相关技术

人工智能的这次再次崛起除了机器学习的发展，离不开大数据和无限计算。而 AR/VR、3D与4D打印、众包等技术则对设计创造过程中的协作方式也产生了重要的影响。这些技术相互结合，实现了人工智能与设计之间结合的实际落地。

• 机器学习：设计一个可以随时间自主学习和自适应的系统。
• 无限计算（Infinite Computing）：算力强，利用云计算尝试数千种设计排列。
• 大数据和预测分析：使用数十亿个数据点和预测分析来创建新的，或高度定制的产品。
• 生成性设计（Generative Design）：计算机通过模仿大自然的进化来进行设计。

参考：The Future of Design and Collaboration

经典案例

说到 AI 设计，国内互联网界最知名的就是阿里巴巴的“鹿班”了，因为相关介绍和分享已经很多，这里不再赘述。重点讲讲一些国外的经典成功案例。

Netflix 个性化图片

Netflix 有 5 个典型的智能化应用场景：

• 个性化电影推荐：这可能是 Netflix 最著名的功能。Netflix 利用其他有着相似品味的用户的观看历史来推荐你下一步可能最感兴趣的内容，这样你就可以保持参与度并继续每月订阅更多内容。Netflix 已经为视频开发了 1000 多种标签类型，可以按视频类型、时间段、情节结论性、情绪等进行分类。这些标签有助于定义微类型，到 2014 年微类型就已经达到了 76897 种。在用户层面，传统电视网络使用标准的人口统计等级，如年龄、种族或地理位置来划分市场，而 Netflix 则从一开始就跟踪其用户群的浏览习惯，并创建了近 2000 个集群，称其为 “品味社区（taste communities）”。但实际上推荐算法超出了“品味”标准。Netflix 还包括上下文标准，可以在每个时刻为每个用户找到完美的推荐。

• 个性化展示图/海报图：Netflix 使用算法扫描电影或节目，从中截取和挑选的数千个视频帧，并通过组合不同文案、排版等元素来生成大量的展示图。同时给这些图片加上标签，然后根据不同图像的用户点击结果给它们排名，这些结果是基于与你相似的其他用户所点击的内容来计算产生。另外一个应用是个性化推送，如向喜欢某些演员/电影类型的用户展示具有这些演员/电影类型属性的图片。

• 电影拍摄的时间地点选择：根据时间安排（演员/剧组）、预算（场地、机票/酒店等成本）和制作场景要求（白天/夜间拍摄，某个地方发生天气事件风险的可能性），通过算法来确定拍摄该剧集的最佳时间和地点。

• 电影剪辑（后期制作）：使用过去质量控制检查失败的历史数据（字幕与声音/动作的同步出错的记录）来预测人工检查的合适时间，这一功能能够节省大量的人力物力。

• 流媒体质量：使用过去的查看数据预测带宽使用情况，帮助 Netflix 决定在预期的高峰期间何时缓存区域服务器以获得更快的加载时间。

其中第二个 case 即为“AI+设计”的典型应用：通过组合不同文案、图片、排版等元素， Netflix 能够为一个视频自动生成大量的展示图片，并个性化展示给不同偏好的用户，因此 Netflix 号称自己是区别于传统媒体产品的另一种方式，「我们不是一个产品，而是超过1亿个不同的产品，每个成员都有一个个性化的推荐和个性化的视觉效果。」

上图是是个性化算法为《Stranger Things》剧集生成的图片，不同的版本包含了剧中不同的场景和人物。相关技术包括图片焦点识别和自动裁切、文案智能放置、人群定向等。

Netflix 创意服务全球经理尼尔森（Nick Nelson）解释说，该公司在2014年初进行了一项研究，发现缩略图和海报不仅是用户决定观看什么节目的「最大影响因素」，而且在浏览 Netflix 时，图片占据了用户关注的 82% 以上。

关于个性化定向推送，这里用电影《Good Will Hunting》举例：Netflix 根据会员对不同风格和主题的观影偏好度来决定展示哪些个性化图片。如果展示包含马特·达蒙和米妮·德里夫的图片版本，看过许多浪漫电影的人可能会对这部电影感兴趣，而如果使用包含罗宾·威廉姆斯（著名喜剧演员）的版本，看过许多喜剧的会员可能会被这部电影吸引。

在另一个场景中，对演员的不同偏好会如何影响电影《低俗小说》的展示图呢？如果一个成员看了很多以乌玛·瑟曼为主角的电影，他很可能会对包含乌玛的海报图做出积极的回应。同时，如果展示的图片是以约翰·特拉沃尔塔的为主角的，那么他的粉丝可能更喜欢看这部电影。

当然，并不是所有个性化海报的场景差异都如此清晰和明显。因此，Netflix 不枚举这种手工派生的规则，而是依赖于数据来告诉我们要使用什么信号。总而言之，通过个性化的图片，Netflix帮助每一个视频在每个会员面前提供最合适的展示方式，从而提高会员体验。

镜子的另一面：数据的“过度使用”

数据是很好的，但是要注意那些做得太好的算法，会导致意想不到的结果。在统计学中，他们称之为 I 型错误——错误地（或不正确地）推送图像。因此请注意，过渡的个性化可能会创建单调的用户体验（比如「回音壁效应」），在某些情况下还可能会误导用户。

看看上图由克里斯汀·贝尔主演的电影《像父亲》的例子。Netflix 的算法错误地给出了展现黑人演员的海报推荐，该图并不是电影的经典场景，但确实在黑人观众中获得了更高的点击率。

再举个例子：基于提高点击率（CTRs）的目的，Netflix 最终向符合种族定向的用户展示了如下图片，而其实图中的有色人种配角们在电影中出现的时间都非常短。

Wix 智能网站设计

线上建站服务 Wix 成立于 2006 年成立于以色列，目前市值 70 亿美金。它拥有上亿注册用户和数百万付费用户，托管网站的数量超过了所有竞争对手的总和。它强大的在线编辑器都能提供全面的创意控制，用户不需要任何代码知识即可轻松建站。Wix 的模板涵盖了数百个行业，例如小型企业、咖啡馆和餐厅、酒店、艺术家、摄影师和平面设计师等等。 

Wix ADI (Artificial Design Intelligence) ：Wix ADI 于 2016 年发布，它将人工智能与设计相结合，创造了一种简洁、无废话（no nonsense）的网站创建方法。Wix ADI 这样形容：「Wix ADI 不仅仅是一个新的网站构建工具，它为网页设计设定了一个新的市场标准。」ADI 的交互模式就像一个虚拟的网站设计师：它不提供一系列模板，而是通过与用户的一系列问答来定制设计。用快公司的话来说，「它不是完全自动化的，但它非常接近」。

具体的使用过程：用户只需输入网站类型、名称、logo、联系方式等基本信息，选择网站功能集合、视觉风格，确定从 logo 图中智能选取的配色方案，随后 Wix ADI 就可以在 1 分钟内自动生成几款方案供选择，进而生成一个功能强大的网站。网站自动生成后用户可以在编辑器上继续调整内容、更改细节。类似竞品有Jimdo Dolphin、FireDrop等。

教机器做设计

为了构建 ADI，Wix 的团队由数十名专门研究人工智能的工程师和开发人员组成，他们为网页的许多不同层开发了许多机器学习模型，如颜色、布局等。负责人 Achsaf 说：「它试图把设计师的大脑变成一台机器。」，「我称之为「自动（automagically）」制作网站。」

这一过程的第一步是培训 ADI 系统，使其了解是什么造就了一个优秀的网站，以及什么类型的内容（如文本和图像）和结构对任何特定行业都有意义。「想想律师和水管工和艺术总监的较量吧，」Achsaf 说。「每个人都有不同的需求，想要不同的外观和感觉。」为了做到这一点，Wix 找到了足够多的视觉上够震撼的网站来训练模型知道一个「好」的网站是什么样子的。然后它挖掘网络，分析性能最好的站点，以获取流量和转换等属性。然后，它利用这些信息形成了人工智能系统用来创建网站的最佳案例。首先从视觉开始，然后转向度量，以确保高流量的「丑陋」站点不会误导算法模型。

自动化设计是一把双刃剑。它可以给人们提供不同颜色、布局和拷贝的精美网站；然而，从数学平均值的基线开始，意味着模型没有做任何真正的「新」事情，因为它是从现有信息中学习的。大多数专业的设计师可能会说，现在流行的网站设计很容易在几个月内过时。不过，对于一个小企业，不能负担一个专业的设计师，Wix ADI 对他们来说是有价值和吸引力的。

其它案例

智能 logo 设计

近几年国内外产生了很多自动生成 logo 设计方案的工具，用户输入名称和 slogan，选择行业、场景、图像字体排版偏好等信息后，系统产出一系列 logo 方案供选择，用户可以进一步调整配色、布局并查看在不同物料上的效果。代表工具包括 Wix Logo Maker、BrandMark、logomaster 等等。

产品包装设计

巧克力酱品牌 Nutella 通过一种算法已经取代了设计师的传统角色，为品牌生成了数百万种独特的包装设计。该算法从数十种图案和颜色的数据库中提取，创建了700万种不同版本的Nutella图形标识，这700万罐产品在一个月内就全部售空。该机构还创建了一个围绕包装设计的在线和电视广告活动。

来源：Algorithm designs seven million different jars of Nutella

MX3D 桥梁智造

在阿姆斯特丹，一家名为 MX3D 的公司将机器学习、3D 打印和工业机器人的能力进行整合，设计出世界上第一座自主制造的桥梁。这座 41 英尺长的桥由 4 个机器人、9920 磅不锈钢用 6 个月的时间通过 3D 打印完成。

这座桥梁的设计采用了生成性设计：只有人类用直线、实体表面和几何曲线来设计，而大自然很少用这种方式，该公司使用复杂的算法和计算机处理能力来「进化」设计。设计师首先设计粗略的形状轮廓并锁定重要的约束条件，然后告诉系统要优化的目标，之后系统产出数千个方案并自动测试它们，最后筛选出若干最优方案，其中大部分方案都不像是人能设计出来的。

宝马概念车

宝马推出的「远景下一代100」概念车的「Alive Geometry」采用生成性设计（Generative Design），将仿生与数字技术进行了独特的融合：车体表面由将近800个移动三角形组成，它们在三个维度上工作，当转弯时轮子转动时，车体使它们看起来像是一个柔韧的皮肤。

智能设计工具

建筑设计工具 Microstation、Rhino、Revit 等在计算设计方面的优势： 

• 探索多种设计方案：通过在计算框架中编码设计规则，可以很容易地使用规则生成成百上千的方案。此外，可以使用特定条件评估每个选项，以确定最佳解决方案。
• 自动完成重复性任务：除了自动完成复杂的几何图形和高级设计之外，由于可以与软件的API或应用程序编程接口接通，因此大多数计算设计工具可用于自动化繁琐的任务，例如重命名或复制元素或视图。
• 模拟测试：计算设计工具使设计师在设计过程中更轻松地模拟建筑性能，实现设计阶段的测试和更改。想知道设计的建筑方案在三月阴天中的采光度有多少？通过工具可以进行模拟测量。

除以上智能化设计的案例之外，还有一个常见的门类这里没有列举，就是通过算法和视觉设计的结合实现的交互性互动装置艺术，最知名的代表是teamLab的艺术作品。

结语

经过近几年的热度，“AI+某某”早已不是什么新鲜的话题，谈到“人工智能”的应用，大家也经常会默默的琢磨其中“有多少是人工？多少是智能？”这两个问题。本文列举的这些相对比较落地的案例，有的经过若干年的持续积累和演进，已经逐渐转化为一种常态。但是实际上目前人工智能对设计的影响只是刚开始。期待有更多新的结合，也期待设计师们能在未来的变革中找到最合适的位置。

参考资料：

https://netflixtechblog.com/artwork-personalization-c589f074ad76

https://medium.com/swlh/how-netflix-uses-ai-for-content-creation-and-recommendation-c1919efc0af4

https://becominghuman.ai/how-netflix-uses-ai-and-machine-learning-a087614630fe

https://netflixtechblog.com/extracting-image-metadata-at-scale-c89c60a2b9d2

https://www.wix.com/

https://www.fastcompany.com/3060934/can-you-teach-ai-to-design-wix-is-trying

https://www.wix.com/logo/maker

Powered by Froala Editor