您现在的位置:网站首页 > 观点资讯 >
NEWS
观点资讯




设计师如何在智能化时代持续学习和成长?来看高手的方法!

我叫00,算是一名互联网老兵了。跟其他设计师不太一样的是,我一开始在网易邮箱担任产品经理。在用户体验发展的初期我发现这是一个挺有价值的领域,然后转向了用户体验设计,从产品经理变成了用户研究员,再往后一直在做产品和交互设计相关的工作。前几年在微信支付团队工作,当时移动支付正在开始普及,我们为服务行业做了很多打通线上和线下全流程的通用解决方案设计,比如说给餐饮行业设计相关的服务流程,帮助他们在支付环节提升运营的效率和服务的质量。在2016年由于我对心理学比较感兴趣,所以做了一个心理学相关的创业项目,那时还参加了一门叫 Fab Academy 的课程,最近刚学完 Udacity 的深度学习课程。

志荣:能不能简单介绍一下 Fab Academy?当时为什么想学 Fab Academy 这门课程?

00:Fab Academy 是 MIT 里的原子与比特中心开设的一门课程,它的目的是让全球范围内对制造和创客感兴趣的人学会数字化制造的流程;让每个人都有能力亲手制作复杂的东西,并学会用各种工具升级传统的生产流程。由于我一直在做交互设计,所以我希望能够实现一些自己的想法,而不只是把它的流程给想象出来。在好几年前关注智能硬件领域时,留意到 MIT 有一门课程叫「How to make almost anything」,但可惜在网上找不到相关的课程。2016年我发现深圳 SZoil 实验室成为了 Fab lab 的分支,所以我立刻报名参加了。

△ 图源:Anton Fritsler (kit8)

志荣:你当时学这门课程感觉到吃力么?

00:这门课程强度真的很大,要在一个学期内学完跟制造相关的知识,包括设计、建模、编程、电路、制作模具还有最后的组装。当时对制造的完整流程不了解,而且每个星期学的课程可能是大学里半个学期甚至是一个学期的内容,每次上完课都会发现有几十个术语不知道是什么意思。加上当时还在创业阶段,所以上 Fab Academy 课程的时候,还是非常吃力的。

志荣:你觉得 Fab Academy 在哪个方面对你来说是有意义的?

00:有好几点。一是对整个数字制造的流程有了深入的了解。现在看到一些比较有趣的实物,我大概能猜测出它们的制作方法。二是发现制造并不是一件很难的事,当掌握了比较完整的制造知识和体系后,每个人都可以动手实现自己的想法。三是有机会探索并接受了很多新鲜的事物,例如制作模具、数字电路还有嵌入式开发。在整个学习过程中,我发现一些感兴趣的领域和技术跟之前的工作和项目相关。比如说之前在微信支付团队做餐饮场景的时候,有考虑过用互动装置让周围的用户领优惠券,但是当时不知道怎么做。在学完这门课程后发现,如果当时知道一些传感器怎么用,做个简单 demo 并不难。

志荣:Fab Academy 毕业的时候你做了什么项目?

00:我当时做了一个跟声音相关的小机器人,它的眼睛有一个测量距离的功能,当你用手掌挡在机器人的眼睛前面,传感器就会把距离转换成音高,你可以通过移动手掌来「弹奏」一首简单的乐曲。

志荣:听起来很有趣,Fab Academy 对你来说最大的帮助是什么?

00:最大的帮助是掌握了如何在陌生领域快速学习并获取核心知识的方法。当你有明确的目标,学习就更有针对性。第二点是如何更有效地找到资料解决手头上的问题,在 Debug 过程中得到了很多锻炼。第三点是可以进入创客的圈子认识更多有趣的人,他们都是有动手能力解决问题的人,大家相互帮忙一起做东西的氛围特别好。我之前比较困扰的是,为什么做设计却没有多少实现的能力?学完这门课,自己的动手能力有了提升。我还是相信一点,很多东西要把它实现出来,你的设计才是完整的,这样才能检验想法和设计理念是不是对的。

△ 图源:Anton Fritsler (kit8)

志荣:换一个话题,你几时开始对 AI 感兴趣的?

00:我对 AI 感兴趣也挺久了。在六七年前我曾经做过一段时间搜索引擎相关的产品,那个时候算是比较早接触到机器学习和大数据。当时觉得这个领域蛮有潜力的。自己真正动手学是2017年,因为当时觉得整个行业发展的速度一下子变快,有很多新技术冒出来,所以去上了 Udacity 的深度学习课程,希望通过写代码做出完整项目的方式深入地了解现在的 AI 是什么。

志荣:Udacity 的深度学习课程我也学过一阵子,有计算机专业背景的我都觉得挺难入门的,你当时是怎么学习这门课程并跨过这个门槛的?

00:深度学习对数学的要求比其他技术课程要高,所以我花了挺多精力复习一些数学基础知识。为了让自己对数学的兴趣浓厚一些,还去阅读了一些比较有趣的数学科普书,同时找了一些好玩的视频让自己对数学和深度学习里的知识有更深入的了解。当数学基础有所提升,理解深度学习的知识就没有以前困难了。第二点是编程的基础,我虽然学过 python,但没有多少写代码的经验,所以基础还是很弱。因为这门课程需要写不少代码,所以我也在不断地积累和提升自己的编程能力。第三点是 Udacity 在课程设计上降低了很多门槛。它把一些知识点之间的跨度拆得比较细,在两个大的台阶中间搭了很多小的台阶,让你在理解某个很难的知识点的时候能够循序渐进,最后再设计一些题目让你去练习。

志荣:当你学完这门深度学习,你觉得深度学习对你的设计思维有什么改变吗?

00:我觉得学习技术对设计是有帮助的,从几个方面来看。第一个是思维。编程思维可以帮助非理工科背景的设计师了解什么是抽象、复用、结构化和参数化,这些都是编程的思考方式。比如说设计师要搭建组件库或者整理设计规范的时候,要考虑怎么把最开始看起来很杂乱的元素抽取出来形成多种模式,这些思维就非常重要了。第二个是原理。如果你知道深度学习的一些原理,它到底能实现什么,不能实现什么,它的能力范围到底在哪里,当你以后用到深度学习,就大概知道你要做的设计界限在哪。比如说,这门课程最后的项目是基于一个人脸图像库,用 GAN(生成对抗网络)来自动生成人脸。这个看起来应用的范围蛮广的,但真正做过一遍以后,你可能会有更多的考虑。比如说数据集从哪里来?是有现成的数据集还是手动获取一批?如果你手动获取的数据集样本量很少,基本不用想自动生成人脸这事了;即便数据量很大,当你发现最终结果人脸是歪的,你就会知道这套技术还没成熟,没法达到要求,那你可能不会把它用到设计里。所以,深度学习需要考虑数据集是否够多、设定的目标和打分规则是否明确,这些因素都会直接影响设计目标的实现。真正动手学习以后,才会更加清楚深度学习能不能解决设计问题。

志荣:那你觉得深度学习会不会影响到界面的设计?

00:设计包含的范围很广,界面设计也不是只有画图的部分。我觉得它的影响没有那么直接,更深层的影响可能会是改变使用场景。比如说有一些流程,之前需要用户填写一些必填信息才能跳到下一步,但如果通过 AI 技术基于用户的历史数据做分析和判断,整个信息填写可能就不需要了,这就会影响到整个交互流程。如果一些具体的界面包含了各种重复性的工作,或者它的产出物比较类似,这时候你可以用更自动化的方式去实现,而不是每一个操作都需要人工去做。

随着 AI 的成熟,一些流程操作可能会有新的替代做法;如果技术更成熟的话,有可能整个场景和流程都需要去重新设计,这个时候界面有可能会消失。

志荣:那你怎么看待现在的 AI?现在的 AI 是不是等于深度学习?

00:AI 肯定不只是深度学习。AI 一直以来都在发展,例如最早的垃圾邮件过滤、个性化推荐系统、微信语音转文字等,都属于很典型的 AI 应用。当一个技术成熟并且广泛应用后,我们就觉得它「不是」AI 了。现在的运算能力越来越强,通过计算自动生成的东西越来越多,例如鲁班自动生成一张 Banner。在技术攻坚和推广阶段,大家会更倾向于认为这是「当前的」AI。我觉得其实本质都是一样的,AI 就是用计算的方式,自动化解决一些问题或生成最终想要的结果。

志荣:现在很多设计师都在担心自己会被 AI 取代。你怎么看待这个问题?

00:这个问题我思考也蛮久了。UI 和交互设计近几年发展得特别快,大家已经把一些基础知识和相关经验总结得很好,可复用的组件和模块越来越多,所以以后设计师都不需要「从零开始」,工作看起来是变少了。但我认为这也是好的一面。你需要更深入地看待设计本身,到底哪些部分需要由人来解决和设计。真正的设计难题,我认为机器很难替代,因为这些设计难题都是由于设计对象关系之间的复杂性,以及人本身的不确定性引起的。比如要去设计一个服务解决方案,我觉得最重要的是如何理清不同利益相关者之间的利益关系。服务设计一般要面对很多不同的角色,他们之间的关系是错综复杂的,在设计时不能只考虑某个环节和流程,而需要更多考虑全局和关系的平衡。各种微妙、复杂、不明确的关系,对机器来说是一个很难的问题,这时候就需要人去把握。我觉得「AI 是否能取代设计师」这个问题能让设计师有更多的思考,到底设计要解决的问题是什么,然后把机器擅长的事情或者不需要人太多思考的事情交给机器去做。其实这样也很好,设计师不用天天坐在电脑前面做对齐几个像素的事情。在学完深度学习课程以后,我了解现在 AI 的界限在哪,但是它的潜力还很大,人真的不应该再跟机器去比了。

△ 图源:Anton Fritsler (kit8)

志荣:那你觉得现在的 AI 的界限在哪里?

00:现在 AI 的局限蛮多的,但是以后会越来越少。只要你能够给一个明确的目标,这个目标可操作、可量化,提供算法和足够的训练数据,基本上 AI 都能够做到的。在未来机器能够做到的绝大部分事情,人都不会做的比机器好,尤其是那些可以标准化、量化的事情。毕竟人有各种各样的生理局限,会死,会累。那这个时候怎么办?我觉得最终基本只剩下一条路,就是人要去做自己真正喜欢的事情,即便那个事情机器能够做的比你好100倍,你还是会愿意去做。当你一直做这个事情,迟早会发现有一些机器不擅长或者不屑于去做的部分,这时候你做的东西可能会因为个人偏好影响到结果,而这个结果会被其他人感知或者喜欢,这时候你就创造了属于「人」的价值。最近一段时间我在想,做设计还是需要找到一个领域,结合这个领域去做你喜欢的东西。有了领域这个框架,很多新的发现都会来自于你对那个领域的理解和积累。在某个领域真正产生价值,需要沉浸其中,有足够多的认识和积累才能做到。所以,如果想用 AI 技术达到目的,或是提升产品的价值和效率,你就要在这个领域多去学习、实践、领悟。这是我最近的感受。

志荣:所以你现在寻找的领域是什么?我记得你在研究 AI 和音乐如何结合。

00:主要是多媒体互动吧。我认为体验还是会回到实体场景下,虽然它们不一定是「真实的」,但一定会越来越强调「沉浸」。那么设计就会涉及到实体环境和各种感官,所以我想往沉浸式互动这个方向探索更多的设计。声音和音乐在沉浸式体验中不可或缺,也是我一直比较感兴趣的领域,所以我想探索 AI 和音乐如何更好地结合。当开始深入到一个领域中,你会发现有一些东西是多年都不会变的,即便 AI 来了,它还是不会变的。只有深入理解一些本质,你才可能用新的技术去实现突破,做出好玩的东西。

志荣:我觉得不会变的第一应该是艺术,音乐属于艺术。

00:其实每个领域都有一些比较底层的东西不会改变,这个需要你对这个领域的理解。

志荣:那你对现在研究的 AI 和音乐的结合有什么心得吗?

00:如果用工程的角度去看待音乐,它其实跟数学还有编程有密切的关系。如果把声音还原为一种物理现象,它更多是力学研究的对象,甚至跟电学和光学的原理有不少相通之处。从这个角度出发理解声音跟音乐之后,你可以尝试加入一些新的元素,例如 AI,做出更多有趣、可以互动的声乐装置。我现在还在新手阶段,学习基础知识和相关的工具。工具会在很大程度上局限你想要实现的东西,尤其是在一个全新的领域。

志荣:我认为后面的工具使用起来肯定会越来越简单。

00:我认为工具的复杂程度,取决于你想解决哪个层面的问题。好比如说你想要弹出十个音符,那你的工具可以特别简单,用一个 iPad 或者几个按键,发出声音就可以了。但如果你要从物理的角度控制整个声音,那工具可能会非常的复杂,需要调控的参数会随着程序的灵活度而成倍增加。

志荣:你怎么看待设计师后面的发展?

00:一个就是刚才我说的,一定要找到自己真正感兴趣的领域。不论那个领域是什么,现在看起来有没有前景,但只要是你喜欢的领域,我觉得就应该坚持沉浸进去,去学习、去玩、去做东西。第二个就是,不论是设计还是其他领域都一样,基本上属于 T 型人才的问题。你需要去学习跟设计相关和不相关的所有知识,一切都是为了做好 T 字的那一竖,这样你对设计的理解才会更深。要发现自己真正喜欢的领域是什么,然后基于那个领域,慢慢地往横向和纵向深入发展。第三点就是,我现在处于一个目标不太明确的阶段,如何找到一个让你相对长期聚焦的领域,以及能不断帮你精进某些技能和经验的实践项目,这个也蛮重要的。

志荣:那你觉得设计师要怎么才能拓宽自己的视野?

00:第一点还是刚才说的,基于内在驱动力,基于兴趣不停地向外扩展。一旦对某个事物感兴趣,你就会不自觉的想要知道更多,会开始比较,想要看到和找到更好的东西。第二点就是,我觉得设计师的审美来自于生活的方方面面。当你其他方面的能力和见识有所拓宽,设计能力和视野也会提升。所以要多去体验不同的事物,那些以前没看过、没玩过、没做过的事情。还有第三点,过去两年我在做心理学相关的项目,发现对人事物的洞察,很大程度上来自于你对人的复杂程度的理解,以及对自己的觉察跟反思。有时候看待事物或问题,如果没有结合自己关注的事物或领域一起去理解的话,可能会缺少一条主线。我们对很多知识和事物的看法就有点像一棵树,它们最终会还原到某个更加本质的东西,就是这棵树的主干,比如说你对自己本性的理解,或者是你在这个世界上一直坚持的立场和态度。如果没有这个立场,你可能就没有属于自己的原则,观点和偏好。如果没有自己的价值观,你可能没有办法把很多东西整合起来,最终把它变成你自己的东西,或者基于它去创造价值。