受邀于2017年6月上海Dribbble meetup進(jìn)行分享，通篇都是濕貨，大概就是自己近期的一些總結(jié)與思考。
后體驗(yàn)設(shè)計(jì)時(shí)代：技術(shù)浪潮之下的體驗(yàn)設(shè)計(jì)新生態(tài)
受邀于2017年6月上海Dribbble meetup進(jìn)行分享，簡單講了下自己的一些總結(jié)與思考。
體驗(yàn)設(shè)計(jì)及其價(jià)值
Alan Cooper【交互設(shè)計(jì)精髓一書作者】把設(shè)計(jì)分為三種：
本能型，行為型，反思型。三種設(shè)計(jì)分別代表不同的設(shè)計(jì)方向與價(jià)值，
本能型設(shè)計(jì)作用于人類的直觀感受，即直觀的感性價(jià)值；行為型的設(shè)計(jì)大部分為產(chǎn)品與交互設(shè)計(jì)，行為型設(shè)計(jì)會直接產(chǎn)生大量商業(yè)價(jià)值。反思型對應(yīng)的是服務(wù)于創(chuàng)新設(shè)計(jì)，即精神與社會價(jià)值。
體驗(yàn)設(shè)計(jì)的價(jià)值我們一般把其定義為前兩種：
其一是感性價(jià)值，意旨提供更愉悅的用戶體驗(yàn)。
其中包括包容性設(shè)計(jì)/互動式設(shè)計(jì)/視覺設(shè)計(jì)等直接作用于在用戶感知層面的設(shè)計(jì)，與情感化設(shè)計(jì)/參數(shù)化設(shè)計(jì)等直接作用于用戶精神層面的設(shè)計(jì)。
其二是商業(yè)價(jià)值，主要以解放信息生產(chǎn)力為目的。
首先有人制定了協(xié)議跟規(guī)則，之后在規(guī)則之下會有一些平臺（電子設(shè)備）：PC,mobile等；平臺之下，會涉及到軟件設(shè)計(jì)，比如iTunes，PayPal；以及輔助于軟件設(shè)計(jì)的交互設(shè)計(jì)：信息架構(gòu)設(shè)計(jì)，微交互設(shè)計(jì)等...
其中軟件設(shè)計(jì)與交互設(shè)計(jì)即為解放信息生產(chǎn)力導(dǎo)向的體驗(yàn)設(shè)計(jì)。
我們以iTunes為例：
2001，蘋果上線了第一版iTunes，隨后發(fā)布了iPod。把實(shí)體專輯中的音樂裝在了電腦與微型播放設(shè)備之中。音樂是一種信息產(chǎn)品，利用軟件設(shè)計(jì)把【音樂】這種媒介進(jìn)行更輕量化的儲存、傳輸、播放。節(jié)約了很多資源：比如大量的實(shí)體唱片與唱片播放設(shè)備等物理資源，唱片售賣店鋪的空間資源，唱片售賣員的人力資源等。
同時(shí)，隨著以用戶為中心的設(shè)計(jì)的成熟，軟件產(chǎn)品的前端頁面也在不斷的進(jìn)行設(shè)計(jì)升級：我們可以看到，iTunes的頁面從2001年到2017年產(chǎn)生了較大的變化，2017年的頁面看起來更加友好。用戶從產(chǎn)生需求：希望聽到想聽的曲目，到最終達(dá)到目的：計(jì)算設(shè)備播放出對應(yīng)的歌曲，流程上也變得簡短易用。設(shè)計(jì)師們運(yùn)用合理的信息結(jié)構(gòu)設(shè)計(jì)，頁面布局與交互設(shè)計(jì)在過程之中縮短了用戶時(shí)間與思考成本。
但是，從PC到Mobile，近期之內(nèi)并沒有誕生新的爆發(fā)性的成熟平臺?，F(xiàn)有平臺之下的軟件設(shè)計(jì)卻越來越趨近于飽和：幾乎所有垂直領(lǐng)域都有較為成熟的軟件設(shè)計(jì)；同時(shí)，隨著各個(gè)軟件的日益完善，各個(gè)軟件的信息結(jié)構(gòu)與流程設(shè)計(jì)也趨于完善。有個(gè)準(zhǔn)則叫Tesler’s law泰思勒定律，即復(fù)雜性守恒定律：該定律認(rèn)為每一個(gè)過程都有其固有的復(fù)雜性，存在一個(gè)臨界點(diǎn)，超過了這個(gè)點(diǎn)過程就不能再簡化了。
舉個(gè)簡單的例子，一個(gè)設(shè)計(jì)從60分上升到85分可能很容易，從95分上升到99分就會變得非常困難。
這時(shí)候大家就會想，在現(xiàn)有的產(chǎn)品設(shè)計(jì)與交互設(shè)計(jì)已經(jīng)趨于紅海，相比之下，投入產(chǎn)出比比較高的設(shè)計(jì)會出現(xiàn)在哪兒呢？體驗(yàn)設(shè)計(jì)的下一步應(yīng)該怎么走呢？我們從較為宏觀的角度上來分析一下這個(gè)事兒。
工業(yè)產(chǎn)業(yè)流程中的設(shè)計(jì)
我們來看一下一個(gè)較為通用的工業(yè)產(chǎn)業(yè)流程：
首先，一項(xiàng)技術(shù)從高校/或企業(yè)的研究機(jī)構(gòu)誕生：比如MIT的實(shí)驗(yàn)室，微軟研究院等...
隨著這項(xiàng)技術(shù)的平臺日益成熟，會用于軍用及工業(yè)化應(yīng)用：比如VR技術(shù)最早應(yīng)用的即為模擬軍方跳傘及地質(zhì)勘探。
當(dāng)工業(yè)化的過程中，成本不斷的降低，這個(gè)時(shí)候設(shè)計(jì)師將這項(xiàng)技術(shù)與現(xiàn)實(shí)生活的中的問題結(jié)合起來，用較低的技術(shù)與生產(chǎn)成本，解決給人們帶來重大困擾的問題（或相比于之前更加友好與方便的解決方案）從而帶來良好的用戶體驗(yàn)，這就會產(chǎn)生商業(yè)價(jià)值。同時(shí)，商業(yè)價(jià)值也會反過來驅(qū)動之前的流程發(fā)展。
所以看一下什么技術(shù)正在進(jìn)行民用化，結(jié)合該項(xiàng)技術(shù)設(shè)計(jì)產(chǎn)品，也就會容易的發(fā)現(xiàn)設(shè)計(jì)的下一個(gè)機(jī)會點(diǎn)。
1995年，Gartner高德納咨詢公司根據(jù)各項(xiàng)技術(shù)的發(fā)展的通用趨勢總結(jié)出了【技術(shù)成熟曲線】
該曲線描述了一項(xiàng)新的技術(shù)從誕生到成熟，一般都會經(jīng)歷這5個(gè)階段，即：
1.科技誕生的促動期 (Technology Trigger)：在此階段，隨著媒體大肆的報(bào)道，非理性的渲染，使得產(chǎn)品的知名度開始飆升。
2.過高期望的峰值（Peak of Inflated Expectations）：該技術(shù)的普及度慢慢的變高，會讓群眾產(chǎn)生一個(gè)大于該項(xiàng)技術(shù)本身的期望。比如說當(dāng)年的VR/AR，現(xiàn)在的人工智能。
3.泡沫化的底谷期 (Trough of Disillusionment)：慢慢的，隨著該技術(shù)適用范圍的限制，會淘汰大部分應(yīng)用該技術(shù)的不合理的產(chǎn)品，只會有少部分應(yīng)用與產(chǎn)品成功存活下來。
4.穩(wěn)步爬升的光明期 (Slope of Enlightenment)：隨后，隨著平臺越來越完善，技術(shù)成本越來越低，該項(xiàng)技術(shù)則會被更多的應(yīng)用于設(shè)計(jì)之中。
5.實(shí)質(zhì)生產(chǎn)的高峰期 (Plateau of Productivity)：最終，此技術(shù)會真正的產(chǎn)品化，并產(chǎn)生商業(yè)價(jià)值。
圖為2016年的技術(shù)成熟曲線的一部分
我們能發(fā)現(xiàn)好多耳熟能詳卻比較模糊的技術(shù)，比如深度神經(jīng)網(wǎng)絡(luò)，機(jī)器學(xué)習(xí)，自然語義問答，視頻/圖像分析等。
在此次Dribbble Meetup的開頭，我們提到了阿里的魯班，Google的草圖檢索等人工智能產(chǎn)品，那么我們就以技術(shù)成熟曲線中的【深度神經(jīng)網(wǎng)絡(luò)】與【機(jī)器學(xué)習(xí)】為例，簡單了解下深度學(xué)習(xí)，以及它是怎么與設(shè)計(jì)進(jìn)行結(jié)合的。
深度學(xué)習(xí)與設(shè)計(jì)
我們把一個(gè)廣義的交互流程進(jìn)行拆解，在平臺之下，要完成某種交互，首先有個(gè)觸發(fā)器，然后遵守某種規(guī)則，而后進(jìn)行輸出，最后完成一個(gè)循環(huán)。
深度學(xué)習(xí)的作用，即是不斷的修正完善機(jī)器決策的規(guī)則。
我們想象一個(gè)單變量的人類學(xué)習(xí)情況：
當(dāng)我們有一個(gè)輸入，會基于某種基礎(chǔ)規(guī)則進(jìn)行一個(gè)決策，并把結(jié)果信息傳遞給輸出系統(tǒng)。同時(shí)，根據(jù)結(jié)果輸出的反饋，修正基礎(chǔ)規(guī)則。
舉例：
兩個(gè)身體素質(zhì)相同的小學(xué)生，因?yàn)榭诮菦_突扭打在一起：
小學(xué)生A打了B一拳，B會覺得很痛，疼痛感即為一個(gè)信號，傳遞給B的大腦。這個(gè)時(shí)候B的大腦進(jìn)行決策，輸出一個(gè)信號給B的拳頭，B進(jìn)行回?fù)簦瑒t完成一個(gè)循環(huán)。
慢慢的，A用的力氣越來越大，這時(shí)候B的疼痛感也就越來越強(qiáng)烈，揮拳用的力氣也就越來越大。
然而，來來回回幾個(gè)回合之后，小學(xué)生B的體力慢慢耗光，力氣越來越小，最終B被A打哭了。
//A相對于B，在出拳力道與體能的分配上更加合理。
然而A與B的矛盾沒有解決，以后的每一天A跟B都會進(jìn)行一次互毆。
B發(fā)現(xiàn)自己用力氣太大，就會導(dǎo)致體力不支；力氣太小，則對A的打擊力度不夠。接下來的日子里，B在與A扭打的過程中不斷的努力去平衡自己每次出拳的力道與體力，在這次偉大的戰(zhàn)役進(jìn)行到了第21個(gè)回合的時(shí)候，B終于把A打哭了。
B針對A的戰(zhàn)斗規(guī)則的變化，即為一個(gè)學(xué)習(xí)的過程。
以上描述的是一個(gè)較少變量的理想場景。
現(xiàn)實(shí)問題會比例子復(fù)雜的多，往往會涉及到更多的決策變量。當(dāng)我們的基礎(chǔ)規(guī)則涉及到的決策層級越來越深，收到的反饋越來越多，則會得到一個(gè)相對于更加準(zhǔn)確的結(jié)果。 ???????這個(gè)時(shí)候，我們不斷的強(qiáng)化規(guī)則，并遵循此進(jìn)行輸出，結(jié)果也就愈加的準(zhǔn)確。
我們簡單的總結(jié)一下：
深度學(xué)習(xí)（以及應(yīng)用其的AI產(chǎn)品），具有以下兩種特點(diǎn)：
一、深度學(xué)習(xí)遵循某種給定的規(guī)則。
二、需要大量的數(shù)據(jù)訓(xùn)練，才能得到相對正確的結(jié)果。
這也就意味著：深度學(xué)習(xí)（及AI產(chǎn)品）是附屬于規(guī)則之下的工具，并不是泛人工智能。深度學(xué)習(xí)與其應(yīng)用平臺不具備獨(dú)立思考能力。
較為成熟的應(yīng)用
目前深度學(xué)習(xí)的應(yīng)用主要集中在兩方面，
其一：提高信息化生產(chǎn)效率
其二：協(xié)助決策（量化感性）
在提高信息化生產(chǎn)效率方面，我們舉例Facebook 的廣告投放系統(tǒng)。
電子信息時(shí)代的廣告投放一共能分為三個(gè)時(shí)代，
一、按展示收費(fèi)的廣告。比如最早的私人blog，bbs等，廣告商根據(jù)相應(yīng)的論壇進(jìn)行廣告推廣（比如寵物論壇推廣狗糧廣告等），廣告平臺收取相應(yīng)廣告費(fèi)用。
二、按中間效果收費(fèi)的廣告。比如百度Google的點(diǎn)擊計(jì)費(fèi)廣告。
三、按最終成交轉(zhuǎn)化收費(fèi)的廣告。也就是Facebook的廣告。
其中Google / 百度 / Facebook 的根據(jù)用戶近期的瀏覽習(xí)慣進(jìn)行精準(zhǔn)投放廣告，同樣的廣告位，會提供用戶瀏覽欲望更高的廣告，從而提高廣告的有效轉(zhuǎn)化率。也就是上文提到的【提高信息化生產(chǎn)效率】部分。
/*這里提一下，第二代廣告投放模式雖然對第一代起了顛覆性作用，不過做的仍然不夠盡善盡美。因?yàn)榈诙Ｊ降臎_突為：曝光率并不等于最終成交，廣告的價(jià)值很難被量化，也就很難提升價(jià)格。即Google Baidu的轉(zhuǎn)化指標(biāo)不以最終成交為目的虛榮指標(biāo)。相比之下Facebook所拿到的成交數(shù)據(jù)是廣告主反饋回來的，根據(jù)最終轉(zhuǎn)化數(shù)據(jù)追溯到初始的每一次轉(zhuǎn)化，并且用機(jī)器學(xué)習(xí)去優(yōu)化每一次轉(zhuǎn)化，根據(jù)轉(zhuǎn)化進(jìn)行收費(fèi)，所獲得的結(jié)果也就更加精確，帶來的價(jià)值也就更高*/
接下來我們來看一下機(jī)器學(xué)習(xí)的另一個(gè)典型應(yīng)用：即協(xié)助人類進(jìn)行決策。
這是之前幫某豪華汽車品牌做的深度學(xué)習(xí)項(xiàng)目，叫Life Style Configurator（下文簡稱LSC）。
交互形式類似于Tinder，選擇左滑右滑這種低成本的操作模式，選擇與用戶相匹配的生活方式?？紤]到最終投放頁面，比如可能會與微信瀏覽器有操作沖突，也支持點(diǎn)擊按鈕來進(jìn)行選擇。 當(dāng)用戶選擇了yes之后，會進(jìn)行有效數(shù)據(jù)的收集，底下的進(jìn)度條就會亮一點(diǎn)點(diǎn)，在收集到足夠數(shù)據(jù)之后，進(jìn)度條就會變成一個(gè)按鈕，提示用戶去查看結(jié)果。查看之后可以預(yù)約試駕分享等。
這個(gè)產(chǎn)品的設(shè)計(jì)思路是這樣的：
我們要幫助對奔馳汽車沒有認(rèn)知的用戶去擁有一個(gè)相對準(zhǔn)確的認(rèn)知，并且促成用戶為其買單，那么我們就選取了生活方式作為一個(gè)媒介：
即本身每種生活方式是有一種【認(rèn)知模型】的，并且每種車是有特定的【認(rèn)知模型】的，用戶對車不了解，但是對生活方式了解。那么我們通過用戶對偏愛的生活方式的不斷選擇，一步一步累加并且了解到用戶的【模認(rèn)知型】，從而提供車型進(jìn)行匹配。
這個(gè)方案的前提是，我們對每種生活方式的能力模型與汽車的能力模型都是絕對正確的。否則這個(gè)方案將難以推行。
所以在此處，我們應(yīng)用了深度學(xué)習(xí)技術(shù)，前期邀請一部分專家測試用戶，根據(jù)專家用戶的測試結(jié)果，進(jìn)行一個(gè)【認(rèn)知模型】的初始值與權(quán)重的簡單配比。
當(dāng)最終用戶進(jìn)行操作的時(shí)候，不斷的每一個(gè)圖片代表的模型與每一個(gè)車代表的模型進(jìn)行雙向修正，也會得到一個(gè)相對正確的結(jié)果。
那么這個(gè)例子，即利用深度學(xué)習(xí)技術(shù)協(xié)助人們進(jìn)行決策。
/*這里作為延展，說一下該產(chǎn)品設(shè)計(jì)背后的目的：
其一為之前提到的促成部分用戶購買車輛，并且提高該品牌的品牌效應(yīng)。
其二為通過該產(chǎn)品，獲得車主的大量數(shù)據(jù)反饋，獲得車主對于車輛認(rèn)知的準(zhǔn)確模型，依照該模型，對比當(dāng)初做該車型產(chǎn)品設(shè)計(jì)時(shí)的設(shè)計(jì)思路，不斷的去優(yōu)化產(chǎn)品的工業(yè)設(shè)計(jì)。進(jìn)行工業(yè)設(shè)計(jì)產(chǎn)品的下一次迭代，以設(shè)計(jì)更加符合用戶預(yù)期的產(chǎn)品。*/
由此，我們總結(jié)出：
深度學(xué)習(xí)技術(shù)與設(shè)計(jì)結(jié)合的方式其一，即通過
【提高信息生產(chǎn)效率】/【協(xié)助決策】這兩點(diǎn)深度學(xué)習(xí)所擅長的點(diǎn)，來挖掘垂直領(lǐng)域的機(jī)會點(diǎn)，創(chuàng)造更加強(qiáng)大的工具。
接下來我們說一下另一點(diǎn)。
在之前剛過去不久的UCAN大會上，范凌博士發(fā)布了《2017年設(shè)計(jì)與人工智能報(bào)告》
這里引用文中所提到的腦機(jī)比的概念：腦機(jī)比顧名思義，即在工作中人腦與機(jī)器產(chǎn)出的占比。
整體的設(shè)計(jì)行業(yè)腦機(jī)比為1.55：1
舉幾個(gè)細(xì)分例子，【設(shè)計(jì)管理】到【素材收集】，腦機(jī)比是越來越低的。
設(shè)計(jì)工作越靠前期，工作所依賴的越傾向于人腦，越往后期，工作所依賴的越傾向于機(jī)器。
為什么會產(chǎn)生這種現(xiàn)象呢？
我們來看一下通常IT產(chǎn)品的設(shè)計(jì)流程
從設(shè)計(jì)的研究階段：接觸，研究，分析，定義。
到設(shè)計(jì)的實(shí)施階段：信息架構(gòu)設(shè)計(jì)設(shè)計(jì)，交互設(shè)計(jì)，視覺設(shè)計(jì)，到測試與迭代。
因?yàn)榍捌诠ぷ魇窍鄬δ：?，其中更依賴于人腦的創(chuàng)造力與總結(jié)歸納能力。
后期工作模式是相對清晰且確定的，會涉及到很多重復(fù)性工作，應(yīng)用到的記憶能力與運(yùn)算能力會更多，所以機(jī)器在后續(xù)工作的占比會越來越高。
這里描述的是一個(gè)IT產(chǎn)品的設(shè)計(jì)流程，同理，在面對細(xì)分領(lǐng)域設(shè)計(jì)的時(shí)候，仍然遵守類似的流程。
比如做一張海報(bào)設(shè)計(jì)，我們前期需要了解甲方/老板需求，提煉出關(guān)鍵詞，根據(jù)關(guān)鍵詞進(jìn)行創(chuàng)意思考，然后尋找素材，定義視覺風(fēng)格，最后進(jìn)行細(xì)節(jié)的視覺設(shè)計(jì)，也是一個(gè)從模糊到清晰的過程。當(dāng)深度學(xué)習(xí)的工具能做到足夠強(qiáng)大的時(shí)候，我們可以利用它來提高后續(xù)流程的效率。
即可以在固有的周期之內(nèi)，把精力集中于前期探索階段，比如提煉出更加凝練的關(guān)鍵詞，做更加大膽的創(chuàng)意設(shè)計(jì)
比如在做最終視覺方案的時(shí)候，我們可以利用機(jī)器學(xué)習(xí)更高效收集素材。
舉例搜索關(guān)鍵詞：構(gòu)成主義，黑色，高對比，視覺沖擊力等，找到了一張滿意的海報(bào)，那么Pinterest的機(jī)器學(xué)習(xí)會匹配出與之類似的海報(bào)，為設(shè)計(jì)師提供設(shè)計(jì)參考。
所以這就引出了第二點(diǎn)，我們在做一項(xiàng)設(shè)計(jì)的時(shí)候，更應(yīng)該有效的利用具有機(jī)器學(xué)習(xí)能力的工具，輔助我們進(jìn)行設(shè)計(jì)。
那么以上兩點(diǎn)：
一、通過【提高信息生產(chǎn)效率】/【協(xié)助決策】這兩點(diǎn)深度學(xué)習(xí)所擅長的點(diǎn)，來挖掘垂直領(lǐng)域的機(jī)會點(diǎn)，創(chuàng)造更加強(qiáng)大的工具。
二、有效的利用具有機(jī)器學(xué)習(xí)能力的工具，進(jìn)行輔助設(shè)計(jì)。
即是與技術(shù)結(jié)合所誕生的體驗(yàn)設(shè)計(jì)的新模式。
同時(shí)，對體驗(yàn)設(shè)計(jì)從業(yè)者的要求也從最早的
【學(xué)習(xí)方法 （這里指的是需要較低思考成本的粗暴方法）】【熟悉技藝】逐漸的轉(zhuǎn)為【獨(dú)立思考】與【不斷創(chuàng)造】
總結(jié)
我們拋開機(jī)器學(xué)習(xí)本身，從第一次工業(yè)革命利用機(jī)器來取代手工生產(chǎn)，第二次工業(yè)革命進(jìn)一步加速生產(chǎn)效率，到第三次信息技術(shù)革命，以及現(xiàn)在的人工智能革命，大家一直想是用人類的大腦來解放人類的雙手。只不過最早一批設(shè)計(jì)匠人的技藝過于復(fù)雜，需要很多軟件，技能，及理論知識進(jìn)行支撐，所以比較難被取代。 慢慢的隨著更加智能的高效的工具被發(fā)明，生產(chǎn)成本的持續(xù)降低，也就會產(chǎn)生相應(yīng)的利益。這個(gè)時(shí)候資本進(jìn)場，在資本的操控之下，對各工種的要求也就不斷的變化，剛好也就促進(jìn)了人類社會的進(jìn)步。
對設(shè)計(jì)師來講，之所以能夠不斷的發(fā)現(xiàn)新的機(jī)會，并且利用可行技術(shù)去解決問題，核心也就在于設(shè)計(jì)師具備【獨(dú)立思考】【持續(xù)創(chuàng)新】的能力。
同時(shí)，這兩點(diǎn)也是設(shè)計(jì)行業(yè)相比于其他行業(yè)，能夠不落俗套，并且保持高價(jià)值的創(chuàng)新產(chǎn)出的源泉所在。
