人工智能对设计师的影响 2.0
最近因为《AI改变设计》在台湾出版，我重新看回5年前我写的书。第二章《人工智能对设计的影响》提及的设计案例到现在仍不过时，可以说现在的Stable Diffusion等AIGC工具正是5年前找到的案例的商业版，或者说5年前提及的案例因为技术的提升和成本的下降导致在2022年底火爆起来。 
第三章《人工智能对设计师的影响》提及的问题没想到5年后影响面这么广。无论是平面、3D还是视频，主要通过训练就能掌握的设计技法就能被Stable Diffusion或相关软件替代，最离谱的是ChatGPT为代表的大语言模型允许用户通过自然语言完成大部分交互，在未来会所有基于GUI的交互逻辑大概率都会被颠覆。 
2023年是很不一样的一年，以ChatGPT和Stable Diffusion为首的AI在很多领域和行业都改变甚至颠覆了设计，但我没想到连摄影、艺术相关的行业都会受到牵连，这也说明这次的变革不是面向行业，而是面向文字、语音、图片甚至是视频媒介，而它们会自下而上地去影响每一个行业和职业。 这次变革也让比尔·盖茨有了以下的感慨： 在我的一生中，我见证了两次让我觉得是革命性的技术展示，第一次是在1980年，当我被介绍给一个图形用户界面时，这是现代操作系统的前身，包括Windows。第二个大惊喜是在2022年，我知道我刚刚见证了自图形用户界面以来最重要的技术进步，这激发了我思考人工智能在未来五到十年内可以实现的所有事情。人工智能的发展和微处理器、个人电脑、互联网和手机的创造一样基础。它将改变人们工作、学习、旅行、获得医疗保健和相互沟通的方式。整个产业将围绕它重新定位。 我认为AI对于设计师的影响，从宏观来讲，我认为很多大型企业会逐渐被一波波超级个体以及由超级个体组成的小公司取代。为什么？以下图为例，从钱的转化比例来看，能自己从用户手里直接赚钱总比给公司打工拿工资要高，这个道理即使放在过去也是成立的。 
如果读者认同这个道理，那我可以直接给结论了： 木桶原理将决定了未来的你可以赚多少钱（水桶里的水），而你的技能、你AI的能力以及你调用AI的水平都是组成这个木桶的一块块木板。 或者说，当你只有一块木板（一项技能），你是盛不了水的，除非你成为别人木桶中的其中一块木板。 
如果你一定要成为别人木桶的其中一块木板，这时候就要想着自己如何比其他充当木板的人和AI长得更长，跟AI比拼还能赢我觉得还挺难的（毕竟AI可以24小时工作），但在一些跨学科领域以及前沿领域，AI的数据还不够丰富以及AI对于新事物不理解，这时候人在该领域发挥的空间很大，不过我觉得这部分工作更多是 “探索+研究+设计” ，对人综合能力的要求会很高。 当你认为自己或者跟几个人一起把一个木桶做起来，除了自己的核心壁垒以外，我认为对于个性化的理解以及你的影响力决定了你的木桶半径有多大。换句话说，你需要找到一个适合你的细分市场，而这里的用户都愿意为你的名气和服务买单。这也是我对“超级个体”一词的理解。 对于设计师来说未来的“核心壁垒”是什么？这是一个很好的问题。读者如果有自己的观点可以在评论区回复。我先表达一下我的观点： 想法+工作流远大于技法 。在大部分领域里，基于技法的工作已经可以被Midjourney、Runway、WonderStudio等产品很好地取代，包括绘画、拍摄甚至是视频制作，例如下面由AI生成的图片和视频。 
但是怎么驱动这些工具的技法仍需要设计师掌握，包括怎么调用和提示工具为你工作，在这里我给出几条建议供给各位读者参考：
提示不适宜过短和不具体
不能有模棱两可的提示
提示需要充分表达清楚背景信息
其实以上建议更多是 ** 将你的想法通过合理的逻辑正确地具象化 ** ，所以你的核心竞争力之一是 ** 将你的想法能被AI正确地执行 ** ，但要形成核心壁垒，我认为还需要将这些 工作自动化 ，也就是形成 工作流 ，这时候AI才能源源不断地给你产生新内容，然后你在合适的时间为不同的用户挑选合适的内容。怎么打造属于你的工作流将是这个时代下每一个设计师甚至是每一个人应该考虑的事情，而这个也跟上面提及的驱动工具的技法强相关。 第二个核心壁垒我认为是 脑洞 。我们一直被教育“正确和准确”是最重要的，而且将“错误”和“不可能”捆绑一起，但我认为在这个时代下，我们要意识到两者的区别，而且 ** 将不可能变成可能甚至是现实会比“正确和准确”更重要 ** ，因为每一个惊艳的作品背后一定是将一个“意想不到”的想法实现出来，而这也是创新的体现。 ChatGPT很适合帮助我们打开脑洞，因为它的胡言乱语在一定程度上就是在帮助我们发散思维， ** 这时候怎么区分错误和不可能，以及在众多不可能中寻找出一个可以被实现的“不可能”，将会决定了我们下一步做什么， ** 这也是我认为的第三个核心壁垒： 定义问题 。 相比解决问题，定义问题是AI最不擅长的事情，因为AI更多是基于问题预测结果，然后交由人类来决策。如果对这部分内容感兴趣的读者可以阅读我的第三本书的第五章节。
定义问题跟上面提及的“探索+研究+设计”将会形成一个闭环，该流程是这样的：探索→定义问题→研究→定义问题→设计→定义问题→探索“，通过该流程的反复循环，一个“不可能”的事情可能因为通过各种参数的堆叠，让多个可能性露出水面，最后由我们找到了解决方案。 “探索+研究+设计”本质上就是一种工作流，如何实现一个 具有包容性 的工作流将是第一个核心壁垒的核心，简单说你的工作流可以 被参数化 ，它能兼容更多的可能性，这样你就不用创造一堆用完即弃的工具，而这也符合参数化设计的概念。 除了你的工作流具有包容性，我认为 对学科和事物的包容和理解 将是我们的第四个核心壁垒，而这我认为是 设计师的强项 。我们一直讲“以用户为中心的设计”，本质上是 利用同理心去理解用户的需求和痛点，定义出问题后通过各种手段来满足用户 。 当世界上存在超级多的由超级个体定义的工作流，你的工作流没必要像ChatGPT3.5 一样拥有上千亿参数（也就是说没必要服务上亿用户才能赚钱）。你完全可以决定服务哪类用户，这时候你可以像在ChatGPT的基础上通过少数的参数微调出自己的模型，而你服务的用户类型将成为你工作流里的不同参数。 回归到“探索+研究+设计”，本质上它们是在解决被人为定义好的问题。如果在一个未知领域里通过人力去寻找唯一答案并不是一个好办法，但AI适合做这个事情，AI设计生物蛋白以及芯片都是很好的案例，无论在效率还是结构设计上AI都比人为设计的要好，因为AI可以通过蛮力去探索、研究和设计。 所以我认为探索、研究和设计的执行工作在未来还是会逐步交给自己的AI助手，也就是 由AI来生成解决方案。 这个结论好像跟上文提及的”AI的数据还不够丰富以及AI对于新事物不理解，这时候人在该领域发挥的空间很大”相冲突？我认为不是的，这只是时间的问题。当你定义的问题涉及的学科和领域越多，AI需要学习的时间越久，这时候你有机会比AI跑得更快。 最后我认为，当我们不再局限于自己学过的学科，不要再将自己设限为工程师、设计师、艺术家、商人，多去跟不同学科跨界交流和碰撞想法， ** 我们所谓的“天花板”是否可以被打破？ ** 我认为是的。当更多的学科进行开源和合作，例如技术+艺术、技术+商业的开源， ** 在未来我们是否会有更多的可能性？ ** ** 这时候我们不会在意我们是不是比AI跑得更快，AI跑得比我们快又怎么样？我们可以去尝试其他新的事物。 ** 所以，AI如何影响设计师？ 我们还不如想一下我们怎么设计一个属于自己的AI 。大语言模型在3月份已经可以在单机上运行了，所以我认为这个事情我相信在23年下半年就会发生，希望到时候每个读者都可以兴奋地参与这次变革中🙂。
** 相关阅读 ** 这是一封MiX的介绍信 我的第三本书，《写给设计师的技术书》终于要上市了！ 设计师如何做研究和创新