基于增強智能理念的人機協同設計探索

曾真，孫效華

（1.同濟大學，上海 200092；2.四川美術學院，重慶 401331）

數據膨脹驅動了移動互聯網、大數據、數字社會的發展，加速了社會需求、生活方式以及全球化趨勢的轉變。設計作為一個交叉學科，一項創造人造物的活動，在數字社會的發展進程中也緊密地與數據融合在一起。數據不僅是設計的材料，也該改變了設計的方式，更催生了新的設計產物。然而，數據在帶來多種改變的同時，也使設計師遇到了越來越多難以應對的巨量、復雜與不確定的問題。以數據為支持的智能系統是否能夠獨自解決這些問題？數據的背后是人，人的行為、想法、情感產生了數據，僅僅依靠強大的計算力顯然無法理解數據背后復雜的因素。因此，需要找到一條能夠融合人類智慧與機器智能的設計新途徑。

1 不同的計算愿景：人工智能與增強智能

計算的目的是什么？對這個問題的不同回答意味著不同的計算愿景，也啟迪了兩類智能系統的發展：人工智能與增強智能。二者并不是指不同的技術類型，而是指基于以計算機為中心和以人為中心兩種愿景而發展起來的不同計算研究理念及其領域。

1.1 人工智能

1956 年舉辦的達特茅斯會議首次提出人工智能概念，但參會的先驅們并沒有對它的內涵與外延達成共識，此后不同的研究者、領域與時代，都對人工智能進行了不同的定義。最知名的人工智能概念來自于圖靈測試，是指機器表現出與人類不可區分的智能行為的能力，測試結果不取決于機器給出正確答案的能力，而是取決于它的答案能夠接近人類給出的答案的程度[1]。當下，深度學習技術是人工智能領域最為關注的一種方法，它允許由多個處理層組成的計算模型來學習具有多個抽象級別的數據表示，包含了監督學習、非監督學習與強化學習三種類型[2]。目前，計算機科學將人工智能研究定義為面向“智能代理”的研究，即一個為了實現最佳結果，為實現最佳期望結果而行動的代理人（Agent）[3]。代理人的目的是通過嘗試計算所有的可能，通過運算速度與數量的優勢達到或超過人的理解與判斷能力。此目的已經在那些容易被計算的、高重復性勞動的行業與領域得到一定程度的實現，因此這也成為了那些聲稱人工智能會帶來失業恐慌的言論由來。

1.2 增強智能

增強智能是指信息技術在增強人類智力方面的有效利用，這個想法最初于1950—1960 年由控制論和早期的計算機研究者提出。Licklider[4]在達特茅斯會議結束不久，對人和計算系統的關系進行了定義，他認為人機將會發展出共生關系：人們將設定目標，制定假設，確定標準，并執行評估，共生伙伴關系將比單獨執行智力活動更有效。1962 年Engelbart[5]開始實質性地推動計算機成為增強人類智能方式的研究。在這一視角下，計算機不再是主要解決數字運算問題的工具，而是實時交互的系統，具有豐富的輸入輸出，人類可以使用它們來支持解決問題的過程。增強智能以人為中心的計算愿景，其目的不在于取代人類，而是運用智能系統在算法與算力上的優勢補足人類在記憶、計算與執行效率上的不足。從歷史發展的角度來看，無論是算盤與計算器，還是個人電腦與智能手機都是指通過各種形式的技術手段擴展人類的信息處理能力，這種智能增強的愿景深刻影響了人機交互設計領域。

1.3 代理人與合作者

長期以來，人工智能與增強智能一直存在重疊，二者始終圍繞著智能性的思考與行動進行探索。然而，人工智能聚焦于如何將智力任務交給機器，正如North[6]提出的機器擴展人(Mechanically Extended Man)概念，即人提供主動性、方向、集成和準則，機械是人肢體和眼睛的延伸；而增強智能更關注構建人機共同協作的系統，IA 將在“軟件層面”增強人類的智能，改變人類的思維方式，拓展人類創造性的范圍[7]。這意味著兩種不同的智能角色（見圖1），也意味著這兩個領域的觀點同時影響著設計實踐與研究，因此形成了不同方向的人機協同設計理念。

圖1 智能系統的兩種角色Fig.1 Two roles of intelligent system

2 基于不同計算愿景的人機協同設計

2.1 設計的屬性

Schon 認為設計是與某種物質的反應性對話，其基本結構是“觀察—實施—觀察”，是設計與發現之間的交互[8]。Cross[9]討論了許多在設計過程中產生創意飛躍（Creative Leaps）的案例，這些意識擴展可能是由于思維固著（Mental Fixation）的釋放而引起的，他還與Dorst[10]共同指出創意設計的模型是問題空間與解決方案空間的共同進化……設計過程中的創意可以生動地被比喻為連環爆炸式的發展。

從這些關于設計屬性的闡述中，可以發現設計是發散性活動與聚合性活動交替推進的運作過程，也可以說是設計問題與解決方案互相激發的過程。因此從活動性質的角度看，設計由設計思考與設計實施兩種活動類型組成（見圖2），前者以探尋、關聯與反思為路徑，后者以選擇、約束與表達為目的。二者在設計運作中各有側重，前者探索可能，后者作出判斷，二者互相推動，直到產生滿意的設計結果。

圖2 設計活動的兩種類型Fig.2 Two types of design activity

2.2 人機協同設計

在智能系統出現之前，人機協同設計的概念就已存在。最初它與專注于理解團隊工作特征并運用計算機技術來支持合作性工作的CSCW（Computer Supported Cooperative Work）相關[11]。隨后基于知識的協同設計系統開始成為人機協同設計研究的重點，包括知識獲取與表示[12]、知識集成與共享機制[13]等方面。此外，CAD（Computer-Aided Design）的概念產生并迅速發展，各種CAD 軟件提高了設計師的生產力與設計質量，為生產制造創建了數據庫[14]。計算機逐漸從支持人與人信息交流而實現協同設計的支持手段，演變為與人一起開展設計的協同工具。然而，智能系統之前的計算機不具備學習能力，因此不能在協同設計過程中持續吸收新的數據特征，不能動態迭代設計規律或原則，只能輔助設計師完成固定的設計工作。如今，智能系統作為計算機發展的更高形式，在人機協同設計中也發揮著越來越主動的作用。

2.3 基于人工智能與增強智能的人機協同設計

當人工智能與增強智能融入設計問題的解決中，可以發現人機協同設計的目的與功能具有不同的發展方向，決定了智能系統在設計中扮演的不同角色。將前文中兩個不同的四象限框架進行疊加后發現，兩種系統融合形成了設計師與智能系統協同設計的四種類型（見圖3）。其中兩種類型是基于人工智能理念的人機協同設計，一種側重于“以一對多”的設計表現，擅長呈現基于某種既定模式的多樣化設計結果；另一種擅于“從多到一”的設計分析，在大規模數據中分析特征并聚焦共性。Herbert Simon 認為人類為實現“滿意”而提出解決方案，而非使其最優化，因為人們的記憶和推理能力有限[15]。在人工智能理念下，人機協同設計是指基于現有數據，遵循既定原則執行設計任務的過程，也正因如此難以產生突破性的設計結果。

圖3 人機協同設計的四種類型Fig.3 Four types of Human-machine collaborative design

另外兩種類型是增強智能理念下的人機協同設計，一種擅長設計綜合，在現存的眾多不同因素中提取特征，綜合出新的設計結果，并形成統一的表現風格；另一種有助于設計想象，可以面向不清晰的問題，通過設計思維與計算思維的碰撞對話，發現未曾考慮到的可能性。Schon[16]提出設計是設計師與情境之間的反映性對話，與這一觀點相一致的是，他還認為關于計算機的研究應該聚焦在計算機環境上，這個環境可以增強設計師的獲取、儲存、運作、管理等能力以及對所觀察到的事物的反應能力[8]。Edmonds[17]討論了創造力認知模型的基本問題，認為研究該問題的最佳策略是構建和研究基于計算機的支持系統。可見，在增強智能理念下，人機協同設計被認為是以數據與算法為常量，以人的知識、經驗與思維為變量進行設計探索的過程。設計師能夠設想人類在不確定的探索性環境中表達對信息的理解，這可以催生新的智能算法和系統[18]。設計師和智能系統可以在設計過程中相互激發，通過不穩定、嘈雜甚至混亂的創造性過程，催化突破性的設計結果。

基于人工智能與基于增強智能的人機協同設計在設計的角色與作用上具有明顯的不同，前者是確定性設計任務的執行者或分析者，而后者是不確定性設計概念的共創者或對話者。在設計語境中，更看重創造性解決問題的能力與結果，因此基于增強智能的人機協同設計更具研究與探索價值。

3 增強綜合力的人機協同設計實踐

3.1 設計中的綜合力問題

綜合力是設計實施活動中的聚合表現能力，需要將設計思考活動中得到的多個因素匯聚表達為具象形象。傳統的設計因素聚合主要依賴于設計師的審美力與凝練力，但在大數據時代，設計師不可能處理成千上萬個設計因素，但可以借助智能系統強大的計算能力來實現。作為共創者的智能系統，能夠在設計師提供的設計概念基礎上，更加自主地學習設計因素中的共性，聚焦設計的形式特征。在這一設計語境中，智能系統不是完全被動的執行者而是更加主動的共創者。

3.2 探索性文創產品設計實踐

3.2.1 探索性文創產品設計背景

記憶是人生最重要的組成部分。此作品的設計師從小生活在山城重慶，這里的人對于不同年代的重慶有著不同的記憶，每個時代的記憶常常以代表性建筑為載體存在于個人的記憶碎片中。設計者希望借助智能系統，將不同年代人的山城記憶連接形成具有共同屬性的城市回憶，并轉化為文創產品設計。設計的主要問題是如何將飄忽的城市回憶凝聚綜合在一個具體形態上。

3.2.2 探索性文創產品設計過程

1）第一次數據集準備與模型訓練。設計師收集了長江索道圖片100 張、解放碑圖片50 張、洪崖洞圖片50 張。運用生成式對抗網絡（StyleGAN2）對上述代表性重慶城市建筑進行機器學習。結果中出現了具有較強山城特征的建筑形態，并且有不少意料之外的復合重疊結構。但考慮到人們在不同年代的記憶應該是不一樣的，不同地區的人也有不同的回憶，所以下一步打算增加并細分數據集。第一次訓練結果見圖4。

圖4 第一次訓練結果Fig.4 The first generated result

2）第二次數據集準備與模型訓練。重新將數據集調整為長江索道圖片100 張、解放碑圖片50 張、洪崖洞圖片50 張、雙子塔圖片50 張、重慶大劇院圖片50 張、望龍門石板坡圖片50 張、來福士圖片50張。希望通過增加不同時期、不同建筑類型的圖片，拓寬數據特征，以呈現不同年代重慶人心中不同的山城。此次生成結果顏色豐富，但是由于數據類型過于多樣，導致綜合而成的結果視覺特征不明顯，下一步需要去除數據集中或過于雜亂的數據。第二次訓練結果見圖5。

圖5 第二次訓練結果Fig.5 The second generated result

3）第三次數據集準備與模型訓練。將數據集調整為雙子塔圖片50 張、重慶大劇院圖片50 張、望龍門石板坡圖片50 張、來福士圖片50 張。運算結果中出現了具有明顯特征的重慶代表建筑，但由于選擇的數據集都是比較整體的建筑，生成的結果過于整體，失去了城市的層次感，也缺失了模糊的、碎片的回憶感。第三次訓練結果見圖6。

圖6 第三次訓練結果Fig.6 The third generated result

4）第四次數據集準備與模型訓練。將數據集按照建筑時間的遞進關系分為兩組，第一組為雙子塔、大禮堂、吊腳樓，第二組為長江索道、大劇院、吊腳樓。這一次的生成結果達到了設計概念的預期，在同一張圖像中既綜合呈現出了不同時代的重慶標志性建筑特征，也捕捉到了回憶的碎片、融合與模糊感，形成了似曾相識但又未曾見過的共同回憶意象。

5）最后設計師以二維圖像作為視覺基礎，通過三維建模軟件將其再設計為三維浮雕形態，模型呈現出被歲月腐蝕的滄桑之感，又有記憶的碎片與混沌之形，最后通過3D 打印將其制作成文創產品樣品，見圖7。

圖7 第四次訓練結果、三維模型轉換與最終設計成品Fig.7 The fourth generated result，the converted 3D model and the final design（設計師劉逸婷）

3.2.3 探索性文創產品設計小結

此作品的設計概念是以建筑為視覺象征，將不同年代重慶人的記憶融合起來形成城市共同回憶，是一個需要強大視覺綜合力的選題。通過對數據集的運算、觀察與反思，山城的綜合視覺特征在混亂中逐步清晰，由分散慢慢聚焦。隨著設計逐步深入，設計者進一步意識到不僅要體現城市的鮮明符號性，還要融合記憶的碎片化與模糊性。掌握符號性與碎片化之間的平衡成為了設計的關鍵。最終，設計師與智能系統通過多次迭代嘗試，綜合形成了兼具重慶不同時期的建筑特征與記憶碎片意向的設計結果。

3.3 增強綜合力的人機協同設計發展趨勢

由于智能系統具備聚類大量數據特征的能力，所以能夠彌補設計師在數據處理上的不足，綜合形成多樣化的設計結果。短期來看，人機協同設計可以完成原有設計流程中那些需要大量計算或反復操作的表現性設計任務，通過增強設計師的綜合力來提升設計品質；長期來看，它可以影響設計流程中的結構，在提升綜合力的基礎上逐漸發展形成新的設計方法，從而形成新的設計類型或風格。

4 增強想象力的人機協同設計實踐

4.1 設計的想象力問題

想象力是設計思考活動中的發散聯想能力，是設計師的創意經驗與特定設計問題之間的相互刺激與反映。在強調創意是人的獨特能力時，也不得不承認人類想象力的局限性，特別是面對模糊的問題與未知的將來，設計師容易被現有范疇與自我經驗所束縛。若要脫離這種局限，就需要在設計過程中引入不同的聲音，如同設計師通過與其他人進行對話獲得不同觀點、激發新的想法一樣。基于計算邏輯的智能系統可以作為這種新的聲音，通過與設計師現有的想法、審美與經驗進行對話，創造引發創意突變的機會。在這一設計語境中，智能系統不是設計表現層面的實施者，而是設計概念層面的對話者。

4.2 實驗性服裝設計實踐

4.2.1 實驗性服裝設計背景

服裝設計是創造服裝和配飾的藝術，既具有穿著功能特點，又具有藝術實驗屬性，它與文化交織在一起，與技術也密不可分。廓形設計被認為是人們對服裝的第一印象，它在面料、質地等細節之前傳達了整體造型和風格。廓形不僅強調或修飾不同的體型或部位，也反映出設計的態度和文化，是服裝設計的重要因素。在這個設計項目中，設計師沒有明確的設計意圖，而是以一種開放實驗的態度，以廓形設計為對象，以解構主義理念為啟發，開始了與智能系統的協同設計實驗。解構主義起源于哲學家Jacques Derrida，他批判了語言學中的結構主義，強調語言的單純表象，認為相比整體結構的研究，單獨個體的研究更具有價值[19]。解構主義服裝繼承了哲學層面的解構主義要義，追求夸張的整體架構、松散的組合關系、不對稱的肩線等，提出未完成、分解和重組的理念，其形式特征與GAN 的生成風格具有相通之處。

4.2.2 實驗性服裝設計過程

1）數據集準備。由于本次實驗性設計的對象是服裝的廓形設計，并且以解構主義理念為啟發，因此選擇了在廓形上具有突出表現的200 張解構主義服裝作品作為數據集，見圖8。

圖8 解構主義服裝設計數據集Fig.8 The dataset of deconstructionist fashion design

2）模型訓練。運用StyleGAN2 進行模型訓練，生成了令設計師深感意外和興奮的反傳統創新性廓形，有從肩部到下擺延續的層疊形態，也有突然向側面隆起的不規則形態，還有如同被風吹散了的飄逸形態，見圖9。

圖9 訓練結果Fig.9 The generated result

3）設計師再設計。設計師從生成結果中選取了40 張圖，組成了能夠激發靈感的四組系列服裝，并以此為參考，在模特圖樣上進行服裝線稿設計。有的線稿會對顯著的廓形特征進行突出強化，有的會對過于復雜的形態進行歸納簡化，還有的會在其基礎上進行延伸演變，見圖10。

圖10 設計師再設計的結果Fig.10 The result of the designer's redesign

4）設計師深化設計。當設計師與智能系統的協同創意來到這一步，設計師認為智能系統已經給予了足夠多的啟發，接下來需要自己完成深入設計。設計師在線稿設計方案中選取了一個方向開始了細化與深入。首先是在廓形的結構細節上進行了優化與豐富，其次在正面設計的基礎上衍生出了背面的設計，同時也開始考慮與廓形相契合的面料質感與顏色，最后完成了深入細致的線稿與效果圖設計。與智能系統生成的結果相比，設計方案的廓形設計呈現出與之一致的凸起形袖子以及喇叭形褲腳，但完善了更加具體的疊加層次與穿插結構。最終，設計師在設計方案的基礎上通過傳統流程完成了服裝的制作，見圖11。

圖11 設計師深入設計的結果Fig.11 The result of the designer's optimized design（設計師劉夢秋、閆浩天）

4.2.3 實驗性服裝設計小結

在整個設計結束之后設計師留下了這樣的感想：“與智能系統一起的設計會有一萬種可能，無數種想象，它打破了設計師思維的局限，延伸了設計的邊界，在靈感停滯時打破僵局，注入活力重獲新生。”回顧這一過程，設計師帶著冒險好奇的心態開始了人機協同設計，通過手繪線稿的方式，將智能系統生成的廓形特征內化為自己的創意語言，并在吸收智能系統生成結果的基礎上持續延伸豐富。最后的設計結果既保持了智能系統提供的整體廓形，又充滿了設計師細致的結構塑造，充分體現了基于增強智能的人機協同設計的優勢所在。

4.3 增強想象力的人機協同設計發展趨勢

智能系統與設計師的對話激發了設計師的想象力，打破了設計師的思維慣性，突破了原有的創意空間，創造出了意料之外的設計結果。由于需要與設計師通過長久反復的交互實現深度的概念交流，這一人機協同設計方式將逐漸被個體設計師內化為創意思維與設計探究的途徑，成為設計師不斷突破思維空間的方法。未來，不同的設計師與智能系統通過持續的磨合，將會形成小樣本、個體化的創意手段，設計的多樣性在這個過程中得以擴展與強化。

5 結語

在不同計算愿景的指向下，設計師與智能系統通過不同的交融方式產生了不同的作用，從微觀上改變了設計師的思維方式，也將從宏觀上影響設計行業的發展方向。基于增強智能的人機協同設計既不是自動化設計的智能版，也不是計算機輔助設計的迭代版，它是設計師與智能系統圍繞設計問題展開的數據感知、信息交流與共同創造，它能夠支持設計師突破認知與經驗的局限，提升持續的表現力與想象力。智能系統并沒有取代設計師，反而為設計師提供了反思與轉型的機會，特別是基于增強智能理念的人機協同設計使設計師與智能系統能夠優勢互補，這也將成為設計研究與實踐的新內容與新焦點，以應對智能時代所面臨的設計挑戰。