AI 字体世界地图：用 AI 和机器学习辨析各种字体的审美特征

【新智元导读】著名设计机构 IDEO 项目负责人 Kevin Ho 受到李飞飞高徒 Andrej Karpathy 做的“图像地图”的启发，用机器学习算法通过视觉特征对字体进行排序和分类，形成了一个“字体地图”，可以帮助设计人员更简单地发现具有相似审美特征的字体。

机器学习都能干什么？太多了。比如本文的作者 Kevin Ho ( 著名设计机构 IDEO 项目负责人) 就发现一张让他印象深刻的图像。这张奇妙的图片地图是由李飞飞的高徒 Andrej Karpathy 使用 AI 图像识别技术将数千张照片统合形成的。它不仅展示出 AI 在组织视觉信息方面的有效性，也让 Kevin 不禁联想到它在设计领域的应用。我们来看看他做了什么：

Andrej Karpathy 创造出的图像，越看越觉得奇妙

让我试试能不能做一张字体地图

选择一种字体对设计师来说是经常需要做出的的视觉决策之一。通常情况下，设计师会反复选择用过的字体，或者在几类熟悉的字体中挑一个，比如 serif、sanserif、grotesque 等等。按类别找字体是个不错的想法，但即使在同一类字体中也存在着巨大的审美差异。另外，即使设计人员找到完美的字体，它也可能不适用于整个页面或网站。设计人员需要一种更简单的方法来发现具有相同审美意味的替代字体。于是我决定看看机器学习算法是否可以通过视觉特征对字体进行排序和分类，从而给设计人员提供一种新的字体搜索和使用方式。

使用 word handglove，机器学习算法将字体样本映射到 2d 空间中的指定点上

首先，我创建了一个图像训练集，每个字体一张图像。利用 IDEO 的内部专业知识，我发现字体设计师经常使用术语“handgloves”来检查字体，所以当生成给算法使用的图像时，我也使用了这个术语。这使得每张图像都包含足够的字符来表示每种字体的各种特征。

有了一堆字体图像后，我使用一个卷积神经网络 VGG16 为每个字体生成一个数字列表，表示网络所认为的该图像的显著视觉特征。最后，为了得出 x 和 y 值，我运行 T-SNE ——T-SNE 是一种用于获取大矢量并将其压缩到较小空间的流行算法——这里是将其压缩到 2-D 平面。

早期结果

最后，这个 2-D 空间里码放了约 800 种字体。我很惊讶，结果出乎意料，呈现出非常清晰的字体群，如 sans-serif 组和一组草书字体。该算法还能够将异常值或与其他字体关系较少的独特字体形成一个集群。

一旦我有了这张地图，接下来的挑战就是把它变成一个对设计人员又有趣有用的数字工具。幸运的是，我们一直可以从 IDEO 的设计师那里收集到反馈意见！

这次探索的最终成果就是字体地图啦，它是使用机器学习方法组织生成的包括 750 多种字体的交互式地图。

机器学习的快速发展使我对创造可以辅助设计过程的新智能系统非常兴奋。假如有数据可用，使用这种方法可以将数千种字体做成地图。我也很好奇，字体地图上会显示出怎样的流行组合？通过这种可视化过程，有没有可能为我们揭示出某种秘密，告诉我们如何才能配出好看的字体组合？IDEO 平台上的设计师们提出了这些问题，并对 AI 和机器学习能够扮演的角色展开了热烈的讨论。

我希望这能激发设计师们来玩转机器学习和 AI ，享受它们所带来的富有洞见和启发性的新能力。

• 原文地址：https://medium.com/ideo-stories/organizing-the-world-of-fonts-with-ai-7d9e49ff2b25
• 欣赏字体地图：http://fontmap.ideo.com