人工智能设计：对设计的理解——从范式到内容
设计发展至今，无论是工业设计、平面设计、交互设计、建筑设计或服装设计等等领域，都面临着新兴技术发展与设计对象、方法以及背后思维的碰撞。尤其是人工智能领域的技术发展，例如深度学习、GAN网络的计算机图像生成、图像替换、特征迁移、自动排版等等。还有NLP自然语言处理、知识图谱在人机交互、需求沟通、逻辑分析、知识沉淀等方面的应用。
这个过程当中，我们往往简单地认为只是设计领域多了一些可使用的“工具”而已，就好像拧螺丝以前用手动螺丝刀，现在可以用电动。这么想就太过简单了，
马车时代，假如我们期望出行更快速、更安全、更特色，那么我们要做的是培育优质马，训练成熟的驭手，特殊的雕刻风格。到汽车时代，当面临同样的命题时，我们要做的是计算燃油热能到活塞行程及机械动力传导的数值，建立驾驶安全辅助及道路管理系统，探索全新的钣金冲压和表面处理工艺。方式发生变化的背后，真正的问题是，在一套完全不同的技术体系下，我们究竟该如何认识什么是“人的出行”。
当然，无论是什么样的设计方式都具有各自的价值，只是在当今人的生存结构快速变化的状况下，设计面对的命题在发生变化，我们需要新的探索。
文章内容将从以下几个方面展开：
Sec_01 什么是设计：一般经验上怎么定义设计，设计在商业环境中探讨什么问题
Sec_02 如何开展设计：常规设计方法论与智能设计的关系
Sec_03 设计的本体论探讨：进入人工智能设计的前提是什么，什么是设计的内容、美、理念、意象、风格、手法
Sec_04 如何开展智能设计：智能设计运行的主要模块和逻辑
Sec_05 设计讨论：共同可以探讨的问题
关键词：设计，人工智能，范式，思维，方法，技术，算法，设计本体，设计定义，美，风格，定位，商业
Sec_01 什么是设计
在将设计人工智能化之前，我们得先了解一下设计究竟是什么，在干什么。
在一般经验中，工业设计就是做产品，交互设计做页面，平面设计做海报，这是结果而不是设计本身，设计真正处理的问题是为什么要做一张海报，做一张什么样的海报，及如何做这张海报。所以设计关注的，不仅仅是物，还包含塑造物的原因和方式，我们来看看设计的定义。
在不同的领域中，根据处理的实际目标、环境、对象不同，设计具有很多不同的定义，全球各大机构也会按照现实状况，不定期组织会议更新设计定义，常见的如下：
抛开这些具体的定义，宏观地说，人类社会触达的一切都或多或少被人的行为“设计”，我们暂时简单地将设计抽象化为：
“人的生存实践过程中，参与认识世界与改造世界的范式之一”。
那么，我们就在“抽象的设计”中获得了两个部分：
1_认识 就是对“设计的对象”的理解
2_改造 就是对具体的“对象”的执行与操作
关于计算机是如何进行智能设计的执行操作的问题，我们会在后续的文章中跟大家交流，这里先来看下“认识”。
任何一个设计都有其产生的背景、原因、目的或意义。例如企业要通过包装体现商品的特点，组织要通过logo表达文化理念，部门要通过海报传达营销口号。或者更具体的目的，例如替换产品握把的材质让握持更稳固，或者单纯给耳环涂一个颜色让其更有个性。
这些都是在开始设计之前需要理解的部分，我们通常称之为对设计“需求”的理解，需求可能来自于他人的现实需要，也可能来自于自己的主观想法，对所有需求内容的理解，最终得出指导设计的“策略”。
从需求发生到策略确定的过程，取决于我们对于事物两方面的认识：
1_对事物 本身的属性特质的认识
2_对事物 所处的周遭环境的认识
以生活中的产品举例，一个酒瓶其自身的特质就是材料、形态、颜色、工艺、结构、部件等等，对于这些维度的分析认识，我们称之为“设计研究”，探讨的是对象本身的形式特征，每年都会有大量的设计刊物发表此类风格特征的研究。
而酒瓶并不是凭空产生的，之所以创造如此这般一个酒瓶，是因为某个组织或个人，希望通过这些具体的形式特征表达某种感受，或解决生产、使用、销售、管理上的问题，亦或者创造某种价值、体验、情感。对于这些酒瓶背后内容的理解，我们称为“商业研究”，探讨的是对象所处的生存结构本身。
任何的设计都会跟这两个方面打交道，我们把“商业研究”和“设计研究”所分析的内容合起来称为设计策略，其中包含六个需要研究的部分（基于IDEO的【人-技术-商业】设计三元扩展而来）：
1_用户 人的画像特征、需求及其行为、场景
2_市场 行业、领域的容量，产业链和价值链
3_品牌 个人、组织、机构的理念与文化
4_商业 组织形态、模式、渠道，业务目的
5_产品 商品或设计对象的特征
6_技术 支撑业务的能力
那么，通过这六个方面的认识，需要得出哪些结论，如何指导设计呢？我们可能常常会听到这些词，战略咨询、商业目标、品牌定位、产品定义、设计方向、设计方案……我们会有一些模糊的概念，但是并不清楚究竟有何区别。
我们从最简单的开始，无论过程如何，最终我们都会得到一个设计方案，方案里包含了具体的设计参数或内容，例如一张海报方案中会有具体的画面尺寸大小，颜色色号，文字内容，装饰件特征……对最终方案的描述指称，我们称为“设计定义”。商业设计中，设计的认识一共可以贯穿6个层级，设计定义在最底层：
1_意识形态 决定社会方向的价值判断、世界观、政治路线
2_商业环境 市场趋势、人群喜好、技术突破……
3_商业目标 商业或经济行为希望达成的价值或目的
4_商业定义 具体的业务、商品内容或特征
5_设计目标 通过设计行为希望达成的效果感受
6_设计定义 具体的设计内容或特征
自上而下来看，设计的认识从我们对世界的看法（意识形态：世界观、价值观）开始，也就是我们认为生活在其中的世界真相究竟是什么，应该去到何处。这影响着我们如何看待周遭的社会环境，以及做何商业目标的选择。
我们来举个例子，假设我们是一家做健康饮品的公司，现在要为我们的新饮品设计一款包装，我们对世界的看法来自于现代生物学和传统医学，那么可能讲求的是人的生物指标的均衡，以及身体机能的调理。此时我们会看到女性的轻运动是近些年的趋势，运动过后的蛋白质补充，以及日常的营养调理成为了新兴需求，并且我们可以提供牛奶加工及养生药材的提炼技术。那么我们就可能从意识形态和商业环境中，转化到我们的“商业目标”：专注年轻女性+进入运动等高增长场景+用传统医药技术创新+让年轻人爱喝养生奶。
通常战略咨询公司会协助大型的企业，通过理解企业的使命、愿景、价值观，以及社会环境中的市场等多方面研究，综合得出战略选择，也就是商业目标。在小微企业中，不会像大企业一样系统性地做这些，但是内在的决策逻辑是一致的。这也是设计过程中，需要去认识的顶层架构之一。
有了商业目标后，我们需要得出商业定义，也就是具体做什么事。其中包含业务定义、组织定义、产品定义、服务定义等等，通常营销、管理、品牌咨询公司会提供这一类的定义服务。我们仅以产品为例，假设我们的产品定义是：33种中医元素特制+0脂肪+少女+运动奶。
那么接下来的命题就是，将上面的部分转化为设计的方向，也就是设计目标。这个过程往往由设计策略团队完成，同一个商业定义下，可能会产生多种设计目标，例如我们的设计目标可以是突出“0脂肪”“运动”，或是“中医药”，也可以是少女的“干净”“粉嫩”。不同的设计目标传达的感觉或说风格就完全不同。
在我们选择了一种设计目标后，就需要确定设计定义，也就是确定具体什么样子的包装，在传统的人工设计中，设计定义往往暗含在设计师的脑海中。同一个设计目标（方向）下，会出现不同的设计定义（方案）。例如我们就要突出“0脂肪”并且需要直接出现数字0，那么0出现在哪个位置，多少字号，什么颜色……都会产生不同的方案。
设计，最终会形成一个个具体的设计方案，但设计不只是方案上的图形、色彩、文字。
“ 更是基于商业环境、商业定义通过对用户、市场、品牌、商业、产品、技术等方面的认识，形成策略判断有效地服务于设计目标、商业目标、意识形态。”
Sec_02 如何开展设计
现在我们有了设计所需认识的内容，接下来需要一套模式去对内容进行有效地分析理解和加工处理，这就是设计的“方法论”。在设计领域，因为侧重的角度不同，会产生完全不同的方法论体系。
举几个大家可能听过的例子，交互设计领域有辛向阳提出的5要素，Jakbo Nielsen的十大可用性原则，Jesse James Garrett的用户体验要素5层级，IDEO的设计三元组及同理心设计6阶段，IBM的环形设计模型，斯坦福的EDIPT流程，米兰理工的SDT工具，小林重顺的色彩形象体系，Munsell的色彩管理和配色体系，各种用户研究方法和体验度量模型……相关的书籍也有很多《代尔夫特设计方法与策略》《服务设计思维》《美国设计管理高级教程》《通用设计法则》《这就是服务设计》《色彩法则》《平面构成》……
对各种方法论有兴趣的朋友可以自行学习，在这里我们不一一展开这些具体的方法论模型，而是将这些模型都抽象化，将逻辑基点向前推进一步，来探讨这些方法论共同的成立的前提。所有服务于人工设计的方法论，都用于承载或处理以下的六个部分的工作：
1_对事物目的和价值的定义
2_对事物各项要素的分解
3_用某种合适的逻辑形式对事物进行推论或执行
4_对逻辑和结果的判断
5_具体执行设计的路径
6_具体上手设计的工具和标准
任何方法论都服务于要达成的目的和价值，例如我们要通过设计让“运动奶”的线上销售转化率提高10%，这就是一个很具体的目的，背后的价值则是更好地满足用户的需求。接下来我们要做的是定义什么叫做转化率，拆解转化率是由什么构成的，以及从哪些方面去理解用户的需求，这就是“思维要素”拆解。
IDEO的设计3元组，辛向阳的交互设计5要素（人、目的、行为、媒介、场景），以及上文拆分的设计需求6个方面（用户、市场、品牌、商业、技术、产品），都是思维要素。
一套要素服务于一套目的和价值，例如一位工匠制作手工艺制品，与规模化流水线生产商品，与智能柔性制造，这个过程中，需要定义的要素千差万别。人工智能设计也是一样，人在手动做设计的过程中思考或执行涉及的要素可以进入智能的范式中解答局部的问题，但是智能设计的主体框架和其他部分，需要基于新范式，重新建立属于智能设计的要素。
要素只是我们需要关注的内容，接下来我们需要的是“逻辑形式”。逻辑形式简单说来就是我们的纯粹思考方式，它用于组织思维要素。例如1+1=2，其中数字都是要素，+和=，是一种纯粹思维方式。
逻辑形式在方法论中，常见的例如Jesse James Garrett的用户体验要素5层级，将各要素以战略层、范围层、结构层、框架层、表现层进行排布，层级就是一种逻辑形式，基于此我们知道要素间存在前提关系。再举一个例子，英国设计协会（British Design Council）提出的双钻模型（double diamond），也是一种逻辑形式，它告诉我们在设计思考的过程中，需要保持发散——收拢定义——再发散——收拢定义的方式。
人在做设计的过程中，往往用跳跃式的思维，通过综合想象将事物联系起来，我们并不迫切需要专门探讨思维展开的方式。但是计算机在处理的时候，就需要专门考虑这个问题，例如有的要素处理适合聚类集合，有的需要线性，有些需要分层、树、图……我用计算机进行一部分需求分析的时候，就需要用到点边值的图数据形式。
接着我们引入“执行路径”，也就是将要素按照逻辑形式，封装在具体执行的顺序上，例如IDEO的设计执行6个阶段（共情——定义——创意——原型——测试——实施），不同的设计公司或部门都会根据业务习惯沉淀自己的执行路径。
有了“思维要素”“逻辑形式”“执行路径”还不够，因为这些内容告诉我们要做什么，以及怎么做，但没有说做到什么程度、指标、状态算好或者坏，因此我们还需要“价值判断模型”，用于逻辑跳转的判定和结果的衡量。例如交互设计的十大原则、品牌命名的原则、色彩搭配的原则、版式构成的法则、用户研究的指标……
以上五者的综合搭配就形成了方法论体系，贯穿于整个设计“认识”与“执行”的过程，凝练在设计师所使用的操作工具中，并且伴有使用的标准。例如：平面设计师用logo识别性原则给图形打分，交互设计师用5要素层级规划组件排布，汽车设计师用胶线图评估车身姿态，色彩设计师用色环校准配色逻辑……
那么，接下来的问题就是
“是不是人工智能只要复制人的方法论系统就能够做到智能设计呢？”
这个答案显然是否定的，因为这里面有2个本质的原因：
所以，我们需要做的是：
1_打通方法层：
合并计算机的范式体系，定义人工智能需要的设计“要素”“逻辑”“判断”“路径”“工具”，并且能够还原出对应的“目的”和“价值”。
2_打通内容层：
抛开方法和工具，我们需要回到设计本身，重新思考一个具体的线条、色块、图形，或一种风格、手法、版式是怎么会让人满意甚至激动的。为什么我们会觉得有些设计就是对的、好的、美的？是因为符合了十项原则？那我们怎么解释那些不符合原则但仍然有人觉得美的设计？某些风格就比另一些来的高级吗？……
NOTES
我们对方法层的抽象已经说了很多了，但究竟什么是设计的内容？如果要建立智能设计方法体系，应该先理解什么呢？在下一节，我们将尝试从哲学的角度，与大家一起进入先验的“设计本体”，去认识设计的内容本身。
Sec_03 设计的本体论讨论
设计作为一种创造活动，是“人类在生存实践过程中，参与认识世界与改造世界的范式之一”。
在上篇的一、二节中，我们讲解了人做设计的过程中，需要认识的内容，以及方法。但这些都不是设计的本质内容，它们无法解释为什么一个图形就比另一个图形来的准确、美观、让人激动。如果我们仅仅是用计算机逻辑打通“方法层”，拆解一些要素、重构一下逻辑、增加一些判断，也可以依葫芦画瓢地做出一些“设计”，但如果不知道内容本身是如何互相关联、影响、跳转的，将永远不可能 “ 智能 ” 。
智能设计之所以难做，也就是在这里，因为人工智能应用在其他领域中时，内容本身往往是确定性的、逻辑化、指标化、无歧义、低耦合的。例如道路拥堵识别，车是确定的，速度是可以计算的，拥堵率是可以用指标衡量的。而设计不是既定内容，它是一个创造过程，这个过程具有高度不确定性和人的综合经验性，因此困难。
无论是常规的人做设计，还是未来的人工智能设计，设计最终服务的对象还是具体的人。设计无法脱离人的喜、怒、哀、乐、目的和意义。更根本的是，人永远无法脱离作为“人”的方式去认识世界，我们所有的感觉、思想都具有先天的规定性，这决定了人感知和理解世界的方式与猫、狗、牛、羊是不同的。包括对一个设计作品的感知和理解，无论是一个logo、一张海报、一座建筑还是一个商品，人对这一切有一种先天认识规律。
所以，像设计、艺术这种过程创造性领域，每一次刷新范式和内容，从根本上来说需要回到理解人是怎么在“生存实践的基础上”建立认识的。人工智能设计要想长足发展，需要重新建构一个计算机领域和设计领域都能够立足的、共同的、有关认识的“逻辑基点”，这就是“范式的转换”。
这里我们简要展开一下什么叫做范式转换，范式（paradigm）是由美国科学哲学家托马斯·库恩(Thomas Kuhn) 提出的概念，并在《科学革命的结构》(The Structure of Scientific Revolutions)中阐述了有关范式的系统的理论。范式简单说来是指一种社会普遍共识的理论框架、模式体系。每一个社会层面都在建立和突破自己的范式，从而更好地处理所要解决的问题。范式理论的价值在于，在其之前我们经验性地认为，人类的知识和判断的发展是一种线性的积累，随着我们对外部客观世界的了解增加，我们建立新的知识，从而更加逼近客观真理的全貌，而新知识和旧知识之间是一种互不相容的对立存在，这是不准确的。
范式的转换是一个用更前置的逻辑前提，统一矛盾双方的过程，爱因斯坦的相对论并不是经典力学的对立面，而是将原本牛顿力学能够解释的宏观物理和无法解释的高速、微观物理运动，统一在新的范式内，这是一个建立新前提的过程。且范式转换的根本，不是对外部客观世界的更趋近全貌的真理的描述，而是在人的实践过程中，随着新经验的创生，面对亟待处理的、矛盾的新对象，通过刷新我们规定对象的纯粹单元（范畴）和组织这些单元的方式（逻辑形式），从而将新对象统一在一个更有效的解释和处理的架构下。
W.J.T 米歇尔在他的《图像学》（Iconology）中提出了人在认识世界的过程中，通过自身的感知通道，能够建立起三种对事物的认识状态：
1_形象 image
2_文本 text
3_意识形态 ideology
这三个词不仅仅是字面的意义，形象指事物给我们刺激的过程中，均会引发一种主观的印象，例如一个苹果会在我们脑海中形成印象，一段音乐也会产生印象，抚摸地毯的感觉会有一种印象……
随后，我们就能对这种抽象“印象”加以“描述”，这个描述的过程叫文本。文本不仅仅是语言性、反思性的，还是一种情态，包括了身体、情绪、心情、感受的状态。例如我们听到了一段噪音会头皮发麻，在万绿丛中看到一点红会格外的注视，这些反馈都已经在指向对某种印象的指称。
此时，一个“印象”和对印象的“描述”都只是客观存在，冬天下雪和夏天打雷都是如此这般的现象而已，可是人对事物的认识不是中性的，我们具有明确的好坏、对错、程度的综合判断，有的时候我们觉得下雪是温馨，有的时候觉得凄凉，对于环境的价值判断的不同就是“意识形态”。
目前在计算机工程及人工智能领域，分别在处理这个环形当中不同区域的问题。例如基于深度学习的图象卷积神经网络，就是在处理形象的生成问题，通过多层深度网络的搭建，模拟人“一眼就能认出杯子”的能力。光有“形象”还不够，我们还需要逻辑处理的方式指称到这个形象，通过自然语言处理建立结构化的语义网络，常见的有逻辑性智能问答系统，谷歌通过知识图谱建立关系性联想能力。在这个环中，也有比较困难的部分，例如如何通过情绪研究，打通人的“印象”建立到“感受判断”的路径？如何通过语境研究，让人工智能真正理解人意识形态中的价值判断，而不只是逻辑推理？以及如何通过语义研究同构出对应的形象（图像、声音、味道……）……OpenAI通过跨模态的学习，尝试跨越从语义输入到图像输出的GAP。
人的社会行为，包含设计，都铺设在人具有先天规定性的感知通道的基础之上，我们对于所谓的“外部世界”的认识，与我们对“认识的认识”本质上是同构的。“形象”“文本”“意识形态”是三种对事物认识的状态，这三种状态是如何被建立并统一起来的，是进入智能设计的前提问题。展开这个过程，我们需要德国哲学家伊曼努尔·康德（Immanuel Kant），他在《纯粹理性批判》中将人的认识活动划分为三个阶段，简单说来如下：
1_感性阶段
对事物的直观感知
2_知性阶段
对感知的逻辑分析
3_理性阶段
对逻辑的辩证反思
我们将米歇尔和康德的思想调整和统一起来，提出了以下模型：
其中包含9个大节点（图中蓝色点），以及目前已知的27个衍生环节（未在图中标注），限于篇幅的限制及内容的高度抽象，我们将不作展开，仅抽几个节点用具象化的方式讲述。
1_感性层：
当一个事物呈现在我们面前的时候，无论是一块石头，一缕阳光，一个锤子，一段音乐，一副设计作品……我们都会对其产生感觉，在我们对这个事物的一切描述到达以前，这份感觉就已经存在，并且我们清晰地体会到，对石头和阳光的感觉是不同的。这些对于事物建立的感觉就是一种形象，但它是表面的，感觉上的，因此我们叫它“表象/感象”。
这种表象是瞬时、此刻、当下的，人之所以能够产生对阳光的感觉，并且能够天然地区分阳光和石头的表象之不同，是因为人的感知通道具有先天规定性，叫做“先天的纯粹直观形式”。这种先验形式，会主动地将外部事物捕捉为感知通道能够加工的信息状态，至于它如何可能，胡塞尔（Husserl）在他的“先验现象学”中有所讨论，我们不展开。这份感觉是带有天然的“衡量尺度”的，在语言、逻辑、价值观到达以前，我们就能分辨感觉的强烈、明确、平缓、细微……这些直接作用于我们的情绪触发。
2_知性层：
此时呈现在我们面前的“事物”还只是一种随意、不成型、漫流态的感觉表象，但如果我们需要对其进行把握、控制、处理，则需要将其建立为一个具体的“对象”。这样，事物才从模糊的感觉，被指称为一个具体的“石头”“锤子”“钉子”“图案”……有了对象，我们还需要对“对象的属性”进行把握，例如一个具体什么样的锤子，它包含哪些部分，重量多少，长度多少，颜色如何……
之所以能够建立起“对象”和“对象的属性”，是因为人有一种“范畴化”的能力，我们将认识或规定事物的方式，单独拿出来做成一种可被结构化、参数化的维度。例如类型，尺度，数量，面积……我们通过这些将对象的特征感受数学化。完成这些之后，才能对先前漫流态的感觉进行清晰说明、逻辑分析、以及在具体维度下的判断，例如锤柄A比锤柄B在长度上更长，锤头A比锤头B在重量上更重。
3_理性层：
知性层的内容能够成立，是因为人具备一种很强大的建立“抽象概念”的能力，人只要见过一眼任意一个锤子，就能建立起一种抽象的普遍的印象，无需穷尽全天下的锤子，我们就能轻松地定义出锤子的概念。根据不同的目的，定义也会发生变化，例如羊角锤、打桩机、水压机都可以称为锤子，并且将锤子的各要素部件、属性范畴、特征参数统一在其定义之下。
理性层还有一个重要的作用，就是根据新的经验，对知性层已经建立起来的内容进行反思和拷问，在不断修正的过程中，让理性的定义，知性的对象和感性的感觉达成协调、统一、稳定的自洽状态，从而指向一种共同的目的或价值。
以平面设计为例，感性层决定了人对于一个设计作品的画面模糊的、不可名状的直观感觉。我们通过抽象概念的方式，将这些不同的感觉表象定义为一个个对象，通过范畴化的方式，将他们的属性单独剥离出来建立参数单元（元数据），例如间距、高度、曲率……通过这种方式，我们对一个设计作品进行了把握和掌控。但是光做到这些没有意义，模型中的“表象/感象、对象、概念”只是一种存在状态（being），“传达、指称、定义”只是对存在状态的直观性、逻辑性、概念性的表达，这里并不存在好坏、对错、喜恶、程度的判断。一条直线、一条曲线、一堆线团，仅仅是三个存在者，给人带来的直观感觉不同，它们有属性之差，但是不存在好坏之分，同样的一朵牡丹和一朵睡莲，也只是感觉区别而已。
“ 任何的感觉，被心中的目的和价值统一之后，才具备意义 ”
如果一副设计作品的对象、表象所传达的感觉状态不能和用户心中的价值意义契合的话，那便无法产生共鸣 。
所以，对于设计作品而言，调动起人对画面的“感觉状态”和对象的“属性程度”形成了一种综合感受，这种综合感受与“价值观念”的相耦合的状态，才形成了我们对设计的综合判断，包括美。传统的美学认为“美”是一种外在于我们的客观物质实体的属性，例如线条之所以美，是因为达到了某种曲率。当然这个说法是有问题的，现在我们知道，美是一种“象意的展开”。
例如：假设我们面前有两件衣服，一件我们认为是美的，一件是丑的。这两件衣服本质上而言仅是给人的感觉不同，而我们认定其中一件是美，是因为这件衣服包含的一切特征，在我们脑海中形成了一系列与之相关的“意象”的关联，在关联中展开了我们对某种生存状态的想象，这份状态暗合了我们所认同的某份价值追求，因此而美。
我们口中常说的“风格”，就是对一种设计的抽象概念定义，每一种风格下，统一了某种价值观念、要素对象、特征范畴、感觉状态。之所以当今社会我们有一些默认的审美取向或风格偏好，例如现代简约、优雅奢侈、潮流时尚、科幻电子……并不是因为这些风格包含了绝对的真理或美，也不意味着他们就比其他审美来的高级，仅仅是当今社会发展具有某些主流的生存结构，在这些生存结构下决定了某些特定的价值选择而已。
包括我们常说的“设计原则”与“设计判断”，也是在限定的价值目的范围内，对设计对象的特征参数与感觉状态的耦合。
所以，生存场的共鸣是美得以展开的前提，我们不应向他人宣示某种既定的设计就是真理或美，相反在智能设计时代，我们更应该放下人的傲慢，去进入以前难以获得设计服务的人们的生存场和价值观念。并且用智能的方法，将一份适合通过形式感觉传达出来的价值，通过设计对象的范畴属性，无遮蔽地在设计方案中展现出来。
这个过程中，人工智能需要的不只是还原人的作图方式、现成图案，还需要人与计算机共同完成：
1_打通感性层内容：
通过机器识别、深度学习、人工标注建立对设计内容的感觉评价。
2_打通知性层内容：
通过将设计内容对象化和范畴化，对其形式特征和组织方式进行算法化处理。
3_打通理性层内容：
定义与设计对象关联的各抽象概念（需求），通过大数据知识工程（例如知识图谱）进行目的和意义的关联推论，建立从商业环境——商业目标——商业定义的数据处理能力。
4_打通链接层内容：
通过NLP、图像特征识别、跨模态联想，进行设计对象的“意象”关联，建立从商业定义——设计目标——设计定义的数据处理能力。
NOTES
好了，我们例举了设计本体中几个与智能设计技术直接相关的环节，至于其他的节点和一些哲学问题例如什么是创造、什么是艺术，什么是审美，在这里就不深入展开了，后续有机会我们单独细致地说一下本体模型，以及我们基于本体模型构建的智能设计能力体系。
Sec_04 如何开展智能设计
在第二节，我们提到了智能设计需要有自己的“要素”“逻辑”“判断”“路径”。
在第三节，我们整理了智能设计需要的几个具体的要素内容，和它们之间的关联关系。
我们将设计本体模型中的节点关系转化为方法论，可以得到很多不同层级的架构，以指导具体的工作开展，在这一节，我们会介绍一下水母智能处理智能设计任务的一个架构，我们称其为“达芬奇AI设计引擎”。
达芬奇引擎是一个要素逻辑架构，包含的是执行过程中需要纳入的几个大的要素板块，以及板块之间的逻辑关联形式，用于说明从哪几个方面切入智能设计。它并不包含具体的执行路径，以及判定维度和指标，这些是由其他的架构模型完成的。
首先，达芬奇引擎包含四个方面：
1_需求收集和理解
2_设计策略和创意
3_设计生成和执行
4_结果展示和推荐
第一部分需求收集和理解是用户在前端产品体验中能够感受得到的部分，包括交互内容，例如文本输入、点选交互……在这一块，我们会分析用户的输入语义，进行语义解析、智能分词、实体识别和语义关联，从而建立对用户输入的以下信息的抓取:
1_目的的抓取：理解用户需要通过设计达成的商业目标或设计目标
2_对象的抓取：理解用户需要在设计中出现的，相关的抽象要素
3_感受的抓取：理解用户需要的特征感受，传统设计中通常称为风格
有了这一部分实际上就可以直接产出设计方案了，我们可以通过储备海量的素材，将它们按照业务场景、物料类型、风格特征进行细化分类，然后依据用户的选择进行拼装，或者更加直接的就是预先做好很多结果，随机给用户匹配一些出来。这是通常大众心中对于“智能设计”的理解，但这么做会有四大问题：
因此我们需要进入第二部分策略和创意环节，这是智能设计系统中，非常依赖专家视角的部分。
在第二部分，我们引入了两个不同视角的“知识图谱”结构，一个是商业知识图谱BKG，一个是设计知识图谱DKG。它们两者合起来看，协同完成的工作就是上文第一节我们所讲的从需求开始，打通商业环境——商业目标——商业定义——设计目标——设计定义的认识。
分开来说，商业知识图谱BKG解决的是从商业环境到商业定义的问题，通过“用户”“市场”“品牌”“商业”“产品”“技术”六个维度，对用户商业环境所处的理念、价值、话题、渠道、销量、人群、场景、模式、商品、能力、特点等等几十个节点进行知识抽取，内容来自于需求的输入以及外部的开放资料。设计知识图谱DKG解决的是从商业定义向后，转化为设计目标和设计定义的问题。简单来说就是，有了用户所从事的具体业务、商品……之后，我们应该用何种设计方向、风格、特征、要素来对设计进行表现。
上面两个知识图谱仅仅是建立了支持设计认识的网状图数据结构，里面是由一个又一个的SPO（主体——指称——客体）知识链条构成，要想对它们进行有效的调用，我们还需要引入“判断模块”，因此在第二部分“设计策略和创意”中，我们还需要一个策略中心。
策略中心是由设计专家建立的主观模型，它用于承接知识图谱抽取的需求，并加以分析，转化为对设计生成的明确调用指令。这是一个非常重要的环节，不同能力阶段的人工智能设计所调用的策略维度、粒度、关系数量是完全不同的，例如初阶的人工智能设计仅是从使用场景角度对素材进行了“类”的划分，而特征级别的人工智能调用的级别可以到达范畴参数层。这是由人对于设计的认识深度，以及技术算法的处理程度决定的，随着信息量的不断增大，策略中心的内容也可以由计算机算法建模协助建立。
策略中心完成商业层和设计层的判断后，对设计要素进行调用。以商品海报为例，经过策略判断后，我们得出海报需要具有商品冲击力，那么计算机会调用出较大的商品图。然后通过语义分析，我们可以得出商品包含什么内容，通过特征分析得出是具体什么样的商品。对应到我们生产工程中，就是进行对象的“形”“构”“色”“意”“材”“表”等各方面的处理。
第三部分就是大家熟知的智能设计生成的部分，这个部分中会有很多的工程、算法能力模块对设计要素进行生产、加工。前面的策略部分就是对这个部分中各个模块能力下达指令，以完成设计目的。人工智能设计从初阶到高级，生产能力的提升很重要。
第三部分除了生成以外，还包括检测和优化，也就是对生成的设计进行可用性、审美性、版权性、生产性评估，对不合适的部分进行调整。
最后第四个部分是设计结果的推荐，推荐的背后是一套对于历史订单和行为预测的算法模型，因为我们的一部分业务提供从设计到生产的供应链解决方案，因此在推荐中除了审美性、版权性的推荐外，还有生产可行性的推荐，这些数据都会重新回到需求输入部分，帮助修正知识图谱和策略结构，从而更准确地生成设计。
NOTES
好了，我们通过四节内容，大致地讲述了我们对设计人工智能化的认识，后续我们会陆续推出一系列的文章讲述智能设计的工程算法，也就是我们如何具体执行一个智能设计，也会细致地展开其他理论模型、业务架构、策略判断。
Sec_05 设计的讨论
那么在第五节，我们会遗留一些开放性的问题，以供有兴趣的朋友们一起讨论，我们会对大家感兴趣的话题展开进行沟通交流。
- 智能设计对于社会而言有没有价值？
- 你希望人工智能在设计领域，帮助解决什么问题？
- 你认为设计上有哪些方面是人工智能无法处理的？
原文：https://zhuanlan.zhihu.com/p/461607357
既然来了，说些什么？