起點課堂會員權益
職業(yè)體系課特權
線下行業(yè)大會特權
個人IP打造特權
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導直播
12場專業(yè)技能直播
會員專屬社群
榮耀標識算法驅(qū)動設計趨勢已來，產(chǎn)品設計如何與算法進行創(chuàng)新合作？
本文作者描述的算法驅(qū)動設計理念，正好與國內(nèi)諸多公司逐漸興起的設計自動化趨勢有不少一致見解，相信認真閱讀后，你還能在這變幻莫測日新月異的科技更迭之中，緊握設計價值的立足之本。
過去的一年，BBC UED團隊（原1688UED團隊）花費了巨大的資源和精力投入阿里巴巴集團中臺DPL（Design Pattern Library）項目，旨在通過設計模式的提煉及抽象，由規(guī)則和算法支撐更自動化的設計工具，智能生成常規(guī)產(chǎn)品設計頁面，從而將設計師從繁重的常規(guī)設計任務中解放出來，投入到更需創(chuàng)造力更有價值的設計項目之中。其間，譯者深刻感悟到當今時代對設計師價值的全新認識。這是一場設計師職能升級的革命，如暴風般引入，如未能看清并找準自身定位，或許短短幾年后你的專業(yè)核心技能將不再具備競爭力。本文作者描述的算法驅(qū)動設計理念，正好與國內(nèi)諸多公司逐漸興起的設計自動化趨勢有不少一致見解，相信認真閱讀后，你還能在這變幻莫測日新月異的科技更迭之中，緊握設計價值的立足之本。
推崇算法驅(qū)動設計的理念數(shù)年后，我逐漸積累了一些實踐案例。這套工具方法能幫助我們構(gòu)建用戶界面、編制資產(chǎn)（assets）內(nèi)容并個性化用戶體驗，遺憾的是，這類稀缺資訊一直沒能系統(tǒng)化。
然而，在2016年，隨著這套工具的技術基礎不斷進化，設計界也逐步對算法、神經(jīng)網(wǎng)絡和人工智能產(chǎn)生興趣。如今已是重新思考設計師角色的最佳時機。
圖1. 通過Prisma和Glitche生成的唱片封面
設計師會被機器人取代嗎？
算法驅(qū)動設計最讓人印象深刻的宣言，由臭名昭著的內(nèi)容建站系統(tǒng)The Grid提出，它對相應模板及內(nèi)容呈現(xiàn)樣式進行選擇，然后自動修飾并整理圖片。此外，該系統(tǒng)通過A/B測試結(jié)果來挑選最佳模式。不過，The Grid還在內(nèi)測階段，我們只能通過已公布內(nèi)容及廣告來評估整個想法是否靠譜。
Designer News社區(qū)發(fā)現(xiàn)了利用The Grid創(chuàng)建網(wǎng)站的真實案例，由于不少用戶詬病設計及代碼質(zhì)量，他們的反應五味雜陳。許多質(zhì)疑者當天甚至擊掌相慶來堅持設計師無法被取代的理由。
圖2. The Grid內(nèi)容建站系統(tǒng)
用算法來替代設計師聽起來很超前，但整個想法是錯誤的。產(chǎn)品設計師通過將原始產(chǎn)品理念轉(zhuǎn)化為經(jīng)過深思熟慮具備堅實交互原則的用戶界面、良好的信息架構(gòu)和視覺風格，來幫助公司實現(xiàn)業(yè)務目標并強化其品牌。
設計師進行諸多大小不一的決策 ，其中許多過程幾乎難以言述。此外，設計師接到的需求并非100％清晰一致，為了讓產(chǎn)品更加完善，設計師還會幫助產(chǎn)品經(jīng)理解決這些沖突 。這不僅僅是通過選擇一個合適模板和填充其內(nèi)容就能搞定。
然而，如果我們談論的是創(chuàng)造性合作，當設計師與算法一起工作以解決產(chǎn)品問題時，我們看到了算法驅(qū)動設計的很多優(yōu)秀案例和它的明顯潛力。算法可以改良網(wǎng)站和移動應用的日常設計工作，這讓人覺得很有意思。
與算法進行創(chuàng)新合作
如今的設計師們早已學會把玩諸多工具和技能，以實現(xiàn)近乎完美的原型效果，這也直接導致了“產(chǎn)品設計師”的概念出現(xiàn)。產(chǎn)品設計師是產(chǎn)品團隊的積極成員，他們熟知用戶研究，也擅長交互設計和信息架構(gòu)，還可以創(chuàng)建視覺風格，用動效設計使其更出彩，并對代碼進行簡單的修改。這些人在任何產(chǎn)品團隊中都是無價之寶。
然而，平衡如此多的技能非常困難-你不能在產(chǎn)品的每個環(huán)節(jié)都花費這么多時間。當然，最近瘋狂涌現(xiàn)的新設計工具縮短了我們創(chuàng)建可交付成果所需的時間，并擴展了我們的能力。然而，它仍然不夠。仍有太多的設計日常工作及新職責，將我們好不容易省下的時間都消耗掉了。我們需要自動化和簡化工作流程。對此，我看到以下三個關鍵方向：
- 構(gòu)建UI
- 籌備素材及內(nèi)容
- 個性化用戶體驗
我會舉一些例子，并提出未來工作過程的新趨勢。
1.構(gòu)建UI
諸如Medium，Readymag和Squarespace的發(fā)布工具已經(jīng)簡化了作者的不少工作-無數(shù)的高質(zhì)量模板在不需要花錢請設計師的情況下帶給作者漂亮的設計。我們現(xiàn)在可以讓這些模板更智能，使用門檻更低。
例如，當The Grid仍然處于測試階段時，一個非常成功的網(wǎng)站創(chuàng)建站點Wix，已經(jīng)開始開發(fā)包括算法驅(qū)動的相關特性。該公司提出了高級設計智能（Advanced Design Intelligence）的概念，它類似于The Grid以半自動化方式讓非專業(yè)人士創(chuàng)建一個網(wǎng)站。Wix通過向其提供許多高質(zhì)量現(xiàn)代網(wǎng)站的示例來優(yōu)化算法。此外，它試圖提出與客戶行業(yè)相關的風格建議。非專業(yè)人員選擇合適的模板并不容易，好在像Wix和The Grid這樣的產(chǎn)品能像設計專家一樣來服務客戶。
當然，像The Grid的情況，將設計師拒絕在創(chuàng)作過程之外，可能導致平庸和缺乏創(chuàng)意的結(jié)果（即使它提高整體質(zhì)量）。轉(zhuǎn)念一想，如果將這個過程比作與電腦的“結(jié)對設計”，那么我們可以減輕許多日常任務負擔; 例如，設計師可以在Dribbble或Pinterest上創(chuàng)建一個情緒版，算法可以快速地將這些樣式應用到模型并提出一個合適的模板。設計師將成為他們的新學徒“電腦”的藝術總監(jiān)。
當然，我們無法以這種方式創(chuàng)造一個革命性的產(chǎn)品，但通過它幫助我們騰出的時間用來創(chuàng)造一個并非不可能。此外，許多日常需求是功能導向的，無需太多創(chuàng)新。如果一家公司足夠成熟并具有自己的設計系統(tǒng)，算法就可以使它更強大。
例如，設計師和開發(fā)者可以定義內(nèi)容、上下文和用戶數(shù)據(jù)的邏輯；那么，平臺將使用原理和模式來編譯設計。這將允許我們微調(diào)特定使用場景的最小細節(jié)，而無需手動繪制和編碼幾十個頁面狀態(tài)。Florian Schulz告訴您如何使用插值的理念，以創(chuàng)建組件的諸多狀態(tài)。
圖3.Florian Schultz的插值概念
2012年左右我開始對算法驅(qū)動設計有了興趣，當時我的Mail.Ru Group設計團隊需要一個自動化的雜志布局。已有內(nèi)容具的語義結(jié)構(gòu)不佳，并且人工更新成本太高。我們?nèi)绾卧陔s志編輯不是專業(yè)設計師時產(chǎn)出質(zhì)量不錯的設計呢？
好吧，算法中的一個特殊腳本能夠解析一篇文章。然后，根據(jù)文章的內(nèi)容（每個段落和單詞的數(shù)量，照片數(shù)量及其格式，插入引號和表格等），腳本將選擇最適合的模式來呈現(xiàn)此部分的文章。該腳本還試圖混合各類模式，使最終的設計具備多樣性。這將節(jié)省編輯在舊內(nèi)容中重新整理的時間，設計師只需添加新的演示模塊。幾年前，F(xiàn)lipboard就推出了類似的模式。
Vox Media使用類似的想法做了一個首頁生成器。該算法查找每個可能的有效布局，組合來自模板庫的不同示例。接下來，基于某些性狀檢查每一個布局并對其評分。最后，生成器選擇出“最佳”布局 ，即得分最高的布局。這比人工選擇最佳鏈接，再通過推薦引擎的方式（比如Relap.io）創(chuàng)建首頁更加高效。
圖4.Vox的首頁生成器
2.籌備素材及內(nèi)容
在許多變量中創(chuàng)建千篇一律的圖形素材是設計師工作中最無聊的部分之一。它需要花費許多原本可以用來創(chuàng)造更大價值的時間，讓設計師失去動力。
算法可以承擔如匹配顏色等簡單任務。例如，Yandex.Launcher使用一種算法來根據(jù)應用圖標自動設置App的顏色卡。其他變量可以自動設置，如根據(jù)背景色改變文字顏色，在照片中凸顯眼睛用來強調(diào)情感，貫徹參數(shù)化字體（parametric typography）。
圖5.Yandex.Launcher
算法可以創(chuàng)建各種組合。Yandex.Market在俄羅斯使用了電商產(chǎn)品列表的營銷圖像生成器。營銷人員使用一個標題和圖片填充一個簡單的形式，然后生成器創(chuàng)造出無數(shù)符合設計指南的變量。Netflix走的更遠，它的腳本將海報中的電影角色裁剪下來，然后應用一個風格化和本地化的電影標題，再自動生成不同類型的用戶子集。很神奇吧！癮科技已經(jīng)教會機器人學徒編寫簡單的數(shù)碼產(chǎn)品新聞。哇！
圖6.Netflix電影廣告
真正的黑科技發(fā)生在神經(jīng)網(wǎng)絡。最新的案例是一個叫Prisma的手機應用，它提供的風格化照片看起來像著名藝術家的作品。Artisto可以按類似的方式處理視頻及流媒體。
圖7.Prisma
然而，一切還處于初級階段。沒錯，你可以在手機上下載一個app，在數(shù)秒之內(nèi)馬上得到結(jié)果，而不是在GitHub上跟一些庫文件較勁（正如我們?nèi)ツ暌粯樱? 但在未訓練神經(jīng)網(wǎng)絡之前，你仍然無法上傳自己的參考風格，并得到理想結(jié)果。然而，當這成為現(xiàn)實之后，它會使插畫家過時嗎？我認為這對那些具有扎實基礎和獨特風格的藝術家來說完全不會。當不需要專屬風格時，它會降低為你的文章或網(wǎng)站配上優(yōu)雅插圖的門檻，而不是使用乏味的默認圖片。
對于一個真正獨特的風格，它可以讓你快速站在巨人肩膀上，“假使在一棟建筑上使用我們獨特的插畫風格會如何？”例如，皮克斯的動畫電影《料理鼠王》的創(chuàng)作者試圖將不同風格應用在電影場景和角色上，要是神經(jīng)網(wǎng)絡完成了這些草圖呢？我們也可以創(chuàng)建故事板把并且以漫畫形式描述場景（照片可以很容易地轉(zhuǎn)換為草圖）。類似的例子不枚勝舉。
最后，還得提一下現(xiàn)動態(tài)識別。最近的品牌化中動畫變得極其流行，但部分公司還在進行深度研究。例如，Wolff Olins展示了巴西電信品牌Oi的logo根據(jù)聲音進行動態(tài)識別的案例。如果沒有一些創(chuàng)造性的協(xié)作與算法，你是無法創(chuàng)造這些讓人瘋狂的東西。
3.個性化用戶體驗
為細分的受眾群體甚至特定用戶個性化產(chǎn)品，是獲得清晰完善的產(chǎn)品策略的一種方法。我們每天都在Facebook新聞稿，Google搜索結(jié)果，Netflix和Spotify推薦以及許多其他產(chǎn)品中看到它。除了為用戶減輕過濾信息的負擔之外，產(chǎn)品更加關心用戶時，用戶與品牌的連接也變得更具情感化。
然而，關鍵問題是設計師在這些解決方案中的角色。設計師很少有能力創(chuàng)建這種算法 – 它們來自于工程師和大數(shù)據(jù)分析師。來自CX Partners的Giles Colborne舉了一個Spotify“每周發(fā)現(xiàn)”功能的案例：此處進行經(jīng)典用戶體驗設計的唯一元素是音軌列表，而絕大部分獨創(chuàng)工作是由一個推薦系統(tǒng)完成的，這個系統(tǒng)為該設計模板填充有價值的音樂內(nèi)容。
圖8.Spotify每周發(fā)現(xiàn)功能（Giles Colborne演講PPT中的某頁）
在這個領域設計師如何提供價值，如何利用各種數(shù)據(jù)源建造并優(yōu)化算法，Colborne給出了建議。了解如何使用大數(shù)據(jù)并提煉到出可執(zhí)行的洞察力極其重要。例如，Airbnb對此已有探索，通過給出“未來某天列表上的（房間）預訂價格是多少？”，方便房東據(jù)此設置具有競爭力的房價。Netflix推薦引擎的類似案例就不一一窮舉了。
圖9.“交互設計師VS算法”-Giles Colborne
一個相對較新的名詞，“預期設計 （Anticipatory Design）”對用戶體驗個性化和用戶訴求預期提供了更廣的視野。我們已經(jīng)在手機上見識到：Google Now和Siri會使用位置記錄數(shù)據(jù)自動提供回家的路線。然而，此處的關鍵因素即信任。為了執(zhí)行預期的體驗，用戶必須允許企業(yè)在后臺收集個人使用數(shù)據(jù)。
我提到過Netflix，Vox Media和The Grid使用設計變量做自動化測試的案例。這是一種基于算法基礎對用戶體驗進行個性化的方法。Liam Spradlin描述了一種有趣的概念：變化的設計（mutative design） ，它是一個優(yōu)秀的自適應接口模型，能夠考慮諸多變量以適合特定用戶。
設計師的機械化骨骼（Exoskeleton）
我已通過實踐中檢驗了幾個算法驅(qū)動設計的案例?，F(xiàn)代設計師需要什么工具呢？我們回顧上世紀中葉，計算機被設想為擴展人類能力的一種工具。Roelof Pieters和Samim Winiger分析了計算機歷史以及計算機用作人類能力增強工具的細節(jié)。他們看到設計工具的三個成熟度級別：
- 第一代系統(tǒng)以數(shù)字化形式對工具進行生動模擬。
- 第二代是輔助創(chuàng)建系統(tǒng)，人和機器通過緊密的行動反饋循環(huán)來協(xié)同進行創(chuàng)造。
- 第三代是輔助創(chuàng)建系統(tǒng)3.0，它在細粒度對話中協(xié)同創(chuàng)造，增強創(chuàng)造力，并加速從新手到專家的技能獲取。
圖10.創(chuàng)意人工智能
算法驅(qū)動的設計應該像產(chǎn)品設計師的機械化骨骼-增加我們決策的數(shù)量并提升決策深度。那么，設計師和計算機該如何協(xié)作呢？
數(shù)字化產(chǎn)品設計人員的工作流程可能是：
- 探索問題領域，為業(yè)務和用戶解決最有價值的問題（分析）。
- 探索解決方案領域，并選擇解決問題的最佳解決方案（分析）。
- 開發(fā)，發(fā)布和推廣解決問題的產(chǎn)品（綜合）。
- 評估產(chǎn)品如何為真實用戶工作，并優(yōu)化它（分析和綜合）。
- 將解決方案與公司的其他產(chǎn)品和解決方案連接和統(tǒng)一（合成）。
這些任務分為兩種類型：1）對隱性表達信息和已奏效解決方案的分析；2）需求和解決方案的合成。我們需要哪些工具和工作方法？
分析
對適用定性研究的用戶隱性表達信息的分析很難自動化。然而，探索現(xiàn)有產(chǎn)品的用戶使用模式是一個合適的任務。我們可以提取行為模式和細分受眾群，然后為他們優(yōu)化用戶體驗。廣告精準投放正是如此，算法可以使用隱性和顯性行為模式（在特定產(chǎn)品或廣告網(wǎng)絡內(nèi)）對用戶進行聚類。
為細分用戶群進行算法訓練來優(yōu)化界面和內(nèi)容，設計師可以考慮機器學習。Jon Bruner舉了一個很好的例子：一個遺傳算法以預期結(jié)果的基礎算法描述開始，比方說，為節(jié)省燃料和方便乘客，對航空公司的時間表進行優(yōu)化。它增加了各種約束：航空公司擁有的飛機數(shù)量，運營的機場，以及每架飛機上的座位數(shù)量。它加載以下各類獨立變量：現(xiàn)有時間表上數(shù)千航班的細節(jié)，或者可能隨機生成的虛擬信息。通過數(shù)千，數(shù)百萬或數(shù)十億次的迭代，時間表逐漸變得更有效率和更方便。此外，該算法還熟悉了時間表中的每個元素 （例如 37航班從O’Hare的起飛時間）如何影響燃料效率和乘客便利的因變量。
在這種情況下，人們設計了一個算法，可以添加或刪除限制和變量。結(jié)果則通過對真實用戶的實驗來測試和改進。利用恒定的反饋回路，該算法也改進了用戶體驗。雖然這項復雜工作主要由分析師處理，但設計師也應該知道機器學習的基本原則。O’Reilly最近就發(fā)布了這個話題相關的迷你書。
合成
兩年前，一款工業(yè)設計師的工具Autodesk Dreamcatcher橫空出世，幫助用戶體驗大師們發(fā)布了諸多創(chuàng)作。它基于生成設計（generative design）的構(gòu)思，已應用于性能、工業(yè)設計、時尚和建筑多年了。為大家熟知的著名建筑師Zaha Hadid的團隊就稱這種方法為“參數(shù)化設計”。
圖11.Autodesk Dreamcatcher
Logojoy是一個簡單的標志設計產(chǎn)品，某種程度上說它可以取代自由職業(yè)設計師。只要選擇喜歡的風格及顏色，Logojoy便能幫你產(chǎn)生無盡的想法。您可以細化一個特定標志，看到一個基于它的企業(yè)風格案例，并預設一個品牌包、名片和信封等。這是一個算法驅(qū)動設計工具在現(xiàn)實世界的完美案例！其創(chuàng)始人Dawson Whitfield說明了背后機器學習的原理。
圖12.Logojoy
然而，它尚未在數(shù)字產(chǎn)品設計領域奏效，因為它無法解決實際問題。當然，建筑師和工業(yè)設計師的工作自身足夠的限制和特殊性，但用戶界面絕非靜態(tài)的 – 它們的使用模式、內(nèi)容和特性隨時間而多次變化。如果我們考慮整個生成過程 -設計師定義規(guī)則，算法用來創(chuàng)建最終對象 – 最終會誕生超多靈感。那么數(shù)字產(chǎn)品設計師的工作流程可能是：
- 算法使用預定義的規(guī)則和模式生成設計的諸多變化方案。
- 基于設計質(zhì)量和任務要求過濾結(jié)果。
- 設計師和管理者選擇最有趣和充分的變化，并根據(jù)需要進行優(yōu)化。
- 設計系統(tǒng)針對一個或多個變量運行A / B測試，然后用戶選擇其中最有效的。
目前尚未清楚如何在數(shù)字產(chǎn)品設計中過濾大量使用場景極其復雜的概念。如果算法也能過濾生成對象，我們的工作將更有成效和創(chuàng)造性。然而，作為產(chǎn)品設計師，我們每天在頭腦風暴會議中或者當我們在屏幕模型和原型上迭代時，就得以生成設計的方式提出了幾十個想法，為什么我們不能將這些工作讓算法完成？
Jon Gold實驗
來自The Grid的Jon Gold開發(fā)了一套實驗工具Rene，就是這種算法驅(qū)動設計工具的實踐。Gold訓練計算機做出有意義的排版決策。他認為這與設計師的學習過程類似，所以他將其分成幾個步驟：
- 分析字形以了解字體中的相似性。
- 制定組合字體的基本準則。
- 確定類型組合的最佳示例以了解趨勢。
- 創(chuàng)建算法觀察偉大設計師的工作方式。
他的想法類似于Roelof和Samim的觀點：工具應該是設計師創(chuàng)造性的合作伙伴，而不僅僅是呆萌的執(zhí)行者。
圖13.Jon Gold的生成設計：合理的組合
這套叫Rene的工具就是基于以上原則構(gòu)建的，他還談到了編程的命令式和聲明式方法，并指出現(xiàn)代設計工具應該選擇后者 – 關注我們想要計算的，而不是如何計算。Jon使用生動的公式來展示它如何適用于設計，并提供了幾個初級演示。你也可以自己試試這個工具，雖僅是早期概念，但足以讓你得到啟發(fā)。
Jon開玩笑稱之為“暴力設計（brute-force design）”或者“乘法設計（multiplicative design）”，他強調(diào)了從專業(yè)角度把控的重要性。值得注意的是，今年早些時候他已經(jīng)從The Grid團隊離職。
算法驅(qū)動設計的工具是否已存在？
很遺憾，當前還沒有用于網(wǎng)站和移動設備的產(chǎn)品設計工具，可以在分析和綜合方面提供與Autodesk Dreamcatcher相近水準的幫助。然而，The Grid和Wix可被視作具備相近質(zhì)量水平和有效性的解決方案。Adobe正在不斷地添加類似的智能功能：軟件的最新版本具有內(nèi)容識別功能，可以智能填充當你使用裁剪工具旋轉(zhuǎn)圖像或擴展畫布超出了圖像的原始大小的空白區(qū)域。
還有Adobe和多倫多大學的另一個實驗：DesignScape能夠自動提煉設計布局，從而形成全新的作品。
DesignScape：根據(jù)可交互的布局建議開展設計
Adobe公司在2016年MAX會議上發(fā)布了一款名為Sensei的智能平臺，同樣值得關注。Sensei使用了Adobe在人工智能和機器學習方面的深厚專業(yè)知識，它將是Adobe消費者和企業(yè)產(chǎn)品中未來算法驅(qū)動設計功能的基礎。Adobe發(fā)布了語義圖像分割（按類型標簽展示圖像中的各區(qū)域-例如，建筑物或天空），字體識別（即從創(chuàng)意資產(chǎn)識別的字體，甚至手寫字體，推薦類似的字體）和智能細分受眾群等功能。
然而，作為創(chuàng)造術語“人工智能”的后期計算機科學家John McCarthy有一個著名觀點：“一旦普及，沒有人再稱它為人工智能。”曾經(jīng)最前沿的人工智能現(xiàn)在被認為是電腦的標準行為。以下有一些實驗思想和工具，或許可以成為數(shù)碼產(chǎn)品設計師日常工具包的一部分：
- StyLit – 創(chuàng)建三維模型出草圖。
- Autocomplete handdrawn animations-微軟的自動填充插圖和動畫的實驗工具。
這些僅僅是幫助我們窺見未來的罕見片段。現(xiàn)在，更多的是個別公司基于自身需要構(gòu)建自定義解決方案。最好的方法之一是將這些算法集成到公司的設計系統(tǒng)中。它們的目標類似：自動化大量任務來支持產(chǎn)品線；實現(xiàn)和維持統(tǒng)一設計；簡化發(fā)布；對當前產(chǎn)品的支持更友好。
前端樣式規(guī)范開啟了現(xiàn)代設計系統(tǒng)，但是這僅是（將設計集成到開發(fā)代碼）的第一步。開發(fā)人員仍然通過手工創(chuàng)建頁面，下一步是使用預定義規(guī)則進行半自動頁面創(chuàng)建和測試。
圖14.Yury Vetrov的平臺思維
優(yōu)勢與劣勢
你的公司會追隨算法驅(qū)動設計的趨勢嗎？
優(yōu)勢
根據(jù)近期觀察，這種趨勢的價值或多或少是清晰的：
- 免去準備資產(chǎn)和內(nèi)容的常規(guī)流程，畢竟該類工作比較機械。
- 通過計算機組合變量來拓寬創(chuàng)意探索，設計師過濾結(jié)果以找出最佳變量。
- 針對細分的受眾群體甚至特定用戶優(yōu)化用戶界面。
- 快速適應各種平臺和設備的設計，盡管是以原始的方式。
- 對用戶界面的不同部分或特定模式進行實驗-理想情況下實現(xiàn)自動化。
總而言之，這幫助設計師在缺少開發(fā)支持和缺乏創(chuàng)作過程例行程序投入時，仍然可以負責核心決策。我們試圖將工作的一部分實現(xiàn)自動化，并基于這個目標進行深入分析，這將幫助我們更好地認識工作。它使我們更有成效，并幫助我們更好地向非設計師解釋工作的本質(zhì)。因此，公司內(nèi)的整體設計文化將更加繁榮。
劣勢
然而，所有益處的實現(xiàn)并非樂觀，它們或許還有以下局限：
- 我們只能在公司的任務背景下談論公司的定制解決方案。這項工作需要不斷進行研發(fā)投入，支持和優(yōu)化。
- 正如The Grid的CMS顯示，一個工具本身不是奇跡。缺乏設計師掌舵的結(jié)果往往比較平庸。另一方面，大多數(shù)專業(yè)工具的現(xiàn)狀就是如此。
- 打破過去現(xiàn)有的風格和解決方案變得更加困難。算法驅(qū)動的設計通常基于現(xiàn)有的模式和規(guī)則。
- 如果生成設計工具可以挖掘Dribbble，則復制另一個設計師的工作變得更容易。
還有道德方面的問題：由算法生成的設計是否具備價值？是否具備獨特性？誰是設計的作者？生成結(jié)果的數(shù)量受限于局部最大值？Oliver Roeder說“電腦藝術”并不比“漆藝”或“鋼琴藝術”更具挑釁性。算法終究由人編寫，使用人類想出的理論和人類建造的電腦，使用人類編寫的規(guī)范，使用人類收集的材料，在由人工作的公司中，使用由人類構(gòu)建的工具等。計算機藝術是人類藝術的子集，而不是差異。革命的硝煙已起，為什么我們不站在前面呢？
結(jié)論
這是一個美好的未來故事，但我們也該銘記算法的限制 – 即使規(guī)則現(xiàn)在通過機器學習來增加，它們?nèi)匀唤⒃谌祟惗x的規(guī)則上。設計師的能量在于他們可以制定和打破規(guī)則；所以，在一年后，我們可能將“美麗”定義為完全不同的東西。我們的行業(yè)有專業(yè)能力高或低的設計師，后者最終將被算法取代。然而，那些在必要時可以跟隨和打破規(guī)則的人將會找到神奇的新工具和可能性。
此外，數(shù)碼產(chǎn)品也越來越多，越來越復雜：我們需要支持更多的平臺，為更多用戶群體調(diào)整使用場景，并多做假設。正如青蛙設計的Harry West說的，以人為中心的設計已經(jīng)從對象設計（工業(yè)設計）擴展到體驗設計（包括交互設計，視覺設計和空間設計），下一步將是系統(tǒng)行為的設計：確定自動化或智能系統(tǒng)行為的算法設計。由電腦承擔大量常規(guī)設計工作，而不是雇用越來越多的設計師。
譯者：舒舟，阿里巴巴/1688事業(yè)部/無線交互
譯文地址：http://www.aliued.cn
原文地址：https://www.smashingmagazine.com/2017/01/algorithm-driven-design-how-artificial-intelligence-changing-design/
硬是沒有看懂
一直好奇 策略和體驗怎么平衡的問題
性價比