AI對于設計實務、研究與教育的沖擊

當生活中每個人都在談論人工智能（Artificial Intelligence，AI）的時候，我們是否應該感到緊張，擔心自己跟不上時代的腳步或是害怕我們的工作被AI 取代，甚至我們自己直接被取代？有多少人真正了解AI 背后的原理，或者我們引以為傲的自己認為會使用這些酷炫的app 和與AI 相關的服務而沾沾自喜。 不可否認的是AI 的確在各個方面沖擊著我們的生活與工作，更準確地說顛覆我們的生活與常識與認知。

我也是AI 技術洪流中的新移民，與大多數的設計師一樣同時在學習與了解AI 這個新興技術、工具與知識。 這篇文章想要初步來探討AI 在設計領域、設計研究領域與設計教育領域上的想法與挑戰。 在這巨大轉變的時刻，我們應該要重視這個問題。 當然與AI 相關的議題也不僅止于以上三大方面。

美國麻省理工學院（Massachusetts Institute of Technology，MIT）也針對AI 相關的議題高度重視并且在MIT Generative AIWeek 上充分討論運用AI 上的社會價值、科技倫理與教育沖擊。 我們還要思考政策、包容性、健康、隱私、安全、國防、工作、價值觀、族群等全方面考量。

一、AI 與設計實務

市面上充斥著許多AI 生成（Generative AI）的工具，伴隨著其普及率提升，人人都能快速地上手使用這些工具。例如，輸入一些關鍵詞或是句子給予ChatGPT 指令，就能生成一篇小論文，或給出接近完美的答案，或提供更全面性的點子；運用DALL·E 平臺可以生成我們需要的情景圖片、科技感的相片，或是具備超未來感的視覺材料；使用Midjourny 軟件可以產生更多不同的視覺風格……AI 給出的選擇幾何級數地遞增，一再沖擊著我們的視覺和想象的閾限。

這些現象都代表著產生解決方案已經不是一件難事。 即使你不是設計師，也可以快速地得到成千上萬的靈感、點子或是不同方案。設計領域或是其他領域常常會強調先重“量”再重“質”的概念，我相信這些AI生成工具已經可以滿足人們對于數量的追求。但是關于設計質量呢？如果我們想要產生一個好的解決方案，使用AI 可以幫我們從量的提升進化到質的改變嗎？我們如何定義好的解決方案？當今科技的迭代創新速度太快，我們可能在現階段很難下一個定論。 當然這也直接地沖擊到以人為本的設計方法（Human-Centered Design，HCD）。

HCD 包含了用戶痛點、同理心、科技可行性、商業考量等等。傳統HCD 設計方式包含了靈感搜尋、點子發想、問題界定、商業戰略、用戶訪談、迭代建模、測試、完善、量產、上市等。我們運用AI 之后，它幫助設計師們加速了點字生成、快速圖像渲染、概念建模、用戶體驗創建等等方面的設計流程內，也降低設計工具上手的門檻。但是同時AI當下還是無法完成的設計階段例如：如何問對設計問題？如何找出淺在用戶痛點？如何幫助設計團隊與設計師增加同理心？在重質又重量的前提下， AI 如何幫助設計師篩選出有社會影響力的好點子？我們無可否認的是，AI 已經可以取代那些不必要的資源、多余的人力、優化架構、完善系統等。

二、AI 與設計研究

AI 也在影響設計學術界或是學術界本身。例如，跨國與跨文化新的協作形式、精準的文獻搜索方式、研究內容的深度與廣度加速提升等。假設AI 給學者們與研究機構提供這些充沛的資源與強大的數據庫及搜索能力，對于人們與學術界的挑戰是否會有改變？學者們可以給予AI明確的研究問題后，輸入一些關鍵詞與研究方向，剩下的文章與內容全部可以由AI 生成。但是學術的創新價值又為何？

Fabrie 是一個在線協作的平臺，可以當成線上的數字便利貼或是智能白板，架構設計上類似Miro，但是它們融入了AI 的功能，例如快速渲染、點子生成、圖片生成等。Fabrie 的目的是希望更好地幫助不同領域的設計協作，包含工業設計師、服裝設計師、平面設計師、互動設計師等。

ATLAS.ti 是一個定性調研的工具，幫助設計師與研究者分析用戶的語言與行為。以往都是讓研究者用人力的方式去閱讀影片中的每一句用戶之間的對話，才能夠標示出關鍵詞或句子。最近ATLAS.ti 與Open AI合作，讓這個漫長的語言分析研究過程加速進化，通過AI 可以快速地控制得到的關鍵詞數量、語義和彼此間的關系。

Litmap 能夠提供研究者找到一些文章或研究領域的源頭，即我們所稱的種子論文（seed paper）。 傳統的方式是學者通過閱讀大量的文獻，以如同學術偵探的方式抽絲剝繭般整理出每篇學術文章之間的關聯性，這需要消耗大量的時間與人力資源累積領域的研究經驗。Litmap 讓學者們不只是使用關鍵詞的方式搜索文獻，更加入了AI 算法、關聯性分析、作者資料分析等完善文獻搜索的過程、縮短大量的時間，并且提高精準度。

這些AI 工具在學術領域上的運用令人嘆為觀止。但是我們是否能問出更加創新的學術問題？充斥在AI 的環境中，我們如何再定義學術研究的價值？獲得研究經驗的代價可能不再只是時間而已，而是學者們對于AI 工具的熟悉程度與廣度，還有哪些我們尚未發掘與探討的控制因素？

三、AI 與設計教育

在這個信息爆炸的時代，大部分的設計技能都能夠在網絡上學習，如YouTube、edX、Coursera 等。設計師與設計教育比較的不能只是硬核技能上面的提升，這些反而成為一個基礎。特別是在AI 當道的時代，設計師們一下能獲得許多AI 生成的解決方案。在獲得解決方案的數目變多的同時，獲得解決方案的門檻一再降低，身為設計師的我們可以質疑也必須質疑：這些AI 工具真的可以幫我們問出對的問題嗎？還有是哪些需要去思考的？

試想在這些科技環境條件下，我們的社會對于創意的價值與價錢如何體現與度量？因為AI 科技的提升，設計師的社會責任是變得更加宏大還是更加卑微？因為人人都可能也可以成為設計師提供成千上萬的設計方案。

反觀當前的設計教育，要如何跟上AI 科技的腳步開展創新？在AI的挑戰下，我們的教育家、老師、學者如何自我學習并和學生一起快速成長？我們的設計教育能夠跟上AI 進步的速度嗎？如何跟上？我們如何回歸設計本質并且再度定義人本設計（HCD）是什么？我們當如何透過設計教育了解并且建立人、科技與社會的一個共存共榮的永續系統解決復雜的系統性問題？例如氣候變遷、人口老化、戰爭、生態浩劫、能源匱乏、教育與醫療資源稀缺等關系到人類未來生存的重大問題，是否能夠通過高科技、AI 與以人為本的精神助力我們一起面對與解決？

小結：建造多元、美好與永續的未來與社會價值

唐納德·諾曼（Donald Norman）的最近著作《設計更好的世界（Design for a Better World： Meaningful， Sustainable， HumanityCentered）》幫助我們去思考、去關心更多社會性議題，例如種族、平等、健康、政治、永續、性別等。設計的范疇早已不止傳統上的美、視覺、比例、造型，設計教育與工具也從實用性、功能性進化到在結合設計方法下更具備哲學思考與社會價值上的觀念倡導與具體實踐。

這篇文章中初步探討了運用AI 在設計實務、設計研究與設計教育上的實際應用與問題反思。 其實AI 如同一面雙面刃劍，可以同時視為一種阻力也是一種助力。當我們面對新科技、新技術與新環境時候，人們與社會都同時充滿好奇、興奮、擔心與害怕，但是這不應該停止我們探索未知與創新的動力。以人為本的設計（HCD）精神更加重要，我們不應當迷失AI 的運算科技中，為了技術創新而創新。回歸到人性、自然、社會的需求，而追求更多可能性與更美好的未來。