关注 三分设 和 10 万设计师一起成长
尼克小钻风 ｜ 三分设
参与一年一度的技术与艺术的趋势大会所收获的见解和感悟
South by Southwest® 致力于帮助有创造力的平凡人实现他们的梦想。1987 年 SXSW 成立于德克萨斯州奥斯汀，以融合科技、电影、音乐、教育和文化等主题，开展一年一度趋势大会而广为人知。
恰巧一年一度技术和艺术盛典 SXSW 2024 大会刚刚落幕，在这里，我整理了人工智能和设计相关的演讲资料，分享给希望获取一些人工智能和设计领域最新资讯的朋友们，我相信可以消除大家人工智能的担忧，减少对人工智能产品的创新信息的差距，并且和大家一起洞察数字行业的趋势和挑战，同时畅想科技和设计发展的未来等等。
(1) 《Design Against AI》 John Maeda ｜设计对抗人工智能
(2) 《AI + UX: Product Design for Intelligent Experiences》Ioana Teleanu｜AI + UX：智能体验的产品设计
(3) 《Designing Successful AI Products and Services》John Zimmerman, Nur Yildirim｜成功的人工智能产品和服务的设计流程
(4)《Creativity in Flux: Art & Artificial Intelligence》 Brooke Hopper, Debbie Millman｜不断变化的创造力：艺术和人工智能
(5) 《Designing for AI》 Marco Barbosa, Hjörtur Hilmarsson｜为人工智能产品/服务设计
(6) 《The Great Interface Shift: Five Trends to Know in 2024》 Jake Brody｜大变革：2024 年数字界面的 5 大趋势
1.《设计对抗人工智能》
设计与人工智能的关系是动态变化的。这种变化速度极快，甚至没有一丝间歇的停留。那么设计师与人工智能的关系是竞争、抗议、合作还是持续学习呢？
1、理解人工智能的底层算法和逻辑，超越人工智能的“神话”（更多都是媒体/资本扩大上千倍的短暂效果）
2、一些创造者的工作方式将发生巨大转变，他们转变的速度会比其他人更快（每一次“革命”都是如此，一些人带动技术和应用的发展和拓展，并获得变革的红利）
3、设计的本质就是让事物变得更有价值，且能够符合普世价值，这一点或许亘古不变，但是，这次却会成为了未来的挑战。（永远不要忽视人性，革命性的创新往往也会打破现存的认知，甚至打破传统）
感知语言模型（LLMs），对话式界面，聊天机器人...等等“新”名词，“新”概念，如今已经不算是新鲜事了。早在 1967 年，尼古拉斯·尼葛洛庞帝（Nicholas Negroponte）就设想了一个对话式预测模型。埃里卡·霍尔（Erika Hall）在《对话设计》一书中，强调语音是最古老的界面，因为它是最自然的。麻省理工学院的魏森鲍姆博士（MIT’s Dr. Weizenbaum），是第一位创造聊天机器人的发明者，早在 1966 年，他就提醒我们：“短时间接触一个相对简单的电脑程序可能会引发强烈的妄想思维。”（果真如此，大家把人工智能技术现有的能力给放大数倍。）
妄想思维：一种认为与现实不符的思维方式，常常表现为对自己或他人的错误想法或信念的坚持。
我们从事人工智能的研究工作，也已经有几十年了。感知语言模型（LLMs）的数量在 2014 年到 2022 年之间，呈现指数级的增长。生成式人工智能（如文本生成、图像生成、语音生成等）的发展和火爆现象，根本源于变压器（transformer）模型的技术突破。了解从 BEAT 到 ChatGPT 的进化过程。
变压器模型：一种用于自然语言处理的深度学习模型结构，在 2017 年由谷歌提出。主要特点是使用自注意力机制(self-attention)来捕捉输入序列中的长距离依赖关系，从而能更好地理解语义信息。
1.1 感知语言模型（LLMs）是什么？
“简单物理学”定义：将感知语言模型（LLMs）想象成一个被锁在房间里的“天才”。我们只能从门缝塞进去 1 张纸条，并且只能使用 1 次（标记窗口限制）。LLMs 只能使用房间里已存在的和纸上的内容，然后进行猜测一个（没有上下文）答案。当提供答案之后，这位“天才”就会忘记我们写给它的所有内容（没有状态的）。
简易物理学：指基础的物理学知识，包括力学、热学、光学、电学等方面的基本概念和原理。
感知语言模型（LLMs）之所以会犯错，是因为我们会犯错。我们和人工智能都无法真正预测未来，所谓预测下一步会发生什么，其实都是之前发生过的（从历史经验推导出来的答案），这就是拉姆斯菲尔德矩阵（Rumsfeld Matrix）。
1.2 感知语言模型（LLMs）的其他看法：
-
特德·姜（Ted Chiang） 在《GhatGPT 是一张模糊的网络图片》的观点。拥有一张模糊的图片固然很好，但是我们也要坚持高度真实的人类世界。
《GhatGPT 是一张模糊的网络图片》
https://www.newyorker.com/tech/annals-of-technology/chatgpt-is-a-blurry-jpeg-of-the-web
-
乔希-克拉克（Josh Clark）在《人工智能将成为你做设计的新材料》的观点。人工智能就像纸和笔，但是，输出结果是不确定的。
《人工智能将成为你做设计的新材料》
https://www.youtube.com/watch?v=Hu5Jc1yIfas
-
约翰·奥利弗（John Oliver）的《人工智能：上周今夜秀》。人工智能见多识广，富有教育意义，并且充满乐趣。
《人工智能：上周今夜秀》
https://www.youtube.com/watch?v=Sqa8Zo2XWc4
1.3 机器人和空间计算的发展
Tesla Optimus｜可以叠衣服
https://www.youtube.com/watch?v=gyURDZB7imo
Figure Bot 1｜可以煮咖啡
https://www.youtube.com/watch?v=1O0Eh_gxEsE
Boston Dynamics Atlas｜可以搬重物
https://www.youtube.com/watch?v=-e1_QhJ1EhQ
Unitree H1｜可以奔跑（以 3.3米/秒的速度），目前保持世界纪录
https://www.youtube.com/watch?v=83ShvgtyFAg
在今年 WWDC 老库克也带来了Apple Vision Pro 最新的生态系统 vision OS 2 。Ivan Sutherland 在 20 世纪 60 年代开发了第一个先进的 VR 系统。
O'Reilly ｜创造增强现实和虚拟现实
https://www.oreilly.com/library/view/creating-augmented-and/9781492044185/
1.4 人工智能的基础知识
1、大型模型、小型模型。大型模型进行深度推导。小型模型运行速度更快，处于边缘。但两者的区别正在变得模糊。
2、开放模型，封闭模型。LLaMA 可以被任何人修改。OpenAI 模型是受保护的，无法修改。
3、单模态、多模态。单一模态的模型是特定的、有针对性的。图像 + 声音、视频 + 语言等多种模态的组合...多模态的模型随着时间推移会越来越多，并且从多样化的视角（解决更广的应用场景）中获益。
行业术语层出不穷：嵌入式模型 VS 完成模型、全模型微调 VS LoRA 微调、函数调用模型、Agents（ AI 代理）等。Agents 将在用户体验方面发挥重要作用，除了提示用户之外，还可以用于更多场景。
1.5 工艺类别：手工制造与速度制造
手工制造的东西给人一种真实感，创作者在创造的时候也会感到快乐。比如 Rivian 车门的独特锁声设计（ Lock Chirp）、遵循 Dieter Rams 设计理念的元件、根据语义的动态变化的字体排版。
Rivian 车门的独特锁声设计（Lock Chirp）
https://www.youtube.com/watch?v=W569OdJ6zbk
Framer 组件遵循 Dieter Rams 的设计原则
https://drams.framer.website/
字体变形 morphing itself
https://www.youtube.com/watch?v=9D12a6RCQaw
速度制造更注重快速完成任务，随着人工智能的发展，速度越来越快。快速生成图像、文本转语音、Yokhei Nakajima 的 PredictiveChat 具有负延迟，可以在你说之前猜出你要说什么。
1.6 创客们的生活正在改变
设计师和工程师的流程和工具都在发生变化。产品经理的能力正在增强，产品团队的人才结构正在崩溃。
《设计界的大混乱：一代设计领袖为自己的未来而挣扎》
https://www.fastcompany.com/91027996/the-big-design-freak-out-a-generation-of-design-leaders-grapple-with-their-future
《编程已经死了吗?》
https://www.youtube.com/watch?v=uD353DeOM-4
《折叠人才结构，以角色为导向的增长和面向未来的组织设计》
https://www.implications.com/p/insights-on-collapsing-the-talent
营销和产品循环正在受到影响。营销是买家的体验，产品是客户的体验。
-
营销设计工具：文案创作、图像创作、播客创作、视频编辑、演示文稿创作
-
产品设计工具：客户支持、软件开发、产品开发、通过函数调用模型即时生成界面，无需设计旅程图就能完成开发。
Capsule｜面向内容和营销团队的人工智能视频编辑器
https://capsule.video/
Vercel AI SDK | 提供构建 AI 驱动产品所需的工具
https://sdk.vercel.ai/docs/introduction
如果你不喜欢变化，那么你将更不喜欢变得无关紧要-埃里克·辛斯基
1.7 批判性思考与制造
批判性思考和制作都需要充足时间。对于人工智能的发展至关重要。目前，商业机构往往在批判性思维方面做的并不完善，做出来实用的产品很可能会出现意想不到后果。然而，非营利组织擅长批判性思维，然而，往往充当消息灵通的评论家，也不会陷入产品制造的怪圈。（商业机构往往会陷入制造漩涡，或许是无奈之举，或许是赛马机制，不断试错，或许是一种相对高效的方式）
《批判性思维:管理你的职业和个人生活的工具》
https://www.amazon.com/Critical-Thinking-Taking-Professional-Personal/dp/0133115283
1.8 人工智能能否作为人类尚待确定
有些任务是人类可以完成的，有些任务是人工智能可以自动化完成的，还有一类新的任务人类只有在人工智能的帮助下才能完成：
图灵陷阱：类人人工智能的前景与危险
https://digitaleconomy.stanford.edu/news/the-turing-trap-the-promise-peril-of-human-like-artificial-intelligence/
面向未来：设计使技术人性化，但我们经常听到“不要将人工智能人性化”。设计的挑战在于找出人工智能的全新价值。在这过程中，我们始终要记住人工智能并不是人，而是数学。
技术向我们提出了挑战，要求我们坚持人类的价值观，这意味着我们首先需要弄清楚人类的价值观是什么—Sherry Turkle。
2.《AI + UX：智能体验的产品设计》
了解人工智能的挑战和机遇，首先了解人工智能可以做什么？不能做什么？
只要有更多人使用人工智能工具，这将助力我们探寻人工智能的界限在哪里？了解产品为何会失败？产品应该做什么？不应该做什么？。尽管，我们发现人工智能在大多数的任务上表现一般般，然而，我们仍然需要人工智能进一步发展。
据 Gartner 的炒作周期表明，我们对生成式人工智能的“期望过高”的现象正在逐渐消退。虽然，有许多公司都在将人工智能融入他们已有的产品中，主要是为了保持已有产品的竞争力（为了赶时髦，做了再说）。然而，适用的产品案例目前还不清晰。（我们即将推出有关AI 人工智能在产品设计的应用方法和案例课程，还请多多关注我们的社区），客户往往对他们不了解的事物保持怀疑态度，但是，我们仍然希望他们能够先竞争对手一步，在产品中注入人工智能技术。
Hype Cycle
炒作周期：咨询公司 Gartner 提出的概念，用于描述新技术或概念的发展过程。炒作周期分为不同的阶段，包括激情向往的期望阶段、失望与理性的平衡阶段等。在AI领域，炒作周期指的是人们对于生成式人工智能过度乐观的阶段正在过渡到更为现实和理性的认知阶段。
2023 年 Gartner 新兴技术成熟度曲线
https://www.gartner.com/en/articles/what-s-new-in-the-2023-gartner-hype-cycle-for-emerging-technologies
《科技产品领导者新兴技术和趋势指南》
2.2 人工智能是什么？
1、人工智能：任何具有自主性和适应性的系统，可以在没有用户的指导情况下执行复杂任务，并根据使用情况进行改进和学习。
在线课程：人工智能的基本要素
https://www.elementsofai.com/
2、人工智能：工具的集合，工具是我们训练人工智能系统做事的方法。
在线课程：适用于所有人的人工智能基础知识
https://www.coursera.org/instructor/andrewng
我们塑造了工具，反过来，工具塑造了我们--约翰·卡尔金
-
人工智能系统中的偏见反映数据偏见:决策哪些数据集应该成为我们未来的一部分。许多公司已经这样做了。筛选出哪些数据可以永久保存。（这里就会产生偏见）
-
安全与保障-任何一种新兴技术都可能被恶意利用。目前，我们还没有合适的防御系统来最大限度地减少危害（未知的才可怕）。如果“真的想”设计出一个让人感觉安全的人工智能系统，那么我们就需要预测所有不安全的情况。（尽力而为，以用户为中心设计）
-
设计概率-常规的交互行为是可以预测的。比如，如果发生这种情况，则向用户提供选项 A；如果发生那种情况，则提供选项 B。然而，目前人工智能系统输出的内容是不可预测的。你无法提前预判结果的好与坏，是否能够满足用户的期望。反馈机制成为了解决这个问题的唯一方案。
-
信任与透明度-人们对不理解的事物一般是持怀疑态度。人工智能会产生“幻觉”（生成不可置信的内容，似真似假，打破了认知）。我们有必要解释人工智能的概念，向人们展示系统是如何得出结果的。
-
所有权和知识产权-预测这将改变我们原有的价值观。如果东西是由人创造的，会引发情感效应，这将更有价值。容易生产出来的东西，价值或许会降低。（物以稀为贵，工业制品变得将越来越廉价，注入故事和品牌）
-
未来是混合的，始终围绕人类展开-人类将会拥有一个或多个 AI 人工智能伙伴。当每个人都有一个人工智能伙伴的时候，希望能够确保永远让用户处于主导地位。（反之，细思极恐）
-
消除偏见-为人类提供一个能够向人工智能系统提供反馈、报告不良情况、从错误中恢复的工具。（这就是反馈机制的建设和主导权的归属问题）
-
为每个人打造-构建一个可访问/无障碍的人工智能，不会扩大个人特权和知识差距。（这一点想想就好，往往不可控，只要有钱就有特权，会员享受更优的服务）
-
从容失败，保持正能量-生产符合道德标准的产品。（这个标准，不得不说，高呀）例如，“点赞”按钮会给出积极的反馈，但却损害了青少年的心理健康。
-
帮助人类成长-人类和人工智能相互学习和相互教导。（有一种被PUA的感觉，以后真的要和人工智能“伙伴”一起成长？）
-
好时代-技术会不断变化，因此在构建新产品/服务还是注入新技术的时候，应考虑未来的技术发展。
2.4 交互设计
人工智能是一种新的用户界面范式。可以参考 Jakob Nielson 的范例 3 - 基于意图的结果规范，其中设计师指定人工智能（AI）系统要实现的目标。
人工智能：60 年来首个全新 UI 范式
https://www.nngroup.com/articles/ai-paradigm/
从网页到移动设备，用户将各种内容塞进更小的屏幕。与其改造 AI，不如考虑如何设计 AI 原生产品，有意识地将其嵌入用户体验中。
loom ｜你录制，Loom AI 为你编写
https://www.loom.com/
2.5 AI 人工智能可以通过 5 种方式改善用户体验
-
个性化-根据用户偏好，感知情境，进行超个性化设计，随时随地，适时出现。
-
简化-现在，任何业务都有 app，但是，未来的体验将构建在意图之上。考虑采用单一界面的产品，例如 Rabbit R1 ，或许是未来人工智能硬件的典范
-
无障碍性-利用人工智能来改善无障碍环境的机会。市面上应用的场景，包括：针对视障人士的替代文本、屏幕阅读器和图像识别。还有大量空白空间有待探索。
-
协助-以一种具体、相关的方式回答问题，为用户量身定制
-
提高学习效率-人工智能可以促进用户快速测试设计概念，加速学习，为设计决策提供参考。
Rabbit R1 是一款人工智能小工具
https://www.theverge.com/2024/1/9/24030667/rabbit-r1-ai-action-model-price-release-date
2.6 人工智能取代人类？
类似一项先进工具，取代了以往陈旧的工具，改变了工作的流程，而况人类的适应很强的，但是，也不得不承认，优胜劣汰的丛林法则依然存在。
2.7 将人工智能融入设计流程
人工智能工具有助于理解、增强思维，覆盖设计流程中的盲点。人工智能可以帮助头脑风暴，加速将想法付诸实施。设计师可能会成为设计的策展人而不是创造者。
UIzard｜自动设计器·世界上第一个人工智能 UI 生成器！
https://uizard.io/autodesigner/
竞争优势来自于使用人工智能工具和发现正确的人类问题，并用人工智能来解决。认真思考我们是否应该以人类和道德为中心来构建一些东西。
记住，人工智能是一种工具。我们是（制造者）有自主权。
3.《设计成功的人工智能产品和服务》
基于我的导师和卡内基梅隆大学校友在人工智能方向的 10 年研究
回看过去，大多数的人工智能产品的创始人，都是机器学习专业的博士。本次演讲主要探讨人工智能创新差距、产品失败的原因以及如何通过 5 个关键要点真正利用人工智能进行创新。
3.1 什么是人工智能？
从垃圾邮件过滤器到癌症诊断系统，从地图导航到药物研发，通通都能涵盖。然而，所有人工智能应用都一致秉持着不确定性的理念。你永远不知道你试图创建的系统是否真正可以实现，也不知道会犯什么错误。
有很多案例：Kiva 机器人跑来跑去，钻到货架下面，抬起货架，整理仓库库存。与人类不一样的是，它们需要分散开来，并且需要接受强化学习的训练。Airbnb 智能定价会分析你可以收取的房间的最高租金，然而还可以出租出去，最终，将定拍板权交给了小企业。
LLM、ChatGPT、基础模型……创造了很多机会。它的巨大成功意味着我们拥有一个伟大的创新过程。
3.2 人工智能产品｜创新差距
如今，85% 的人工智能 AI 产品项目在部署前就注定失败。在部署后也会导致失败，原因在于目前人工智能无法达成预期结果的限制：
-
无法达到足够好的性能，而且没有找到真正的应用场景。
-
无法产生足够的服务价值。例如，Alexa 并没有让用户在亚马逊订购更多产品。相反，每当用户要求 Alexa 播放音乐时，亚马逊就会亏损。
-
无法解决用户实际问题。例如，医疗临床决策系统提供预测，但医生在常见情况下不需要预测。相反，医生希望在罕见情况下获得帮助，而人工智能并不擅长这一点。
-
道德、偏见、隐私、社会危害。例如，系统可以通过预测某个人在未来犯罪的可能性来判断这个人应该关多长时间的小黑屋。然而，我们都知道，系统在本质上就会存在种族主义的偏向，通过系统数据反映人类的偏见。
-
错过唾手可得的商机。那些与用户和服务目标一致的简易人工智能的创新机会，然而，绝大数企业不会去实施。例如，Instagram 希望有影响力的用户发帖来吸引眼球，然而，从不了解有影响力的用户经常会使用哪些标签，让那些有影响力的用户不得不反复输入相同的标签。其实，这并不难实现，但是，这恰恰是一个容易被忽视的机会。智驾的自动泊车功能仅仅服务于居住在郊区且不敢在市中心停车的小部分用户。这个功能从预测开始：这个空间够大吗？这个简单的功能可以应用在每辆车上，然而，我们形成一种思维模式，让人工智能功能变得难以实现，而不是变得有用好用。
发明与创新。发明就是创造新的能力。设计师的秘诀就是创新，重新组合并以新的方式赋予现有事物新的形式。洞察用户的需求，然后赋予新事物一种用户认为有价值的形式。
设计师往往对人工智能缺乏理解，他们想的东西都是无法实现的。数据科学家离用户太远，他们想的东西都是人们不想要的。
3.3 人工智能产品｜为何会失败：
-
团队选择错误的事情。数据科学过程从快速形成问题开始，然后继续推进。他们没有接受过构思产品方面的培训，没有对比数百件高价值和低风险的竞品（没有模拟沙盘）。团队倾向于先选择一些东西，干起来再说，快速开始进行搭建，而不是在构建产品/服务之前一起共创，没有制定哪些可以现在做，哪些是用来实现愿景。在医疗保健领域，人工智能在教科书提供案例方面做得非常好。但是，实际上，医生真正寻求解答的是一些边缘特殊的医学案例。
-
设计师通常不会受邀参与，除非已经决定要构建什么产品/服务。设计师也倾向于考虑人工智能实际上无法做到的事情。这也可以归咎于媒体，因为媒体将人工智能吹捧成“超人”，无所不能。
-
设计师在创造体验时已经内化了能力和抽象概念。然而，人工智能能力似乎遥不可及，因为人工智能文献都是关于机制和工作原理。想想支持向量机、神经网络等。几乎没有任何内容描述能力，即人工智能能做什么。
-
人工智能主导的问题框架。如果我们决定使用人工智能作为产品的解决方案，实际上，我们会忽视以用户为中心的设计。想一想经典的双钻模型。有了人工智能，往往设计师就从双钻石的中间开始。认为以用户为中心的设计方法不够高效，以技术为中心的设计也行不通了。新的方法都会从原先的方法中进化、演变而来的。（期待有新的理论体系）
-
很难估算构建和运行一个系统的成本。如果我们找一位系统/产品架构师，他们可以告诉我们只要投入 1 个亿美元（不止 1 个小目标）就可以得到什么。如果我们带着 1 亿美元去找一位数据科学家，他们就很难估算出来。（人工智能底层算力迭代和算法优化是一个无底洞，需要不断的投入，来支撑源源不断的数据导入。）
构思是一种很有价值的能力，可以将对话从“我们是否应该做产品/服务”转变为“从人工智能角度考虑所有其他同样有价值的产品/服务”，同时选择风险较低的选项。
3.4 人工智能产品｜试验成效：
-
Accenture Song 观察到设计师和数据科学家在项目开始时密切合作。在体验设计流程中添加“数据”泳道很有帮助。
-
使用数据源注释 UX 线框可以增强对数据来源的可靠性。
-
从 AI 人工智能在商业上取得成功的案例中，展现出 8 种高级 AI 能力。让设计师从这些能力中汲取灵感，却并非如想象的成功（搞不定）。首先，为设计师提供许多 AI 案例，然后展示 AI 可以快速、大规模地取得成功，其中，不需要大量专业知识的情况，这种方法是可行的。
方法记录：人工智能头脑风暴套件
https://aidesignkit.github.io/
3.5 人工智能产品和服务｜创新的 5 种方法
-
不要取代专家。相反，要寻找需要无限数量实习生的情况。甚至更好的是，你甚至不会雇佣实习生，因为任务太繁琐了。寻找有总比没有好的地方。记住，人工智能可以做得还行，但不能做得很棒。
-
想想你在创新过程中处于什么位置。版本控制、愿景、冒险。UX 可以添加到版本控制中，从用户的角度思考渐进式创新。服务设计可以添加到愿景中，从战略角度思考以寻找低风险、高价值的机会。
-
设计可以促进对话，汇集不同的观点，构思实现目标的各种不同方法。
-
构思，并为他人构思提供支撑。设计可以 让团队承担责任，而适度的表现可能会产生重大价值。
-
寻找实现适度 AI 性能的机会。当我们找到适度性能可行的想法时，我们几乎总是会避免负责任的 AI 问题。
4.《不断变化的创造力：艺术与人工智能》
创意设计工具的演变、生成人工智能的潜力、人类的作用
采访 Adobe AI/ML 设计师。从创意和设计角度出发，重点关注赋能艺术家、作家和制作人。
A：生成式 AI 是深度学习的一个子集，深度学习是 ML 的一个子集，ML 是 AI 的一个子集。其实，AI 人工智能技术早在数十年前就开始应用于各行各业的产品和服务中了，我们比较熟知的场景，比如：银行语音诈骗、拼写识别和检查、图像内容感知和填充等等。
A：这肯定会受到影响，因为数据来自人类（认知和行为），而人类是有偏见的。例如，批准客户贷款的系统就存在种族主义的偏见。
例如，Adobe 可以选择打开“内容凭证”来跟踪用户在 .psd 中嵌入的所有操作。“图像滥用”是指未经你的许可使用你设计的图像。目前，仍有空白空间来确保正确的护栏、规则、法规……
宣传更多网站安全知识，发现 AI 人工智能的内容和深度伪造信息。
A：人类和机器是不同的。人类具有独特的品质：情感、经验、根据情况打破规则、质疑原因并决定制造什么是正确的东西。机器很难复制这些品质。
A：与其说不使用人工智能，不如说适应人工智能。例如：老师给学生提供人工智能撰写的论文，让学生进行修改。目前，各大高校学府也正在制定人工智能使用的指导方针。
Q：能否简单介绍几个关于设计师使用人工智能的商业案例？
A：先介绍 3 个商业案例：
Pum Lefabur ｜使用人工智能制作一整套广告营销策划案
https://www.fastcompany.com/90915469/design-studio-crafted-brand-campaign-entirely-from-ai
Marian Bantjes ｜使用人工智能制作艺术品
https://www.eyemagazine.com/profile/author/marian-bantjes
即将举行的 MoMA 展览中，一位家具设计师使用生成式人工智能重新想象如果由有色人种设计师制作标志性家具会是什么样子。
A：人工智能与想象力是并存的，能够推动和激发想象力。人工智能有时会带来惊奇的结果。例如，Adobe Firefly 想在任何生物上贴上人脸，比如长着人脸的吉娃娃。恰恰，这些奇特的实现效果可能会引发更有趣的新方向，新创意。
Q：[推测] 人工智能增强的想象力是原创的吗？人工智能是增强创意还是变异？
A：这个的界限很模糊。很难确定这一点，最终一切都可以取决于意图/目的。人工智能驱动的图像编辑器正在不断改进，通过控制网（一系列参数和控制）等机制来描述图像的制作深度。
A：有了人工智能工具， 更多人将能够接触到更多媒介，并且能够更快上手工作。你可以为设计师和非设计师提供同一套工具。由于设计师具有审美意识，因此最终产出的结果可能会更好。
A：由于其“生成”特性，顾名思义，相同的结果就不可能生成两次。
A：艺术将融入社会。我们将看到更多异想天开的创意，更多身临其境的体验。艺术不再是你去看的东西。而是成为参与者。艺术将来到我们身边，成为我们的一部分。
5.《为人工智能产品/服务设计》
设计可以让人工智能变得更实用，更好用。开发 3 种不同人工智能产品体验：对话式助理、辅助操作、沉浸式体验。
5.1 对话式助理
14Islands为其网站构建了对话式人工智能助理：Aila
4Islands | Aila
https://www.14islands.com/ai
经验教训。信息透明能够让人工智能系统被用户接受和信赖。当用户知道信息来源，可以评估结果的可信度，同时，还能提示系统什么时候会产生幻觉以及提供不准确的结果，用户将会更加信任系统。使用典型的常见问题进行测试。为敏感数据和你不希望人工智能助理涉及的问题，设置防护栏（例如 openAI 的审核 API 来标记问题），并提供标准答案。设计人工智能助理的个性化。包括：后续提示，以保持对话继续进行，帮助用户快速入门。不断改进系统。
设计方法。在对话人工智能助理中建立了一个自我评估系统。可信的答案被标记为自信（赞）。未来感和创造性的答案被标记为幻觉（踩）。对于幻觉的答案，背景从正常色变为的警示色。
5.2 辅助/智能操作
人工智能作为合作伙伴可以增强体验、提高效率和生产力，同时仍保持人类的掌控。
这是一个提供高度情境化的体验的绝佳机会，在适当的时刻提供用户不知道自己需要的结果。
案例研究：Seekout 自动招聘平台面临一个挑战：如何根据每家公司的情况制作有用的岗位描述？同样职位对于不同的公司来说，岗位描述会有很大的不同。这是一项高度重复、繁琐的任务。
Seekout ｜自动招聘平台面
https://www.seekout.com/
设计方法：利用“机会地图”列出用户想要的东西，然后映射到人工智能系统。最终产生了 “辅助” （Assist），该功能将有助于加快候选人的搜索速度。使用时，他们的 LOGO 会变成星号，表示人工智能正在运算。产品有 2 项功能：(1) 人工智能系统对大量数据进行筛选，然后生成内容摘要，用户可以查阅。(2) 人工智能系统根据雇主的职位描述和候选人的简历生成面试问题，为节省两边的时间。
Creately | 利用机会地图实现增长和成功
https://creately.com/guides/using-opportunity-mapping-for-growth-and-success/
5.3 沉浸式体验
推测人工智能的未来，包括新兴技术能力，特别是多模式体验和空间计算。
洞察生活：想象一下在扩展现实中即时出现的用户界面。体验身临其境的实时协作和交流。查看 Pluto，这是一款虚拟现实聊天应用，可以与他人交谈，让大脑误认为用户身处同一空间。
Pluto ｜虚拟现实聊天
https://www.pluto.app/
品牌构建：在 3D 空间中展示品牌。用户可以触摸到品牌。设计师需要考虑材料、用户如何感知环境、运动和声音。
实时无障碍性：设计可以带来神奇的魔力。在空间环境中，用户不受物理定律的束缚，可以充分利用人类的感官。
创造神奇时刻：拥抱与人工智能一起进行创意表达的机会。尝试使用机会地图，发现在众多创意想法中，人工智能可以应用的领域。利用动作传达变化，引导用户朝着预期结果前进。保持信息的清晰度和透明度，持续和用户建立信任。
6. 大变革：2024 年数字界面的 5 大趋势
5 大趋势探讨客户沉迷度的下降、生成式人工智能的影响、创造力的停滞、技术优势与负担的平衡、人们新的生活目标。阅读埃森哲 2024 年生活趋势。
6.1 消费者的爱在哪里？
客户至上的意识正在衰退。客户感受到服务体验也在变化，比如：收缩膨胀（价格不变，数量减少）和通货膨胀（价格不变，服务质量降低）。客户对与那些以利益为导向的营销活动产生怀疑。我们还发现，当客户对一个品牌心存警惕时，他们同时也会对其他品牌心存警惕。然而也有一些品牌例外，比如 Costco ，当其他品牌涨价时，该公司通过保持价格稳定，实现了 15% 的业务增长。Apple，该公司拥有强大的品牌忠诚度，客户已经融入生态系统。
6.2 界面交互的转变
交互方式从搜索到对话的转变，从“我要……”到“我想要……”，这种交互方式可以实现人与机器之间不同的关系类型，亲密度的程度也可以不同。
灵活的个性化和相关性重新定义商业。客户可以通过上下文告诉品牌他们想要什么，并通过 AI 人工智能调节的对话与品牌互动。多模式输入鼓励人们学习将文本、图像、声音与上下文混合，通过即时翻译消除障碍，并通过超个性化保持让用户参与其中。
客户也会利用技术来对抗品牌。人工智能可能会找到更适合用户的产品，但这些产品来自竞争品牌的产品。这对公司来说是一个挑战，企业都需要加强品牌，重新赢得客户忠诚度，重新培训客户体验员工，以及处理与人工智能的互动方式，或者培训人工智能助理，让其理解和融入品牌理念。
6.3 平庸与创意的停滞
警惕技术取代人成为潮流引领者。如果算法控制我们看到的内容，阻止我们看到新事物。
担心原创性和创造力受到挑战。效率文化加剧了这一问题，我们依然会像过去一样依赖可靠性，而不是大胆的原创，这是有风险的。通过做大多数人不做的事情脱颖而出。
数据驱动设计。数据很强大，但是，我们往往指向熟悉的数据。品牌会陷入相似性陷阱。很难实现创意差异化。因此，要专注于重要的事情，包括：客户忠诚度。
6.4 利益与负担的平衡
用户越来越感到不安，觉得技术是发生在人身上的事情，而不是为人服务的事情。
缺乏对技术变革的理解会让未来变得令人畏惧。社会应该对风险发出声音，要求监管行动，成为解决方案的一部分。
6.5 新的生活目标
品牌迫切需要接受不断变化的用户关系。组织需要深思熟虑技术如何融入生活。用户会根据新工具重新考虑他们做什么以及如何参与其中。思维方式重新定义了用户想要什么以及需要从品牌那里获得什么。品牌应该了解人们的生活方式的新心态和他们想要什么。以生活为中心的方法使品牌能够思考消费者的新需求。
该文部分观点和图片均来自网络，内容为个人职场生涯或翻译国外文章的所思所想。如在阅读过程中发现错误与疏漏之处，欢迎不吝指出。
