很长一段时间总感觉找不到方向，试图通过各种渠道去输入。有一个很大的症结：愈发崇尚的方法论暂且能确保工作中不出现大的差错，但总却达不到自己想要的改变。有些懈怠，不知道是方式不对还是方法论的格局不够。

一直想写些这方面的东西，可又总觉得没什么有意义的东西。回看之前噪噪杂杂的工作输出物，引入到每一项思考的逻辑、流程、细节。固定不变的思考方向与方式，而迎面而来的是信息爆炸的冲击、设备交互方式的改变、解决问题媒介的变化。

近一年工作之余关于行业的思考，越来越觉得有些跟不上变革。底层算法变革带来的人工智能正重新定义着环境（暂切将现代人类赖以生存的工具系统为环境，个体之外的工具体系构成环境）的存在方式，重新定义空间，伴随而来的是交互方式的变革。如何与崭新的环境和空间进行交互，对于现在绝大部分时间还是停留平面表达设计的方式，应该如何去应对？奉为圭皋的体系、逻辑、模型、流程、细节还能不能平稳的运行？

尝试着拿IBM智能交通解决方案模型： Capture 》Analyze 》Decide 》Operate 》Engage 为例，借用技术获取越来越多的数据，分析多维度重构环境后，设计应该如何去定义重构的环境语言，以便社会个体与环境间无障碍的沟通。

回过头来看体系、逻辑、模型、流程、细节之类的准则，当环境不只是停留在单一的平面维度上时，重新构筑的多维度立体化、空间化、跨空间化环境必然需要对应调整应对的思维模型和逻辑轨迹，维度的变化会根本性改变以上二者存在的方式，好比空气和食物不同维度存在的方式决定了人们迥异的摄取方式。可能有人会说构筑起的环境事物必然还是基于人类现有的认知模型，我觉得这种想法可能还是停留在一个相对早期节点的思维产物。当智能学习深度的增加到一定程度，创新会蜕变为创造。变革性的改变是人类永恒进取的源泉，从打结记数到文字出现到电报出现到电话出现，每一次变革都是在创造环境。与此同时现在定义的各种逻辑流程必然会显得蹩脚，创造出的环境下的设计应该是响应式的，无盲区无死点。每一个可交互的环境空间，都应该是一个可感应可交互的智能芯片。基于工作接触了一些关于下一个的节点讯息，试图思考设计方式，不知对错与否，可做抛砖引玉之用，一直在推敲一种基于行为分析的解构重组设计。

搭建真实的交互环境作为实验室，以视频的方式记录交互流程搜集实验数据，以录像为素材进行行为分析，以最小可交互空间为单位解构打散实验出现的交互方式，加以记录。视频记录的数据需要达到一定的量，才能会出现有效的计算，应对不断变化的场景还需要动态搜集。融入到真实运行的环境中需要并保持动态搜集增长，此时真实运行的环境自动转换为实验室，持续不停的回馈搜集数据，形成血液动态更新。以上为Capture 》Analyze阶段的工作，Decide 》Operate 》Engage阶段的工作会有两个方向。如下图所示：

方向一-优选方案：通过获取分析信息，优选出最佳的整合方案作为解决方案，以此参与到环境交互中去，这便是现今热炒的大数据分析的实例应用。特别老的例子：公园修路先让游人踩出雏形再去铺路。这部分的工作需要通过数据分析确定高比例的优选方案，抛弃小比例的场景。可见依然处于大范围的特定用户定制化设计的范畴，此种方式的交互流程，逻辑仍是建筑于现有的认知基础上的优选，还在现有准则范围内。

方向二-响应式设计：以深度学习为支撑重组所有的交互方式，以响应式交互为方向形成个性化的流程闭环，规避流程与交互死角，所以输出的依然是一个实验场景下动态环境系统。当动态的环境能够容纳所有的场景，根据不同的输入做出对应的交互，落地至响应式交互环境，跨越到通用设计的范畴。此时环境必须是动态的，以物联网为载体的即时响应运算速度。此种方式会打破现有存在的准绳，一切的基准过渡为存在即合理。按现在的发展速度，这种交互环境应该是未来发展的方向。如滴滴基于实时数据做出的实时派单调度...

就这两个方向再举一个通俗的例子，以便更清晰的了解。在公司餐厅吃早餐观察许久，发现了一个很有意思的现象：刷卡机器后左右各有一个餐具柜（放置筷子和勺子），完全对称的格局。不同的是左侧的餐具柜方向的餐桌明显少于右侧，所以右侧的餐具总是早于左侧的被取完，可大家还是习惯的走向右侧的餐具柜，常常是右侧已空又绕到左侧取用，并没有出现下次引以为戒或者因左侧用餐桌的空置率变化而变化。很明显唯一能解释此种现象的，便是左边的餐具柜方向的用餐桌明显少于右侧这一引导元素，大家都不想等座位。也可以看出人们潜意识对于此类低成本引导的认同是根深蒂戈的，而且不喜欢调整或者改变。

引入基于行为分析的解构重组设计方式，Capture 》Analyze 阶段的工作通过视频记录进行行为分析会发现这一现象，那么方向一会采取统计的方式调整左右两侧的餐具柜内的餐具数量，取一个折中的量。成本低，见效快。但这种方式会有一个隐患：餐具数量的变化会引起餐具柜体量的变化，又是一个引导元素，或是增加成本使餐具柜体量一样增大，但会发现右侧总是取之不竭的餐具，久而久之会不会增加流向右侧的流量，而左侧形同虚设，起不到分流的作用。这也是现在大数据分析引导会存在的问题，过于正向引导会影响到均衡的作用。

方向二对于现在可能是一个高成本的选择，但响应式的交互环境会提升用户的满意，会是科技进步的方向。Capture 》Analyze阶段的工作雷同，Decide 》Operate 》Engage 阶段的工作需要一个动态的环境。如通过全新的硬件动态调整左右餐具柜餐具的数量，这个响应需要在极短时间完成以便不打断用户故有的习惯。或者为了兼顾动态分流的功能，前置一些引导来掩盖左右两侧用餐桌比例不同的引导，如动态提醒右侧餐具柜的餐具数量，或者动态阻隔右侧餐具柜的通道。方向二更像是收集所有离散的点，动态补充的有机关联，对于运算速度和设备要求较高。

以上便是基于最近一年的相关工作和各种渠道输入的信息一些不太成熟的想法，希望能够抛砖引玉，共勉。