你可能聽很多人說過設計很重要，但實際上你并不這么認為。如果我告訴你，長期來說，設計導向的企業投資回報比標準普爾指數500表現好219%，那么，設計在你心中是不是有了一些分量？如果我再說，你的設計師可以直接對企業核心KPI負責。相信很多人會這樣回復：開什么玩笑……

科技浪潮席卷全球，沒有任何一個行業能忽略人工智能、大數據，我們常常認為設計是個很主觀的東西，可能與人工智能、大數據無關，事實并非如此。特贊創始人、同濟特贊設計和人工智能實驗室主任范凌通過解讀《2018設計和人工智能報告》，為我們解答了上述疑問。以下是部分要點摘錄：

?啟蒙和糾纏是并存的，智能能做設計而不能做設計系統，設計作為“物”，設計也作為“事”。

?在設計行業往往不區分經典設計師和運算設計師，但這兩類設計的設計師完全不同。

?當我們有數據作為運算智能導向之后，我們不再需要唯一、千篇一律的解決方案，我們可以千人千面的甚至大規模個人化。

?經典的設計中好的設計是難以被衡量的，而運算智能的設計師可以直接對企業核心KPI負責。

?設計作為一個行業，我們多數時間討論的是設計的智能化，但沒有討論設計離智能化還有多遠。

?除了商業價值，我們需要思考更多的社會價值。

2017年的報告內容主要是講人機共同的進化，2018年以設計智能×運算智能為主題。2017年我們很關注一個觀念——人和機器的關系：不是互相取代，而是能不能共同衍生，共同發展。人的智慧越多，機器的智慧也越來越多，反之亦然。所以我們就提出了“腦機比”這個概念，得到了很多朋友的共鳴。我也非常高興，所以今年我們講這個觀點的另外一面。

今年報告的組成方式和去年的不太一樣。去年我們更多的是“閉門造車”式地做了很多研究，有采訪、史料研究、文獻研究。但是今年大家可以看到，我們有一個非常大的“外腦”，這個外腦能夠給我們的報告提供更多元的角度，這些角度也能夠讓我們的報告匯聚更多不同的問題和材料，從而自然涌現出許多觀點。

今年要講三個主題，這三個主題都比較抽象。第一個是多元價值的系統，第二個是非結構的數據。第三個是有EQ的運算智能。這三個觀點貫穿了整個報告。

今年的報告分四個部分，第一個部分講宏觀的問題；第二個部分講設計和運算智能的關系，一些研究和一些爭論；第三個部分是重新界定“腦機比”的概念；第四點講講可能性，講講行業中人工智能給設計教育和設計思維等帶來什么。

我先給大家講一個現象，這個現象是去年我們在做設計和人工智能報告的時候，包括跟樂乘在探討魯班系統的時候，我們還很糾結人工智能能不能去創造一些東西。但是在過去這一年里，我們不再糾結。就在去年下半年，出了一系列這方面的觀點和書籍，認為人的思維可以被算法化。在這種場景下，我們可以用啟蒙或者說機器的啟蒙來形容這種可以被拆分和運算的人類感知。

但是就在今年上半年，出現了另一種聲音，包括像是Facebook的數據事件，也包括我自己今年參加的世界經濟論壇，接觸了大量關于數據隱私、數據監管和數據道德等一系列的討論，開始有另一種視角，這個視角可以被概括為一種學術式的反思的視角。

這里舉例兩個學者的觀點。第一個是Neri Oxman——其實她最重要的一個角色是布拉德?皮特的女朋友。在兩三年前，MIT媒體實驗室就開始討論一個問題——復雜系統。Joichi Ito寫了一個宣言，叫抵抗簡化宣言。

什么叫簡化？舉個例子，當你在說一件事的時候，說了一大堆關于這件事的詳細描述，聽的人突然說，這不就是什么什么嗎。有時候我們非常害怕這種簡化。所以在Joichi的宣言里，他不停地在講簡化所帶來的問題，有如下幾個觀點:

? 是不是總有一天，所有的問題都能被機器解決。還是說，我們不停地生活在前人解決問題過程中創造的新問題中。比如說我們現在解決空氣問題，前人解決經濟發展問題。

? 我們是不是只存在單向地成長，還是不停地在面對循環的狀態？

? 設計師、創意人這種做創造性工作的人，是不是只涉及物質的對象，還是說應該考慮系統？

? 既然在系統里，我們就只能是系統的參與者，而不能是系統的支配者。

? 我們要從控制變為更謙卑的狀態。

有大量的研究標明，如果我們創造一個物，這個物大部分是糾結和糾纏的，有因有果。在這樣的環境下面，我們去思考設計和數據的背景和相關性，是糾纏還是啟蒙，或是兩種狀態的并存。

回到設計里面，柳冠中教授去年講了一個觀點，他說“我們應該從設計‘物’，到設計‘事’。”不是從一個banner到兩個banner到最終去產生更多的banner這個“大”的數據的過程，這是“物”的角度。而另一個角度是“事”的角度，我們做一件事的時候，我們知道這件事的“因”，后面有很多其他的“因”，所以我們是在更大的多樣的系統里面。

世界經濟論壇在今年年初發布的《顛覆性的創新》，我也有幸作為參與者之一，里面就總結了一個數據——89%的設計創意數據為非結構性數據。也就是說，我們這里所看到的多樣性，“雜”的數據，這些非結構性的數據，我們目前是缺乏方法去處理和衡量的。

在第一個部分我希望告訴大家，啟蒙和糾纏是并存的，智能能做設計而不能做設計系統，設計作為“物”，設計也作為“事”。

相信很多人都讀過一篇報告《科技中的設計》，報告的作者John Maeda講過：“在設計行業往往不區分經典設計師和運算設計師，但這兩類設計的設計師完全不同。”所以我想在這里講講經典設計和運算智能設計的差異。

其實前幾個維度大家都非常好理解，我在這里來講最后兩個維度：結果的呈現和ROI/KPI。

結果呈現的意思是，當我們有數據作為運算智能導向之后，我們不再需要唯一、千篇一律的解決方案，我們可以千人千面的甚至大規模個人化。而講到KPI， 經典的設計中好的設計是難以被衡量的，而運算智能的設計師可以直接對企業核心KPI負責。

針對這兩個觀點進行展開。先展開大規模個人化。想想我們當前的經濟狀態，也許可以被概括為關注度經濟。所謂關注度經濟實際上是指我們在把關注度變現。比如，推薦已經能夠做到個人化，現在我們就開始更加關注是否能創造越來越多的個性化內容。有些企業就開始做一些變化，比如淘寶會用108個結果去抓住人，而不是通過一個結果；聯合利華會把“有規模的個性化需求滿足”作為未來企業三年的核心戰略。

第二個是ROI/KPI的問題，其實過去我們在企業的決策層很難看到有設計師這樣的一個角色存在，這一點是很悲哀的。我們在想為什么企業商業決策層沒有設計師的介入。其實變相的原因是設計的價值在過去沒法被很清晰地量化，那么我們從長期短期兩個角度看。

長期來說，設計導向的企業他們的投資回報比標準普爾指數500表現好219%。我們也采訪了大量的CEO或企業管理層，在什么情況下愿意大量地投入設計？這些場景包括銷售轉化率的提升，企業形象的提升，產品競爭力的提升。在這個時候我們發現設計是沒有辦法對企業核心KPI 負責的，直到運算設計出現的那一刻開始有改變。

去年的時候，讓我們最激動的不是人工智能能夠做出1.7億張banner，4億張banner，而是它能夠使得設計對企業最關鍵的KPI負責，帶來直接的影響。但這不是全部，設計究竟能否作為社會經濟的一部分？這是個問題。

研究中發現，58%的設計工作時間在非直接設計上，也就是說只有42%的時間真正用于設計。一個很簡單的平面設計工作，竟然有21次不同工種/不同設計工作之間的切換，切換的效率極低。在這個過程中，大量數據丟失。

上面是我們用到的設計工具，而在資料和調研中用到的工具，每個過程中用到的工具產生了大量數據，其中很多都是沒有被分析和處理過的，包括客戶數據、行業數據等等。

所以到底什么是在線？王堅博士說，在線有三個原則：

?每一個比特都在互聯網上

?每個比特都可以在互聯網上流動

?比特代表的每個對象在互聯網上都可計算

以Photoshop為例，這個軟件非常方便，在其自身演變的過程中將工具變為數字工具，將數字工具變為智能工具，這個軟件直到發展了30年之后，才開始有了智能、數字的東西。Photoshop CS才開始變智能。再過了幾年才開始實現云存儲。

所以設計作為一個行業，我們多數時間討論的是設計的智能化，但沒有討論設計離智能化還有多遠。 這是我在第二部分希望強調的問題——到底我們有多少被浪費的數據，有多少非結構數據，我們只關注的是設計本身不斷地升級，而沒有關注整個系統。

去年是基于大數據生成“物”的，魯班就是這樣的一個系統。這是設計和人工智能的“A面”，今年就講講設計和人工智能的“B面”，基于雜數據和亂數據的進一步研究。這也是我在設計人工智能實驗室正在做的事，如何把商業和設計的數據變為運算數據，這兩者有著相同的邏輯和動向。所以我更關注增強和自動化。比如說，智能理解客戶需求建構客戶模型，自動化中定量設計分析研究等等問題。

熟悉17年報告的朋友知道這個概念，我們想強調，人腦和機器不是取代關系，我們認為，也許人腦越大，機器越大。

今年的報告，我們加入了“使用人工智能主觀意愿”的維度，通過調查不同行業的設計從業者，我們發現，75%以上的受訪者愿意或非常愿意接受人工智能，其中互聯網和平面設計的意愿度最高，空間和產品的意愿度差異較大。

另一端想講一個數字，當自動化或者人工智能出現在設計創意這個領域中時，到底對行業從業者發生了什么變化？早上的演講中我們知道了會有一百多萬的生態，但2030年，這個數字將會更大。我們看到更大的機會，這個機會接入數據和智能設計的未來會帶來更多的需求。

接下來我想講四個行業，我有幸請到這些行業的專家來提供觀點。

第一個，平面設計行業。平面設計我們邀請的是魯班系統的負責人，樂乘。他講的最有意思的一個觀點是：過去風格的確認的人是設計師本人，而從工業革命開始，機器從某種程度上確定了某種風格。那么下一個階段，到底能不能教人工智能的機器，數據的機器某種設計，從而讓它產生自己的風格，這是一個非常有意義的討論。

第二個，智能產品。我請到了Rokid的首席設計師姜公略。他的關注點主要在軟硬件的升級上，比如云交互、AR能力的提升等等。但是這個問題帶來了很多其他問題，人工智能帶來了很多新的數據對象，現在很多時候當你在做設計智能這件事的時候，你是在設計聲音。試想哪一個品牌是以聲音被人記住的？這里就涉及到，語音交互是否能改變你對品牌的認知。當你用Rokid、天貓精靈等這樣的產品，你是不是會說請給我買一個麥當勞的漢堡，還是說請給我買一個漢堡。另一側在講，隨著我們對智能系統建議的習慣和依賴，這里面需要警惕，我們是不是會習慣把我們的決策權交給機器。比如，今天穿什么？

第三個，UI/UX，請了Futureform的創始人劉夢溪。我們應該有一個人工智能UI的Photoshop，我們已經發現設計開始影響到底層的數據算法，比如說過去以機器為中心的機器學習，現在在講以人為中心的機器學習。

最后一個角度，是我今年花了很多時間在思考的，城市和空間。前面三個點可能是以商業為導向，最后一個點和我們每個人都息息相關。最后這一點目前還是很傳統的設計規劃院在做，這里面浪費了很大的機會。

這里引用王堅博士的一個觀點，他說城市是全世界最大的硬件，但是我們的軟件還停留在19世紀。如果我們認為電、水、油是塑造城市的自然資源，那為什么我們不認為數據也是城市的自然資源？既然水管、交通道路是城市的基礎設施，那為什么云計算不是城市的基礎設施？這里很值得我們思考，也回應了之前的講者提到的觀點——除了商業價值，我們需要思考更多的社會價值，而這些價值是需要被討論的。

關于人工智能的教與學。教，這里就不贅述了，但是今年我們第一次開始理解“學”的問題，我們做了大量的調查，分為短期技能和長期技能。

在過去的幾年里，很多設計類院校也紛紛開始了這個領域的相關課程，我們用四個象限來標注一下學校的著力點。橫向是工程和人文，縱向是物體和系統。大量的學校其實還是偏在人文端的，但是系統和物體的關注基本還是平衡的。

最后，我想回應一個去年的觀點。去年的觀點說，人工智能和社會設計帶來的機會是重新連接社會和人的關系，其實看到螞蟻在做和社會價值有關的東西，也回應了社會設計正向價值觀影響更多人。我希望大家能夠在這個領域做更多探索和嘗試。

這里最后講兩個觀點。上面是自上而下的視角，講了監管和責任透明。我們要有能力把算法進行透明化，過去做的遠遠不夠。下面一個是社會創新的起點，觀點來自山寨城市的創始人林達。他說我們往往關注的是數據的計算方式，模型定義，使用體驗，但忽視了基層數據來源的解決方案。比如我天天在支付寶刷螞蟻信用，但如果我根本沒有能力用支付寶呢？所以這樣的情況下數據會帶來偏見，我們會發現，其實是有大量的人在數據不豐富的環境中的。而這恰恰是我們要更加關注的問題。

最后，EQ和人工智能設計。最后這部分提出了一系列開放的問題。今年我們也會和世界經濟論壇進行一系列的合作，做更多人工智能和創意人文方面的研究。探討道德、創造力等人文的東西能夠給科技帶來什么樣的影響。