging Engineering, 2020, 41(6): 10-19.

[38] Elgammal A, Liu B, Elhoseiny M, et al. CAN: Creative Adversarial Networks, Generating “Art” by Learning About Styles and Deviating from Style Norms[C]. Chengdu: IEEE Xplore, 2017.

[39] 王亞輝, 余隋懷, 陳登凱, 等. 基于深度學習的人工智能設計決策模型[J]. 計算機集成制造系統, 2019, 25(10): 2467-2475.

WANG Ya-hui, YU Wei-huai, CHEN Deng-kai, et al. Design Decision Model Based on Deep Learning. Computer Integrated Manufacturing System, 2019, 25(10): 2467-2475.

[40] LIU Q. An Artificial Intelligence Based Data-driven Approach for Design Ideation[J]. Journal of Visual Communication and Image, 2019, 61(4): 10-22.

[41] BAHNG H, YOO S, CHO W, et al. Coloring with Words: Guiding Image Colorization Through Text-based Palette Generation[J]. European Conference on Computer Vision, 2018: 443-459.

[42] MIT MEDIA LAB. Persuasive Electric Vehicle (PEV) [EB/OL]. (2018-08-05)[2021-09-22]. https://www.media.mit.edu/projects/pev/overview/

[43] 許為. 四論以用戶為中心的設計: 以人為中心的人工智能[J]. 應用心理學, 2019, 25(4): 291-305.

XU Wei. User-Centered Design (Ⅳ): Human-Centered Artificial Intelligence[J]. Chinese Journal of Applied Psychology, 2019, 25(4): 291-305.

Dimension-Raising Path of Sustainable Design Driven by AI 2.0

GAO Yun-ting

(School of Art, Southeast University, Nanjing 211189)

This paper expounds on the dimension-increasing path of sustainable design driven by the new generation of artificial intelligence, and provides a certain basis and support for the rational design and application of artificial intelligence technology. Based on the application technology of artificial intelligence 2.0 and a large number of design practice cases, the value-added effect and new characteristics of design content, method, process, form, effect and other aspects of design under the concept of sustainable design are studied through hierarchical structure and comparative analysis, and the upgrading mode and technical application approach of sustainable design are explored.The development and evolution of sustainable design are affected by the new generation of artificial intelligence technology, and there are four ways to increase the dimension of sustainable design: recognition, thinking, image and construction.The continuous integration of sustainable design and artificial intelligence has become an obvious trend. The intelligent function and multi-meaning value of design and its objects will be given from the four dimensions that cognition, thinking, expression and action. The new tools and subjects will profoundly affect the design value creation of the environment, economy and society.

sustainable Design; artificial intelligence 2.0; technology application; upgrade

TB472

A

1001-3563(2022)02-0200-11

10.19554/j.cnki.1001-3563.2022.02.026

2021-10-24

廣東省重點培育建設學科“設計藝術學”項目（粵教研函2012.13號）；廣東省質量工程與教研教改項目（CXQX-ZI201802）；廣東省普通高校重點領域專項項目（2020ZDZX1017）

高云庭（1986—），男，湖北人，東南大學藝術學院博士生，主要從事可持續設計、藝術學理論研究。