人工智能时代：设计师如何应对挑战和机遇
1.人工智能引爆热点随着高新技术的飞速发展，人工智能走到时代前沿，在越来越多的行业领域不断颠覆着人类的想象。
我们试着回想过去的2016年：微软小冰在感知领域的突出表现，AlphaGo力挫世界围棋界顶尖棋手，Google、Facebook、Amazon和Twitter快速转变战略方向，先后成立核心人工智能团队……直至2017伊始，卡耐基梅隆大学开发的人工智能系统Libratus完胜四位世界顶级德州扑克选手。
这是一个迅速点燃蔓延各行各业的热点概念，国内外科技巨头纷纷布局，据分析机构IDC预测到2020年人工智市场规模将超470亿美元。
莱斯大学计算机教授MosheVardi曾断言:"未来30年，人工智能将取代目前世界上50%的工作。"除了逐步应用于金融、医疗、交通、智能生活等一些细分行业，甚至开始涉足设计创意领域。
如Tailorbrands推出特殊算法系统能自动设计logo并给出设计建议、语音交互设计师（voiceinteractiondesigner）在硅谷盛行；Wix推出人工智能系统ADI自动化网页设计…看起来人工智能在设计领域掀起了一场技术革命。
2.设计师的不可替代性
那么在未来，人工智能真的能取代设计师的工作吗？答案是否定的。
人工智能会替代大部分重复性机械性的工作，甚至参与到设计中，但不可能替代设计师。
从技术层面，人工智能可以通过不断学习模拟强化审美能力，但人类的情感和认知路径是千万年来演变的结果，其与生俱来的创造力和对美学的追求，是人工智能所无法理解的。
原研哉曾说过：“我是一个设计师，可是设计师不代表是一个很会设计的人，而应该是一个抱设计理想来生活的人。”
好的设计能真正体会用户的需求，甚至在于用户没有表达出来的需求。
人工智能按照指令进行程序化设计，但设计师能真正解读需求方的想法，挖掘他们都没意识到的深层次需求，主动提供更好的设计方案。这种对人内心的敏锐感受、不断创新的能力才是设计师不可替代的核心价值。
3.设计师如何挖掘人工智能的价值
人工智能的到来是可预见的，在记忆、计算甚至认知能力上都在不断超越人类。但是说到底人工智能只是一个技术概念，最终落地的是产品和设计。好的设计师能顺应时代潮流，主动学习，通过新的技术设计创新，更好地实现用户需求。
例如Adobe推出的Sensei人工智能平台，几乎应用在photoshop、premiere、illustrator等所有软件中。Sensei利用Adobe长期积累下来的大量数据和内容，通过自动化操作、个性推荐、智能预测等，帮助设计师解决在媒体素材创意过程中的一系列问题。
在设计领域，人工智能将担任小助手的角色，使设计师聚焦于设计创意的部分，而其他技术部分则由人工智能高效解决，实现科技和设计师创造力的完美结合。Béhar将设计师在人工智能时代扮演的角色比喻为“堡垒”——防止科技被不负责任、非道德地应用。设计师应当警醒的是，不要过度依赖人工智能带来的便利，直达人心永远是最好的设计。
在未来，甚至会衍生出新的设计岗位，比如人工智能工程师、语音交互设计师、体验师等等。这个过程中，设计师只有不断成长掌握新的技能与知识，提升自己的想象力、创造力和前瞻性，才能拥有不可替代的价值。
人工智能时代，你准备好了吗？
人工智能如何改变工业设计
/工业软件与企业智能化设计应用
既然设计活动中有相当的比例可以实现智能化、自动化，那么设计AI在工业软件领域发展到什么程度了呢？
l工业软件领域
广义的CAD是CAD/CAE/CAPP/CAM的高度集成工具，涵盖从设计到制造的各个阶段所用的工具。CAD不针对任何产品，而是面向各行业有设计需求的企业，提供产品研发所需的底层的通用功能。技术人员可以用CAD做自己能力所及的任何产品的设计、仿真分析、工艺制定、CNC编程等工作。
从狭义上讲，CAD指单纯的计算机辅助设计，主要以计算机图形学为基础。计算机图形学核心目标(视觉交流)可以分解为三个基本任务：表示、交互、绘制，即如何在计算机中“交互”地“表示”、“绘制”出丰富多彩的图形、模型。简单地说，CAD就是给用户提供了在电脑上交互式绘图的工具，它们解决的是绘图问题，而不是设计问题。
有部分面向特定行业的专用CAD中嵌入了专业知识和规则，如钣金CAD、模具CAD、管路CAD等，给特定行业的结构设计提供了一定的方便性。
近几年，各大CAD厂家都开始了CAD和CAE的融合，做仿真驱动设计，最典型的是拓扑优化算法用于设计。这是智能轻量化设计的方法，可以解决材料优化分布类型的设计优化问题。
此外，很多CAD软件都提供了编程语言和编程工具，可以用来开发智能化的设计程序。只要你是编程高手，就可以通过编写算法做设计。但对于大多数设计工程师来说，编程是应用难点。即会设计又会编程的人才极少，致使CAD中的编程工具利用率极低。低代码编程设计平台将是未来的方向。
PARTcommunity在线三维零部件模型库提供国内外厂商的零部件产品模型。他们没有在模型设计生成上使用智能算法，而是加持智能AI“猜你喜欢”、模型智能比较等推荐、选型助手功能帮用户选型。
三重周期最小表面（TPMS）
来源：nTopology
nTopology是目前CAD市场上比较智能化的软件，它背后有很多算法，可以简化用户的建模过程，同时还可以用表格形式把多个算法串起来定义自己的设计工作流，供后续反复使用，以实现相同设计任务的自动化。
l企业级设计智能化应用
宝马公司在其BMWVISIONNEXT100概念车中通过智能设计算法开发了汽车动态功能性外表皮和内饰，并配合4D打印方式进行制造，实现了超高性能。设计工程师们可以想象，如果这样的动态表皮结构用CAD来建模，难度将会是多大，又会耗费多少时间。而用智能算法辅助设计，不仅能批量处理所有单元，并引入变化，还可以实现动态模拟。
宝马公司智能算法设计的动态表皮
机构动态设计实例：在很多产品设计中都需要做机构设计，理想的机构设计方式应该是动态的。例如机器人手臂开发中需要的连杆曲线设计，用传统CAD绘图设计的方法做连杆曲线设计比较难，动态设计更难，需要大量的绘图工作，而通过按照规则编写的算法辅助设计就可以免去绘图，轻松实现动态设计。
智能连杆曲线设计
动图来源：安世亚太
模具随形水路智能化自动设计：随形水路是增材制造模具独有的冷却结构，它可以显著提升模具成型零件的质量。随形水路形状不规则，每种零件的模具的随形水路形状都不同，用传统CAD绘图方法设计随形水路非常费力耗时。安世亚太智能化随形水路自动设计算法则免去了手工绘图，设计效率可提升20~100倍。
智能化随形水路自动设计
动图来源：安世亚太
大规模定制鞋自动设计：当前市场上定制鞋还处于手工作坊阶段，只能为少数人服务。但实际上每个人都有定制鞋的潜需求。3D打印等数字化制造技术已经为定制鞋做好的制造的准备，现在定制的瓶颈在于设计。以制鞋必须的鞋楦为例，现在定制鞋楦主要靠选型方式，特殊脚形的则由鞋楦师手工制作，根本无法满足大量的定制需求和样式需求。安世亚太开发的定制鞋楦自动生成算法，只需几分钟就可以生成一双鞋的定制鞋楦模型。这种提升可以使定制鞋业务从手工时代一下子飞跃到自动化时代，设计环节的效率提升几百倍。
挑选鞋楦vs智能化自动设计鞋楦
上图来源：互联网，下动图来源：安世亚太
通过以上内容可以看出：
设计活动中一定有可以自动化的部分自动化设计算法有较强的任务针对性，没有普适的AI算法可以解决所有设计问题智能设计算法可以做到工程师用交互式CAD建模难以做到的事情智能设计算法可以在解决同类问题时无限重复利用自动化设计算法完成任务的效率远远高于人/设计智能化如何赋能企业
近年来，我国工业企业面临的产品正向设计创新、人才短缺、外部卡脖子等一系列挑战。在拥有先进生产设备和数字化管理系统的很多企业中，研发设计环节甚至成为制约企业发展的瓶颈。现在已经到了研发提能提效迫在眉睫的时候，而以智能化设计驱动的研发数字化转型将会是有效的方法之一。
l算法生成任意复杂度的几何建模
随着增材制造技术的进步，很多具有优秀性能的结构可以用在产品中。传统CAD交互式建模方式很难画出形状复杂或不规则结构。例如下图所示的用数学函数定义的TPMS胞元结构建模背后的支撑都是算法，通过相同的算法逻辑、不同的数学函数以及参数的变化，就可以生成符合特定性能需求的胞元结构。再进一步，可以用集成度更高的算法，实现零件级、部件级和产品级结构的自动设计和建模。
算法实现复杂几何自动建模
动图来源：安世亚太
l仿真驱动的智能快速动态设计
智能算法驱动的设计完全是动态的，无论是满足几何关系约束的运动，还是像真实物理世界的物体在力的作用下产生的运动或变形，都可以在设计过程中实现，过程中任意状态的几何模型都可以输出。在这种动态的智能设计过程中，仿真已经成为真正的驱动设计的工具，力可以直接用来塑造形状，就像大自然一样。
快速动态设计和模拟实例
上动图来源：KilianMonszpartMitra，下动图来源：安世亚太
l突破思维禁锢让设计超越想象
传统设计建模方式是工程师边想边画，耗费大量时间，如果想象不出来也不可能画出来。工程师做设计通常做出3个方案备选，如果能出到10个设计方案那就是非常牛的顶级设计师了。但面向应用问题的设计智能算法自动设计出的结果数量却远超人类最牛的设计师。如下图所示的自动轮辐设计算法，通过5个参数，可以生成40万种设计方案，其中会有很多让人眼前一亮的设计呈现。
一个应用算法可生成很多很多备选方案
l算法无限次重用的设计自动化
如前文所示的随形水路设计智能算法可以无限次重复使用，智能算法会对不同的模具自动计算生成合适的随形水路，算法生成的时间仅为几分钟。对比原来手工建模需要花费的2小时至一天的时间，自动设计效率提升可达10~100倍。
重复使用智能算法实现自动设计
动图来源：安世亚太
l引导并实现系统级正向设计
前面提到，自动化设计算法有较强的任务针对性，每一个智能设计算法中都包含了任务相关的设计规则，这些规则需要从设计需求和设计的想法中提炼。这个抽取提炼规则的过程就是MBSE的过程。从需求—规则—智能设计算法是完全的正向设计过程。
l数字化设计打通端到端的全数字化流程
数字化智能设计的模式会给企业带来很多的可能性，如非标零部件在线定制，客户参与设计的定制体验，产品的多样性、系列化带来的营销机会，大规模定制服务，等等。
端到端全数字化平台示例
上图：ProtiQ，下图：shapelamp
/智能化设计展望
还是借用同济x特赞设计与人工智能实验室范凌的《人工智能与设计的未来——2017设计与人工智能报告》的观察分析：需求测的极度细分的趋势需要供给侧的人工智能来匹配；在线/连接/交互的趋势从信息在线，经历关系在线、物的在线，逐步发展为各类技能在线，最终将是心和脑的在线——人工智能/AI；伴随着具有不可被取代的超细分技能的个体不断涌现，平庸时代将会结束；未来的组织将是人/机交互的新组织，他们会把任务灵活地派发给外部人才，内部人才，或机器自动化地完成，通过建立机制把整个设计工作流程整合起来，实现最优的任务完成路径。
当智能设计时代来临后，人类的技术与设计工作更少了还是更多了呢？我们回看Photoshop出现后的20年，清晰地看到，印刷和排字工作被摧毁，但是数量更多的平面设计工作不断增加。引用《经济学人》的话：技术摧毁旧的工作，但总是能够创造更多新的工作。
张效军
现任安世亚太公司DfAM业务部高级技术顾问
有20余年机械设计相关的教学、教研和企业的产品研发经验，10余年的创新咨询、设计方法研究与实践。始终关注技术进步，对于新技术在设计中的应用做了很多成功探索，产生很多创新成果，有多项发明专利。
l参考资料
1.《AFUTURETHATWORKS:AUTOMATION,EMPLOYMENT,ANDPRODUCTIVITY》January2017,McKinseyGlobalInstitute
2.《人工智能与设计的未来——2017设计与人工智能报告》同济x特赞设计与人工智能实验室范凌的返回搜狐，查看更多
北京邮电大学人工智能学院 本科毕业设计（论文）工作实施细则
第一章总则
第一条本科毕业设计（论文）是培养方案要求的重要内容，也是本科毕业即学士学位资格认证的重要依据。为加强人工智能学院本科毕业设计（论文）过程管理，保障毕业设计（论文）质量，依据《北京邮电大学本科毕业设计（论文）管理办法》（校发〔2020〕3号），特制定本实施细则。
第二章组织管理
第二条学院成立毕业设计（论文）工作组，工作组由分管本科实践教学工作的副院长、学院教学督导组成员、专业负责人、教研中心主任、本科教务科老师组成，由分管本科实践教学工作的副院长担任组长。职责包括：
（一）拟定学院毕业设计（论文）的工作计划和实施细则；
（二）选派毕业设计（论文）指导教师并对其工作进行有效监督；
（三）组织专家对论文（设计）题目进行审核；
（四）组织专家对论文（设计）任务书、开题报告进行抽查；
（五）组织答辩小组对毕业设计（论文）进行中期检查、答辩工作、成绩评定；
（六）推荐优秀毕业设计（论文）及优秀指导教师；
（七）组织专家对毕业设计（论文）进行学术诚信鉴定；
（八）根据学校要求，做好毕业设计（论文）的存档工作。
第三章主要环节
第三条本科毕业设计（论文）工作过程管理主要包含选题、任务书、开题、中期检查、查重、论文（设计）答辩六个环节。
第四章毕业要求支撑点
第四条依据本科培养方案，人工智能学院本科毕业设计（论文）方面的教学活动，支撑的指标点不同。人工智能大类毕业设计支撑（信息工程、智能科学与技术、人工智能专业）12项毕业要求中的10个指标点。自动化大类（自动化、测控技术与仪器专业）毕业设计支撑12项毕业要求中的8个指标点。详见附录：各专业培养方案指标点。
第五章选题
第五条本科毕业设计（论文）选题要求：
（一）毕业设计（论文）题目应符合本专业的毕业要求，注重综合运用所学知识分析和解决问题能力的训练。题目应富有创新性，体现前沿性，具有科学研究或实际应用价值，能够反映国家经济建设、科技进步和社会发展中的实际问题，具有一定的学术水平；
（二）提倡毕业设计（论文）与科研训练、学科竞赛、创业计划及校内外“产学研”合作教育等实践项目相结合；
（三）指导教师与学生采取双向选择，原则上一人一题。如需由两（含）名以上学生共同完成，应由指导教师提出，工作组批准，每位学生必须独立完成其中所承担部分的工作，并独立撰写毕业设计（论文）。
第六条学院对本科毕业设计（论文）指导教师所报题目实行三
级审核制：教研中心主任、专业负责人、分管实践教学工作的副院长。
（一）教研中心主任
审核本教研中心教师所报毕业设计（论文）题目，发现问题通知相关教师进行修改，填写《本科毕设审题记录表》纸版和电子版，报送学院教务科存档；审核通过的毕业设计（论文）题目报送专业负责人审核。
（二）专业负责人
审核由教研中心主任所报送的毕业设计（论文）题目，发现问题通知教研中心主任返回修改，填写《本科毕设审题记录表》纸版和电子版，报送学院教务科存档；审核通过的毕业设计（论文）题目报送学院分管实践教学工作的副院长审核。
（三）分管实践教学工作副院长
审核学院所有毕业设计（论文）题目，包括本院、跨院、校外、境外毕业设计（论文）题目，发现问题转交学院本科教务科相关管理人员，并通知专业负责人、教研中心主任，由指导教师在系统中修改；填写《本科毕设审题记录表》纸版和电子版，由学院本科教务科存档。
第六章任务书、开题报告
本科根据毕业设计（论文）任务书（以下简称“任务书”）要求，在指导教师指导下开展文献综述、外文翻译和开题工作，撰写《任务书》和《开题报告》。
（一）学院收集学生任务书、开题报告，进行抽查并送交学校教务处，抽查比例一般为20%，具体比例根据教务处当年相关要求；
（二）凡任务书、开题报告不合格者责令整改，两周内重新提交整改后的任务书、开题报告给学院毕业设计（论文）工作组检查。
第七章中期检查
（一）对在本院和校外进行毕业设计（论文）的所有学生，各答辩组自行组织交叉中期检查。每个检查小组由3-5名指导教师组成，设组长一名，秘书一名，组长一般应具有高级（含）以上职称，组员应具有中级（含）以上职称。中期答辩环节实行指导教师回避制度；
（二）跨院学生中期答辩由学院组织安排；
（三）中期检查不通过者两周内完成整改，重新申请中期检查，由指导教师负责组织。第一次组织的中期检查中未通过者将参加学院组织的毕业设计（论文）答辩；
（四）在境外进行本科毕业设计（论文）的学生，其中期检查由学院协同指导教师一起组织；
（五）学院组织院级教学督导开展检查，检查结果作为总评成绩的重要参考依据。
第八章论文查重
（一）使用“中国知网”大学生论文抄袭检测系统是本科生毕业设计（论文）的辅助检查手段，检测结果须作为学生毕业设计（论文）评价的参考依据之一；
（二）查重要求：
（1）学院将在答辩前两周内组织学生完成全体论文查重检测；
（2）学生在查重检测前须由指导老师把好关，指导老师同意后，
学生方可在系统上传查重检测；
（3）每篇毕业设计（论文）有两次查重机会。第一次查重通过
的学生，原则上不允许进行第二次查重检测；
（4）所有论文均应参加检测，不能按时提交检测材料的学生，
需提交说明，无故不提交检测材料的学生，取消当次毕业设计（论文）答辩资格；
（5）指导教师应及时审核学生论文查重情况给出评语，强调论
文纪律，对学生进行学术道德、学术规范教育，杜绝学术不端行为的发生；
（6）论文查重标准及查重结果处理：根据查重结果，文字复制
比为25%(含)以下的为合格，可进入论文答辩环节；文字复制比为25%以上的为重度重复，须学生认真修改后经指导教师审查并确认，方可再进行二次查重，待检测通过后方可进入答辩环节。第二次查重未通过的学生，原则上不允许参加答辩；
（7）根据查重结果，对于文字复制比高于25%的毕业设计（论文），学院工作组会重点审查，并决定其是否进入答辩环节；
（8）推荐为校级以上等级的优秀毕业设计（论文）首次查重检测结果“总文字复制比”应≤10%，不达标的不予推荐。
第九章论文（设计）答辩
（一）学生有以下情况之一者，将参加学院统一组织的毕业设计（论文）答辩：
（1）第一次组织的中期检查未通过；
（2）跨院进行毕业设计（论文）；
（3）位于学院随机抽查的10%的名单中；
（4）在境外进行毕业设计（论文）；其余学生由指导教师自行组织毕业设计（论文）答辩。
（二）毕业设计（论文）答辩需成立答辩小组，每个答辩小组由3-5名指导教师组成，设组长一名，秘书一名，组长一般应具有高级（含）以上职称，组员应具有中级（含）以上职称；
（三）毕业设计（论文）工作组安排学院督导参加由答辩小组组织的答辩，不定期抽调部分毕业设计（论文）送外校复评，抽查和复评结果返回相关指导教师。
第十章跨院、校外、境外毕业设计（论文）管理
跨院毕业设计（论文）是指学生在校内选择并完成非人工智能学院指导教师申报的课题。校外毕业设计（论文）是指学生在境内选择并完成非校内指导教师申报的课题。境外毕业设计（论文）是指学生在境外选择并完成非校内指导教师申报的课题。
具体要求如下：
（一）跨院毕业设计（论文）在选题前，由学生本人提出申请，填写《北京邮电大学跨院完成本科毕业设计（论文）审批表》，提供证明材料，学院分管实践教学工作的副院长审批论文（设计）题目并交教务处备案。中期检查和毕业论文（设计）答辩在学生所在学院进行；
（二）校外、境外毕业设计（论文）在选题前，由学生本人提出申请，填写《北京邮电大学校外完成本科毕业设计（论文）审批表》，提供证明材料，由学院分管实践教学工作的副院长审批论文（设计）题目并交教务处备案；校外、境外毕业设计（论文）学生必须购买人身意外伤害保险，并签署《北京邮电大学人工智能学院校外毕设协议》；
（三）校外、境外毕业设计（论文）采用双导师制，在过程管理上以本院指导教师为主，外单位指导教师为辅的合作管理模式；
（四）校外、境外毕业设计（论文）随本院指导教师参加开题、中期检查、毕业设计（论文）答辩；
（五）论文（设计）实施过程中出现的其它问题，由学院和外单位协商解决，如有必要，签订相关协议。
第十一章毕业设计（论文）的成绩评定及评优
（一）毕业设计（论文）成绩由中期检查成绩、指导教师评阅成绩、论文（设计）答辩成绩三部分组成。
（二）中期检查成绩占30%，指导教师评阅成绩占20%，论文（设计）答辩成绩占50%。
（三）论文（设计）答辩成绩和最后论文（设计）总成绩均需通过（成绩≥对应总分*60%），毕业设计（论文）才视为通过；有一项不通过则视为不通过。
（四）人工智能学院毕业设计（论文）成绩评定参考标准：
1)优秀（100-90分）：选题符合专业培养目标,结合生产、工程、科研、教学及社会实际。题目有一定难度,工作量饱满。学生能力完全达到相关毕业要求指标点的要求。按时完成任务书规定的任务；能熟练地综合运用所学理论和专业知识；立论正确，计算、分析、实验正确、严密，充分考虑了相关非技术因素，结论合理，独立工作能力强，毕业设计（论文）有自己的见解，水平高。能熟练运用现代信息获取手段和方法，了解人工智能领域的最新进展，自主学习能力强。外文翻译资料通顺、正确。论文条理清楚，论述充分，语句通顺，英文摘要翻译流畅，无语法和用词错误，文本符合规范要求，图表完备、整洁、正确。答辩时，思路清晰，论点正确，回答问题有理论根据，基本概念清楚，问题回答正确，有一定创新。
2）良好（89-80分）：选题符合专业培养目标，结合生产、工程、科研、教学及社会实际。题目难易适当，工作量符合要求。学生能力足以达到相关毕业要求指标点的要求。能够按期完成任务书规定的任务；能够运用所学理论和专业知识；立论正确，计算、分析、实验正确、严密，充分考虑了相关非技术因素，结论合理，较好地完成了任务，毕业设计（论文）有一定的水平。能较熟练运用现代信息获取手段和方法，了解人工智能领域的最新进展，自主学习能力较强。外文翻译资料正确、通顺。论文条理较清楚，论述较充分，语句通顺，英文摘要翻译流畅，无语法和用词错误，文本符合规范要求，图表完备、整洁、正确。答辩时思路清晰，论点基本正确，能抓住重点，较好地回答主要问题。
3）中等（79-70分）：选题符合专业培养目标，基本结合生产、工程、科研、教学及社会实际。工作量符合要求。学生能力达到了相关毕业要求指标点的要求。能够按期完成任务书规定的任务；能够较好地运用所学理论和专业知识；立论正确，计算、分析、实验正确、严密，考虑了相关非技术因素，结论合理，完成了毕业设计（论文）任务。能运用现代信息获取手段和方法，了解信息通信领域的最新进展，具备了自主学习能力。外文翻译资料基本正确和通顺。论文语句通顺，论述清楚，英文摘要翻译流畅，无语法和用词错误，文本基本符合规范要求，图表完备、基本正确，质量尚可。答辩时回答主要问题基本正确。
4）及格（69-60分）：选题符合专业培养目标，基本结合生产、工程、科研、教学及社会实际。工作量符合要求。学生能力基本达到了相关毕业要求指标点的要求。能按期完成任务书规定的任务；能较好地运用所学理论和专业知识；立论基本正确，计算、分析、实验正确，基本考虑了相关非技术因素，结论基本合理，完成了毕业设计（论文）任务。能运用现代信息获取手段和方法，了解人工智能领域的最新进展，基本具备了自主学习能力。外文翻译资料基本正确和通顺。论文语句基本通顺，论述基本清楚。英文摘要翻译基本流畅，语法、用词基本正确，文本基本规范，图表基本完备、正确，质量基本符合要求。答辩时，主要问题基本能够答出。
5）不及格（60分以下）：未按期完成任务书规定的任务，基本概念和基本技能未掌握，在运用理论和专业知识中出现不应有的错误；在整个方案立论分析、实验工作中独立工作能力差。运用现代信息获取手段和方法方面欠缺，了解人工智能领域的最新进展不足，自主学习能力较差。外文翻译资料有错误、不通顺。论文语句基本不通，英文摘要翻译不流畅，有语法和用词错误，文本质量差、图表不全或有错误。答辩时不能清楚阐述设计（论文）的主要内容，基本概念模糊，对主要问题回答错误或回答不出。
第十二章附则
（一）本实施细则由人工智能学院负责解释。
（二）本实施细则自公布之日起执行。除本实施细则所规定内容外，其余内容参照学校教务处相关规定执行。
人工智能学院
2021年6月
附录：信息工程、智能科学与技术、人工智能、自动化专业毕业设计支撑指标点
一、信息工程专业毕业设计支撑指标点
毕业要求
指标点
3.设计/开发解决方案——能够设计针对人工智能和网络中复杂工程问题的解决方案，针对特定需求进行软硬件模块或系统的设计与开发，并能够在设计环节中体现创新意识，考虑社会、健康、安全、法律、文化以及环境等因素。
3.1了解信息领域技术发展的现状与趋势，在人工智能和信息网络复杂工程问题解决方案的设计环节中，体现创新意识，并考虑社会、健康、安全、法律、文化以及环境等因素。
3.3综合考虑各种工程因素，给出人工智能和信息网络整体方案，能够利用软硬件模块，进行信息系统的整体设计与开发；给出解决方案。
4.研究——能够基于科学原理并采用科学方法对人工智能和信息网络中的复杂工程问题进行研究，设计实验方案，获取、分析处理与解释数据，并通过信息综合得到合理有效的结论。
4.1能够针对人工智能和信息网络中的复杂工程问题明确其研究目标，根据目标确定需要的实验数据，完成实验方案的设计。
4.3能正确观察、记录实验数据，并对数据实验结果进行解释，通过信息综合得到合理有效的结论。
5.使用现代工具——针对人工智能和信息网络中的复杂工程问题，能够合理地选择开发工具，恰当地使用资源，运用于复杂工程问题的预测与模拟，并能够理解其局限性
5.1能熟练运用文献检索工具，获取人工智能和信息网络领域理论与技术的最新进展。
6.工程与社会——基于信息工程专业相关背景知识，能够合理分析和评价本专业相关的工程实践和复杂工程问题解决方案可能对社会、健康、安全、法律、文化带来的影响，并理解因实施解决方案可能产生的后果及应承担的责任。
6.2能够理解、评价本专业相关的工程实践和复杂工程问题解决方案等可能对社会、健康、安全、法律以及文化带来的影响。
10．沟通——具有良好的表达能力，能够就人工智能和信息网络中的复杂工程问题与业界同行及社会公众进行有效沟通和交流；熟练掌握一门外语，并具备一定的国际视野，能够在跨文化背景下进行沟通和交流。
10.1具有良好的表达能力，能够与业界同行及社会公众进行有效的沟通和交流。
10.2 熟练掌握一门外语，具备一定的国际视野，能够在跨文化背景下进行沟通、交流与合作。
10.3 能够就复杂工程问题与业界同行及社会公众进行有效沟通和交流，撰写报告和设计文稿、陈述发言等。
12.终身学习——具有自主学习和终身学习的意识，能够追踪信息通信领域发展动态，具备不断学习及适应发展的能力
12.1能认识不断探索和学习的必要性，具有自主学习和掌握自主学习的方法，了解拓展知识和能力的途径。
二、智能科学与技术专业毕业设计支撑指标点
毕业要求
指标点
2.问题分析——能够应用数学、自然科学和工程科学的基本原理，识别、表达并通过文献研究分析智能科学与技术领域的复杂工程问题，以获得有效结论。
2.1针对智能科学与技术领域的复杂工程问题进行问题识别，分析其功能需求与非功能需求，识别其面临的各种制约条件，对人物目标给出需求描述。
2.2根据智能科学与技术领域复杂工程问题的需求描述，运用数学、自然科学和工程科学原理及方法进行分析，建立解决问题的抽象模型。
2.3针对已建立的智能科学与技术领域的复杂工程问题的抽象模型，论证模型的合理性；并通过文献研究，针对改进的可能性进行分析，确定解决方案，获得有效结论。
4.研究——能够基于科学原理并采用科学方法对人工智能和信息网络中的复杂工程问题进行研究，设计实验方案，获取、分析处理与解释数据，并通过信息综合得到合理有效的结论。
4.1能够采用科学方法，通过文献研究和应用案例分析等方法，调研和分析智能科学与技术领域复杂工程问题的解决方案。
5.使用现代工具——具有开发、选择和使用信息技术工具多渠道获取智能科学与技术领域相关信息的能力；能够合理地开发、选择技术开发工具和资源，用于复杂工程问题的设计、开发、仿真及验证过程中。
5.1掌握信息技术工具的使用方法，具有信息获取能力，能够针对智能科学与技术领域复杂工程问题选择和使用信息技术工具，并对获取的信息具有分析和综合能力。
5.2了解智能科学与技术领域常用的技术开发工具和资源的使用方法，能够合理选择并将其用于复杂工程问题的设计、开发、仿真及验证过程中，并能够理解其局限性。
6.工程与社会——针对智能科学与技术领域相关的工程实践和复杂工程问题解决方案，能够合理分析和评价其可能对社会、健康、安全、法律、文化带来的影响，并理解因实施解决方案可能产生的后果及应承担的责任。
6.2能够合理分析和评价智能科学与技术领域相关的工程实践和复杂工程问题解决方案可能对社会、健康、安全、法律、文化带来的影响，并理解因实施解决方案可能产生的后果及应承担的责任。
10．沟通——具有良好的表达能力，能够就智能科学与技术领域复杂工程问题与业界同行及社会公众进行有效沟通和交流；具备一定的国际视野，能够在跨文化背景下进行沟通和交流。
10.1能够以撰写报告、设计文稿、口头陈述等方式，针对智能科学与技术领域复杂工程问题，与业界同行及社会公众进行有效的沟通和交流。
11.项目管理——掌握工程项目管理和经济决策方法，能够对智能科学与技术领域的开发项目进行有效的组织实施和管理，并能在多学科环境中应用。
11.2 能够在多学科环境下，在设计开发智能科学与技术领域复杂工程问题解决方案的过程中，运用工程项目管理与经济决策方法。
12.终身学习——具有自主学习和终身学习的意识，能够追踪信息通信领域发展动态，具备不断学习及适应发展的能力。
12.1能认识不断探索和学习的必要性，具有自主学习和掌握自主学习的方法，了解拓展知识和能力的途径。
三、人工智能专业毕业设计支撑指标点
毕业要求
指标点
2.问题分析——掌握人工智能技术与系统分析的基本原理，能够应用其基本方法，识别、表达并通过文献研究分析复杂工程问题，以获得有效结论。
2.1针对人工智能领域的复杂工程问题进行问题识别，分析其功能需求与非功能需求，识别其面临的各种制约条件，对人物目标给出需求描述。
2.2根据人工智能领域复杂工程问题的需求描述，运用数学、自然科学和工程科学原理及方法进行分析，建立解决问题的抽象模型。
2.3针对已建立的人工智能领域的复杂工程问题的抽象模型，论证模型的合理性；并通过文献研究，针对改进的可能性进行分析，确定解决方案，获得有效结论。
4.研究——能够基于科学原理并采用科学方法对智能系统中的复杂工程问题进行研究，设计实验方案，获取、分析处理与解释数据，并通过信息综合得到合理有效的结论。
4.1能够采用科学方法，通过文献研究和应用案例分析等方法，调研和分析人工智能领域复杂工程问题的解决方案。
5.使用现代工具——具有信息获取能力，能够根据需要选择和使用信息技术工具和检索工具；能够合理地选择技术开发工具和资源，运用于复杂工程问题的设计、开发、仿真及验证过程中，并能够理解其局限性。
5.1掌握信息技术工具的使用方法，具有信息获取能力，能够针对人工智能领域复杂工程问题选择和使用信息技术工具，并对获取的信息具有分析和综合能力。
5.2了解人工智能领域常用的技术开发工具和资源的使用方法，能够合理选择并将其用于复杂工程问题的设计、开发、仿真及验证过程中，并能够理解其局限性。
6.工程与社会——基于人工智能系统工程的相关背景知识，能够合理分析和评价本专业相关的工程实践和复杂工程问题解决方案可能对社会、健康、安全、法律、文化带来的影响，并理解因实施解决方案可能产生的后果及应承担的责任。
6.2能够合理分析和评价人工智能领域相关的工程实践和复杂工程问题解决方案可能对社会、健康、安全、法律、文化带来的影响，并理解应承担的责任。
10．沟通——具有良好的表达能力，能够就复杂工程问题与业界同行及社会公众进行有效沟通和交流；熟练掌握一门外语，并具备一定的国际视野，能够在跨文化背景下进行沟通和交流。
10.1能够以撰写报告、设计文稿、口头陈述等方式，针对人工智能领域复杂工程问题，与业界同行及社会公众进行有效的沟通和交流。
11.项目管理——掌握工程项目管理方法，理解工程活动中设计的重要经济与管理因素，并能在多学科环境以及创新创业实践中加以应用。
11.2 能够在多学科环境下，在设计开发人工智能领域复杂工程问题解决方案的过程中，运用工程项目管理与经济决策方法。
12.终身学习——具有自主学习和终身学习的意识，能够追踪人工智能领域发展动态，具备不断学习及适应发展的能力。
12.1具有自主学习的意识，能够阅读和理解专业文献，学习专业知识和应用技术，具有拓展有更新知识的能力。
四、自动化专业毕业设计支撑指标点
毕业要求
指标点
3.设计/开发解决方案——能够设计针对自动化领域复杂工程问题的解决方案，设计满足特定需求的自动化单元(部件)和系统，并能够在设计环节中体现创新意识，考虑社会、健康、安全、法律、文化以及环境等制约因素。
3.1掌握自动化领域工程设计和产品开发全周期、全流程的基本设计/开发方法和技术，了解影响设计目标和技术方案的各种因素。
4.研究——能够基于科学原理，运用科学的理论和实验方法对自动化领域复杂工程问题进行研究，通过设计和开展实验、分析和解释数据、并通过信息综合得到合理有效的结论。
4.1能够通过文献研究和应用案例分析等方法，调研和分析自动化领域复杂工程问题的解决方案。
4.3能够根据自动化领域复杂工程问题的实验方案，采用科学方法构建实验系统，并安全地开展实验，正确地观察、采集、整理实验数据。
4.4能对实验结果或其他途径获取到的数据进行分析和解释，通过信息综合得到合理有效的结论。
5.使用现代工具——能够针对自动化领域的复杂工程问题，开发、选择并使用恰当的技术、资源、现代工程工具和信息技术，对问题进行预测和模拟，并能够理解和解释其局限性。
5.3能够针对自动化领域具体的复杂工程问题，开发或选用满足特定需求的现代工具，进行模拟和预测，并能够分析其局限性。
10.沟通——能够就自动化领域复杂工程问题与本领域国内外同行及社会公众进行有效沟通和交流，包括撰写报告和设计方案等各类文稿、陈述发言、清晰表达及回应指令，并具备一定的国际视野，能够在跨文化背景下进行沟通和交流。
10.2具有英语听说读写的基本能力，理解并尊重世界不同文化的差异性和多样性，具备一定的国际视野，能够进行跨文化的国际交流。
11.项目管理——理解并掌握自动化领域的工程管理原理与经济决策方法，并能在多学科环境中应用。
11.2能在多学科环境下(包括模拟环境)，在设计开发自动化领域工程解决方案的过程中，合理运用工程管理与经济决策方法。
12.终身学习——关注自动化专业前沿和发展趋势，具有自主学习和终身学习的意识，有不断学习和适应发展的能力。
12.2具有自主学习的能力，包括对技术问题的理解能力、归纳总结的能力和提出问题的能力等。
人工智能，到底如何能改造三千亿规模的建筑勘察设计行业
小库科技创始团队：何宛余（中）、李春（左）、杨小荻（右）
【本文来自钛媒体特色栏目「快公司」，由TMTBASE数据库「我造社区」推荐】
2016年的AlphaGo与李世石大战在全球激发了新一轮的人工智能热潮。瑞银一份预测报告显示，到2030年，人工智能每年为亚洲带来的经济价值将高达1.8万亿-3万亿美元，在金融服务、医疗保健、制造、零售和交通等行业的影响最为巨大。
那么，为什么是这几个行业呢？
因为这几个行业的数据相对容易量化、知识体系容易规则化和标准化，加上这几个行业的信息化程度本来就很高，因此人工智能最容易切入，也最容易产生明显的商业价值。
同样在2016年，一支小小的创业团队受到了AlphaGo的鼓舞，也投身到了把人工智能用于改造传统行业的热潮中，但这支创业团队选择的是建筑工程勘察设计行业。这是一个发展极其缓慢而且本身信息化程度就相当低的行业，而在应用人工智能方面，其难点还在于如何处理非标准化的人类美学观点。
勘察设计是建筑市场的第一个环节，建筑物的生产建造总是从勘察设计开始。勘察设计的产品包括勘察报告、测绘图纸、设计方案、模型、设计图纸、设计说明书、计算书、设计概预算等，通过这些规定了最终建筑物的形态和使用功能等，是后续建筑建造的基本依据。
根据住建部《2015年全国工程勘察设计统计公报》：2015年全国共有具甲乙丙级资质20480个工程勘察设计企业（未包括大量无资质建筑设计公司和事务所）参加了统计，与上年相比增长6.3％；2015年工程勘察设计行业年末从业人员304.3万人，与上年相比增长21.6％；2015年全国工程勘察设计企业营业收入总计27089.0亿元，与上年相比增加8.6％，其中工程设计收入3365.3亿元，占营业收入的12.4％。
小库的欢迎界面
一家名叫小库科技的创业公司，瞄准的就是通过人工智能来改造这3千多亿的建筑勘察工程设计环节。从这个环节入手，小库科技是基于一定的市场调研。
小库科技创始人、前知名国际建筑设计事务所OMA的建筑设计师何宛余向钛媒体介绍说，拿地方案、概念设计、方案深化、初步设计和施工图设计五个步骤是建筑工程设计的主要环节，其中拿地方案、概念设计只占到整个项目的40%，但却需要投入50%的精力，这是因为这两部分工作的重复性和机械性较大，且需要反复修改比较。
另一方面，民用建筑设计的需求广、量大，而很多综合性的民用建筑设计机构都能承担此类勘察设计工作，当市场供求不平衡时，竞争尤为激烈。根据住建部的统计，2015年中国工程设计企业14982个、占企业总数73.2％，工程设计与施工一体化企业3676个、占企业总数17.9％，由此可见工程设计行业的竞争激烈程度，有很多中小建筑设计公司甚至为了吸引客户而将这部分业务免费。
从建筑设计师自身的痛点出发，何宛余和另一位小库科技联合创始人杨小荻一起，研究如何用新技术和新方法来改造建筑设计行业。何宛余和杨小荻同为荷兰代尔夫特理工大学贝尔拉格实验室的硕士，何宛余专注于建筑学与城市设计方向、杨小荻则专注于建筑和城市设计算法。
2007到2009年，两位创始人的硕士论文即为城市设计和建筑设计与计算机编程结合方向，2011年他们利用这套技术开发了一套单机设计辅助系统，用了几个小时就赢得了深圳湾生态科技城前期概念方案的全球公开招标竞赛。2016年，小库科技成立。受到AlphaGo的鼓舞，第三位联合创始人兼CTO也加入了小库科技，这就是美国哥伦比亚大学计算机科学硕士（机器学习方向），前Amazon和Google资深工程师，具备大数据、机器学习和算法研究经验的李春。
小库的技术特色
小库科技的产品为一套基于云端SaaS系统，也是世界上第一个人工智能建筑师“小库”，利用机器智能快速地帮助建筑设计师完成拿地方案、概念设计等环节的方案设计，提升整个设计前期的效率：原本需要1-2周的设计时间缩短为1天，节约了90%的时间；避免大部分因为人工手动计算和排布而出现的错误，合规减错工作量节约了99.99%；原本需要几万元的成本缩减为千百元，节约成本高达90%多。同时，还通过网页端的3D可视化呈现方式，做到实时修改、所见即所得，带来了很好的用户体验。
小库的革新之处在于，所谓拿地方案或基地强排，是地产开发商控制设计的一个方式，目标就是寻找到税后利润最大化的建筑业态组合，而强排就是最高盈利强度排布建筑总图。
强排主要是在容积率、退线、建筑密度、限高、日照间距等规划指标下，结合当地不同建筑产品的营销情况，排出各种追逐利润最大化的产品规划方案。但在实际方案中，还要加入对于用户需求、规划审批、建筑形态等更多的要求。所以民用建筑的拿地方案的设计工作量大、标准化程度高、反复修改的机械劳动强度大，一块建筑基地的拿地方案理论上可以有无限多种组合，这就可以让AlphaGo算法中的增强学习算法派上用场了。
小库可模拟日照显示
所谓增强学习，就是开放的、无人工监督的神经元网络。换句话说，即让人工神经元网络学会自我学习、自我进化，尤其适用于无限多种可能性的最优解筛选。AlphaGo即通过增强学习，让机器可自动在无限多种可能的棋谱中优选出最适合当前棋局的棋谱，同样的原理用在拿地方案上就是让机器在无限多种可能的拿地方案中优选出前十名，供各方决策。
2017年6月3日，小库科技在深圳发布了内测版，联合创始人兼CTO李春介绍了人工智能建筑师“小库”的算法1.0版本，主要包括基于自我增强学习算法的拿地方案生成机制和评估机制，在1.0版本中还提供了100+的真实基地以及300多万种拿地方案，实现了方案优品率达80%。“小库”自带各种城市建筑设计规范和经验，在生成拿地方案的时候就自动完成了各种合规验查，而这则源自何宛余和杨小荻最近十年的研究成果。
当然，在设计方案的评估机制中，除了根据各种标准的计算部分外，还有一个设计师“点赞”的部分，也就引入了非标准化的主观美学观点。何宛余表示，之所以开放内测版，就是希望更多的设计师参与到“小库”算法的设计中。除了通过“众筹”方式引入非标的设计师观点外，小库科技还在6月3日的发布会上发布了罗塞塔计划，即通过深度学习的方式去分析和理解中外古今建筑大师的设计方案和风格，持续丰富“小库”算法模型，使大师们的智慧成果超越时间维度，协助当今的设计思考和实践。
实际上，罗塞塔计划不仅能对过去的设计智慧进行总结，也能学习当下特定的设计风格和逻辑，为有需求的企业量身定制完整版权的算法，让其设计思想从目前的单一项目跨越到多项目普遍适用。这其实也是对知识产权进行保护的有效手段，可以杜绝抄袭模仿的不良现象，创造更健康的设计生态。未来，小库科技还计划通过对数字化地图的机器学习，来吸收现有的全球建筑群设计方案“大数据”。
小库的可视化显示
人工智能建筑师“小库”SaaS软件分为按次付费个人版、按月付费团队版和按年付费企业版，具体价格将在今年秋季正式版发布时公布。小库科技除了动了3000多亿建筑设计市场的“奶酪”外，由于勘察设计是整个建筑市场的第一阶段，小库科技未来也有望对整个建筑行业的信息化与人工智能化产生深远的影响。
何宛余强调，小库科技将做的是建筑行业的人工智能生态圈，在小库开放API和相关数据的基础上，第三方建筑服务商或者建筑师将可以在小库的平台上进行算法开发、算法交易、信息交换等，同时他们也有机会使用小库独有的AI计算能力与城市建筑海量数据，通过这样多方的添砖加瓦，促进建筑整个行业的健康发展，因此改造3千亿的建筑勘察设计市场仅仅是个开始。
至于为什么说“小库”是世界上第一个人工智能建筑设计师，何宛余表示这是因为建筑勘察设计这个领域太古老，全球来看也没有人想到会用人工智能来改造这个领域。何宛余与杨小荻花费十年的时间研究建筑和城市设计算法，当时也没想到会在十年后出现AlphaGo。小库科技这家创业公司的出现，可以说是用人工智能改造古老传统行业的偶然事件，但也反应了整个人工智能大趋势未来十年的必然走向。（本文首发钛媒体，记者/吴宁川）