設計師的機器學習系列隨筆1-設計師為什麼要學機器學習

「AI+設計」專欄是阿里智能設計實驗室團隊成員合作撰寫,是一批演算法科學家、工程師、設計師分享AI在設計領域的研究和實踐的小欄目。n

這是專欄的開篇,分享魯班的產品設計師學習機器學習的筆記。n

了解魯班產品背景請戳 設計與AI的現在:設計了1.7 億個 banner的阿里魯班 - 知乎專欄n

為什麼設計師要學習機器學習?n

從我個人經歷講起,2014年開始做手機淘寶導購產品設計後跟一幫搞推薦演算法的人開始打交道,到2015年雙11把個性化推薦推向頂峰,長達兩年時間的合作從沒聽演算法聊過機器學習。直到2016年初公司某大牛發來一段「Artistic style transfer for videos」的演示視頻,並丟來一句「這個方向看看跟你們魯班有沒有機會結合」。

人工智慧對視頻進行藝術風格轉換 Artistic style transfer for videos

當時對此視頻效果驚為天人,原來演算法除了把商品和內容推薦精準,還能做出這種視覺效果(誰讓設計師都是視覺動物)。這是第一次了解機器學習然後產生濃厚興趣。n

不久後兩位負責智能設計的演算法同學加入魯班,一起做機器學習設計方向。第一次跟他們開會聊技術可行性和大致方向,講Alpahgo技術原理,冒來一堆名詞「蒙特卡洛樹搜索、CNN、RNN、RL...」,聽完一臉懵逼。會後趕緊上知乎一頓猛查,發現一片全新的世界。n

16年6月份俄羅斯App Prisma (Prisma)全球大熱,感嘆機器學習技術已經可以成為一門賺錢的生意,知道這個技術咋就沒想到做個這類App呢。

隨著智能設計進入實驗研發階段,一遍遍聽演算法講解演算法框架和技術原理,碰撞設計思維與機器學習如何串聯打通,如何搭建設計數據模型如果搞定數據,幾乎每個月都在調整細化方向。對機器學習慢慢從理解專業名詞,過度到理解基礎原理機制。這個階段開始亂啃機器學習專業書(一遇公式就懵圈),置頂一批每天必讀的AI專業公眾號(刷業界科普資訊),看大佬在各個場合講人工智慧(大佬講大白話容易懂)。n

對我個人而言,負責AI產品和設計工作,作為領域專家解決設計數據問題,不搞懂機器學習是沒法完成工作的。n

為什麼設計師要學習機器學習?(第二遍)n

設計師與AI將發生兩種關係,第一種是用AI來做設計,第二種是設計AI產品。無論哪種關係都有必要去搞懂AI。n

第一種面向自己工作「被AI化」的設計師,比如做banner廣告的設計師,魯班智能設計學會做banner後必然顛覆原有設計模式,產生新的設計生產流程,這類設計師能力模型需要根據AI模型進行重構。這類設計師我現在看到兩種主流心態,一種心態是瞧不起機器,認為機器現在做得太醜比我差遠了,讓我聯想起汽車發明後嘲笑它跑得還沒馬車快的人;另一種心態是害怕機器,被機器搶走的工作也不知道怎麼被搶走的。

低估機器或低估自己都是不可取,我們需要做的是了解它學習它用好它。n

AI替代部分設計重複勞動,也帶來新的設計工作機會,如何設計一個AI產品將是未來幾年設計行業熱點話題。第一批進入新領域的掘金者能吃到早期紅利,15年前Flash紅火的時候第一批做Flash的設計師何其搶手,10年前最早為用戶體驗設計搖旗吶喊的先行者現在在行業內身居高位。從現在開始,行業發展會讓一批懂AI又懂設計的人先富起來。n

為什麼設計師要學習機器學習?(重要問題問三遍)n

(圖片來自 谷歌雲首席科學家李飛飛:一堂人工智慧公開課)n

先丟幾個概念。

機器學習,通過演算法讓機器從大量歷史數據中學習規律,從而對新的樣本做智能識別或對未來做預測。

監督學習,有求知慾的學生從老師那裡獲取知識、信息、老師提供對錯提示、告知最終答案的學習過程。

無監督學習,是指在沒有老師的情況下,學生自學的過程。

深度學習,概念源於人工神經網路的研究。含多隱層的多層感知器就是一種深度學習結構。深度學習通過組合低層特徵形成更加抽象的高層表示屬性類別或特徵,以發現數據的分散式特徵表示。深度學習是機器學習研究中的一個新的領域,其動機在於建立、模擬人腦進行分析學習的神經網路,它模仿人腦的機制來解釋數據,例如圖像,聲音和文本。(引用自百度百科)n

機器在學習,設計師更應該學習。機器學習的概念和精髓,轉換概念套用在人類學習上竟然有幾分相似。

設計師想成為領域資深專家,得「深度」地去學習,構建一種學習模型充分挖掘設計的深度。n

AI對所有設計師都是新東西,敢於「無監督學習」,有自學成才的勇氣毅力。也要善於「監督學習」,找演算法專家、看課程找資料,不斷精進。n

嗯,最後一段純屬扯淡。n

感謝收看。


推薦閱讀:

非技術背景入門人工智慧,有哪些值得推薦的基礎學習資料?

TAG:人工智能 | 设计 | 机器学习 |