設計師如何避免被AI取代?
智能AI發展的速度超乎所有人的想象,并且正在逐漸取代部分設計師工種,至于后續AI的發展會不會進一步“蠶食”其他分支的設計崗位,取決于設計師如何認知這個新階段、如何轉型、如何專注于合適的領域。面對AI的迅速發展,設計師應該怎么做呢?
智能AI發展之迅速超乎所有人的想象。
這所帶來的震撼,已經顯現賽博朋克的味道。
仔細想想,這其實是人類社會的技術發展與信息資料積累到到一定地步的必然結果,必然會有一種技術手段將需求與浩如煙海的答案進行匹配、整合與輸出。
如今時代的答案已然顯現。
今時今日智能AI正在逐漸取代部分設計師工種,至于后續AI的發展會不會進一步“蠶食”其他分支的設計崗位,這其實已經不再取決于AI如何發展,而是取決于設計師如何認知這個新階段、如何轉型、如何專注于合適的領域。
一、回首智能AI的發展
作為一切問題的根源,我們有必要簡單了解下AI發展的大事記:
- 1996年,深藍計算機Deepblue擊敗國際象棋世界冠軍Garry Kasparov
- 2014年,聊天程序Eugene Goostman在5分鐘的鍵盤對話中被超過30%的評委誤認為是人類,通過了著名的“圖靈測試”
- 2016年,AlphaGo擊敗圍棋世界冠軍李在石,次年戰勝柯潔
- 2017年,類人機器人Sophia獲得沙特阿拉伯國籍
- 2017年12月,DeepFakes基于深度學習的AI技術,在Reddit發布Gal Gadot換臉視頻
- 2022年,畫師群體在Artstation平臺發起“NO TO AI GENERATED IMAGES”的反AI圖運動
- 同年11月,OpenAI推出ChatGPT,5天內注冊用戶超百萬
- 2023年1月,微軟新版Bing采用ChatGPT技術
- 同年2月,OpenAI推出GPT-4模型
- 同月21日,美國版權局認定Midjourney生成的部分不受版權保護
原本Turing預測2000年就會產生5分鐘內騙過30%成年人的人工智能,目今而言AI的發展反而落后于他的預測。而當機器智能通過圖靈測試,甚至已經超越人類,測試本身就淪為另一個“過時的摩爾定律”。
從AI發展的里程碑來看,我們可以粗淺地認為原初的AI智能,如深藍和通過圖靈測試的Eugene Goostman,是一種基于大量信息資料的窮舉行為的產物,它對機器的性能有一定的要求,信息資料的數量級也受到限制;
當擁有分布式儲存、大規模并行處理和自組織自學習特征的“神經網絡”取代窮舉行為,再加上機器設備性能的大幅提升,AI就全面進化為如AlphaGo一樣,基于性能和效率,對信息資料進行靈活匹配與整合,具備學習自然語言、信息提取、文本分析與推理能力的類人的AI智能;
更進一步的,當我們錄入不同國家的在地文化、各類語言語料、各學科知識以及繁雜沉積的網絡信息資料,加上最核心的自學習能力,AI智能已經一步一步提升至超越人類的存在,也即今天的ChatGPT和GPT-4模型。
從上述我們也許可以更加粗淺地認為,當下的AI智能是對既有知識和資料的總結性產物,同時具備一定的學習能力,它的思考是基于已有知識的“學習”和對價值觀的“判斷”的推理過程。
二、AI在IT行業的應用
近幾個月,不論是IT行業的新崗位招聘,還是新的協作方式落地,都出現了AIGC的身影。
AIGC(AI Generated Content)是一種新型的內容創作方式。AIGC正成為越來越多參與到數字內容的創意工作過程中,創作者需要不斷地學習探索和創新,以滿足不斷變化的市場需求?!短剿鰽IGC在網易嚴選中的應用》
當我們不抱任何懷疑態度地擁抱AI,并在設計或開發流程中落地時,按照“一”的看法,我們可以認為是擁有了既往知識經驗的“接口”。
參考網易嚴選AIGC落地資料,我們可以認為AI在設計流程中的具體落地切入點,可以有以下幾個方向(以下示例答案基于GPT-3.5-TURBO模型):
1. 前期調研輔助與分析
我們可以借助AI快速且全面地針對某項課題進行調研前的準備,AI可以協助了解用戶和市場的需求與趨勢,進而給出指導或策略性的建議,在前期調研的資料收集與分析、人群分析以及問卷設計技巧等環節上,節省了時間和人力成本。
并且得益于AI的批處理特性,問卷或調研資料回收后的數字分析和結論提煉工作可以完全托付給AI執行。
2. 需求提案、頭腦風暴
在需求提案的過程中,諸多靈感與Tips會在工作流轉的過程中或多或少地被舍棄或被改變,也或許因為人力原因,許多靈感未被發掘或被表達。
我們可以通過AI快速模擬需求的創意提案,這些提案得益于繁茂的信息資料,它所展現的方向和覆蓋維度基本上都要優于我們自己的思考成果。我們可以在此基礎上進行人為的增刪改,以洞察需求的更廣面貌,甚至進一步明確產品定義。
3. 物料生成、輔助拍攝
By MidJourney|prompt:bath lotion; online-sale product image; light atmosphere; few plants; spray; real photographic
AI可以按照指定的特征語句生成或者改造物料素材,可以提升物料素材多樣性的同時,極大降低物料的拍攝、采購或生成的成本,節省場景搭建的時間和成本。
更為重要的是,AI生成雖有瑕疵,但可以一次或多次生成提供批量的符合要求的物料,以供改進和備選。
在生成素材物料的基礎上,AI還可以進行如包裝設計、工業造型設計、IP創意設計等工作:
By MidJourney | prompt: mascot for female toys; whale shape; weather color; relaxed and cheerful expression; personification; three views
總得來說,AI在融入開發流程、應用和落地的過程中,在資料收集、調研思考、討論和創意,甚至于物料的輸出和調整上,都能夠極大地節約人力和時間成本。
4. AI在實際工作流程中的落地應用?
我們再模擬一下AI在理想情況下在實際工作流的參與程度:
在理想情況下,AI在工作流中可參與的程度已經很高,但同時AIGC也依賴人為干預、整理提取和傳輸等,也就意味著AI可以替代的其實是一部分專注于機械輸出的工種,以及抵消一部分人力,使工作的投入成本更小。
總得來說,AI在工作中落地應用的最大價值在于改造工作方法論、優化協作流程、提升輸出多樣性和節約成本。
在這里額外推薦來自嗶哩嗶哩的子牧說發布的《你的文字是怎么變成圖片的?-AI繪畫底層原理拆解》,可以更深入地了解AI繪圖的發展和原理。
三、AI對IT設計崗位的影響
在論述AI對設計師們的實際影響前,我們可以按照工作內容情況對設計師進行分類:
1)協作型:產品設計師、深度介入開發流程的交互設計師
協作型設計師需要了解業務和它的受眾,工作內容涵蓋原型或中保真交互文檔的設計,還包括跨部門協作、開發設計對接、數據分析等等,他們需要了解業務鏈路、用戶特征、用戶行為以及開發成本和周期等細節。
2)整合型:深度介入開發流程的UI設計師、交互設計師
整合型設計師在工作流中屬于中下游,他們接收上游的需求或原型,基于視覺/交互規范,按照受眾特征進行細化設計,輸出用于開發或設計的文檔,還需要對接開發還原視覺/交互細節,配合驗收,完成上線。
3)輸出型:UI設計師、創意與平面設計師
輸出型設計師的工作內容相對專精,屬于下游,他們要按照上游需求輸出物料,如Banner、H5或圖片物料等,需要了解受眾特征,也具備一定水準的專業技巧。
按照我們前文所述,在協作和整合層面,AI更多扮演的是輔助角色,可以協助資料收集、數據分析、結論提取,也就是說,會抵消一部分人力,而這兩類設計師仍然需要人來作為核心,進行干預和管理。
但在物料輸出上,AI已經可以承擔一大部分的設計和輸出,這將抵消的是較大比例的人力,更需要設計師參與排版或者微調,加之AI輸出的不穩定性,也需要專業的人為干預。最后,輸出型設計師向設計物料的管理方向轉型的可能性更大,或者說更安全。
By MidJourney | prompt: spring camping, smiling young peoples, running dog, public park, trees and grass, sunny day, anime style, v5
(經歷若干次生成,Midjourney沒有給出我想要的風格,可能是語句的問題)
額外的,在動效設計等更細分的工種上,因其和開發流程的結合更加緊密,工作輸出的精密度較高,被AI替代的風險相對來說就小了很多。
總得來說,在AI發展大潮中,設計師不想被AI取代就需要:
- 學會并應用AI智能,相應地制定好合適的邊界,保留自己的靈活性和獨特性?
- 與業務和協作流程進行較強的耦合,和工作流中的各類角色打好交道???
- 無論是轉型設計管理的方向還是設計協作的方向,想不被AI取代,就用力地擁抱AI吧,把它變成自己設計生命的一部分
四、結語
AIGC對各行業都存在著沖擊,這是AI智能不斷發展和人類社會不斷優化成本投入的趨勢所帶來的必然結果。
但在以人的意志為核心的文化氛圍和感知判定上,或者說虛無縹緲的“意味”,也許是機器智能永遠無法了解的領域。
如各地文化微妙的表意、人類符號學等專業垂直領域,如用戶體驗判定、設計管理、人才培養、字體設計等基于人本身素質、學識和藝術水準的領域,又或者如基于業務的理解力、由理論到應用的能力,可用性測試等等需要強人力干預的領域。
GPT-4在各種任務上的表現令人印象深刻,但它仍然受到各種有據可查的語言模型的弱點的影響。這些弱點包括(但不限于)缺乏對當前世界的了解,難以進行符號運算(如數學)…目前的知識和符號操作對語言模型來說是很難的?!度斯ねㄓ弥悄艿幕鸹ǎ篏PT-4-早期的實驗》微軟研究院
AI智能是基于過往信息的呈現和總結。
這也意味著AI智能可能輸出一些需要證偽或無法被證偽的內容,在這類模棱兩可或無法經由人力判斷的輸出成果上,我們仍然需要進行人為干預,并以此建立相關的邊界圍欄。
它既會編造在其訓練數據中沒有出現過的事實,也會在生成的內容和提示之間表現出不一致,我們…稱之為開放域和封閉域的幻覺。這些幻覺可以用一種自信的、有說服力的方式陳述,很難被發現…雖然在產生創造性的內容時,幻覺是一件好事,但依賴有幻覺的模型所做的事實性聲明可能會付出高昂的代價,尤其是在醫療保健等高風險領域的使用。——《人工通用智能的火花:GPT-4-早期的實驗》微軟研究院
我更傾向于認為AI時代來得還太早,很多需要我們改變的事情還來不及準備。AI智能是把雙刃劍,也許蒸汽時代的保守主義者們也曾經發出過這樣的感慨吧。
本文由 @貓餅研究所 原創發布于人人都是產品經理,未經許可,禁止轉載
題圖來自 Unsplash,基于 CC0 協議
該文觀點僅代表作者本人,人人都是產品經理平臺僅提供信息存儲空間服務。
- 目前還沒評論,等你發揮!