范凌：从无限运算力到无限想象力

科技与人类的关系是什么？人工智能如何为商业和社会插上想象力的翅膀？范凌用数据和智能给人类社会的发展勾勒出一幅科技与想象力交织的绮丽画面。到底是科技让人变得更有想象力，还是想象力为科技的产生提供了源源不断的动力？从无限运算力到无限想象力，智能和创造也许正是人类社会美好未来的序章。

演讲人简介

范凌

00级建筑学学士

普林斯顿大学硕士

哈佛大学博士

特赞创始人 CEO

今天能够到这里来，我非常高兴。在这里，我有两个身份，第一个身份是作为一个创业者,我四年前开始做一家叫特赞的互联网公司；第二个身份是作为同济大学的老师,我是同济大学设计人工智能实验室的负责人。我今天想讲的是人工智能或数据智能在创造力方面的一些应用,并且想和各位分享一下我自己的创业经历,以及我接触到的一些观点。

我本科在同济读的建筑,研究生和博士是在国外读的,创业之前我在加州大学伯克分校交教人机交互，四年前我辞掉了教师工作，毅然决然回国创业。两年前，母校的呼唤让我重新回到这里, 所以我一边创业,一边做我自己的实验室。

创意和设计领域里的RI和AI

首先，我想做一个追问,这个问题是，到底是科技让我们更有想象力，还是想象力让我们有了科技。下面是一张阿波罗登月的照片，其实在肯尼迪总统讲要做登月计划时，技术的成熟度百分之二十都不到，是人类对于未知世界的探索欲望，让我们开发了很多技术，所以我总觉得应该是想象力驱动技术的创造，而不是技术让人有了想象。

讲到人工智能的时候，我们首先会想到到底什么样的工作可能被机器取代？但其实还有另一种场景，就是在具有创造力的工作当中，人怎样更好地被科技释放。也就是在我们想到一个东西之后，怎样把我们想出来那些东西变成现实。

上图是一个艺术家的作品，他觉得未来可能像工人这样的职业只有在博物馆里才能看到。其实我们可以想象，在这个过程中，到底还有什么东西被创造出来。在学校这个大环境里,我们不只是要去做更高更快更强的技术,我们同样应该思考，除了取代某些工作之外，技术带来的未来到底是一个什么样的未来。这里讲两句话，这两句话可以让我们很好地去思考技术的价值。第一句话是“Dis-trust leads to dis-use”，就是很多人会讲人工智能怎么能取代人的创造力工作呢？有创造力的工作本来就不应该是机器做的，所以在具有创造性的工作里，我们应该排除机器，这就是“Dis-trust”，我们不相信机器能帮助我们，就像登月的过程中，我们觉得这是人的意志力的决定。第二句话是“Over-trust leads to mis-use”意思是说以后所有的工作都会由机器来做,所以我们也不再需要工作了,在未来像吃饭睡觉这样的事情都会有机器服侍。对我来说，这两种观点是过激的两极，而中间的这种状态是我们值得去探索的。

我讲几个宏观的趋势，这几个趋势其实界定了在改变人的生活日常生活方面，整个技术的可能性。

第一个趋势是从工业经济到数字经济的转变中，数据成为很重要的东西。数据，其实是人类自己发明的第一个资源，过去我们把石油作为资源,把电作为资源，而数据，就是21世纪的电,21世纪的石油，是第一个人类发明出来的用得越多反而越多的资源，这个过程让我们开始对每个人进行更精准地描述。过去，我们为了集体要牺牲个体，但现在数据的描述能够让每个人回归到人的本身。

第二个是在人工智能大环境下的发展,通常我们把互联网触动的消费叫作互联网发展的上半场，也就是关注贩卖本身——贩卖每个人的关注度。而到了所谓的互联网的下半场，关注的焦点在于，互联网能不能作为一个生产资料，能不能作为生产力。随着众多人工智能技术的出现,我们开始发明，开始创造,开始做更多的视频，更多内容,机器也开始帮助我们去创造，也就是从消费端的优化变成了供给端的优化。

第三个方面，我想引用经济学家Richard Baldwin的观点,他原来是小布什的经济顾问，今年年初的时候，他写了本书叫“the globotics upheaval”,书中讲到全球化的贸易会从贸易“what we make ”变为贸易“what we do”，主要原因有两个，第一个是全球化，也就全球化迁移的能力,全球化迁移的服务。第二个是robots——机器人,它不是简单的机器人,而是那些能够做分析的人工智能，能够做量化的人工智能，能够接电话的人工智能，是白领机器人，所以RI和AI会重新改变我们的贸易。

基于这三个趋势，我把我们的工作定义为创意和设计领域里的RI和AI。四年前我创业的时候，带着我在伯克利做的很基础的研究，我当时研究高技能的人——就是用脑和用心工作的人怎样进行数据描述，目的是当你进行数据描述的时候，数据可以被调用、分析和对接。2016年，我们开始寻找商业场景,并且拿到了最有名的风险投资之一红杉资本的A轮融资，之后我们就开始想象这个技术到底在哪个商业场景里用的最多,我们看到了营销的场景。

三个维度的数据

2017年，我们开始意识到营销里有内容、有能力，而且当时内容方面的人工智能还非常初级，所以我们到同济大学来做设计人工智能实验室。从2018年到现在，我们一边是服务大型企业,比如阿里、腾讯，或者是服务大型的品牌，比如联合利华、星巴克、雀巢等。基本上商业场景里的绝大多数企业,我们都已经开始合作或者已经深度合作了；另一边，我们是用RI，或者远程创意的智能，或者人工智能来提供营销内容和创意。

在大屏幕上，大家可以看到一些我们正在做的东西，这些东西看起来内容非常丰富,但其实对我来说，最关键的是三个维度的数据。第一个数据，我称之为“人的数据”,就是供应能力的数据；第二个是“力的数据”也就是内容数据；第三个是商业场景的数据。这三个维度就像阿里有人货场，通过这三个维度阿里知道什么样的消费者在什么样地方买什么东西。我们做的是供给端的数据，所以我们知道什么样的供应商,在什么样的场景下用什么内容，解决什么商业问题。

我们逐渐开发出两个数据引擎,一个是“Tezign.MIND创意内容图像处理引擎”，另一个是“Tezign.EYE创意能力机器学习引擎”。每年阿里都做女王节，也就是在3月8号卖很多商品给女性消费者，和阿里合作时我就一直在想，我们能不能让商业诉求和社会诉求在这个过程里结合起来。为了把商业维度的创造力和代表社会的创造力结合起来,我们用了“human in the loop”，就是人干涉创造的过程。大屏幕上是做的结果，我们做了非常非常多元的创意内容，这些创意的内容背后是38个女性领导的创意团队,表面是向女性贩卖各种各样的商品，而背后是un-stereotype，也就是反刻板印象。我们可以看到女性有各种各样的创造能力，其正面是一个完全商业化的创意，背面则是完全社会化的创造能力。换言之，我们在正面做的是营销创意，在背面做的是表达一个社会信息，这个社会信息是：女性的创造力也非常多元。在这个场景下，阿里的CMO——Chris Tung讲了一句话,我特别欣赏，他说一个平台的问题需要另一个平台来解决；一个生态系统需要另一个生态系统的维持。

接下来，Tezign.EYE 创意能力机器学习引擎，这个引擎刚开始做两年多，也是基于大量的学术研究。我们实验室做了很多的工作,现在终于有机会商用了。如果我们认为过去十年通过ImageNet这个数据集，机器开始读懂图像了——读懂图像上的孩子、脸、楼房、狮子、点心等等这些东西，那么我们建立的这个数据集DesignNet是希望教机器读懂最简单的设计和创意，希望教机器读懂创意内容上的字体是什么，比如这里的“狮子头”三个字。字体其实是非常重要的，大家知道某些公司一年赔给字体公司4000万就是因为误用了一些字体。我们希望教机器读懂规范，内容的规范有什么？给大家举个例子,星巴克的价值观是温暖和爱，所以在所有星巴克出街的创意内容里,人脸一定要笑。例如蚂蚁金服，因为它是个很有钱的公司，所以所有的营销内容不能有金色，这都是用规范来审核的。

我们希望教机器理解风格、情绪、颜色,我们把这个数据集的基础数据叫DesignNet （https://design-net.org/）,这也是我们和同济设计人工智能实验室做的一个开源项目。在垂直类领域里，我们和碧桂园共建了方向行业的垂直数据集，这是私有的；我们和联合利华共建了快消行业的数据集，这个数据集以后可以帮助机器去理解什么是设计。

数据和智能赋能商业社会想象力

每年618都有大量电子商务的场景。在淘宝的生态系统里，每天有150万的设计师在干这些事；扩展到整个电商生态，则有300万的设计师，而且很多同济毕业生也去了这些企业。我们希望让机器理解设计师做的设计工作，然后通过一些限制条件让机器不停地去生成各种各样场景的衍生。这些场景的衍生可以让供给的数据变得很精准，也就是千人千面的供给。我们所做的这件事情不只是提高时间和成本效率，我觉得更重要的可能是两件事情。

第一个是质量,我们合作的这些大的组织和大企业可能在一线城市，可能在二线城市，也可能在五线城市，所以本身的创意能力是参差不齐的。我所研究的非标能力数据化的难点就在于它是参差不齐的,怎样通过机器让质量达到某一个标准的高度——这就是在我们在尝试中得到的意外惊喜。

第二个是结构，目前很多高技能从业者都是很忙很忙的,为什么技术越发达大家反而变得越来越忙？例如像碧桂园这样的公司，一千个设计师每天都在完成明天要交付的工作，所以他们没有时间做更长线的思考。如果在这个过程中引入人工智能，那就能够释放更多人的时间，去想只有人才能想的开放问题。所以在质量和结构这两个部分，人工智能可以带来意外的惊喜。我们可以设想一下屏幕上所展示的四象限，横轴是对人很简单，或者对人都很难的事情，纵轴是你愿意给机器做或者不愿意给机器做的事情。我们过去老讲自动化或者机器取代人之类的问题，其实这个问题的关键在于左下角这个角度——重复性体力劳动。就像互联网从上半场发展到下半场，人工智能其实也有可能从提高效率的阶段发展到另外三个象限里，所以增强可能会是一个增量的市场，而自动化是一个存量的市场。在这个过程里，机器其实在不停地帮助人做更多的工作，机器甚至在帮助人做过去人都很难完成工作，比如很难的判断工作，或者很复杂的流程工作等等。

我最后再举一个例子——支付宝，全国最大的支付企业，每天有上亿人使用它支付,而另外一边是上百万的中小商家,这些商家可能就是门口卖烧饼、卖面的这些商家。这些商家原来都是不会花钱买设计的，而我们做的一件事是邀请了一百个设计团队，其中有一些是非常高端的设计团队，由这些设计团队去产生最原初的一些资料和素材，所以大家看到屏幕右边所有的原始素材里的插画都是人来做的，然后我们让人教机器怎么把这些海量的元素进行数据化，数据化以后怎样进行排列组合、拼接、剪裁。我们让人来训练机器做一些简单的设计问题，之后任何一个商家都可以通过输入店名、地域、风格等简单的信息来产生自己的一张海报，通过十块钱，你就可以把这张海报的实物打印版运到自己的店里边，目前已经有40 万个商家采用了这个技术。

网站的首页上有一句话,这句话是“Prada合作的设计师助你小店升级!”我们当时请了2×4的设计团队，这是全世界最著名的平面设计团队之一，这个团队的负责人是耶鲁大学的一个教授,他每天讲的是要有社会价值观的创意和设计，但是很可惜,只有那些有钱的客户才能请得起他们，比如Prada、中央电视台、博物馆等等。当我们告诉他，我们可以用这个方式，变相的用机器做杠杆，让更多的人可以运用这些创意的时候，他非常非常高兴，因为这样既不少收钱，又能满足大量的社会需求，所以他就跟我们合作。做完创意生成机器人之后,他还跟我们合作做了一个店，一个担担面店的改造，在成都，很网红，很多人去拍照。

我认为人工智能作为一个杠杆，可以让更多有价值的能力民主化，这是一个非常值得我们去探索的维度。当我在想我们公司的使命，或者说我所做的这件事情的使命的时候,我觉得我们是在用科技，准确的讲，我们是在用数据和智能去赋能商业和社会的想象力。今年我把我自己的一些研究和我们做的一些实践变成了一本书,名为“从无限运算力到无限想象力”。

刚刚在来这里的路上，我在想为什么过了十几、二十年我又回到了这个校园？因为我看到的是一个很重要的机会。同济是一个很强的工科院校,现在提倡从工科到“新工科”，而“新工科”一边是运算力，就是人工智能，另一边就是想象力，就是设计创意。这两个角度可以把原来的建筑、土木、规划等等一系列的老工科内容提升到一个新的高度，产生一种新兴工科的力量。我希望在过程当中，能够和各位校友一起合作和交流，谢谢大家。