面对人工智能和深度学习,设计师到底要如何自处?

一键生成广告、插画、布局、视觉稿,这样的技术和产品在某种意义上几乎已经在我们眼前了。

建立一个真正称得上是拥有智能的系统,针对特定受众的需求来生成素材,理解人类的情感和语义中的潜台词,明白行为的概念和美的意义,这仍然还太远。

不过,建立一个专门的深度学习系统,自动化的设计流程,能够让设计师从一部分完全手动的工作中解放出来,这是完全可行的。

实际上已经有很多新兴的设计素材和设计工具在做这个事情了。

比如下面这些以深度学习为驱动力的创新的、自动化设计工具:

Colormind.io

面对人工智能和深度学习,设计师到底要如何自处?

Colormind 致力于让色彩理论真正帮助设计师运用于实际设计。它是帮你测试和探索不同色彩的有效工具。

Google’s Autodraw

面对人工智能和深度学习,设计师到底要如何自处?

这个工具同样非常简单有趣,它可以用来快速生成插画,AutoDraw 会尝试去理解在页面上的涂鸦,并匹配已有的符号,而不是依赖于关键词搜索。

Fontjoy

面对人工智能和深度学习,设计师到底要如何自处?

选择字体搭配可能是一件麻烦事儿。Fontjoy 利用深度学习来帮你挑选字体组合。不过这款工具在判断美观与否上,并没有办法做到很突出(这些事情通常很难「算」出来),所以意见也大多作为一种参考。

Brandmark.io

面对人工智能和深度学习,设计师到底要如何自处?

Brandmark 是使用深度学习来创建LOGO,它可以帮你将公司的名称和相应的属性特征组合到一起,来创建LOGO,也许它不会帮你创造一款永恒经典的设计,但是它可以帮你更好地构思,快速搭建基础的LOGO设计。

Adobe Sensei

面对人工智能和深度学习,设计师到底要如何自处?

这是 Adobe 旗下的产品,在人工智能机器学习的驱动下,帮你省去以往需要手工来制作的一些环节,帮你更好的专注于创造。

上面视频中的案例将会很好地向你说明,Adobe 的新工具是怎样帮你在制作海报的过程中,完成不同变体的设计。

好消息是我们仍然需要设计师

绝大多数的深度学习工具的共同点,是它们确实可以帮我们移除设计过程中繁琐的部分,从而加快原型设计和测试中不同组合的速度。这些工具虽然功能强大,但是却无法判断哪些设计是有效的,是正确的选择,即使看起来都还挺不错的。仍然需要设计师在设计过程中,针对深度学习所输出的结果,进行筛选。

我们现在所面临的状况,很像33年前出版行业,面对着快速发展的计算机和排印技术时候的情况,数字化的排印技术开始淘汰传统的铅字印刷技术。

即使这些工具仍然有很长的路要走,但是我们依然很清晰地看到了变革已经开始发生。

面对人工智能和深度学习,设计师到底要如何自处?

单调繁琐的平面设计方法和传统的杂志排版方式,在新技术和新工具的冲击之下濒临灭绝,而愿意采用数字排印技术的设计师,可以一秒更换字体,而无需来回搬运铅字,调整布局也不再会带来破坏性的影响,编辑和设计成了在电脑前就可以快速搞定的事情。

工具减少了设计过程中的时间消耗,甚至消除了一些原本存在的物理性的损耗。功能更为灵活的工具带来更为自由的创作过程,不过大家仍需要遵循设计的原则和规范,来输出对的结果,判断设计是否可用。

对于深度学习,同样如此。

案例研究:Netflix

Netflix 使用算法,根据用户的观看历史记录来分析用户的电影品位,并且随后基于这些数据来推荐电影和电视节目,甚至生成相应的预览图。

比如你看了大量浪漫的爱情电影,那么这一算法会在预览图中凸显电影中浪漫的元素。又或者,算法检测到你喜欢喜剧,那么在推荐剧情片《心灵捕手》的时候,会将其中的喜剧演员罗宾·威廉姆斯单独提出来,突出呈现吸引你。在Netflix 的技术博客上,你会找到这些相关的个性化算法的内容。

另外一个案例,我们也很熟悉,来自阿里巴巴的鹿班系统。

案例研究:阿里巴巴人工智能设计系统鹿班

在今年的双11活动期间,鹿班为广大品牌设计了超过400万 Banner 广告。如果我们假设一个人类设计师需要花费20分钟来设计一幅Banner,那么想要达成这次双11的要求,假设我们有100名设计师,那么他们需要不间断地工作150年来完成这一任务。

——Rexroth Xu,阿里巴巴高级用户体验设计师。

作为一个优秀的人工智能平台,鹿班每秒能够生成8000款不同的 Banner设计作品,鹿班是借由机器学习来完成这些作品的,而为了做到今天这个样子,鹿班是经过了数百万套数据的洗礼和培训之后才有的。当已经拥有现有的创意元素,且需要大量创意内容的时候,鹿班这样的人工智能能够节省相当程度的人工和时间。

案例研究:Airbnb

Airbnb 借助深度学习制作了一套内部使用的工具,它能够将粗略的草图转化成功能性的应用视图,你可以戳这里了解更多。

使用人工智能做设计所面临的挑战

实际上这个话题已经被反复提及了,借助机器学习或者说人工智能来做设计,本身依然面临着不小的挑战。

挑战1:随着时间的推移,客户的期待值会越来越高。随着时间的推移和技术的进步,用户的预期会有所变化,比如客户会期待这项技术能不能更智能一点,能不能比之前更好更强更快一些。而诸如苹果和谷歌这样的企业,也已经在他们的移动端系统中,开始逐渐将 AI辅助植入到图片、视频的编辑功能当中。自动化和智能化正在成为许多消费者眼中产品应有的基本功能。

挑战2:需要以逐渐进步、多样化的方式来设计AI 的体验,用来维持系统和用户之间的基本信任。在某些情况下,AI系统的个性化是很重要的,在其他的情况下,我们则需要 AI 静默地在后台安静地处理问题。这样的不同情况,都是需要通过设计来实现的,同时,不论什么时候都要让用户感到他们保持着足够的控制权,这一点也相当重要。

挑战3:产品和体验将会变得更加动态。我们的设计、工作流程、工具也需要能够逐渐跟上时代的变化。非响应式的设计已经是难以被接受的状况,同时,设计师应该开始定义产品和设计的规则,根据真实而动态的数据来进行更优的设计,设计系统将会像复杂的生态系统一样灵活而具备强大的兼容性。

应该让设计师寻找新的工作方法么?

更快,更智能的工具将会让设计师更加专注于重要的事情:用户和产品本身。

即使设计看起来已经越来越容易实现,但是想要控制好质量,并且能够作出足够优秀的创意,并让所有的元素和功能自恰而顺畅的运行,仍然是一件复杂而艰难的事情。

身为设计师,你需要了解技术,熟知设计,还要搞懂这些东西和人类本身的联系和运作原理。而这,才是未来设计师的立足之本,寻找生活中亟待解决的问题,解决问题,并且让整个系统合理化,这才是目标。

因此,我们相信,人工智能,或者说当下的深度学习基础上的设计工具,能够让设计师逐渐将精力花费在更加重要的事情上。

设计师会被人工智能替代吗?这不是问题,设计师不需要寻找新的职业道路(除非你的工作只是简单的复制和机械的劳作),相反,设计师应该开始在整个体系和规则当中更加深入,挖掘和思考,用好走向新世界的自动化系统和深度学习的技术。

收藏 13
点赞 14

复制本文链接 文章为作者独立观点不代表优设网立场,未经允许不得转载。