AI + Design，设计师真的会被取代吗？ 原创 阿吉UX进阶 2023-03-02 08:35 发表于北京
目录
0、初体验
1、AI绘画Stable Diffusion的原理解析
2、AI能否替代设计师？
3、未来会怎样？
4、设计师与AI如何共处，竞争or合作？
因为工作原因，20年底开始接触AIGC（文字类），从默默无闻到ChatGPT的声名鹊起，也算半个见证者。设计圈里声音很多，沉下心做研究的确很少。如今潮水褪去，希望能通过这篇文章，揭开AI绘画的华丽外表，给你带来一些新的角度，重新审视AI与设计师的关系。
如果说22，23年设计圈有什么大事，非AIGC（人工智能生成内容）莫属。其中有两个是设计师要格外关注的，一个是有文字回答类的ChatGPT，另一个是绘画类的Stable Diffusion或Midjourney。
最初我也是抱着看热闹的心态，浅玩了一下Midjourney，直到我尝试着以二十四节气为题，生成了以下海报，大家猜一下哪个是AI生成的？
正确答案是①和②，方案③来自小米日历
当我拿给视觉设计的朋友鉴赏，无不惊叹“稍微修改修改，真的就可以达到商用程度了”，同时也感受到了危机：“怕不是要下岗了！”说实话，初体验确实被惊艳到了。
但随着继续深入，我也感受到AI的一些局限性：
1、随机性。即使是同样的文案每一次结果都是不一样的；
2、部分可控。比如可以改变风格、视图、比例等；但是同样的光照要求，出来的效果也是随机的。
3、精细度不够。想修改某个图上的细节，就没办法，只能手动P；
4、不可解释性。机器创作过程是个黑盒，人无法理解机器的“思考”过程，也就更不要提什么借鉴创作理念。
即便如此，行业里仍然散发出了各种焦虑，比如有人提出：如果我们拿足够多的交互/UI图去训练是不是就可以了？
来自推特@Chris Lüders
我依然觉得不行。举个例子。
我们的用户说：“我想要更快的马车！”。于是设计师chatGPT先生很快给出了答案：
但另一位设计师human先生经过一些分析和推理，得到了不一样的答案。
用户真正的诉求其实是想更快的达到目的地。方法可以有很多，可以是蒸汽火车、蒸汽轮船、甚至是市面上不曾有过的蒸汽汽车，并不一定是一匹更快的马车。
整个分析流程里，从发散、定位问题，再到发散策略和收敛，AI可能只能帮你完成策略的发散环节，其余推导还是需要人来完成。
当然，上述也只是我的观察和推论。想弄清楚到底行不行，还要从AIGC绘画的实现原理讲起。
01 AIGC的“大脑”
AIGC，全名AI Generated Content，即人工智能生成内容（文字，图像，语音，视频等）。所谓的人工智能，就是通过计算机等人工系统，来模拟人的生理结构及思考方式。
其中最核心的“大脑”——深度学习算法，就是仿照人脑建模的神经网络。深度学习的许多研究成果，都离不开对大脑认知原理的研究，尤其是视觉原理的研究。
AI如何认知图像
1981 年的诺贝尔医学奖，颁发给了 David Hubel（出生于加拿大的美国神经生物学家） 和TorstenWiesel，以及 Roger Sperry。前两位的主要贡献，是“发现了视觉系统的信息处理”，可视皮层是分级的。
下图是人脑进行人脸识别的一个示例：
- 图像通过光线反射到人眼，视网膜上的细胞将光线转化为电信号，并传给大脑皮层；
- 接着做初步处理：大脑皮层某些细胞发现边缘和方向；
- 然后抽象，将边缘进行组合为眼睛、嘴巴、脸部轮廓等部分，大脑判定眼前的物体的形状是人脸；
- 然后进一步抽象，组合，大脑进一步判定这个人脸是谁。
对于不同的物体，也都是通过这样逐层分级来进行认知的：
我们可以看出，最底层特征基本上是类似的，都是各种边缘；但越往上，特征越明显；直到最上层，不同的高级特征最终组合成相应的图像，从而能够让人类准确的区分不同的物体。
深度学习领域中著名的卷积神经网络 （CNN），也正是模仿人类大脑的这个特点，构造多层的神经网络，较低层的识别初级的图像特征，若干底层特征组成更上一层特征，最终通过多个层级的组合，最终在顶层做出分类。
CNN的出现，让人工图像识别向前迈出了一大步。同时在其他领域也有很多参与，比如自然语言处理、围棋领域的AlphaGo等。
深度学习中常见的人工神经网络还有循环神经网络（RNN）、生成对抗网络（GANs）、深度强化学习（RL）等，都参考了大脑神经结构。这里这里不展开细讲了，感兴趣的可以查看文末参考文献。
AI如何学习绘画
因为Midjourney暂未开源，原理不可而知，我们以同样三巨头之一的Stable Diffusion为例。
简单来讲，Stable Diffusion的学习中心，是两个扩散模型组成，姑且称为老师（前向扩散Forward Diffusion Process）和学生（反向扩散Reverse Diffusion Process）。
老师负责把图片（下图x0）加上随机的噪点T次（下图橙色部分），然后丢给学生。这里假设添加的噪点值表示为A，整个加噪过程只有老师知道，学生并不知道。
学生的任务就是把这张满是噪点的图还原（上图绿色部分），但是先不急着做，预测一个噪点值，不等于A就继续调整继续猜，直到猜对。
这样的过程要重复N次，直到学生每一次都能答对噪点值。然后图xt减去相应的噪点值，就可以还原为原图x0。
自然，学生就学会了画这张图。
最后，在海量的图和海量的预测后，学生最终得到了强大的预测能力，即预测算法模型Denoising UNet。
比较有趣的是，这里并不是传统意义上直接在白纸上绘制，而是类似于声音处理，从一片嘈杂中，一点点剔除噪声，最终得到一个清晰的人声。
所以某种意义上，Denoising UNet就是Stable Diffusion的技法中心，噪声的丰富度＝绘画的丰富度，而噪声的丰富度，取决于老师拿出过多少图片。
ChatGPT同理，它目前并不能解释22年以后的事情。
AI如何关联文字与图像
在学习阶段，老师会给学生一打带有标题/标签的图，标题或标签对图像内容有一定的描述，如下图：
学生拿到图像后，分别会将文字分词和图像预处理，然后提取文字特征（关键词）和图像特征，这里学生会事先知道两组特征对应关系（同一张图），学生需要自己生成一套“思维方式”（神经网络算法），当两组特征输入这个神经网络，输出的结果是：
1、有对应关系的文字和图像特征相似度尽可能的高；
2、不对应的特征相似度尽可能的低。
有了这套“思维方式”，当老师会再次拿着一张小狗的图和一堆关键词让学生猜时，学生只需要分别计算图片和各个文字特征的相似度即可，相似度最高的那个大概率就是dog。
这个训练模型称为CLIP（Contrastive Language–Image Pre-training），它是OpenAI的第一篇多模态预训练的算法，延续了GPT系列“大力出奇迹”的传统。为了训练这个模型，OpenAI采集了超过4亿的图像-文本对。
这个原理也解释了为什么不是所有的指令都会奏效，甚至有可能出现很大偏差——因为库里没有的文字特征，是无法找到高相似图像特征的，即使碰巧在计算结果上有相似的，也并不是真实对应的。
如何通过文字影响绘画
做好知识储备，就可以开始创作了：
1、首先是解析文字命令，这一步同样是分词和提取文字特征；
2、接着文字特征→影响图像特征→影响噪声值，相似度低的特征一并剔除掉。最终，文字影响了图像的生成。下图展现了降噪的过程。
可以看到部分人物直接被剔除掉了。
了解了这个原理，我们就明白了什么样的口令 让Stable Diffusion或者midju更精准，与其说富有诗意和意境的描述，还不如更简单直白的关键词。且关键词要尽量选择机器听的懂的维度，说白了，就是网上的标题或者标签格式，比如宫崎骏的吉卜力（风格）、顶视图（视图）、全局光（光照）等。万能的网友们也自发收集编撰了一套民间关键词大全，需要的可以后台回复“mj关键词”。
02 能否代替设计师
聊完Stable Diffusion的基本原理，我们不难看出，它的神经网络中，并没有类似人脑分析推理、解决问题及决策的结构和能力，最核心的两个结构CLIP和Diffusion，本质上都是种概率算法，不存在思想和逻辑。
这也解释了为什么会有开篇的那些感受，在少数事件中，概率确实是随机的、不可控的、且无法解释的。
很遗憾ChatGPT也是同样的底层逻辑，它们不知道自己在做什么以及为什么这样做，它们解决问题的方法，就是依赖于庞大数据以及惊人的硬件算力，通过概率统计得出一个“看起来”华丽的答案。
它更像是一个能将答案高度聚合的搜索引擎。比如这类（下图）问题的处理上真的太好用了。
03 那未来呐？
其实人工智能领域很早就在探讨这个话题。因此也将人工智能做了明确的分级：弱人工智能、强人工智能、超人工智能。
弱人工智能
弱人工智慧或称狭义人工智慧、应用型人工智慧，是实现部份思维的人工智慧，且仅专注于某项特定任务。它们通常使用特定的算法、数据和规则来解决具体问题。
用约翰·瑟尔的话来说，它“对于测试关于思想的假设很有用，但实际上并非思想”。
弱人工智慧专注于模仿人类如何执行基本动作，例如记忆或感知事物、解决简单问题。比如：AlphaGo是一种围棋软体，只能专注于下围棋。再比如今天聊到的ChatGPT、Stable Diffusion和Midjourney。
强人工智能
相反，强人工智能（也称为通用人工智能）是指那些具有类似于人类智慧、有广泛学习和适应能力的人工智能系统。
这些系统可以处理各种复杂的任务，能推理和解决问题，甚至能够通过自我学习和自我改进来不断完善自己。并且，这样的机器将被认为是具有知觉、有自我意识的。
很显然，这种人工智能才能正正意义上的替代人类设计师。不过想要达到强人工智能的水平，至少5-10年内，仍然遥不可及。
04 设计师与AI如何相处
在实际工作中，我相信大多数设计师还是具备分析问题、解决问题的能力的（但有高低差别）。
AI不稳定的“概率算法”能很好的帮我们发散思路，自由组合出更多的可能性；后续极有可能在UX领域大放异彩的模版+算法，都能将我们从繁杂的事务性工作中解脱出来，可以花更多的精力在前期的分析、定位及创作中。
但同样，“毫无意义”的发散也需要我们拥有更好的决策能力。设计师除技法外的“设计思维”，会随着AI的成熟而不断被强调和需要。
对低阶的设计师而言，如何快速具备成熟的“设计思维”会成为必修课；而对于高阶的设计师，如何更好的开发AI工具、提升工作效率和产能，也将是下一波机会点。
05 写在最后
花费了将近20天，肝完了几乎市面上所有的原理讲解，终于还算科学的写完了AI的话题。后续会尽快回归UX主线，为大家带来更多“设计思维”上的干货，咱们下期再见吧~
部分参考资料
（实在太多了尽可能放一些比较重要的）：
https://jalammar.github.io/illustrated-stable-diffusion/
https://easyai.tech/ai-knowledge-hub/
wikipedia：artificial intelligence
https://arxiv.org/abs/2112.10752
https://openai.com/research/clip
若有收获，就点个赞吧
0 人点赞
