人工智慧會取代設計師嗎？ （下）
作者
Yury Vetrov
Yury在俄羅斯最大的互聯網公司之一 http://Mail.Ru 領導一個由UX和視覺設計師組成的團隊，致力於溝通，內容中心網路，移動產品以及跨門戶用戶體驗。
「引言」
「演算法驅動設計」是近幾年來我一直在遵循理念，為此我也收集了不少實踐案例。數字工具的使用可以幫助我們構建UI，準備素材和內容，還能個性化用戶體驗。但在前幾年，這方面的信息還是比較匱乏的，也不系統化。
但到了2016年，相關的技術已經達到了一定的水平，設計領域也開始關注到了計算機演算法、神經網路和人工智慧（AI）。所以，是時候該重新思考設計師現代角色了。
JON GOLD的實驗
曾就職於The Grid的Jon Gold開發的實驗工具Rene就是一個典型的例子。Gold 教授計算機做出有意義的印刷決策。他認為這個體系與教授人類設計師相差無幾，所以他把這個學習過程分成幾個步驟：
分析字形以了解字體的相似性
制定組合字體的基本規則
確定類型字體組合中的最佳示例以了解趨勢
創建能像設計師一樣工作的演算法
他的想法與Roelof和Samim所說的類似：工具應該是設計師的創造性合作夥伴，而不是愚笨的執行者。
Jon Gold的創作設計：合理的組合
他還談到在命令式和宣告式編程兩者中，現代設計工具應該選擇後者， 專註於我們想要計算的東西，而不是如何計算。Jon使用生動的公式來展示它如何適用於設計，並做了一些低級別的演示。你可以親自試試這個工具。儘管這只是個非常早期的概念，但足以給予你啟發。
René_騰訊視頻
Rene
Jon將種方法笑稱為「暴力設計」和「乘性設計」，他強調了專業人士控制的重要性。值得注意的是，他在今年的早些時候就離開了Grid團隊。
工具已經存在？
可惜的是，目前還沒有能像Autodesk Dreamcatcher一樣能分析和綜合網頁和移動端產品設計的工具。但Grid和Wix也不失為保質且簡單的解決方案。除此之外，【Adobe】也在不斷地在產品中添加一些智能功能：Photoshop的最新版本具有內容感知功能，當你使用裁剪工具旋轉圖像或將畫布展開到超出圖像的原始大小時，軟體會智能填補空白。
https://v.qq.com/x/page/n1328nutsu8.html?start=58Photoshop的智能填補功能
在Adobe與多倫多大學合作的另一個實驗項目里。DesignScape 能自動改進設計布局並提出一個全新的組合。
DesignScape_騰訊視頻DesignScape智能改進設計布局和建議演示
Adobe公司還在 2016年的MAX大會上發布了一個名為Sensei的智能平台，憑藉Adobe在人工智慧和機器學習領域的專業性，Sensei將為Adobe未來為消費者和企業打造有演算法驅動設計功能產品打下基礎。在公告中Adobe還提到了語義圖像分割（顯示圖像中的每個區域，按類型標記，例如建築物或天空），字體識別（即從創意資產中識別字體並推薦相似的字體，甚至是從筆跡識別），以及智能的受眾細分。
但正如創造「人工智慧」一詞的已故計算機科學家約翰·麥卡錫（John McCarthy）所說：「只要它開始被運用，就再也沒有人會把它稱為AI」。曾經是尖端的AI現在被認為是電腦的常規行為。這兒列舉了兩個工具可以為數字產品設計師日常所用：
StyLit
將草圖創建為3D模型。Autocomplete handdrawn animations
微軟的實驗工具，能自動製作插圖和動畫上面的這些只是冰山一角。現在，更多的是各個公司為自己的業務構建定製的解決方案。最好的方法之一是將這些演算法集成到公司的設計系統中。目標是相似的：自動化支持產品線的大量業務; 實現和維持統一的設計; 簡化中間流程; 使支持現有的產品的工作變的更加輕鬆。
這些已經起步的現代設計系統看似先鋒，但實際上，這只是運算驅動設計的第一步（將設計集成到開發人員使用的代碼中）。開發人員仍然需要手動創建頁面。下一步是使用預定義規則實現半自動頁面創建和測試。
Yury Vetrov的「平台思維」
優點和缺點
關於公司是否應該採用這種運算驅動設計的理念這裡列舉了優缺點
優點
從近期來看，這種方法的價值是明顯的：
可以省去準備素材和內容此類的機械工作
由計算機組合變數，設計師來過濾結果，找到最佳變數，這樣能擴大創造性探索的可能性
能為錨定的細分受眾群甚至特定用戶優化用戶界面
能快速地將原始設計運用於各種平台和設備
能自動測試，理想情況下的用戶界面或特定模式的不同部分
總而言之，就是能讓設計師從開發支持和創作的套路流程中解放出來，但是核心決策仍然是由他們來完成的。顯而易見的好處是能幫助我們更好地理解我們的工作，因為我們需要分析它，並試圖將其中的一部分自動化。這不僅能大大提高工作的效率，也能使我們能夠更好地向非設計者解釋我們工作的本質，從而培養公司內部的整體設計文化。
缺點
但是，以上的這些優點並不是那麼容易實現，而且存在局限性：
我們只需要就本公司的業務討論和定製解決方案。但這項工作卻需要不斷投資開發，支持和加強。
正如The Grid的CMS所顯示的那樣，一個工具本身並不能創造奇蹟，沒有掌舵的設計師，其結果通常是平庸的；另一方面，大多數專業工具也是如此
打破現有的風格和解決方案會變得更加困難。因為演算法驅動的設計是就是基於現有的模式和規則生成的
如果生成的設計工具可以通過Dribbble挖掘，抄襲另一個設計師的設計會變得更容易
還有一個道德問題：由演算法產生的設計是否有價值和獨特？誰是設計的作者？生成結果不會受到局部最大值的限制嗎？奧利弗·羅德（Oliver Roeder）說，「電腦藝術」不是來挑釁「繪畫藝術」或「鋼琴藝術」的。演算法軟體畢竟是用人類所寫的理論，用人類構建的計算機，使用人類編寫的規範，使用人類收集的材料，在人類組成的公司，使用人類建造的工具...而電腦藝術是人的藝術 ， 一個子集，而不是一個異端。既然革命已經發生了，那我們為什麼不領導呢？
結論
這個關於未來的故事看上去很美好，但我們應該記住演算法的局限性 ，即使規則現在正在機器學習中增壓，它們也是建立在人類定義的規則上的。設計師的力量在於他們可以制定和打破規則。 所以，在一年之後，我們可能會將「美麗」定義為完全不同的東西。我們的行業既有高技能的設計師也有低技能的設計師，而且演算法很容易取代後者。但是，那些能夠在必要時遵循和打破規則的人將會找到神奇的新工具和可能性。
而且，數字產品越來越複雜：我們需要支持更多的平台，調整更多用戶細分的使用場景，並進行更多的假設。正如Frog設計公司的Harry West所說，以人為中心的設計已經從對象設計（工業設計）擴展到經驗設計（包括交互設計，視覺設計和空間設計）。下一步將是系統行為的設計：確定自動或智能系統行為的演算法設計。我嗎應該將日常任務卸到計算機上，而不是僱傭更多的設計師。我們應該讓計算機來搞定字體。
——
演算法藝術實驗室
探索數學與編程在設計與藝術中一切之可能
用運算和美學讓你變更酷
——
推薦閱讀：