其他

观点 | 人工智能的来临,身为设计师的你会被淘汰吗?

2017-07-03 薛志荣 AI科技大本营


作者 | 薛志荣

整理 | AI科技大本营(rgznai100)



我从12年开始接触移动互联网交互设计,到现在也有五个年头了,从当年靠自学的菜鸟到现在已经工作2年的交互设计师,我最大的感触是——14年末移动互联网的交互设计已经到达天花板了


这句话的意思不是说移动互联网的交互设计已经到尽头,而是交互设计的形式已经很稳定,只要那个设计师看过几个竞品掌握点知识,通过一定的拼装也能做出一个相对稳定的产品设计出来。


为什么敢说是14年末。因为15年后已经很少有新的交互设计书籍上市。为什么?因为iOS7出现了,Material Design也出现了。它们强调内容优先,信息架构、流程和视觉设计应该扁平化,以及他们已有完善的平台设计规范,所以做起设计来都变得更简单了,这是一件好事。


之前和一名和我一样喜欢折腾喜欢玩创客且比较资深的设计师聊了下,我们都发现并认同一个观点——交互设计师更像一个指导人类如何与计算机沟通的先驱


意思是在人类发明了计算机后不知道如何和计算机沟通,所以有了交互设计师这个职位而且让他们去踩雷,雷被踩完后,人和计算机沟通的道路不再危险时,交互设计师就没多大作用了。(这里的交互设计师指狭义中与计算机打交道的交互设计师)


所以,我们可以看到08-14年不断有不同交互形式的产品出现,因为大家都是抱着一种猜测和理解的方式去表达自己的交互设计观点,那时是因为不知道哪个设计是对的而不同(等于踩雷),后面通过数据和用户行为慢慢知道哪些设计更合理(开始收敛合理方案),再到后面被巨头垄断,巨头的设计规范逐渐成熟并影响其他设计(雷没了)。


随着扁平化理念的出现,每个人进入设计领域的门槛降低,有更多能力参差不齐的人因为看到UI或交互设计这些领域看似简单而且高工资而涌入这领域,导致了这领域迅速膨胀,从饱和到泡沫。


所以,无论是事或人,移动互联网设计已经很成熟,到现在已经很难探索出有突破性的创新。


讲人工智能之前讲一大堆与人工智能不太相关的话题是有原因的,即使没有人工智能的出现,往后设计师面临的问题也很多,这些是时代或者人为造成的,与人工智能无关;人工智能出现后,这些问题会加剧增加,导致更多的设计师面临被淘汰的问题。


首先说出我的观点:


  1. 由于现在大多数的设计靠拼素材和简单(完善)的设计规范就能完成,基本都是做重复性的操作,所以含金量较低。

  2. 同类产品的信息架构、流程和页面与竞品不会有太大差距,所以交互设计师做的事情大多是为了满足用户需求和设计不出错的流程,后者含金量也较低,它只是不同人在做同一件事情。

  3. 大部分的界面布局和结构相对简单,前端重构页面时基本都是用相同的代码重复去实现设计师的设计图,含金量也较低。


以上三点基本都是初级设计师(包括我)在做的事情。这些事情需要解决的问题是效率,只要效率高,重复性的事情能更快解决,这时候就不需要更多的设计师来做这些事情。人工智能就是解决重复性工作,提高效率的工具


为了让这篇文章更客观,写这篇文章前,我通过Udacity课程自学了机器学习方面的知识(我有较好的计算机基础)以及通过阅读不同的书籍去弥补自己在人工智能方面知识的不足,这样才能更好地综合计算机和设计两个维度来阐述人工智能对设计的影响。


首先要聊一下现在的人工智能是什么。


在计算机领域,人工智能是用来处理不确定性以及管理决策中的不确定性。意思是通过一些不确定的数据输入来进行一些具有不确定性的决策。


现在的人工智能从技术角度来说是深度学习,而深度学习是机器学习的一种方向,所以我们需要了解机器学习和深度学习是什么。机器学习简单点说就是通过一个数学模型将大量数据中有用的数据和关系挖掘出来,而深度学习指这个数学模型会不断的自我优化,从而发现更多优质数据以及联系。现在的AlphaGo也是通过十几万盘棋的训练判断出未来几十步的走向是否会赢,这也是深度学习带来的“奇迹”。


从实现上来讲,机器学习主要通过监督学习,非监督学习和增强学习这三个方法实现自我学习。监督学习与数学中的公式(函数)有关,非监督学习与现实中的描述(例如哪些动物有四条腿)有关,增强学习的大概意思是通过联想并对比未来几步所带来的好处而决定下一步是什么。


解释了这么久,机器学习和深度学习看起来只与数据产生关系,貌似和设计没有半毛钱关系。实际上是这样的:


1. 最近火了一把的鲁班设计是通过深度学习来量产Banner的。设计师将自身的经验知识总结出一些设计手法和风格,再将这些手法归纳出一套设计框架,让机器通过自我学习和调整框架,演绎出更多的设计风格,上亿的Banner通过素材进入该框架后批量拼装而成。


也就是说只要有一个合理且容错度高的设计框架来做支撑,后面的工作都是重复将素材进行拼接。拼装这是效率的问题,不是设计问题。这里的banner是量产物,不是优质有灵魂的作品


2. 交互设计师大部分的工作是了解需求,分析竞品以及与各角色的沟通,只有少部分时间用来画图,但最终的产物—线框图能更好地反映一个交互设计师的能力,流程是否逻辑严谨,是否能跑顺。严格上说,这也是重复性的工作。


首先,将流程拆解到最小颗粒度,每个细小流程基本存在(很有可能在某一款竞品中存在,所以我们需要不断体验不同竞品),我们只不过是重复地将每个细小流程再画一遍,然后将细小流程再组装成一个大的流程,再去看有没有问题。


假设后面有一款神器能将每个竞品功能和流程进行拆分和标注,神器通过自我测试的形式将流程跑一遍并记录下来,然后对比不同流程的效率和流畅度,再进行自我学习归纳出一个通用的流程框架


交互设计师了解需求后通过选择不同的流程框架进行拼装,就能把一款产品架构给组装好。明显的好处是减少流程设计时产生的漏洞,以及已知可行性降低了与各角色的沟通成本,这也极高提升了效率。(刚提到的神器我觉得很有可能被实现出来,只是前期需要有人进行大量的数据清洗和标注)


3. 自从有了扁平化设计和内容优先两个理念后,大部分产品的UI设计变得更简洁突出内容使现在的UI设计基本围绕着控件、字体、颜色、线条以及间距进行重复调整,当然还有最重要的icon设计。为了提高效率和每个页面的一致性,所以设计规范。


有了设计规范后,UI设计师的大部分工作是通过设计规范将交互线框图给表现出来,但这些重复性工作不能体现出UI设计师应有的价值,这也说明了现有的UI设计有大量的重复性工作


假设后面有一款神器,只要交互设计师将线框图的每个元素标注出来是什么,这款神器都能将该元素按照设计规范进行包装,说不定以后设计师只要调整一下设计规范里的参数就能把全部页面的相关元素调整完,效率极大提高。(这里不需要用到机器学习)


4. Zeplin这个插件将设计师从枯燥的体力活中解放出来,设计师不用再为切图标注烦恼。如果这个插件再扩展一下,可能连重构这种枯燥的体力活都能做完(除了性能优化)。前端工程师(腾讯里有专门的重构工程师,叫UI工程师)通过HTML和CSS将设计师给的设计图用代码和切图资源给实现出来。


由于现在的网页或者APP设计包括布局和控件都相对简单,所以基本上重构工程师的大部分工作也是重复的,除了需要针对个别案例进行性能优化。现有的布局基本为线性布局,绝对布局和相对布局,每个资源都有左右和上下层级的关系,也就是说元素之间的关系是确定的,理论上就可以通过模型来实现,无需人为重复地编写代码。


Zeplin已经解决了元素的标注和切图问题,只要把模型实现出来,应该能解决大部分重构问题,工程师只需要解决剩余部分即可


如果大家感兴趣,可以关注一下最近的pix2code,它通过深度学习将UI设计直接自动生成代码,连标注和切图都不用给。


以上四点说明随着人工智能(机器学习)的介入,设计师在重复的工作上,效率会不断提高。就像有了蒸汽机的出现,工人的效率低能立刻对比出来,再加上企业需要不断付工资给工人,所以当时有相当多的工人失业。后面也可能面临这一问题,只懂做简单而且经常做重复性工作的设计师很可能有一天被人工智能(机器学习)的效率打败。


但,设计师也不太需要杞人忧天,因为以上四点只能体现出设计师的重复性工作,不能体现出设计师的价值,设计师还是比较难被人工智能取代的,顶多是美工被取代。


前面讲的基本是机器学习,从现在开始,我会讲讲什么是人工智能。这里会引用李开复老师的《人工智能》一书的很多观点,这是一本好书,推荐大家去看看。


在人工智能一书中,李开复老师采访了众多科学家,并总结了现在科学家对人工智能的5个定义:


1. AI就是让人觉得不可思议的计算机程序


计算机基本上是在用搜索或优化搜索的方式来解决博弈问题,例如AlphaGo下围棋。这个更多站在大众的角度来看待人工智能,主观性太强,不利于科学讨论。


2. AI就是与人类思考方式相似的计算机程序,AI就是能遵照思维里的逻辑规律进行思考的计算机程序。


3. AI就是与人类行为相似的计算机程序。


这应该是普通人类所担忧的问题,计算机被赋予人工智能后是不是能像人一样思考和行动,其实非常难,后面会有特定的解释。


4.AI就是会学习的计算机程序。


“无学习,不AI”,这几乎成了人工智能研究在今天的核心指导思想。计算机通过不断优化自身的数学模型从而“学习掌握”更多知识。


5.AI就是根据对环境的感知,做出合理的行动,并获得最大收益的计算机程序

这是维基百科使用的综合定义,也是学术界的教科书式定义,全面均衡,偏重实证。


现在的人工智能属于弱人工智能,还达不到大众所遐想的人工智能。弱人工智能也称限制领域人工智能或应用型人工智能,指的是专注于且只能解决特定领域问题的人工智能,例如AlphaGo,它自身的数学模型只能解决围棋领域的问题,可以说它是一个非常狭小领域问题的专家系统,以及它很难扩展到稍微宽广一些的知识领域,例如如何通过一盘棋表达出自己的性格和灵魂。


李开复老师也很肯定直接给出了以下观点:今天我们看到的所有人工智能算法和应用都属于弱人工智能的范畴。


大众所遐想的人工智能被定义为强人工智能,它需要具备以下能力。


1)存在不确定因素时进行推理,使用策略,解决问题,制定决策的能力;

2)知识表示的能力,包括常识性知识的表示能力;

3)规划能力;

4)学习能力;

5)使用自然语言进行交流沟通的能力;

6)将上述能力整合起来实现既定目标的能力。


这些能力在常人看来都很简单,因为自己都具备,但计算机很难具备以上能力,这也是为什么人工智能很难达到常人思考的水平。李开复老师也很肯定直接给出了以下观点:从技术角度说,弱人工智能与强人工智能之间的鸿沟可能远比我们目前所能想象的要大得多。


《人工智能》一书中也举例了今天的AI在以下七个领域还很不成熟,这七个方面正是设计师所擅长的。


1. 跨领域推理

人类强大的跨领域联想、类比能力是跨领域推理的基础。这正是设计师所需要的技能,如何通过跨界联想进行设计创新,如何通过类比能力去推理出用户想要什么。


2. 抽象能力

抽象是想象力中最重要的部分,设计师最不缺想象力和创意。


3.“知其然,也知其所以然”

学习中最重要的能力之一。设计师通过多个实例找出实例的本质及其产生的原因,提炼出用户的需求,再通过具象提出设计方案。


4.常识

我们每个人都有一些几乎被所有人认可的,无须仔细思考就能直接使用的知识、经验或方法。当这些经验知识秒现在我们脑海时,这就是我们设计师最需要也是最难讲道理的——灵感。


5.审美

审美能力同样是人类独有的特征,很难用技术语言解释,更难被赋予机器。审美是一件非常个性化的事情,每个人心中都有自己一套关于美的标准,但审美又可以被语言文字描述和解释,人与人之间可以很容易地交换和分享审美体验。这种神奇的能力,计算机目前几乎完全不具备。


6 和 7. 自我意识与情感

情感是我们人类的感性基础,结合自我意识再升华即是灵魂。我们的设计需要考虑用户的感受,这也是常说的情感化设计。最好的艺术作品或者设计作品都是有灵魂的,当人类第一次看到或使用到它们时,会深深感受到内心的震撼。计算机目前只能通过数学建模用文字或者人的表情来推断出人类情感,但还做不到如何延续用户的开心或者安慰用户的伤心,更不用说如何与人类进行灵魂交流。


以上七点正是设计师最擅长的却是机器最不擅长的,所以我们完全不用担心会被人工智能取代。但是,人工智能能使移动互联网下的设计变得不太重要。


与手机屏幕交互属于非自然交互。当技术解决了难题,机器能理解自然语言时,界面设计从过渡的对话式交互再到语音交互,人与机器的交互变得更自然,大部分产品的形态会发生颠覆性的改变,这时候界面显示内容的需求会骤降,很可能从100-1-0不太需要界面设计了。语音交互已经逐渐开始吞噬界面交互了。


那我们能做什么?还是很多的。


1. 以交互设计师为例。交互设计师的大部分工作是为了探索、理解和具象用户需求,这一部分无论在哪个领域(即使无界面的领域)都不会有太大变化,所以人工智能不会对我们造成太大伤害。但是,交互设计师应该到新的领域如VR,AR进行开拓“踩雷”,这样会更有趣点


2.以视觉设计师为例。今年可以明显看到新的设计趋势—3D设计在逐渐起步,这比拟物化时代的设计更难,它更需要想法和技法。当人工智能把简单的活干好,那么视觉设计师可以做点人工智能还做不到的事情。


3. 领域。移动互联网只是一个领域,还有更多更新的领域需要开拓,例如传统行业的服务设计、虚拟现实、增强现实等等。当移动互联网已容纳不了太多设计师时,设计师可以有意识到其他领域继续发光发热。


4. 我们设计师利用人工智能除了提高效率还能做什么?这是一个我绞尽脑汁想了两个月都没想到的问题。我觉得它只是一个数学模型,它可以它只能从其他方面影响技术的进步,或者从根源挖掘出新的需求,而设计师处于技术和产品之间,虽然可以用更先进的技术实现更好的设计,但很难使用该工具探索出新的设计或者对设计思维产生影响,如果后面我突然灵感爆发,我会立刻告诉你们。




【好课推荐】TensorFlow实战进阶:手把手教你做图像识别应用》直播课即将来袭!课程重视实践,以百万级用户APP开发团队的经验为基础,包含大量实战中总结的经验和技巧,在大咖讲师开导下,实现短时间内做出自己的图像识别作品并上线提供演示和服务。识别图中二维码报名。


7月3日-7月5日 早鸟价299元,7月6日恢复原价,超低价不要错过。


就差你还没关注这个号了

▼▼▼


点击下方“阅读原文”查看更多内容

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存