设计师的“机甲”

前面我已经介绍了几个算法设计的实例。但设计师究竟需要什么工具呢？如果我们回头看看上个世纪五十年代，那个时候计算机被看作是拓展人类发展的一条途径。Roelof Pieters和Samim Winiger研究分析了计算机的历史以及人类能力的拓展相关方面的理论。他们总结了设计工具的三个标志性层次：

1.第一代系统是通过数字技术模仿设计工具。

2.第二代系统是辅助创意系统，人类与机器通过行动反馈闭环来协调整个设计过程。

3.第三代称作“辅助设计3.0”，通过细粒度对话的方式，从初级渐渐到专家级的过程来提高设计能力以及设计技巧。

算法设计应该像是产品设计师的“机甲”——为我们提供更多的选择项和
分析深度，来协助我们轻松跨越障碍。那么，设计师与计算机将会如何进行合作呢？

设计师的工作过程有可能会是这个样子：

1.找到问题，把对业务以及用户影响最大的问题挑选出来并解决掉（分析） 。
2.解决问题，找到最佳解决途径（分析）。

3.针对需求，相应的开发、发布以及出售产品（整合）。

4.评估产品将如何作用于真实用户，于此同时对产品进行优化（分析与整合）。

5.将公司里其他的产品和解决之道进行资源整合（整合）。 

以上这些任务大致分为两类：1，对模糊含蓄的信息和解决方法进行分析；2，对需求和解决方法的资源整合。
综上所述，什么样的工具和方法是我们需要的呢？

分析

对用户模糊信息表达的分析与定性分析一样很难实现自动化。然而，对已有产品用户的使用习惯进行探索，会是一个合适的目标。我们可以提取用户习惯与用户划分，然后针对他们进行交互优化。这种方法已经实际应用到了定向广告方面：算法通过模糊和明确的用户习惯对用户进行分类。

为了训练算法对不同用户群进行界面与内容的优化，设计师应该去看看Jon Bruner的《machine learning》，他给出了一个很好的例子：一个遗传算法开始于对期望结果的基本描述——比方说一个为权衡燃油消耗与乘客便捷的航空公司时间表。给它增加很多不同的限制：航空公司拥有的飞机架数，合作的机场，每架飞机的座位数。它会加载那些被认作是独立变量的信息：现有时间表上面成千个航班信息或是随机算出的虚拟信息。通过成千上万甚至上亿次的迭代，这套时间表慢慢变的高效与便捷。同时算法也可以理解时间表中的每个信息是如何影响油耗与乘客便捷的。

在这套方案中，人类担任了算法的助理并为其增减各种限制条件与变量。其结果可以在真实的用户中进行测试和改良。通过一个不间断的反馈回路，算法也同时提高了交互性。尽管这项工作的复杂度表明这是分析师的工作，但设计师是需要理解机器学习的基本规则。

整合

两年前，一套为工业设计师推出的软件Autodesk Dreamcatcher，引起了不少的议论并且促成了一些文章的发表。其理念基于衍生设计，这种设计方式在表演、工业设计、服装设计以及建筑设计被使用很多年了。比如众所周知的建筑师Zaha Hadid。在他们的办公室，这种设计方法被称作“参数化设计”。

Autodesk Dreamcatcher

Logojoy是一款取代自由设计师的标志设计产品。你只需要选择喜欢的风格，再挑个颜色，Logojoy就能生成无限种方案。你可以挑选出一个标志，查看基于它生成的企业风格，并且可以定制一套诸如名片、信封等的VI。这就是一个以算法作为设计工具的真实完美案例！

Logojoy

但是，它还没有在数字虚拟产品设计领域发布，因为它还不能帮助完成以功利性为主的任务。当然，建筑师与工业设计师们的工作各自都有足够的条件限制和特殊性，但用户界面并不是一成不变的——其用户特征、内容和样式会随着时间而改变，并且会经常变化。然而，如果我们考虑一下整个的设计过程——设计师来制定规则，让算法创造出最终产品。设计师的工作过程会是这个样子：

1.算法根据既定的规则与模式，算出并生成许多设计方案。

2.设计方案会根据产品质量与任务需求被进行筛选。

3.设计师与管理者们来挑选最满意同时也是最合适的设计方案。

4.设计辅助系统对一个或者多个设计方案进行A/B测试，然后通过人工挑选出最佳方案。

由于使用场景的变化多端，我们还不知道如何从众多设计方案中筛选出较为合适的。如果算法能在筛选阶段帮助到我们，我们的工作过程会更高效和具有创意性。但无论如何，作为产品设计师，我们在每天的头脑风暴会议，或是产品原型的迭代中都会用到衍生设计。既然如此，为什么我们不能让算法来帮我们来完成这些任务呢？

Jon Gold的实验

在The Grid任职的Jon Gold，正在通过一款叫Rene的工具来对衍生设计进行试验。他需要让计算机学会做出有意义的排版方式。Gold认为这个过程跟人类学习设计的过程差别不大，并把它划分为了几个阶段：

1.通过分析字形来理解字体的相似性。

2.制定出组合式字体的基本规则。

3.辨认出最佳字体组合方案，以理解设计趋势。

4.创造出算法来观察那些伟大设计师的工作方式。

他的理念跟Roelof和Samim提到的类似：设计工具应该是设计师的创意伙伴，而不只是一个愚蠢的执行者。 

Jon Gold的衍生设计实验：合理的组合方式

总结

这是一个关于美好未来的故事，但是我们应该记住算法的局限性——算法永远围绕着人类给予它们的规则来工作，即使现在机器学习的进步对这些规则的挑战正在增强。设计师则具备制定与挑战规则的能力。因此，在一年后，我们对“美”的阐释可能变的完全不同。在这个行业里设计师的能力有高有低，算法很容易就能取代后者。与此同时那些跟随与制定规则的设计师们将会发现新的工具与可能性。

此外，数字虚拟产品正在变的越来越复杂：我们需要支持更多的平台，适应更多特定用户的不同使用场景，等等。就如Frog公司的Harry West说的那样，以人为本的设计已经从实物产品的设计（工业设计）向体验设计（包括交互、视觉和空间设计）扩展。接下来的一步将会是系统行为设计：对自动化或智能化系统的算法进行设计。以便将来一些重复性的设计工作上，让计算机通过算法来替设计师完成。

欢迎关注微信公众号VXP，每周会为大家精选并翻译视觉交互相关文章。