人机协作的设计工作流有哪些?

点击加入mixlab社区

15000+跨学科人群,机器学习、机器视觉、自然语言处理、知识图谱、量化交易、物联网、区块链、产品经理、交互设计、建筑设计、服装设计、珠宝设计、平面设计、音乐、艺术等。

关于AI对设计流程的影响,之前在《人工智能设计师-指南-v1.0中提及:

泛设计的典型流程

我们完成一项设计任务,一般包括以下4个设计环节:

  1. 调研、访谈获得大量的案例、经验;
  2. 思维碰撞,梳理问题与解决方案;
  3. 原型、或其他成果展示设计结论;
  4. 收集各方意见,重新优化设计方案。

人工智能设计的流程

我们认为是:

  1. 大数据挖掘与处理,从文本、图像、社交网络等;
  2. 利用机器学习算法,构建知识图谱,从图谱反复测试问题与解决方案;
  3. 开发产品、或软件系统
  4. 投入使用,收集使用数据,迭代产品或软件系统

社区 ML04-00 分享过《AI 时代的人机协同创作》,给我们分享了一个观点:

有一个毫无私心、任劳任怨、潜力无限的助手,为什么我们担心的是被助手取代,而不是兴高采烈地放开手脚去创造呢?

社区 ML05-张晟Arthur 也写过一篇文章《AI设计系统“设计之神”》,提出了一种新的设计流程,把用户置于设计的第一个环节:

用户操作工具,通过点击挑选喜欢的设计,利用机器学习得到用户真实的设计需求,避免了人与人沟通中很多的信息不对称的因素。

与之相反的流程是,机器学习设计师的设计风格,然后用户只需在最后的设计交付的时候选择喜欢的风格即可。分享一个研究iconcolor,这是一项基于pix2pix的技术应用,作者应用到了icon的自动上色。

pix2pix 大家还记得不?

-----------------

↑点击了解知识

传统设计流程 VS 人机协作流程

专业设计师设计一款漂亮的icon时,需要考虑线条的宽度、颜色、材质肌理、形状。每一个设计师都有自己的一套设计风格。对这些设计元素的考虑也不完全相同。如果机器可以学习每位设计师的设计风格,用户只需要选择要哪位设计师的设计,机器即可生成对应风格的作品。

人机协作的工作流

设计师只需勾画线稿,机器自动风格化及上色。

1.设计师不需要直接面对用户提供设计服务,而是专心创作一些有自己想法的设计作品;

2.然后交给机器去学习;

3.学习之后的AI,交由用户自己选择使用。

人机协作的2种工作流你get了吗?

-----------------

↑点击了解知识

以上为全文。

近期活动推荐

人机协作、知化、跨领域的思维方式

快!TensorFlow、黑客马拉松、DevFest千人大会 ,GDG DevFest 2018在召唤你

--------------------------------------

mixlab 无界社区 是一所面向未来的实验室,它提倡“跨界创新,开放成长”的理念。

——跨界 开放 互助 学习 思维 创新。

目前社区汇集了15000+跨学科人群,主要来自GoogleBrain、微软、华为、阿里鲁班、腾讯、旷视、三角兽、物灵科技、众安保险、美团、360等科技人才、设计师及CEO和投资人;高校分布MIT、Oxford、Cambridge、CMU、UoM、清华、北大、复旦、上交大、同济等学生及教师群体;学科跨越机器学习、自然语言处理、量化交易、物联网、区块链、前端、后端、产品经理、UI设计、建筑设计、服装设计、珠宝设计、音乐、艺术等。

社区典型的用户技能为: ML00:小程序开发、AI+设计、区块链技术、物联网 ML04: 算法作曲 ML05:AI变脸 ML07:WebGL+Three.js数据可视化 ML14:增长黑客 ML16:机器学习 ML37:AR ML41:人工智能+音乐 ML44:珠宝设计+参数化设计 ML83:量化交易、数字货币交易 ML109:Arduino、processing ML113:人工智能+服装设计 ML206:VR/AR ML245:建筑设计智能化

ML258:机器学习、机械臂技术、混合现实技术、生成式设计

ML260:AI+设计、无人机

详细介绍点击以下卡片:

mixlab期待您的加入!

原文发布于微信公众号 - 无界社区mixlab(Design-AI-Lab)

原文发表时间:2018-10-16

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏程序员互动联盟

程序员必备的三大核心竞争力

任何职业都有其内在的底蕴,作为一个程序员需要具备的几个竞争力是啥,如何让自己做一个不过时并且一直保持市场竞争力的程序员,特别是一些入行还不是很长时间的程序员是要...

370130
来自专栏CDA数据分析师

为什么你学完了68个Python函数,却依旧做不好数据分析?

? 作者 Gam 本文为CDA数据分析师原创作品,转载需授权 数据分析老鸟都知道,相比于自己作出好的数据分析报告,“教别人如何入门数据分析”这事情简单多了...

38170
来自专栏量子位

2018年,AI会在金融行业哪些方向上发力?

原作 Todd Clark 加州金融服务公司CO-OP的CEO Root 编译自 Payments Journal 量子位 出品 | 公众号 QbitAI 对于...

42070
来自专栏云计算D1net

云计算成本:4个神话与误解

如今,企业将业务迁移到云端的趋势很普遍,这样做会为企业CIO及其组织节省成本。当然,企业可以通过将某些工作负载迁移到云计算环境来节省资金。然而,这一误解产生于可...

17120
来自专栏数据科学与人工智能

华为诺亚方舟实验室主任李航:用漂亮的方式解决污浊的问题

机器学习的春天 “他说自然语言处理是“泥臭い”(污浊)的,用漂亮的方法是解决不了的;我说我的结论正好相反,正因为自然语言处理是“泥臭い”的,才必须用漂亮的方法去...

62790
来自专栏人工智能头条

拥有人工智能的机器人能否取代人类?听大牛怎么说

25350
来自专栏华章科技

别被数据带进沟里:这才是应用数据的正确姿势!

你以为数据能够告诉你一切?其实如果你不能用正确的姿势运用数据,很可能会被它蒙蔽,做出非常危险的错误决定。

11920
来自专栏鹅厂优文

游戏人工智能 读书笔记 (三) 游戏和人工智能的相互影响

Chapter 1.3 Why Games for Artificial Intelligence

26370
来自专栏AI科技大本营的专栏

Google首席决策师告诉你AI和数据科学团队需要哪10种角色?

【导读】组建一个出色的数据团队都需要哪些角色?Google 的首席决策工程师 Cassie Kozyrkov 在这一问题上有自己独到的见解。在她看来,一个好的 ...

10940
来自专栏镁客网

比人类更强大的不是人工智能,而是掌握了人工智能的人类 | 科大讯飞年度发布会重磅发布三大板块、十项产品

17300

扫码关注云+社区

领取腾讯云代金券