人机协作的设计工作流有哪些？
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：
- 调研、访谈获得大量的案例、经验；
- 思维碰撞，梳理问题与解决方案；
- 原型、或其他成果展示设计结论；
- 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：
- 大数据挖掘与处理，从文本、图像、社交网络等；
- 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；
- 开发产品、或软件系统
- 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：
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！