智能AI發(fā)展的速度超乎所有人的想象，并且正在逐漸取代部分設計師工種，至于后續(xù)AI的發(fā)展會不會進一步“蠶食”其他分支的設計崗位，取決于設計師如何認知這個新階段、如何轉型、如何專注于合適的領域。面對AI的迅速發(fā)展，設計師應該怎么做呢？

智能AI發(fā)展之迅速超乎所有人的想象。

這所帶來的震撼，已經(jīng)顯現(xiàn)賽博朋克的味道。

仔細想想，這其實是人類社會的技術發(fā)展與信息資料積累到到一定地步的必然結果，必然會有一種技術手段將需求與浩如煙海的答案進行匹配、整合與輸出。

如今時代的答案已然顯現(xiàn)。

今時今日智能AI正在逐漸取代部分設計師工種，至于后續(xù)AI的發(fā)展會不會進一步“蠶食”其他分支的設計崗位，這其實已經(jīng)不再取決于AI如何發(fā)展，而是取決于設計師如何認知這個新階段、如何轉型、如何專注于合適的領域。

一、回首智能AI的發(fā)展

作為一切問題的根源，我們有必要簡單了解下AI發(fā)展的大事記：

• 1996年，深藍計算機Deepblue擊敗國際象棋世界冠軍Garry Kasparov
• 2014年，聊天程序Eugene Goostman在5分鐘的鍵盤對話中被超過30%的評委誤認為是人類，通過了著名的“圖靈測試”
• 2016年，AlphaGo擊敗圍棋世界冠軍李在石，次年戰(zhàn)勝柯潔
• 2017年，類人機器人Sophia獲得沙特阿拉伯國籍
• 2017年12月，DeepFakes基于深度學習的AI技術，在Reddit發(fā)布Gal Gadot換臉視頻
• 2022年，畫師群體在Artstation平臺發(fā)起“NO TO AI GENERATED IMAGES”的反AI圖運動
• 同年11月，OpenAI推出ChatGPT，5天內(nèi)注冊用戶超百萬
• 2023年1月，微軟新版Bing采用ChatGPT技術
• 同年2月，OpenAI推出GPT-4模型
• 同月21日，美國版權局認定Midjourney生成的部分不受版權保護

原本Turing預測2000年就會產(chǎn)生5分鐘內(nèi)騙過30%成年人的人工智能，目今而言AI的發(fā)展反而落后于他的預測。而當機器智能通過圖靈測試，甚至已經(jīng)超越人類，測試本身就淪為另一個“過時的摩爾定律”。

從AI發(fā)展的里程碑來看，我們可以粗淺地認為原初的AI智能，如深藍和通過圖靈測試的Eugene Goostman，是一種基于大量信息資料的窮舉行為的產(chǎn)物，它對機器的性能有一定的要求，信息資料的數(shù)量級也受到限制；

當擁有分布式儲存、大規(guī)模并行處理和自組織自學習特征的“神經(jīng)網(wǎng)絡”取代窮舉行為，再加上機器設備性能的大幅提升，AI就全面進化為如AlphaGo一樣，基于性能和效率，對信息資料進行靈活匹配與整合，具備學習自然語言、信息提取、文本分析與推理能力的類人的AI智能；

更進一步的，當我們錄入不同國家的在地文化、各類語言語料、各學科知識以及繁雜沉積的網(wǎng)絡信息資料，加上最核心的自學習能力，AI智能已經(jīng)一步一步提升至超越人類的存在，也即今天的ChatGPT和GPT-4模型。

從上述我們也許可以更加粗淺地認為，當下的AI智能是對既有知識和資料的總結性產(chǎn)物，同時具備一定的學習能力，它的思考是基于已有知識的“學習”和對價值觀的“判斷”的推理過程。

二、AI在IT行業(yè)的應用

近幾個月，不論是IT行業(yè)的新崗位招聘，還是新的協(xié)作方式落地，都出現(xiàn)了AIGC的身影。

AIGC（AI Generated Content）是一種新型的內(nèi)容創(chuàng)作方式。AIGC正成為越來越多參與到數(shù)字內(nèi)容的創(chuàng)意工作過程中，創(chuàng)作者需要不斷地學習探索和創(chuàng)新，以滿足不斷變化的市場需求。——《探索AIGC在網(wǎng)易嚴選中的應用》

當我們不抱任何懷疑態(tài)度地擁抱AI，并在設計或開發(fā)流程中落地時，按照“一”的看法，我們可以認為是擁有了既往知識經(jīng)驗的“接口”。

參考網(wǎng)易嚴選AIGC落地資料，我們可以認為AI在設計流程中的具體落地切入點，可以有以下幾個方向（以下示例答案基于GPT-3.5-TURBO模型）：

1. 前期調(diào)研輔助與分析

我們可以借助AI快速且全面地針對某項課題進行調(diào)研前的準備，AI可以協(xié)助了解用戶和市場的需求與趨勢，進而給出指導或策略性的建議，在前期調(diào)研的資料收集與分析、人群分析以及問卷設計技巧等環(huán)節(jié)上，節(jié)省了時間和人力成本。

并且得益于AI的批處理特性，問卷或調(diào)研資料回收后的數(shù)字分析和結論提煉工作可以完全托付給AI執(zhí)行。

2. 需求提案、頭腦風暴

在需求提案的過程中，諸多靈感與Tips會在工作流轉的過程中或多或少地被舍棄或被改變，也或許因為人力原因，許多靈感未被發(fā)掘或被表達。

我們可以通過AI快速模擬需求的創(chuàng)意提案，這些提案得益于繁茂的信息資料，它所展現(xiàn)的方向和覆蓋維度基本上都要優(yōu)于我們自己的思考成果。我們可以在此基礎上進行人為的增刪改，以洞察需求的更廣面貌，甚至進一步明確產(chǎn)品定義。

3. 物料生成、輔助拍攝

By MidJourney|prompt:bath lotion; online-sale product image; light atmosphere; few plants; spray; real photographic

AI可以按照指定的特征語句生成或者改造物料素材，可以提升物料素材多樣性的同時，極大降低物料的拍攝、采購或生成的成本，節(jié)省場景搭建的時間和成本。

更為重要的是，AI生成雖有瑕疵，但可以一次或多次生成提供批量的符合要求的物料，以供改進和備選。

在生成素材物料的基礎上，AI還可以進行如包裝設計、工業(yè)造型設計、IP創(chuàng)意設計等工作：

By MidJourney | prompt: mascot for female toys; whale shape; weather color; relaxed and cheerful expression; personification; three views

總得來說，AI在融入開發(fā)流程、應用和落地的過程中，在資料收集、調(diào)研思考、討論和創(chuàng)意，甚至于物料的輸出和調(diào)整上，都能夠極大地節(jié)約人力和時間成本。

4. AI在實際工作流程中的落地應用?

我們再模擬一下AI在理想情況下在實際工作流的參與程度：

在理想情況下，AI在工作流中可參與的程度已經(jīng)很高，但同時AIGC也依賴人為干預、整理提取和傳輸?shù)?，也就意味著AI可以替代的其實是一部分專注于機械輸出的工種，以及抵消一部分人力，使工作的投入成本更小。

總得來說，AI在工作中落地應用的最大價值在于改造工作方法論、優(yōu)化協(xié)作流程、提升輸出多樣性和節(jié)約成本。

在這里額外推薦來自嗶哩嗶哩的子牧說發(fā)布的《你的文字是怎么變成圖片的？-AI繪畫底層原理拆解》，可以更深入地了解AI繪圖的發(fā)展和原理。

三、AI對IT設計崗位的影響

在論述AI對設計師們的實際影響前，我們可以按照工作內(nèi)容情況對設計師進行分類：

1）協(xié)作型：產(chǎn)品設計師、深度介入開發(fā)流程的交互設計師

協(xié)作型設計師需要了解業(yè)務和它的受眾，工作內(nèi)容涵蓋原型或中保真交互文檔的設計，還包括跨部門協(xié)作、開發(fā)設計對接、數(shù)據(jù)分析等等，他們需要了解業(yè)務鏈路、用戶特征、用戶行為以及開發(fā)成本和周期等細節(jié)。

2）整合型：深度介入開發(fā)流程的UI設計師、交互設計師

整合型設計師在工作流中屬于中下游，他們接收上游的需求或原型，基于視覺/交互規(guī)范，按照受眾特征進行細化設計，輸出用于開發(fā)或設計的文檔，還需要對接開發(fā)還原視覺/交互細節(jié)，配合驗收，完成上線。

3）輸出型：UI設計師、創(chuàng)意與平面設計師

輸出型設計師的工作內(nèi)容相對專精，屬于下游，他們要按照上游需求輸出物料，如Banner、H5或圖片物料等，需要了解受眾特征，也具備一定水準的專業(yè)技巧。

按照我們前文所述，在協(xié)作和整合層面，AI更多扮演的是輔助角色，可以協(xié)助資料收集、數(shù)據(jù)分析、結論提取，也就是說，會抵消一部分人力，而這兩類設計師仍然需要人來作為核心，進行干預和管理。

但在物料輸出上，AI已經(jīng)可以承擔一大部分的設計和輸出，這將抵消的是較大比例的人力，更需要設計師參與排版或者微調(diào)，加之AI輸出的不穩(wěn)定性，也需要專業(yè)的人為干預。最后，輸出型設計師向設計物料的管理方向轉型的可能性更大，或者說更安全。

By MidJourney | prompt: spring camping, smiling young peoples, running dog, public park, trees and grass, sunny day, anime style, v5

（經(jīng)歷若干次生成，Midjourney沒有給出我想要的風格，可能是語句的問題）

額外的，在動效設計等更細分的工種上，因其和開發(fā)流程的結合更加緊密，工作輸出的精密度較高，被AI替代的風險相對來說就小了很多。

總得來說，在AI發(fā)展大潮中，設計師不想被AI取代就需要：

1. 學會并應用AI智能，相應地制定好合適的邊界，保留自己的靈活性和獨特性?
2. 與業(yè)務和協(xié)作流程進行較強的耦合，和工作流中的各類角色打好交道???
3. 無論是轉型設計管理的方向還是設計協(xié)作的方向，想不被AI取代，就用力地擁抱AI吧，把它變成自己設計生命的一部分

四、結語

AIGC對各行業(yè)都存在著沖擊，這是AI智能不斷發(fā)展和人類社會不斷優(yōu)化成本投入的趨勢所帶來的必然結果。

但在以人的意志為核心的文化氛圍和感知判定上，或者說虛無縹緲的“意味”，也許是機器智能永遠無法了解的領域。

如各地文化微妙的表意、人類符號學等專業(yè)垂直領域，如用戶體驗判定、設計管理、人才培養(yǎng)、字體設計等基于人本身素質(zhì)、學識和藝術水準的領域，又或者如基于業(yè)務的理解力、由理論到應用的能力，可用性測試等等需要強人力干預的領域。

GPT-4在各種任務上的表現(xiàn)令人印象深刻，但它仍然受到各種有據(jù)可查的語言模型的弱點的影響。這些弱點包括(但不限于)缺乏對當前世界的了解，難以進行符號運算(如數(shù)學)…目前的知識和符號操作對語言模型來說是很難的。——《人工通用智能的火花：GPT-4-早期的實驗》微軟研究院

AI智能是基于過往信息的呈現(xiàn)和總結。

這也意味著AI智能可能輸出一些需要證偽或無法被證偽的內(nèi)容，在這類模棱兩可或無法經(jīng)由人力判斷的輸出成果上，我們?nèi)匀恍枰M行人為干預，并以此建立相關的邊界圍欄。

它既會編造在其訓練數(shù)據(jù)中沒有出現(xiàn)過的事實，也會在生成的內(nèi)容和提示之間表現(xiàn)出不一致，我們…稱之為開放域和封閉域的幻覺。這些幻覺可以用一種自信的、有說服力的方式陳述，很難被發(fā)現(xiàn)…雖然在產(chǎn)生創(chuàng)造性的內(nèi)容時，幻覺是一件好事，但依賴有幻覺的模型所做的事實性聲明可能會付出高昂的代價，尤其是在醫(yī)療保健等高風險領域的使用?！度斯ねㄓ弥悄艿幕鸹ǎ篏PT-4-早期的實驗》微軟研究院

我更傾向于認為AI時代來得還太早，很多需要我們改變的事情還來不及準備。AI智能是把雙刃劍，也許蒸汽時代的保守主義者們也曾經(jīng)發(fā)出過這樣的感慨吧。