我叫00，算是一名互聯網老兵了。跟其他設計師不太一樣的是，我一開始在網易郵箱擔任產品經理。在用戶體驗發展的初期我發現這是一個挺有價值的領域，然后轉向了用戶體驗設計，從產品經理變成了用戶研究員，再往后一直在做產品和交互設計相關的工作。前幾年在微信支付團隊工作，當時移動支付正在開始普及，我們為服務行業做了很多打通線上和線下全流程的通用解決方案設計，比如說給餐飲行業設計相關的服務流程，幫助他們在支付環節提升運營的效率和服務的質量。在2016年由于我對心理學比較感興趣，所以做了一個心理學相關的創業項目，那時還參加了一門叫 Fab Academy 的課程，最近剛學完 Udacity 的深度學習課程。
志榮：能不能簡單介紹一下 Fab Academy？當時為什么想學 Fab Academy 這門課程？
00：Fab Academy 是 MIT 里的原子與比特中心開設的一門課程，它的目的是讓全球范圍內對制造和創客感興趣的人學會數字化制造的流程；讓每個人都有能力親手制作復雜的東西，并學會用各種工具升級傳統的生產流程。由于我一直在做交互設計，所以我希望能夠實現一些自己的想法，而不只是把它的流程給想象出來。在好幾年前關注智能硬件領域時，留意到 MIT 有一門課程叫「How to make almost anything」，但可惜在網上找不到相關的課程。2016年我發現深圳 SZoil 實驗室成為了 Fab lab 的分支，所以我立刻報名參加了。
志榮：你當時學這門課程感覺到吃力么？
00：這門課程強度真的很大，要在一個學期內學完跟制造相關的知識，包括設計、建模、編程、電路、制作模具還有最后的組裝。當時對制造的完整流程不了解，而且每個星期學的課程可能是大學里半個學期甚至是一個學期的內容，每次上完課都會發現有幾十個術語不知道是什么意思。加上當時還在創業階段，所以上 Fab Academy 課程的時候，還是非常吃力的。
志榮：你覺得 Fab Academy 在哪個方面對你來說是有意義的？
00：有好幾點。一是對整個數字制造的流程有了深入的了解。現在看到一些比較有趣的實物，我大概能猜測出它們的制作方法。二是發現制造并不是一件很難的事，當掌握了比較完整的制造知識和體系后，每個人都可以動手實現自己的想法。三是有機會探索并接受了很多新鮮的事物，例如制作模具、數字電路還有嵌入式開發。在整個學習過程中，我發現一些感興趣的領域和技術跟之前的工作和項目相關。比如說之前在微信支付團隊做餐飲場景的時候，有考慮過用互動裝置讓周圍的用戶領優惠券，但是當時不知道怎么做。在學完這門課程后發現，如果當時知道一些傳感器怎么用，做個簡單 demo 并不難。
志榮：Fab Academy 畢業的時候你做了什么項目？
00：我當時做了一個跟聲音相關的小機器人，它的眼睛有一個測量距離的功能，當你用手掌擋在機器人的眼睛前面，傳感器就會把距離轉換成音高，你可以通過移動手掌來「彈奏」一首簡單的樂曲。
志榮：聽起來很有趣，Fab Academy 對你來說最大的幫助是什么？
00：最大的幫助是掌握了如何在陌生領域快速學習并獲取核心知識的方法。當你有明確的目標，學習就更有針對性。第二點是如何更有效地找到資料解決手頭上的問題，在 Debug 過程中得到了很多鍛煉。第三點是可以進入創客的圈子認識更多有趣的人，他們都是有動手能力解決問題的人，大家相互幫忙一起做東西的氛圍特別好。我之前比較困擾的是，為什么做設計卻沒有多少實現的能力？學完這門課，自己的動手能力有了提升。我還是相信一點，很多東西要把它實現出來，你的設計才是完整的，這樣才能檢驗想法和設計理念是不是對的。
志榮：換一個話題，你幾時開始對 AI 感興趣的？
00：我對 AI 感興趣也挺久了。在六七年前我曾經做過一段時間搜索引擎相關的產品，那個時候算是比較早接觸到機器學習和大數據。當時覺得這個領域蠻有潛力的。自己真正動手學是2017年，因為當時覺得整個行業發展的速度一下子變快，有很多新技術冒出來，所以去上了 Udacity 的深度學習課程，希望通過寫代碼做出完整項目的方式深入地了解現在的 AI 是什么。
志榮：Udacity 的深度學習課程我也學過一陣子，有計算機專業背景的我都覺得挺難入門的，你當時是怎么學習這門課程并跨過這個門檻的？
00：深度學習對數學的要求比其他技術課程要高，所以我花了挺多精力復習一些數學基礎知識。為了讓自己對數學的興趣濃厚一些，還去閱讀了一些比較有趣的數學科普書，同時找了一些好玩的視頻讓自己對數學和深度學習里的知識有更深入的了解。當數學基礎有所提升，理解深度學習的知識就沒有以前困難了。第二點是編程的基礎，我雖然學過 python，但沒有多少寫代碼的經驗，所以基礎還是很弱。因為這門課程需要寫不少代碼，所以我也在不斷地積累和提升自己的編程能力。第三點是 Udacity 在課程設計上降低了很多門檻。它把一些知識點之間的跨度拆得比較細，在兩個大的臺階中間搭了很多小的臺階，讓你在理解某個很難的知識點的時候能夠循序漸進，最后再設計一些題目讓你去練習。
志榮：當你學完這門深度學習，你覺得深度學習對你的設計思維有什么改變嗎？
00：我覺得學習技術對設計是有幫助的，從幾個方面來看。第一個是思維。編程思維可以幫助非理工科背景的設計師了解什么是抽象、復用、結構化和參數化，這些都是編程的思考方式。比如說設計師要搭建組件庫或者整理設計規范的時候，要考慮怎么把最開始看起來很雜亂的元素抽取出來形成多種模式，這些思維就非常重要了。第二個是原理。如果你知道深度學習的一些原理，它到底能實現什么，不能實現什么，它的能力范圍到底在哪里，當你以后用到深度學習，就大概知道你要做的設計界限在哪。比如說，這門課程最后的項目是基于一個人臉圖像庫，用 GAN（生成對抗網絡）來自動生成人臉。這個看起來應用的范圍蠻廣的，但真正做過一遍以后，你可能會有更多的考慮。比如說數據集從哪里來？是有現成的數據集還是手動獲取一批？如果你手動獲取的數據集樣本量很少，基本不用想自動生成人臉這事了；即便數據量很大，當你發現最終結果人臉是歪的，你就會知道這套技術還沒成熟，沒法達到要求，那你可能不會把它用到設計里。所以，深度學習需要考慮數據集是否夠多、設定的目標和打分規則是否明確，這些因素都會直接影響設計目標的實現。真正動手學習以后，才會更加清楚深度學習能不能解決設計問題。
志榮：那你覺得深度學習會不會影響到界面的設計？
00：設計包含的范圍很廣，界面設計也不是只有畫圖的部分。我覺得它的影響沒有那么直接，更深層的影響可能會是改變使用場景。比如說有一些流程，之前需要用戶填寫一些必填信息才能跳到下一步，但如果通過 AI 技術基于用戶的歷史數據做分析和判斷，整個信息填寫可能就不需要了，這就會影響到整個交互流程。如果一些具體的界面包含了各種重復性的工作，或者它的產出物比較類似，這時候你可以用更自動化的方式去實現，而不是每一個操作都需要人工去做。
隨著 AI 的成熟，一些流程操作可能會有新的替代做法；如果技術更成熟的話，有可能整個場景和流程都需要去重新設計，這個時候界面有可能會消失。
志榮：那你怎么看待現在的 AI？現在的 AI 是不是等于深度學習？
00：AI 肯定不只是深度學習。AI 一直以來都在發展，例如最早的垃圾郵件過濾、個性化推薦系統、微信語音轉文字等，都屬于很典型的 AI 應用。當一個技術成熟并且廣泛應用后，我們就覺得它「不是」AI 了。現在的運算能力越來越強，通過計算自動生成的東西越來越多，例如魯班自動生成一張 Banner。在技術攻堅和推廣階段，大家會更傾向于認為這是「當前的」AI。我覺得其實本質都是一樣的，AI 就是用計算的方式，自動化解決一些問題或生成最終想要的結果。
志榮：現在很多設計師都在擔心自己會被 AI 取代。你怎么看待這個問題？
00：這個問題我思考也蠻久了。UI 和交互設計近幾年發展得特別快，大家已經把一些基礎知識和相關經驗總結得很好，可復用的組件和模塊越來越多，所以以后設計師都不需要「從零開始」，工作看起來是變少了。但我認為這也是好的一面。你需要更深入地看待設計本身，到底哪些部分需要由人來解決和設計。真正的設計難題，我認為機器很難替代，因為這些設計難題都是由于設計對象關系之間的復雜性，以及人本身的不確定性引起的。比如要去設計一個服務解決方案，我覺得最重要的是如何理清不同利益相關者之間的利益關系。服務設計一般要面對很多不同的角色，他們之間的關系是錯綜復雜的，在設計時不能只考慮某個環節和流程，而需要更多考慮全局和關系的平衡。各種微妙、復雜、不明確的關系，對機器來說是一個很難的問題，這時候就需要人去把握。我覺得「AI 是否能取代設計師」這個問題能讓設計師有更多的思考，到底設計要解決的問題是什么，然后把機器擅長的事情或者不需要人太多思考的事情交給機器去做。其實這樣也很好，設計師不用天天坐在電腦前面做對齊幾個像素的事情。在學完深度學習課程以后，我了解現在 AI 的界限在哪，但是它的潛力還很大，人真的不應該再跟機器去比了。
志榮：那你覺得現在的 AI 的界限在哪里？
00：現在 AI 的局限蠻多的，但是以后會越來越少。只要你能夠給一個明確的目標，這個目標可操作、可量化，提供算法和足夠的訓練數據，基本上 AI 都能夠做到的。在未來機器能夠做到的絕大部分事情，人都不會做的比機器好，尤其是那些可以標準化、量化的事情。畢竟人有各種各樣的生理局限，會死，會累。那這個時候怎么辦？我覺得最終基本只剩下一條路，就是人要去做自己真正喜歡的事情，即便那個事情機器能夠做的比你好100倍，你還是會愿意去做。當你一直做這個事情，遲早會發現有一些機器不擅長或者不屑于去做的部分，這時候你做的東西可能會因為個人偏好影響到結果，而這個結果會被其他人感知或者喜歡，這時候你就創造了屬于「人」的價值。最近一段時間我在想，做設計還是需要找到一個領域，結合這個領域去做你喜歡的東西。有了領域這個框架，很多新的發現都會來自于你對那個領域的理解和積累。在某個領域真正產生價值，需要沉浸其中，有足夠多的認識和積累才能做到。所以，如果想用 AI 技術達到目的，或是提升產品的價值和效率，你就要在這個領域多去學習、實踐、領悟。這是我最近的感受。
志榮：所以你現在尋找的領域是什么？我記得你在研究 AI 和音樂如何結合。
00：主要是多媒體互動吧。我認為體驗還是會回到實體場景下，雖然它們不一定是「真實的」，但一定會越來越強調「沉浸」。那么設計就會涉及到實體環境和各種感官，所以我想往沉浸式互動這個方向探索更多的設計。聲音和音樂在沉浸式體驗中不可或缺，也是我一直比較感興趣的領域，所以我想探索 AI 和音樂如何更好地結合。當開始深入到一個領域中，你會發現有一些東西是多年都不會變的，即便 AI 來了，它還是不會變的。只有深入理解一些本質，你才可能用新的技術去實現突破，做出好玩的東西。
志榮：我覺得不會變的第一應該是藝術，音樂屬于藝術。
00：其實每個領域都有一些比較底層的東西不會改變，這個需要你對這個領域的理解。
志榮：那你對現在研究的 AI 和音樂的結合有什么心得嗎？
00：如果用工程的角度去看待音樂，它其實跟數學還有編程有密切的關系。如果把聲音還原為一種物理現象，它更多是力學研究的對象，甚至跟電學和光學的原理有不少相通之處。從這個角度出發理解聲音跟音樂之后，你可以嘗試加入一些新的元素，例如 AI，做出更多有趣、可以互動的聲樂裝置。我現在還在新手階段，學習基礎知識和相關的工具。工具會在很大程度上局限你想要實現的東西，尤其是在一個全新的領域。
志榮：我認為后面的工具使用起來肯定會越來越簡單。
00：我認為工具的復雜程度，取決于你想解決哪個層面的問題。好比如說你想要彈出十個音符，那你的工具可以特別簡單，用一個 iPad 或者幾個按鍵，發出聲音就可以了。但如果你要從物理的角度控制整個聲音，那工具可能會非常的復雜，需要調控的參數會隨著程序的靈活度而成倍增加。
志榮：你怎么看待設計師后面的發展？
00：一個就是剛才我說的，一定要找到自己真正感興趣的領域。不論那個領域是什么，現在看起來有沒有前景，但只要是你喜歡的領域，我覺得就應該堅持沉浸進去，去學習、去玩、去做東西。第二個就是，不論是設計還是其他領域都一樣，基本上屬于 T 型人才的問題。你需要去學習跟設計相關和不相關的所有知識，一切都是為了做好 T 字的那一豎，這樣你對設計的理解才會更深。要發現自己真正喜歡的領域是什么，然后基于那個領域，慢慢地往橫向和縱向深入發展。第三點就是，我現在處于一個目標不太明確的階段，如何找到一個讓你相對長期聚焦的領域，以及能不斷幫你精進某些技能和經驗的實踐項目，這個也蠻重要的。
志榮：那你覺得設計師要怎么才能拓寬自己的視野？
00：第一點還是剛才說的，基于內在驅動力，基于興趣不停地向外擴展。一旦對某個事物感興趣，你就會不自覺的想要知道更多，會開始比較，想要看到和找到更好的東西。第二點就是，我覺得設計師的審美來自于生活的方方面面。當你其他方面的能力和見識有所拓寬，設計能力和視野也會提升。所以要多去體驗不同的事物，那些以前沒看過、沒玩過、沒做過的事情。還有第三點，過去兩年我在做心理學相關的項目，發現對人事物的洞察，很大程度上來自于你對人的復雜程度的理解，以及對自己的覺察跟反思。有時候看待事物或問題，如果沒有結合自己關注的事物或領域一起去理解的話，可能會缺少一條主線。我們對很多知識和事物的看法就有點像一棵樹，它們最終會還原到某個更加本質的東西，就是這棵樹的主干，比如說你對自己本性的理解，或者是你在這個世界上一直堅持的立場和態度。如果沒有這個立場，你可能就沒有屬于自己的原則，觀點和偏好。如果沒有自己的價值觀，你可能沒有辦法把很多東西整合起來，最終把它變成你自己的東西，或者基于它去創造價值。
