几年来，我一直关注着算法设计，并且收集到了一些实际的案例。相关的设计工具帮助我们建立起了用户界面，准备好了素材与内容，也使用户体验更具个性化。但是，相关的资料，总是比较匮乏，并且没有系统化。

然而，在2016年，这些工具的技术平台变的容易让人理解了，有些设计团体开始对算法、类神经网络以及人工智能感兴趣。现在，是时候重新考虑一下设计师在如今时代下的角色了。

通过Prisma和Glitché生成的相册封面（译者注：Prisma和Glitché分别是两款通过人工智能技术对图片进行处理的APP）

（译者注：Prisma）

（译者注：Glitché）

| 机器人会取代设计师吗？

备受争议的CMS,The Grid曾经对算法设计做出了令人印象深刻的定义。通过它可以选择模版和内容展示风格，修整照片。此外，系统还通过A/B测试来选择最合适的样品。然而，其产品还在测试阶段，因此我们只能通过关于它的出版物和广告来判断其优弊。

后来Designer News团体找到了一个通过The Grid创建的网站，人们对其中设计与代码的质量进行了抨击。于是那天，抱着算法设计怀疑论的人便为此开香槟庆祝。

The Grid CMS

想想看，一个产品设计师通过输入交互、声音以及视觉信息将一个初级产品的雏形传达给用户界面，以此来帮助公司完成品牌形象的建立。通过这种算法来替代设计师的想法虽然非常新潮，但却是完全错误的。

设计师在整个设计过程中作出许多大大小小的决定，并且这些细节问题很难去清楚的形容出来。此外，设计师遇到的需求也不是百分百的清晰连贯，因此他们需要设计出更好的产品来帮助需求方解决这些问题。这个过程远远不是“选择一套合适的模版然后把内容塞进去”就可以概括的。

然而，如果我们把目光转向创意性的合作，当设计师们跟算法搭配起来解决问题，我们会看到很多很好的例子和显而易见的发展潜力。让人特别感兴趣的是，计算机算法是如何帮助我们关于网站和APP日常的设计工作的。

| 与算法进行创意性合作

设计师们要学会应付很多相关工具与技能来达到完美的效果，因此，一个新名词产生了：产品设计师。产品设计师在产品团队中是要有前瞻性的。他们了解用户研究、交互设计、信息架构，他们也懂得视觉效果、通过动效让产品更生动，同时也能用简单的代码来进行修改。他们对于一个产品团队来说是非常重要的。

但是，能够同时了解这么多技术不是件容易事，你不可能有足够的时间来应付产品技术上的方方面面。当然，近来那些新的设计工具可以提高我们的创造效率，给我们提供了更多的可能性。但这仍然不够。因为现实中仍然有很多例行任务，消耗掉了我们之前节省下来的时间。我们需要使我们的工作过程更加自动化与精简。我总结为大致三个方向：

- 构建一套UI

- 准备好素材与内容

- 个性化交互方式

我将向大家展示几个案例，以及这种未来化的人机合作工作方式的新方法。

构建一套UI

像Medium、Readymag和Squarespace这些发布工具已经大大简化了作家的工作：数不尽的漂亮的模版让作家们不需要再往设计师口袋里塞钱。尽管如此，这些模版仍然有潜力被设计的更加智能，掌握门槛更低。

比方说，当The Grid仍处于测试阶段的时候，一个大型的网站建造商Wix,已经开始推出了算法驱动的相关特性，并宣布了advanced design intelligence，它跟The Grid的“半自动化”非专业性的建站方式类似。Wix通过利用各种高大上的网站来让计算机算法学习。而且它还会试着给客户推荐与之行业相对应的风格提议。对于非专业者来说，挑选一套合适的模版并没有那么容易，也许Wix和The Grid更适合专业的设计师。

译者注：Wix官网

当然，像The Grid这样，在创作过程中摒弃设计师只会导致最终成品的刻板与平庸（即使它提高了整体的质量）。

然而，如果我们把这个过程看作是与计算机之间的“搭配设计”，之后我们便可以省去许多常规任务。比如，设计师可以在Dribbble或是Pinterest上建立设计模板，然后计算机算法可以迅速的把这些样式应用到原型中并且形成一套合适的模版。这时候设计师便成为了计算机的艺术指导。

当然，我们不能够通过这种方式创造出革命性的产品，但是我们可以为此节省时间。况且，设计师日常的工作多是较为实用主义的，不需要什么革新。但如果一个公司已经足够成熟到有了一套设计系统，那么算法设计则可以让这套系统更加强大。

举个例子，设计师和开发者可以定义内容、背景以及用户数据的逻辑，然后这套平台就可以通过规则和规律来编译设计。这便允许我们去对某些细节进行微调，而免去了大量的绘画与代码。Florian Schulz展示了如何使用插值来创建组建的不同状态。

Florian Schulz 插值

我对算法设计的兴趣始于2012年，那个时候我的设计团队在Mail.Ru Group需要一套给杂志自动排版的系统。现有的内容只是一套差劲的语义表达结构，并且手动更新它会非常昂贵。这个时候，我们如何才能获得优秀的设计？尤其在那些编辑们没有太多设计经验的情况下。

好吧，其实一段特殊的脚本就可以搞定一篇文章。根据文章的内容（段落与文字的数量、图片的样式和格式、插入的引用和表格等等），脚本会选择最合适的样式来展现它。脚本也会试着混合样式，使得最终的设计千变万化。这样以来便节省了编辑们对旧内容修订的时间，然后设计师只需要在其之上增加新的演示模块即可。Flipboard几年前就推出了一个非常类似的模型。

译者注：一页三列布局的方式，多达2000种以上。

Vox Media也运用了类似的思路推出了一个首页生成器。他们的计算机算法通过结合样式库中不同的实例来寻找各种可能奏效的布局方式。接下来，每一种布局基于某些特征来被检查和打分。最终，运算器选择出最佳布局方式（其实就是那个得了最高分的布局）。这种方式比纯手工筛选最佳结果更加高效。

Vox的首页生成器。

准备素材与内容

准备千篇一律的图片素材对于设计师来说算是最枯燥的一部分工作，它不仅消耗时间而且会让人丧失斗志，而设计师本可以把这些时间花在更有价值的工作上。

算法可以承担像色彩搭配这样简单的任务（译者注：我觉得色彩搭配是相当难的，往往很难抓住参考点）。比如Yandex Launcher会基于APP图标并运用算法来自动为APP设置颜色。其他的变量也可以自动设置，比如通过背景色来改变字体颜色，通过突出眼部来强调照片的情感，以及实现参数化字体。

Yandex Launcher

其算法可以完成整个创作，Yandex Market给电商产品列表使用了图片增强生成器。营销人员只需要将商品名称跟图片填充进表格，接下来生成器就会根据这些内容与设计规范产生数量庞大的设计提案。Netflix在这方面就走的更远：他们的脚本可以将电影角色剪切到海报中，之后加入风格化以及当地语言的标题，最终产品完成后会被放在一小部分用户中进行测试。

Netflix电影广告

真正的黑科技发生在类神经网络领域。举一个鲜活的例子：Prisma，可将照片风格化，使其像是艺术家的画作。还有Artisto，也可以用类似的方式处理视频（甚至是流媒体）。

Prisma

Aristo app

然而，所有的这些技术都还处在一个初级阶段。当然，现在的你可以下载一个APP然后很容易就能得到你想要的结果，而不用去GitHub里挣扎（就如同我们几年前的做法）。即便如此，如果不去让类神经网络学习，只是通过上传一个你自己的参考风格，还是很难得到一个理想的结果。不过，其好处就是降低了你给一篇文章或网站配图的难度，不会再出现那些无聊的配图！

为了一个真正独特的风格，也许通过一个诸如：“如果我们在自己独特的风格中做一个建筑物的插图会怎样？”的问题可以帮助快速建立起风格草述。比如说，皮克斯动画工作室的艺术家们在创作《美食总动员》的时候曾经试着使用多种不同的风格来给场景和人物角色增色。想想如果用一套类神经网络来做这些事情会如何呢？我们也可以通过它来创作故事板、用漫画进行场景描绘（照片很容易转换成草图），等等。它能做的还有很多。

个性化的交互方式

一个可以做到清晰成熟的交互方式就是将产品个人化，使其受众面小或是只针对部分特定用户。这样的例子很常见：Facebook的newsfeeds，谷歌的搜索结果，Netflix和Spotify的推荐等等。这些产品对于用户的关心，不仅帮助了用户减轻信息过滤的负担，而且让用户与品牌之间的关系变的紧密了。

不过，关键问题是，设计师在这里面是一个什么样的角色。我们设计师几乎不可能去创建一个诸如大数据分析的算法。来自CX Partners的Giles Colborne在Spotify的Discover Weekly中发现了一个很特别的地方：这里唯一的交互元素是专辑列表，然而区分标记工作已经被推荐系统通过向这个列表中加入个性化的曲目而自动完成了。

Spotify的Discover Weekly专题（来自Giles Colborne的演讲幻灯片）

Colborne给设计师提出了几个建议，关于如何在现如今胜任这个职位以及如何使用各种数据资源来创建和指导算法。学习如何使用大数据并将它转化为有价值的情报

，这一点非常重要。例如，Airbnb学习了如何回答“未来某一天房间的预定价格会是多少”这样的问题，以便房屋主人可以设置一个相对有竞争力的价格。

如今有一个关于“预期设计”的新说法，就是通过预判用户的愿望来使交互具有个性化和预判性。我们已经可以在自己的手机上享受到这些设计了：Google Now可以通过历史定位数据自动生成回家路线；同样的功能还有Siri。然而，最重要的因素就是信任。为了执行预期的体验，人们需要对于大公司给予足够的信任来允许公司通过后台收集客户使用数据。

我之前已经提到过了关于Netflix、Vox Media和The Grid的自动测试设计变量的例子。这是一个将个性化交互揉合进算法的另外一种方式。Liam Spradlin描述了这种变量设计概念有趣的地方，它是一个能为适应特定用户而产生很多种不同适应性界面的优秀范例。

欢迎关注微信公众号VXP，每周会为大家精选并翻译界面交互相关文章。