面對人工智能和深度學習，設計師到底要如何自處？

一鍵生成廣告、插畫、佈局、視覺稿，這樣的技術和產品在某種意義上幾乎已經在我們眼前了。

建立一個真正稱得上是擁有智能的系統，針對特定受眾的需求來生成素材，理解人類的情感和語義中的潛臺詞，明白行為的概念和美的意義，這仍然還太遠。

不過，建立一個專門的深度學習系統，自動化的設計流程，能夠讓設計師從一部分完全手動的工作中解放出來，這是完全可行的。

實際上已經有很多新興的設計素材和設計工具在做這個事情了。

比如下面這些以深度學習為驅動力的創新的、自動化設計工具：

Colormind.io

Colormind 致力於讓色彩理論真正幫助設計師運用於實際設計。它是幫你測試和探索不同色彩的有效工具。

Google’s Autodraw

這個工具同樣非常簡單有趣，它可以用來快速生成插畫，AutoDraw 會嘗試去理解在頁面上的塗鴉，並匹配已有的符號，而不是依賴於關鍵詞搜索。

Fontjoy

選擇字體搭配可能是一件麻煩事兒。Fontjoy 利用深度學習來幫你挑選字體組合。不過這款工具在判斷美觀與否上，並沒有辦法做到很突出（這些事情通常很難「算」出來），所以意見也大多作為一種參考。

Brandmark.io

Brandmark 是使用深度學習來創建LOGO，它可以幫你將公司的名稱和相應的屬性特徵組合到一起，來創建LOGO，也許它不會幫你創造一款永恆經典的設計，但是它可以幫你更好地構思，快速搭建基礎的LOGO設計。

Adobe Sensei

這是 Adobe 旗下的產品，在人工智能和機器學習的驅動下，幫你省去以往需要手工來製作的一些環節，幫你更好的專注於創造。

上面視頻中的案例將會很好地向你說明，Adobe 的新工具是怎樣幫你在製作海報的過程中，完成不同變體的設計。

好消息是我們仍然需要設計師

絕大多數的深度學習工具的共同點，是它們確實可以幫我們移除設計過程中繁瑣的部分，從而加快原型設計和測試中不同組合的速度。這些工具雖然功能強大，但是卻無法判斷哪些設計是有效的，是正確的選擇，即使看起來都還挺不錯的。仍然需要設計師在設計過程中，針對深度學習所輸出的結果，進行篩選。

我們現在所面臨的狀況，很像33年前出版行業，面對著快速發展的計算機和排印技術時候的情況，數字化的排印技術開始淘汰傳統的鉛字印刷技術。

即使這些工具仍然有很長的路要走，但是我們依然很清晰地看到了變革已經開始發生。

單調繁瑣的平面設計方法和傳統的雜誌排版方式，在新技術和新工具的衝擊之下瀕臨滅絕，而願意採用數字排印技術的設計師，可以一秒更換字體，而無需來回搬運鉛字，調整佈局也不再會帶來破壞性的影響，編輯和設計成了在電腦前就可以快速搞定的事情。

工具減少了設計過程中的時間消耗，甚至消除了一些原本存在的物理性的損耗。功能更為靈活的工具帶來更為自由的創作過程，不過大家仍需要遵循設計的原則和規範，來輸出對的結果，判斷設計是否可用。

對於深度學習，同樣如此。

案例研究：Netflix

Netflix 使用算法，根據用戶的觀看歷史記錄來分析用戶的電影品位，並且隨後基於這些數據來推薦電影和電視節目，甚至生成相應的預覽圖。

比如你看了大量浪漫的愛情電影，那麼這一算法會在預覽圖中凸顯電影中浪漫的元素。又或者，算法檢測到你喜歡喜劇，那麼在推薦劇情片《心靈捕手》的時候，會將其中的喜劇演員羅賓·威廉姆斯單獨提出來，突出呈現吸引你。在Netflix 的技術博客上，你會找到這些相關的個性化算法的內容。

另外一個案例，我們也很熟悉，來自阿里巴巴的鹿班系統。

案例研究：阿里巴巴人工智能設計系統鹿班

在今年的雙11活動期間，鹿班為廣大品牌設計了超過400萬 Banner 廣告。如果我們假設一個人類設計師需要花費20分鐘來設計一幅Banner，那麼想要達成這次雙11的要求，假設我們有100名設計師，那麼他們需要不間斷地工作150年來完成這一任務。

——Rexroth Xu，阿里巴巴高級用戶體驗設計師。

作為一個優秀的人工智能平臺，鹿班每秒能夠生成8000款不同的 Banner設計作品，鹿班是藉由機器學習來完成這些作品的，而為了做到今天這個樣子，鹿班是經過了數百萬套數據的洗禮和培訓之後才有的。當已經擁有現有的創意元素，且需要大量創意內容的時候，鹿班這樣的人工智能能夠節省相當程度的人工和時間。

案例研究：Airbnb

Airbnb 藉助深度學習製作了一套內部使用的工具，它能夠將粗略的草圖轉化成功能性的應用視圖，你可以戳這裡瞭解更多。

使用人工智能做設計所面臨的挑戰

實際上這個話題已經被反覆提及了，藉助機器學習或者說人工智能來做設計，本身依然面臨著不小的挑戰。

挑戰1：隨著時間的推移，客戶的期待值會越來越高。隨著時間的推移和技術的進步，用戶的預期會有所變化，比如客戶會期待這項技術能不能更智能一點，能不能比之前更好更強更快一些。而諸如蘋果和谷歌這樣的企業，也已經在他們的移動端系統中，開始逐漸將 AI輔助植入到圖片、視頻的編輯功能當中。自動化和智能化正在成為許多消費者眼中產品應有的基本功能。

挑戰2：需要以逐漸進步、多樣化的方式來設計AI 的體驗，用來維持系統和用戶之間的基本信任。在某些情況下，AI系統的個性化是很重要的，在其他的情況下，我們則需要 AI 靜默地在後檯安靜地處理問題。這樣的不同情況，都是需要通過設計來實現的，同時，不論什麼時候都要讓用戶感到他們保持著足夠的控制權，這一點也相當重要。

挑戰3：產品和體驗將會變得更加動態。我們的設計、工作流程、工具也需要能夠逐漸跟上時代的變化。非響應式的設計已經是難以被接受的狀況，同時，設計師應該開始定義產品和設計的規則，根據真實而動態的數據來進行更優的設計，設計系統將會像複雜的生態系統一樣靈活而具備強大的兼容性。

應該讓設計師尋找新的工作方法麼？

更快，更智能的工具將會讓設計師更加專注於重要的事情：用戶和產品本身。

即使設計看起來已經越來越容易實現，但是想要控制好質量，並且能夠作出足夠優秀的創意，並讓所有的元素和功能自恰而順暢的運行，仍然是一件複雜而艱難的事情。

身為設計師，你需要了解技術，熟知設計，還要搞懂這些東西和人類本身的聯繫和運作原理。而這，才是未來設計師的立足之本，尋找生活中亟待解決的問題，解決問題，並且讓整個系統合理化，這才是目標。

因此，我們相信，人工智能，或者說當下的深度學習基礎上的設計工具，能夠讓設計師逐漸將精力花費在更加重要的事情上。

設計師會被人工智能替代嗎？這不是問題，設計師不需要尋找新的職業道路（除非你的工作只是簡單的複製和機械的勞作），相反，設計師應該開始在整個體系和規則當中更加深入，挖掘和思考，用好走向新世界的自動化系統和深度學習的技術。