10月31日-11月2日，第二十届国际用户体验大会User Friendly 2024在深圳成功举办。此次大会主题为“心之向，智所达”，由北京光华设计发展基金会、国际设计联合会指导，国际用户体验专业协会UXPA（中国）主办。
2024第20届 User Friendly国际用户体验大会精彩回顾
在11月1日上午的趋势引导演讲中，我们很荣幸邀请到了同济大学设计创意学院院长胡飞教授为我们带来了《设计与AI的三种关系》的主题分享。
大家早上好！非常荣幸受邀参加今年的大会，对AI与设计这个当下最热的话题做一些回应。
首先要说明，我自己的研究方向并不是AI这条线，所以今天是我第一次在公开场合来谈AI与设计。
关于AI与设计之间的关系，目前还处于探索阶段，因为AI和设计根本不在同一维度。通常把两个饼图交集的一部分认为是AI+设计。但可能换一个角度就会发现，它们俩根本不在一个平面上。
人工智能的学术起点师1956年的达特茅斯会议，当时七个主要的话题“1.自动计算机；2.如何通过编程让计算机使用一种语言；3.神经元网络；4.计算规模理论；5.自我改造；6.抽象；7.随机性与创造力”，与设计并没有直接关系，尤其与当时ICSID对工业设计定义的范畴没有直接联系。
分享一个有趣的轶事。有一张关于达特茅斯会议七侠的照片，当时七个年轻人对后来人工智能在数字世界里的作用造成了非常引领性的影响，据说其中有一个人是Herbert A. Simon。大家都知道，Herbert A. Simon是广义设计科学理论的奠基人。当时我想：如果Simon这么早就介入人工智能，可能是一个研究线索。不过最终确定这个人并不是Herbert A. Simon，而是Peter M. Milner。
实际的达特茅斯会议7侠
约翰·前田（John Maeda）在2017年时将设计分为三类。一是“经典设计”，以美学为核心；二是设计思维展；三是计算设计，也是近年来最新的设计类型。
新世纪以来，数字化就成为设计发展的重要趋势，包括交互设计、信息设计、用户体验等。但客观说，但计算设计如何反映在知识结构、思维方式甚至设计教育的体系重构上，设计院校并没有作出积极回应。
在我看来，当下AI与设计至少存在三种关系。一是Design with AI。
这一点已基本形成共识，把AI作为一种工具，和三、四十年前出现3DS等计算机辅助设计软件时一样，用这些工具来做设计、提升效率。例如，我院陈逸云、郭炜炜老师就将AIGC作为设计辅助工具应用于《设计虚构》课程中。
近期阿里云发布了一份研究报告，指出已经有近百种AI工具可以被用于设计流程中，从双钻模型来看，第一阶段的AI工具最少，第三阶段的AI工具最多。
但就“发现”阶段来看，我曾经尝试使用部分AI工具，发现它是“有问必答”但“缺乏洞察“：对小白来说，能够快速回应知识的空白点，对于”初步了解“非常有效；但对学者和专家来说，缺乏洞见。
二是Design as AI。在当下，设计已成为AI一个重要的投资领域或者说商业落地场景。
有两个例证。一是阿里在持续建设了以AI工具在设计中的应用为核心的生态，包括各种AI工具、协同育人项目、云工开物计划等等，广泛地与设计院校合作。院校师生既是AI+设计的训练者，也是AI+设计的消费者。
另一个是略让我吃惊的案例，IDEO，这个设计行业头部的咨询机构，今年上线一个新的模块IDEOU，把AI和IDEO最擅长的Design thinking打通，面向企业进行培训。
三是AI for Design，作为一个设计研究者和设计教育者，最希望看到的东西是以AI为手段为设计学的发展来服务。这也是我关注AI的动机。
现在比较成形的是AI for Science，AI已经成为科学研究中处理数据、处理模型的新方法，今年诺贝尔物理学奖和化学奖得主的工作都与AI相关，证明了AI for Science已经成为科学研究的第四范式。
AI for Science的基础设施是数据、模型、算法、算力。以此来看设计学科，我们有没有高质量的数据库建设？有没有对应的清晰的设计学科知识库？答案是没有。这是我们在设计学推动AI for Science碰到的第一个拦路虎。企业有很多数据，但这些数据能不能成为设计学科的高质量数据？院校在做的设计研究，只有一些高质量的小数据。目前我们还没有找到特别好的路径去打通它们。所以，我们学院的范凌教授创办了企业，开发了相关的数据集工具。
Chomsky认为：AI实际上是在进行“高级抄袭”，它只是在大量数据中寻找统计上的相关性，而非理解句子的实际含义。
Harari把AI称之为外星智能，因为它是基于算法的逻辑，与人的思维方式完全不同。“外星智能“正走向具身智能、空间智能，设计、设计思维、设计师如何介入？但反过来思考，设计是否应该沿着AI for Science这条路往下走呢？
Oxman在“创造力的循环“里面清晰且定了科学、工程、设计、艺术的区别与联系，设计的创造力与科学的创造力并不相同。那么，AI for Design路径是否也应该不同于AI for Science呢？
目前的Design With AI中，AI擅长在确定了概念和提示词之后快速生成大量方案，尤其是在设计表达上增效。但如何通过AI进行设计研究从而得到“洞察“及其准确的提示词？这里还有大量的研究需要推进。
从设计研究的流程看，数据采集后最重要的是“分析“。一方面，AI在分析、归纳、定量研究中可以发挥重要作用，但如何运用AI实现溯因推理？在面向巨大量、多维度的信息进行“综合“时，会乏力时，研究人员会困难重重；AI反而在这里具有绝对优势。因此，在坐标轴的右侧AI能够发挥非常大的作用，但左侧目前AI还没有有效介入，这也是未来AI for Design的重要方向。
AI for Design的基点在于理解能力。设计师和艺术家在直觉和情感等方面的能力，可能会对情感智能的发展进行重要补充或支撑。AI越往前走，艺术和设计的价值可能会越大，最终人的价值特征、智慧特征和AI的思维特征将成为互补关系。
最后重新回到人工智能的原点，我们发现：AI for Design的原点是创造力，而不是文生图、文生视频的设计表达。
UXPA中国 简介
