新一代人工智能的发展与展望
随着大数据、云计算等技术的飞速发展，人们生产生活的数据基础和信息环境得到了大幅提升，人工智能（AI）正在从专用智能迈向通用智能，进入了全新的发展阶段。国务院印发的《新一代人工智能发展规划》指出新一代人工智能相关学科发展、理论建模、技术创新、软硬件升级等整体推进，正在引发链式突破，推动经济社会各领域从数字化、网络化向智能化加速跃升。在4月10日“吴文俊人工智能科学技术奖”十周年颁奖盛典中，作为我国不确定性人工智能领域的主要开拓者、中国人工智能学会名誉理事长李德毅院士荣获“吴文俊人工智能最高成就奖”，并在大会上作题为《探索什么叫新一代人工智能》的报告，探讨了新一代人工智能的内涵和路径，引领着新一代人工智能的发展与展望。
人工智能这一概念诞生于1956年在美国达特茅斯学院举行的“人工智能夏季研讨会”，随后在20世纪50年代末和80年代初先后两次步入发展高峰，但因为技术瓶颈、应用成本等局限性而均掉入低谷。在信息技术的引领下，数据信息快速积累，运算能力大幅提升，人工智能发展环境发生了巨大变化，跨媒体智能、群体智能成为新的发展方向，以2006年深度学习模型的提出为标志，人工智能第三次站在了科技发展的浪潮之巅。
当前，随着移动互联网、物联网、大数据、云计算和人工智能等新一代信息技术的加速迭代演进，人类社会与物理世界的二元结构正在进阶到人类社会、信息空间和物理世界的三元结构，人与人、机器与机器、人与机器的交流互动愈加频繁。在多源数据、多元应用和超算能力、算法模型的共同驱动下，传统以计算机智能为基础的、依赖于算力算法和数据的人工智能，强调通用学习和大规模训练集的机器学习，正逐渐朝着以开放性智能为基础、依赖于交互学习和记忆、基于推理和知识驱动的以混合认知模型为中心的新一代人工智能方向迈进。应该说，新一代人工智能的内核是“会学习”，相较于当下只是代码的重复简单执行，新一代人工智能则需要能够在学习过程中解决新的问题。其中，学习的条件是认知，学习的客体是知识，学习的形态是交互，学习的核心是理解，学习的结果是记忆……因此，学习是新一代人工智能解释解决现实问题的基础，记忆智能是新一代人工智能中多领域、多情景可计算智能的边界和约束。进而当人类进入和智能机器互动的时代，新一代人工智能需要与时俱进地持续学习，不断检视解决新的问题，帮助人机加深、加快从对态势的全息感知递进到对世界的多维认知。
事实上，基于数据驱动型的传统人工智能，大多建立在“数据中立、算法公正和程序正义”三要素基础之上，而新一代人工智能更关注于交互能力，旨在通过设计“记忆”模块来模仿人脑，解决更灵活多变的实际问题，真正成为“不断学习、与时俱进”的人工智能。特别是人机交互支撑实现人机交叉融合与协同互动，目前已在多个领域取得了卓越成果，形成了多方面、多种类、多层次的应用。例如，在线客服可以实现全天候不间断服务，轻松解决用户咨询等问题，也可将棘手问题转交人工客服处理，降低了企业的管理成本；在智慧医疗领域，人工智能可以通过神经影像实现辅助智能诊断，帮助医生阅片，目前准确率已达95%以上，节省了大量的人力；2020年，在抗击疫情的过程中，新一代人工智能技术加速与交通、医疗、教育、应急等事务协作联动，在科技战“疫”中大显身手，助力疫情防控取得显著成效。
未来已来，随着人工智能逐渐融入居民生活的方方面面，将继续在智慧医疗、自动驾驶、工业制造智能化等领域崭露头角。一是基于新一代人工智能的智慧医疗，将助力医院更好记录、存储和分析患者的健康信息，提供更加精准化和个性化的健康服务，显著提升医院的临床诊断精确度。二是通过将新一代人工智能运用于自动驾驶系统的感知、预测和决策等方面，重点解决车道协同、多车调度、传感器定位等问题，重新定义城市生活中人们的出行方式。三是由于我国工业向大型化、高速化、精细化、自主化发展，对高端大规模可编程自动化系统提出迫切需求，新一代人工智能将推动基于工业4.0发展纲领，以高度自动化的智能感知为核心，主动排除生产障碍，发展具备有适应性、资源效率、人机协同工程的智能工厂应运而生。总之，如何展望人工智能通过交互学习和记忆理解实现自编程和自成长，提升自主学习和人机交互的效率，将是未来研究着力发展的硬核领域，并加速新一代信息技术与智能制造深度融合，推动数字化转型走深走实，有信心、有能力去迎接下一场深刻产业变革的到来。
人工智能的历史、现状和未来
如同蒸汽时代的蒸汽机、电气时代的发电机、信息时代的计算机和互联网，人工智能正成为推动人类进入智能时代的决定性力量。全球产业界充分认识到人工智能技术引领新一轮产业变革的重大意义，纷纷转型发展，抢滩布局人工智能创新生态。世界主要发达国家均把发展人工智能作为提升国家竞争力、维护国家安全的重大战略，力图在国际科技竞争中掌握主导权。习近平总书记在十九届中央政治局第九次集体学习时深刻指出，加快发展新一代人工智能是事关我国能否抓住新一轮科技革命和产业变革机遇的战略问题。错失一个机遇，就有可能错过整整一个时代。新一轮科技革命与产业变革已曙光可见，在这场关乎前途命运的大赛场上，我们必须抢抓机遇、奋起直追、力争超越。
概念与历程
了解人工智能向何处去，首先要知道人工智能从何处来。1956年夏，麦卡锡、明斯基等科学家在美国达特茅斯学院开会研讨“如何用机器模拟人的智能”，首次提出“人工智能（ArtificialIntelligence，简称AI）”这一概念，标志着人工智能学科的诞生。
人工智能是研究开发能够模拟、延伸和扩展人类智能的理论、方法、技术及应用系统的一门新的技术科学，研究目的是促使智能机器会听（语音识别、机器翻译等）、会看（图像识别、文字识别等）、会说（语音合成、人机对话等）、会思考（人机对弈、定理证明等）、会学习（机器学习、知识表示等）、会行动（机器人、自动驾驶汽车等）。
人工智能充满未知的探索道路曲折起伏。如何描述人工智能自1956年以来60余年的发展历程，学术界可谓仁者见仁、智者见智。我们将人工智能的发展历程划分为以下6个阶段：
一是起步发展期：1956年—20世纪60年代初。人工智能概念提出后，相继取得了一批令人瞩目的研究成果，如机器定理证明、跳棋程序等，掀起人工智能发展的第一个高潮。
二是反思发展期：20世纪60年代—70年代初。人工智能发展初期的突破性进展大大提升了人们对人工智能的期望，人们开始尝试更具挑战性的任务，并提出了一些不切实际的研发目标。然而，接二连三的失败和预期目标的落空（例如，无法用机器证明两个连续函数之和还是连续函数、机器翻译闹出笑话等），使人工智能的发展走入低谷。
三是应用发展期：20世纪70年代初—80年代中。20世纪70年代出现的专家系统模拟人类专家的知识和经验解决特定领域的问题，实现了人工智能从理论研究走向实际应用、从一般推理策略探讨转向运用专门知识的重大突破。专家系统在医疗、化学、地质等领域取得成功，推动人工智能走入应用发展的新高潮。
四是低迷发展期：20世纪80年代中—90年代中。随着人工智能的应用规模不断扩大，专家系统存在的应用领域狭窄、缺乏常识性知识、知识获取困难、推理方法单一、缺乏分布式功能、难以与现有数据库兼容等问题逐渐暴露出来。
五是稳步发展期：20世纪90年代中—2010年。由于网络技术特别是互联网技术的发展，加速了人工智能的创新研究，促使人工智能技术进一步走向实用化。1997年国际商业机器公司（简称IBM）深蓝超级计算机战胜了国际象棋世界冠军卡斯帕罗夫，2008年IBM提出“智慧地球”的概念。以上都是这一时期的标志性事件。
六是蓬勃发展期：2011年至今。随着大数据、云计算、互联网、物联网等信息技术的发展，泛在感知数据和图形处理器等计算平台推动以深度神经网络为代表的人工智能技术飞速发展，大幅跨越了科学与应用之间的“技术鸿沟”，诸如图像分类、语音识别、知识问答、人机对弈、无人驾驶等人工智能技术实现了从“不能用、不好用”到“可以用”的技术突破，迎来爆发式增长的新高潮。
现状与影响
对于人工智能的发展现状，社会上存在一些“炒作”。比如说，认为人工智能系统的智能水平即将全面超越人类水平、30年内机器人将统治世界、人类将成为人工智能的奴隶，等等。这些有意无意的“炒作”和错误认识会给人工智能的发展带来不利影响。因此，制定人工智能发展的战略、方针和政策，首先要准确把握人工智能技术和产业发展的现状。
专用人工智能取得重要突破。从可应用性看，人工智能大体可分为专用人工智能和通用人工智能。面向特定任务（比如下围棋）的专用人工智能系统由于任务单一、需求明确、应用边界清晰、领域知识丰富、建模相对简单，形成了人工智能领域的单点突破，在局部智能水平的单项测试中可以超越人类智能。人工智能的近期进展主要集中在专用智能领域。例如，阿尔法狗（AlphaGo）在围棋比赛中战胜人类冠军，人工智能程序在大规模图像识别和人脸识别中达到了超越人类的水平，人工智能系统诊断皮肤癌达到专业医生水平。
通用人工智能尚处于起步阶段。人的大脑是一个通用的智能系统，能举一反三、融会贯通，可处理视觉、听觉、判断、推理、学习、思考、规划、设计等各类问题，可谓“一脑万用”。真正意义上完备的人工智能系统应该是一个通用的智能系统。目前，虽然专用人工智能领域已取得突破性进展，但是通用人工智能领域的研究与应用仍然任重而道远，人工智能总体发展水平仍处于起步阶段。当前的人工智能系统在信息感知、机器学习等“浅层智能”方面进步显著，但是在概念抽象和推理决策等“深层智能”方面的能力还很薄弱。总体上看，目前的人工智能系统可谓有智能没智慧、有智商没情商、会计算不会“算计”、有专才而无通才。因此，人工智能依旧存在明显的局限性，依然还有很多“不能”，与人类智慧还相差甚远。
人工智能创新创业如火如荼。全球产业界充分认识到人工智能技术引领新一轮产业变革的重大意义，纷纷调整发展战略。比如，谷歌在其2017年年度开发者大会上明确提出发展战略从“移动优先”转向“人工智能优先”，微软2017财年年报首次将人工智能作为公司发展愿景。人工智能领域处于创新创业的前沿。麦肯锡公司报告指出，2016年全球人工智能研发投入超300亿美元并处于高速增长阶段；全球知名风投调研机构CBInsights报告显示，2017年全球新成立人工智能创业公司1100家，人工智能领域共获得投资152亿美元，同比增长141%。
创新生态布局成为人工智能产业发展的战略高地。信息技术和产业的发展史，就是新老信息产业巨头抢滩布局信息产业创新生态的更替史。例如，传统信息产业代表企业有微软、英特尔、IBM、甲骨文等，互联网和移动互联网时代信息产业代表企业有谷歌、苹果、脸书、亚马逊、阿里巴巴、腾讯、百度等。人工智能创新生态包括纵向的数据平台、开源算法、计算芯片、基础软件、图形处理器等技术生态系统和横向的智能制造、智能医疗、智能安防、智能零售、智能家居等商业和应用生态系统。目前智能科技时代的信息产业格局还没有形成垄断，因此全球科技产业巨头都在积极推动人工智能技术生态的研发布局，全力抢占人工智能相关产业的制高点。
人工智能的社会影响日益凸显。一方面，人工智能作为新一轮科技革命和产业变革的核心力量，正在推动传统产业升级换代，驱动“无人经济”快速发展，在智能交通、智能家居、智能医疗等民生领域产生积极正面影响。另一方面，个人信息和隐私保护、人工智能创作内容的知识产权、人工智能系统可能存在的歧视和偏见、无人驾驶系统的交通法规、脑机接口和人机共生的科技伦理等问题已经显现出来，需要抓紧提供解决方案。
趋势与展望
经过60多年的发展，人工智能在算法、算力（计算能力）和算料（数据）等“三算”方面取得了重要突破，正处于从“不能用”到“可以用”的技术拐点，但是距离“很好用”还有诸多瓶颈。那么在可以预见的未来，人工智能发展将会出现怎样的趋势与特征呢？
从专用智能向通用智能发展。如何实现从专用人工智能向通用人工智能的跨越式发展，既是下一代人工智能发展的必然趋势，也是研究与应用领域的重大挑战。2016年10月，美国国家科学技术委员会发布《国家人工智能研究与发展战略计划》，提出在美国的人工智能中长期发展策略中要着重研究通用人工智能。阿尔法狗系统开发团队创始人戴密斯·哈萨比斯提出朝着“创造解决世界上一切问题的通用人工智能”这一目标前进。微软在2017年成立了通用人工智能实验室，众多感知、学习、推理、自然语言理解等方面的科学家参与其中。
从人工智能向人机混合智能发展。借鉴脑科学和认知科学的研究成果是人工智能的一个重要研究方向。人机混合智能旨在将人的作用或认知模型引入到人工智能系统中，提升人工智能系统的性能，使人工智能成为人类智能的自然延伸和拓展，通过人机协同更加高效地解决复杂问题。在我国新一代人工智能规划和美国脑计划中，人机混合智能都是重要的研发方向。
从“人工+智能”向自主智能系统发展。当前人工智能领域的大量研究集中在深度学习，但是深度学习的局限是需要大量人工干预，比如人工设计深度神经网络模型、人工设定应用场景、人工采集和标注大量训练数据、用户需要人工适配智能系统等，非常费时费力。因此，科研人员开始关注减少人工干预的自主智能方法，提高机器智能对环境的自主学习能力。例如阿尔法狗系统的后续版本阿尔法元从零开始，通过自我对弈强化学习实现围棋、国际象棋、日本将棋的“通用棋类人工智能”。在人工智能系统的自动化设计方面，2017年谷歌提出的自动化学习系统（AutoML）试图通过自动创建机器学习系统降低人员成本。
人工智能将加速与其他学科领域交叉渗透。人工智能本身是一门综合性的前沿学科和高度交叉的复合型学科，研究范畴广泛而又异常复杂，其发展需要与计算机科学、数学、认知科学、神经科学和社会科学等学科深度融合。随着超分辨率光学成像、光遗传学调控、透明脑、体细胞克隆等技术的突破，脑与认知科学的发展开启了新时代，能够大规模、更精细解析智力的神经环路基础和机制，人工智能将进入生物启发的智能阶段，依赖于生物学、脑科学、生命科学和心理学等学科的发现，将机理变为可计算的模型，同时人工智能也会促进脑科学、认知科学、生命科学甚至化学、物理、天文学等传统科学的发展。
人工智能产业将蓬勃发展。随着人工智能技术的进一步成熟以及政府和产业界投入的日益增长，人工智能应用的云端化将不断加速，全球人工智能产业规模在未来10年将进入高速增长期。例如，2016年9月，咨询公司埃森哲发布报告指出，人工智能技术的应用将为经济发展注入新动力，可在现有基础上将劳动生产率提高40%；到2035年，美、日、英、德、法等12个发达国家的年均经济增长率可以翻一番。2018年麦肯锡公司的研究报告预测，到2030年，约70%的公司将采用至少一种形式的人工智能，人工智能新增经济规模将达到13万亿美元。
人工智能将推动人类进入普惠型智能社会。“人工智能+X”的创新模式将随着技术和产业的发展日趋成熟，对生产力和产业结构产生革命性影响，并推动人类进入普惠型智能社会。2017年国际数据公司IDC在《信息流引领人工智能新时代》白皮书中指出，未来5年人工智能将提升各行业运转效率。我国经济社会转型升级对人工智能有重大需求，在消费场景和行业应用的需求牵引下，需要打破人工智能的感知瓶颈、交互瓶颈和决策瓶颈，促进人工智能技术与社会各行各业的融合提升，建设若干标杆性的应用场景创新，实现低成本、高效益、广范围的普惠型智能社会。
人工智能领域的国际竞争将日益激烈。当前，人工智能领域的国际竞赛已经拉开帷幕，并且将日趋白热化。2018年4月，欧盟委员会计划2018—2020年在人工智能领域投资240亿美元；法国总统在2018年5月宣布《法国人工智能战略》，目的是迎接人工智能发展的新时代，使法国成为人工智能强国；2018年6月，日本《未来投资战略2018》重点推动物联网建设和人工智能的应用。世界军事强国也已逐步形成以加速发展智能化武器装备为核心的竞争态势，例如美国特朗普政府发布的首份《国防战略》报告即谋求通过人工智能等技术创新保持军事优势，确保美国打赢未来战争；俄罗斯2017年提出军工拥抱“智能化”，让导弹和无人机这样的“传统”兵器威力倍增。
人工智能的社会学将提上议程。为了确保人工智能的健康可持续发展，使其发展成果造福于民，需要从社会学的角度系统全面地研究人工智能对人类社会的影响，制定完善人工智能法律法规，规避可能的风险。2017年9月，联合国犯罪和司法研究所（UNICRI）决定在海牙成立第一个联合国人工智能和机器人中心，规范人工智能的发展。美国白宫多次组织人工智能领域法律法规问题的研讨会、咨询会。特斯拉等产业巨头牵头成立OpenAI等机构，旨在“以有利于整个人类的方式促进和发展友好的人工智能”。
态势与思考
当前，我国人工智能发展的总体态势良好。但是我们也要清醒看到，我国人工智能发展存在过热和泡沫化风险，特别在基础研究、技术体系、应用生态、创新人才、法律规范等方面仍然存在不少值得重视的问题。总体而言，我国人工智能发展现状可以用“高度重视，态势喜人，差距不小，前景看好”来概括。
高度重视。党中央、国务院高度重视并大力支持发展人工智能。习近平总书记在党的十九大、2018年两院院士大会、全国网络安全和信息化工作会议、十九届中央政治局第九次集体学习等场合多次强调要加快推进新一代人工智能的发展。2017年7月，国务院发布《新一代人工智能发展规划》，将新一代人工智能放在国家战略层面进行部署，描绘了面向2030年的我国人工智能发展路线图，旨在构筑人工智能先发优势，把握新一轮科技革命战略主动。国家发改委、工信部、科技部、教育部等国家部委和北京、上海、广东、江苏、浙江等地方政府都推出了发展人工智能的鼓励政策。
态势喜人。据清华大学发布的《中国人工智能发展报告2018》统计，我国已成为全球人工智能投融资规模最大的国家，我国人工智能企业在人脸识别、语音识别、安防监控、智能音箱、智能家居等人工智能应用领域处于国际前列。根据2017年爱思唯尔文献数据库统计结果，我国在人工智能领域发表的论文数量已居世界第一。近两年，中国科学院大学、清华大学、北京大学等高校纷纷成立人工智能学院，2015年开始的中国人工智能大会已连续成功召开四届并且规模不断扩大。总体来说，我国人工智能领域的创新创业、教育科研活动非常活跃。
差距不小。目前我国在人工智能前沿理论创新方面总体上尚处于“跟跑”地位，大部分创新偏重于技术应用，在基础研究、原创成果、顶尖人才、技术生态、基础平台、标准规范等方面距离世界领先水平还存在明显差距。在全球人工智能人才700强中，中国虽然入选人数名列第二，但远远低于约占总量一半的美国。2018年市场研究顾问公司CompassIntelligence对全球100多家人工智能计算芯片企业进行了排名，我国没有一家企业进入前十。另外，我国人工智能开源社区和技术生态布局相对滞后，技术平台建设力度有待加强，国际影响力有待提高。我国参与制定人工智能国际标准的积极性和力度不够，国内标准制定和实施也较为滞后。我国对人工智能可能产生的社会影响还缺少深度分析，制定完善人工智能相关法律法规的进程需要加快。
前景看好。我国发展人工智能具有市场规模、应用场景、数据资源、人力资源、智能手机普及、资金投入、国家政策支持等多方面的综合优势，人工智能发展前景看好。全球顶尖管理咨询公司埃森哲于2017年发布的《人工智能：助力中国经济增长》报告显示，到2035年人工智能有望推动中国劳动生产率提高27%。我国发布的《新一代人工智能发展规划》提出，到2030年人工智能核心产业规模超过1万亿元，带动相关产业规模超过10万亿元。在我国未来的发展征程中，“智能红利”将有望弥补人口红利的不足。
当前是我国加强人工智能布局、收获人工智能红利、引领智能时代的重大历史机遇期，如何在人工智能蓬勃发展的浪潮中选择好中国路径、抢抓中国机遇、展现中国智慧等，需要深入思考。
树立理性务实的发展理念。任何事物的发展不可能一直处于高位，有高潮必有低谷，这是客观规律。实现机器在任意现实环境的自主智能和通用智能，仍然需要中长期理论和技术积累，并且人工智能对工业、交通、医疗等传统领域的渗透和融合是个长期过程，很难一蹴而就。因此，发展人工智能要充分考虑到人工智能技术的局限性，充分认识到人工智能重塑传统产业的长期性和艰巨性，理性分析人工智能发展需求，理性设定人工智能发展目标，理性选择人工智能发展路径，务实推进人工智能发展举措，只有这样才能确保人工智能健康可持续发展。
重视固本强基的原创研究。人工智能前沿基础理论是人工智能技术突破、行业革新、产业化推进的基石。面临发展的临界点，要想取得最终的话语权，必须在人工智能基础理论和前沿技术方面取得重大突破。我们要按照习近平总书记提出的支持科学家勇闯人工智能科技前沿“无人区”的要求，努力在人工智能发展方向和理论、方法、工具、系统等方面取得变革性、颠覆性突破，形成具有国际影响力的人工智能原创理论体系，为构建我国自主可控的人工智能技术创新生态提供领先跨越的理论支撑。
构建自主可控的创新生态。我国人工智能开源社区和技术创新生态布局相对滞后，技术平台建设力度有待加强。我们要以问题为导向，主攻关键核心技术，加快建立新一代人工智能关键共性技术体系，全面增强人工智能科技创新能力，确保人工智能关键核心技术牢牢掌握在自己手里。要着力防范人工智能时代“空心化”风险，系统布局并重点发展人工智能领域的“新核高基”：“新”指新型开放创新生态，如产学研融合等；“核”指核心关键技术与器件，如先进机器学习技术、鲁棒模式识别技术、低功耗智能计算芯片等；“高”指高端综合应用系统与平台，如机器学习软硬件平台、大型数据平台等；“基”指具有重大原创意义和技术带动性的基础理论与方法，如脑机接口、类脑智能等。同时，我们要重视人工智能技术标准的建设、产品性能与系统安全的测试。特别是我国在人工智能技术应用方面走在世界前列，在人工智能国际标准制定方面应当掌握话语权，并通过实施标准加速人工智能驱动经济社会转型升级的进程。
推动共担共享的全球治理。目前看，发达国家通过人工智能技术创新掌控了产业链上游资源，难以逾越的技术鸿沟和产业壁垒有可能进一步拉大发达国家和发展中国家的生产力发展水平差距。在发展中国家中，我国有望成为全球人工智能竞争中的领跑者，应布局构建开放共享、质优价廉、普惠全球的人工智能技术和应用平台，配合“一带一路”建设，让“智能红利”助推共建人类命运共同体。
（作者：中央人民政府驻香港特别行政区联络办公室副主任、中国科学院院士）
AI＋Design：人工智能赋能创意设计的价值
2020年7月23日，青创联盟发起的YOSIAWebinar线上学术研讨会特别推出了“AI+X”科学系列主题第四期“AI+Design：人工智能赋能创意设计的价值”邀请AI+Fashion、AI+建筑和AI+工业设计三个方面的前沿学者和科技创新者，分享AI赋能时尚、建筑设计和工业设计的价值和应用案例，一同探讨AI赋能创意设计时代的工业升级、人才培养和未来发展方向。
·
主持嘉宾：
-范凌,未来论坛青年理事；特赞信息科技创始人及CEO；同济大学设计人工智能实验室主任、博士生导师
主讲嘉宾：
-KostasTerzidis，同济大学设计创意学院教授，DirectoroftheAlgorithmicDesignLab
-KittyYeung，应用物理博士，知名创客，微软量子计算机项目经理
-袁烽,同济大学建筑与规划学院教授
讨论嘉宾：
-王敏，中央美术学院教授、博士生导师
特别鸣谢报告编辑：
-许欣悦，同济大学设计创意学院硕士
-王韵嘉，帕森斯设计学院DESIGN&TECH硕士
ONE
一、主题分享
1
Permutation-basedNeuralNetworks——KostasTerzidis
基于排列的神经网络是基于海量的数据操作，枚举所有可能的组合，然后通过神经网络过滤得到这些组合中的有意义部分的技术。报告首先介绍了近三十年来数字设计的发展，并讲述了设计以及排列的概念及原理，然后介绍了基于排列的神经网络在不同领域的应用。最后展望了量子计算关于解决排列设计问题的发展潜力。
在数字设计出现之前，摄影师就是摄影师，画家就是画家。一张照片的价值基于对现实的描绘，一幅画的价值取决于画家的能力。但在九十年代后期，设计软件的出现，允许任何一个用户都可以“模拟”画家，用电脑来创作艺术。而艺术的实际生产者，也就是编写设计软件的程序员们，但他们却与艺术没有直接关系。随着技术的发展，神经网络出现了，已经有算法模型可以帮助生成代码。我们可以这样说，一开始我们是在“人类时代”，然后到了“算法时代”，再发展下去，就到了“Meta（元）时代”，“Meta”是一个希腊语词，意思是事物的本质。Meta意味着能生成代码的代码，或者能创作一幅画的画。这就是Meta的含义。
接下来谈论关于设计的内涵。在英语中，设计就是无中生有，是凭空创造出来的东西。但在希腊语中不同，设计是关于你“有过”的东西。如果你有一个想法，但你失去了它，这意味着你忘记了它。所以根据希腊人的说法，设计是一个记住你忘记的东西的过程。这是一个非常重要的概念——它与我们做什么无关，而与我们记得要去做什么有关。
排列的概念是将所有的组合的可能性都列举出来。如果我们有一幅画，它是一张黑白图像，具有3*3的分辨率，那一共会有512(2的9次方)种可能。这些就是我们能画出的所有可能的画，意味着在这里面，肯定存在一幅画是我们正在寻找的，因为所有的组合都在我们面前。如果想找十字形的图案，那么就可以遍历所有的情况然后找出相对应的图案。
通过这种排列的模式，我们可以做到的不是通常设计中的从“无”到“有”的概念，而是找遍所有的可能性，从中找出你想要的设计。这与普通的设计的概念有着本质区别。
再举一个例子，我们有8个单词，它们可以通过排列组合组成很多句子。但是组合的数量太多，我们要从中寻找的是有意义的句子。我们不需要用自己的大脑来遍历这么多组合，而是制造一份我们大脑的“副本”。这个“副本”是一个系统，我们训练它来识别我们要找的东西。这就是我们所说的神经网络。它可以根据我们对它的训练在短时间内遍历所有的组合并找到其中有意义的组合。这就是基于排列的神经网络的全部思想。
基于排列的神经网络在很多领域都有应用。比如在时尚领域，对于服装搭配的排列组合，该应用可以帮助发现衣橱里所有衣服可能出现的排列组合，并利用神经网络来进行选择，解决服装搭配的问题。另外关于食物，冰箱里的食物可以用各种可能的方法组合起来制作食谱，过滤掉不好吃、不健康的食谱，但总有最好的食谱会存在于所有的排列组合中。同理也有音乐的排列组合、妆容中颜色的排列组合、建筑设计中的排列组合、故事情节的排列组合等等。
但是这里存在一个问题，随着选择的增加，排列组合的可能性会变得非常多。但是随着量子计算的发展，我们在将来可以解决这个问题。我们使用排列来做设计，并使用量子计算来消除信息的复杂性和数量，最终得到我们想要的设计。
02
AI如何能帮助到服装设计和生产，并解决此领域中最大的痛点–污染和浪费？——KittyYeung
报告主要介绍了AI在服装设计领域中的应用以及目前服装行业中的痛点和如何利用科技来解决的方法。报告主要围绕科学、工程、设计和艺术这四个方面的结合展开，讲述一些从我自己的服装品牌“ArtbyPhysicist”以及在微软引领的一个创新项目当中总结的一些想法。
科学和艺术虽然听起来离的很远，但是两者其实非常相似，无论是科学还是艺术都是在探索未知。而工程和设计之间的结合最能够帮助到人们做出人们需要和喜欢的东西。
目前，AI在服装设计领域已经有了一些应用，比如可穿戴，我的作品中包括利用脑电波控制裙子上的反应；用机器学习捕捉手势，然后展示衣服上的星空；采集心跳数据检测到我们的健康状况。不单单可以采集我们身体的数据，还可以采集环境数据。发现环境中的信息可以让我们对大自然有更多更深刻的理解，并能采取一定的行动帮助环境保护。
在做可穿戴的过程中，我发现服装产业一大痛点是将设计到生产的转化过程。设计师开发一个产品到生产出来需要很长时间。每一款原创设计开发的价格和生产的价格，都是非常贵的。但同时服装这个产业又是世界上污染与浪费最大的产业之一，它是世界GDP的2%，世界上碳足迹10%的产出者。每年全球有30%的衣服卖不出去，有十几百万吨的垃圾要被烧掉或者当垃圾扔掉，所以加起来在服装产业当中有上百亿的浪费。
所以我们要减少浪费，要使用更环保的方法，要更加个性化以及按需生产。与电子产品的生产过程相比，服装生产有很多手工出错的地方，经常需要来回修改。AI实际上就可以用到服装生产和设计中来帮助解决这些痛点。AI在时尚界的应用基本上现在有两类，一个是通过数据去预测潮流，为了减少存货，所以我们想通过看每年的潮流是怎样的，去预测新产品的销量；再一个是能够用机器学习、计算机视觉去捕捉人们拍的照片，捕捉到衣服款式等信息来做推荐。
但是这些应用是远远不够的，并且只利用AI技术也不够，要与其他科技结合到一起去建立完整的生态链。我们应该让衣服从设计到生产有一个更快捷的设计过程，然后把这些版型和做衣服的这些不同步骤模块化，并且用平台把它建立起来，让设计师上载设计图稿就能够帮助他们制作出来。所以不仅需要人工智能方面的帮助，还要有数字化和运用到云端，能够让我们回归到量体裁衣，但是能够很有效率的做到这一点。同时，还需要有定制化个性化的方式去配合。我们可以虚拟的让人们试穿，或者让人们通过输入自己的身体数据，利用机器学习来自动调整服装版型，然后再进行裁剪。最终我们希望可以赋予大家能力，让生产更民主化，让世界各地的有手艺的人有这样的平台，能够帮助设计师在任何一个地方都能做出想要的有创意的产品以及大众需要的个性化的产品。
总的来说，科技不应该取代人类，而是赋能于人。虽然会有一些工作被机器取代，但是事实上它最终还是能让人们做更有意义的创造性工作。科学与工程能够提高我们生产消费者产品和工业设施的效率。消费者产品与工业设施的行业实际上能够让我们产生艺术与文化。艺术与文化是快乐的来源，有了快乐让我们做更多科学与工程。这是一个正向的循环，能够不断地每个领域帮助到另一个领域，能够结合到一起去，这样能够推动我们向更好的方向发展。
3
人工智能vs智能增强——袁烽
报告首先讲述了智能化和数字化在建筑学领域的发展历史，以及人工智能技术的发展和智能增强的概念，再到人工智能在建筑和设计领域展开的相关应用，最后总结了如何利用人工智能达到对设计学的提升。
随着整个社会数字化的进程的发展，人工智能已经成为其中非常重要的环节。智能化和数字化在建筑学领域的发展中，经历了以下几个阶段，分别是模块化、计算设计、参数化主义和人工智能。
人工智能可以分为早期和后期。早期我们也把它称为GOFAI（GoodOld-fashionAI），它是一种简单的基于一些符号和一些数码逻辑，以及像二进制、八进制、十六进制这样一些可被数字和数字逻辑来概括的一种方式，很多棋类游戏像国际象棋，AlphaGo，基本上还是基于GoodOld-FashionAI，基于一种简单的可推理的逻辑来进行建立的早期的AI发展。
而后期的所谓新派人工智能New-fangledAI，新派人工智能用简单的话讲就是新的连接主义（Connectionism/ANN），这种新的连接主义是模拟人脑思维方式通过输入的信息、输入的参数，然后经过细胞和大脑的复杂运算来输出一个结果，一个指令的过程。
人工智能可以分为强人工智能和弱人工智能。所谓强人工智能就是希望人工智能体是有知觉和自我意识的，而这种有知觉和自我意识的强人工智能体还没有出现。
现在我们的研究领域是智能增强，在设计和建筑机器人领域，我们做的很多尝试还是弱人工智能阶段。人工智能在建筑领域的算法，包括以下CNN、GAN、ANN、RNN等。其中CNN是从图像到向量的关系，GAN是从图像到图像的模拟，ANN是从向量到向量的模拟，RNN是有序的向量到向量的模拟。
我们近期组织了一个比较大的活动——DigitalFUTURES，邀请全球建筑学、设计学的学者参与。其中有很多学者都参与了围绕人工智能在建筑和设计领域应用展开的工作坊。
我们团队的研究方向是建筑机器人，通过全球最新技术的学习，来理解层出不穷的新算法如何在建筑设计领域为我们提供更多可能。无论是机器还是人工智能，我们都希望它是一种智能增强体，作为人的延伸，而不是用来代替人类。
现阶段我们更多的是通过构建式的实践，将智能化的设计与建造应用到我们的设计当中。每一年的工作营（2016-2019年），我们都会建造一座桥。桥既要承载结构和重力，又要美观，所以桥是力学与美学对抗的体现。我们的方法是将力学的生成以及其中受力的形态，能够通过不同的插件和软件进行模拟和优化，同时去除不必要的结构，剩下最有效的结构。最后通过机器人打印的方式，将智能化黑箱设计的造型生产出来。
总结一下，人工智能的很多算法在设计当中的应用我们都在探索。建构方面我们更多是利用一些算法，和结构和机器人的操作进行融合，来改变物理世界物性的数字化的建造过程，通过赋能给材料，让我们一些可以认知的材料产生更强的结构性能，从而达到智能设计对设计学的提升。
TWO
二、点评环节
王敏：人工智能不仅可以为我们提供规范化、自动化、系统化的设计，还可以为企业提供消费市场上个性化的设计服务。通过整合大数据，推出新的消费与市场设计服务，人工智能已经开始取代设计师完成一些设计服务。有了强人工智能的参与，机器也能产生充满个性、艺术化的设计，甚至具有某种残缺美的设计，或有偶发性特点的设计、有情感有温度的设计。这些在今天被认为是设计师才有的能力，将来机器也应当会具备。
在几位专家的演讲中我们发现，人工智能正在建构新型的视觉、听觉和物理的体验，这种新的体验在产生新的可能性。在商业上，它可以产生新的消费趋势和生活方式；在艺术上，它正在催生新的艺术表现形式；在设计上，它会改变设计师的工作模式，从而形成未来不确定的设计文化走向。现如今，人工智能在设计师的参与下，可以为企业新的商业模式助力。它可以提供个性化的设计服务，或形成企业品牌管理与市场推广过程中的自动化设计生产流程，从而降低设计成本，提高生产效率。范凌老师的特赞正在引领这样的趋势，将人工智能用于企业的设计解决方案。目前人工智能在设计应用上还处于早期，但它正在大大地增强设计师的创造能力，实现以消费者为中心的个性化服务。所以人工智能+设计+大数据必然推动产业结构的转型与消费升级。
今天各位专家谈的是人工智能对具体行业的影响，但更值得我们关注的是它所带来的连带反应，即现在还无法预测的一些不确定性。人工智能与设计的结合必然会带来一些颠覆性的变化，会影响到社会结构变迁、人类进化、人存在价值的重新反思，这样拥有诸多的可能性的未来值得我们去期待，当然也应当引起我们带有警惕性的关注。
我曾经历上世纪80年代到90年代的“桌面出版革命”。这场变革让我相信，技术取代了传统工作的同时，也必然带来新的机会。人的想象力、创造力、同理心最终会创造更多新的机会。在这个过程中，机器会大大地提高设计的生产效率。将来在人工智能加持的时代，还是需要设计师与机器一起去创造一个丰富多彩、人性化、差异化、不单调的社会。
我希望通过今天的讨论能引起大家去思考，未来人工智能的时代的设计师所应该发挥的作用。设计师们应该对自身的专业技能和素质进行改造，以便适应这样一个新的时代，发挥出在机器智能加持下设计师所应该具有的价值。
THREE
三、主题讨论环节
议题一：人工智能会对创造性或者创意教育带来什么样的变化？
KittyYeung：我觉得未来会有更多交叉性的学科。我们应该从个人兴趣出发，去追求自己感兴趣的事物，在这过程中发现有其他方面的应用就可以尝试，“竖”着走、“横”着走都可以。像技术发展到这个阶段就能够帮助大家横着走，如果你对一项东西特别专注的话，再通过这些技术帮助大家，学习更多跨学科的领域，在横着走的同时也能够发现很多新突破，又找到新的竖着走的路。另外，在科技的发展过程中，像开源这种思维是可以对大家自学新东西非常有帮助的。现在网上有越来越多的教程，大家会主动放到网上去跟世界分享。十年前我们做可穿戴会非常困难，但现在技术越来越好，又有很多开源教程可以学习，我们就可以拿出来应用，这也是科技能够赋予人们更多创造力的很重要的一点。
KostasTerzidis：我想谈谈关于未来的设计。现如今的设计学院倾向于培养从人类思维出发的天才设计师。他们推崇这样一种观点：人类非常智慧，可以做很多跨学科的研究，以至于人类可以做任何事情。这是一个非常古老的观念，给学生传递了错误的信息。因为归根结底，这是行不通的，尤其是随着人工智能的起步。重要的点不在于你做事有多聪明，而在于你是如何聪明地让机器为你工作。我们不必成为一个天才，而应该以“物控制物”的方式去工作。以编程为例，大多数设计学院不使用编程进行创作，除了一些非常具有创新意识的学校，其中之一就是我所在的学院。这就是我来这个学院工作的真正原因，在这里，他们更愿意拥抱改变，寻求创新。因此，这种教育原则是非常重要的，它允许我们可以有不同的思考方式。我认为，这是是未来应该对学生们传达的信息。
王敏：我想从设计教育的角度谈谈“横”着走和“竖”着走，我觉得重要的不是先横着走还是先竖着走，重要的是要有这样的能力，会竖着走也会横着走，我觉得我们做老师的应该关注的是如何培养学生这样的能力。如何为未来人工智能时代培养设计师？很多人认为，要让所有学生都学习编程，但我觉得没有必要。我们是要有一批有编程能力的设计师，有对技术的深刻理解与把握，从而参与人工智能解决方案的研发。但是对于更多的设计师，我们只需要注重他们的素质教育，训练他们有横着走和竖着走的能力，这里包含了对于他们想象力、创造力、审美、同理心、好奇心等素质以及跨学科合作能力的培养。这样的一批人将来可以应对人工智能时代对设计师的需求和挑战。如果所有人都学编程，并不是所有人都能像工程师一样具有对编码的把握能力以及思维方式，我们实际上还是需要设计师有更多的创造力，最终要横着走，也要会竖着走。当我们培养的学生具有横着走、竖着走能力的时候，我们的设计教育才会是成功的。
袁烽：我们今年办了一个近万人参加的DigitalFUTURES的全球活动，就是出于分享精神。知识的迭代速度越来越快，我们应该在更短的时间或者更有效的方式去学习。随着5G、6G的出现，线上交流日渐频繁，人和人的信息流和知识流的交换速度得到了极大地提升。这当中很重要的是对知识的分享的精神。因为现在所有知识都是站在别人的肩膀上，用一种新的方式建立一种新的知识体系。如何让我们的知识不成为自己私有或者独门绝活，而让它变成可以大家相互学习、相互分享，这就是为什么过去10年我们搭建DigitalFUTURES的学习平台的原因。在平台上我们自己有受益，因为我们向全世界学习，相信我们的知识也会让别人受益，这一点是未来解决跨学科和重构知识教学体系的一个核心内容。
议题二：如何理解数字设计工具在中美关系下的风险与机遇？
袁烽：以前的设计师的著作权是属于个人，但现在随着后人文时代的到来，机器会成为人的智力的延伸，人和工具之间变成密不可分的共同体。智能体是现在的发展趋势，例如人和AlphaGo合作的智能体，其中既有人的部分，又有机器的部分。它展开了一种全新的方式，在这种方式下我们能够重新认知世界的知识结构或者交流结构。但如果没有一个体系上的变革，那一定会发生类似于战争或者其他方面的争端。因为我们的哲学认知体系跟不上现实社会系统的进步，二者一旦分裂就会发生很大层面的争端。这一点上我个人看法有这样几点。一方面我反对将基础设施型的基本架构体系上升到政治高度来作为一种要挟，这是道德方面值得探讨的话题。我同时也希望这种知识体的创造者，各个高校的研发团队，他们的知识可以通过量化的方式来认知，并且推动他们的创造力，让这些创造力变成人类智能的一部分。这两者都需要付出一定的努力，重新构建一个新的合理的全球化的秩序，这一点应该超越于民族，超越于资本，也要超越于个人对于自我能力的一种沉浸的状态。这种超越可能更强有力的哲学思想和分享方式和一种激励机制来进行对它的重新架构。
王敏：这实际上是很迫切、很可能会发生的一个问题。但是随着人工智能解决方案的出现，可能可以避免这样的情况发生。我们已经可以在很多情况下绕开了目前为止我们所用的一些软件。我们目前使用Adobe的一些软件来做设计，但如果有足够强大的人工智能给企业或者给机构提供一些解决方案，这些解决方案能将过去由单个设计软件所做的工作都在后台完成。这样设计师只要有了想法或创意，其他工作就不需要再一个个的用软件来实现。如果能做到这一点，事实上我们就绕过了我们目前用的Adobe的软件。当然这需要人工智能解决方案到足够强大的程度才行。
KostasTerzidis：我认为有时我们对工具的概念有点误解。西方人主导了设计工具的研发，他们认为工具是手的延伸。但希腊语言中关于“设计”的概念，其实是思想的延伸。数字化工具的研发，就是利用计算机来完成那些我们本来手动去做的事情，但这不是设计工具。所以，如果你想进入设计领域，就必须开始用不同的方式思考。一个能改变你的思维方式、让你以不同的方式思考的工具才是真正的工具。这就是人工智能的作用所在。我们不会用AI来重复我们已经知道的，无论如何都可以做的事情。在这种东西方在数字工具方面的竞争中，我认为中国有更大的可能发展真正的设计工具，因为中国有着不同的文化，有着不同的思维方式。中国人总是擅长把事物联系起来、结合在一起，不回顾过去。这是一个非常有趣的概念，因为它能让你向前看。西方误解了希腊语言中关于“设计”的概念，而中国人则更加开明地利用人工智能的机会，让人工智能在正确的方向得到更好的发展。我一直在我的学生们或者其他和我合作过的老师和公司里看到这种潜力。有趣的是，中国人总是把目光投向西方，而西方从不向东方看，这是个很大的错误。我们希腊人总是认为最好的东西来自东方，因为东方隐喻了太阳升起的地方。所以我认为从这个角度看，西方正在输掉这场比赛。
KittyYeung：开发工具非常重要，中国的设计师、工程师可以多开发一些工具。像服装产业是很传统的产业，有时候一些生产方根本就没有在线平台，在网上无法找到。我们应该把中国做出来的好东西让外界也能够知道，我非常支持开源和开放性的形式，知识、科学、艺术都是无国界的，所以有一些原创的东西，也可以开放给其他地方的人。
范凌：设计、创意作为一种文化，应该是多元的、无国界的。工具能够让一些能力民主化，让我们更专注在创造力上，而更少的专注在硬技能上。所以，工具也应该是民主化、跨国界的。现在的工具都是云端的工具，自然涉及到数据。而数据是有产权的，数据可以是有国界的甚至有边界的，甚至有你我的。所以这个事儿分为三类，文化应该是无国界的，工具应该是民主化的，数据应该是有产权的。
议题三：有没有什么建议可以给到未来论坛，能够更好地把设计创意的话题引入到科学的讨论?怎么样能让科学家更多地从设计里面受到启发?
KittyYeung：举办这样一个活动，能够将大家的思想分享出来，可以有更多的观众互动，可以听听观众的想法。同时希望能有线下平台，使我们继续保持联系。像西方这边很多的开源平台能够让大家去分享自己的作品，可以将使用材料、制作过程写下来然后教给大家怎么做。既有教育又有互动，既是线上平台，但也可以通过活动在线下保持联系。
王敏：未来论坛来探讨设计的问题，我觉得应当是特别合适的平台，因为设计从某种意义上讲就是一个关乎未来的一种行为，设计师所做的就是为未来来提一些新的方案或者新的解决方式。所以未来论坛从名字上来说应当关注设计。当然我们今天想要建议的还是怎么能够让科学家对设计感兴趣，或者怎么让设计师对科学家更加关注。当这两者结合它所产生的能量和产生的结果是未来我们所需要的。例如，很多的科学家他们在做新的材料，这种新材料的出现到实际应用的这个过程里，设计师就可以发挥很大的作用。我们常说的“设计思维”在这个时候和科学家的研究放在一起会产生很大的能量。现在也有很多人做这方面的实验和尝试，将把设计和技术结合在一起，从而探讨这种创新模式的可能性。我觉得未来论坛是非常好的平台,把设计和科学和技术能够揉到一起，让设计师、艺术家和科学家在一起共同碰撞出一些新的火花，对未来发展有新的可能性的有益探讨，我特别期待未来论坛能够做这样的事情。
FOUR
四、开放式讨论
Q：如果说艺术是一种人与人共情的方式，我们如何从AI创作的作品中体会创造这个作品时的感情，并传递至我们？
王敏：大概一年多以前，美国Rutgers大学的人工智能实验室做了一批作品，是完全由人工智能生成的作品，不是风格转化类的，而是完全自主产生的。他们做了一个实验，将这批作品和艺术家的作品放在一起，让观众来评判。评判的主要标准是，一个作品是不是有意识的、有目的的创作。让人很惊奇的是，人工智能系统生成的作品最后的得分比人工做的更好。这让我觉得很纳闷，因为机器没有思想、没有感情，它的作品也应当是没有意识的，完全是一种计算生成一些图形。所以，从作品中如何看到其中蕴含的意思和感情，是取决于最后作品生成的质量和生成的样式。回归到最后还是操控与设计程序的人。
袁烽：这个问题还是以人为根本，是人本主义的观点，还是以人为核心判别所有事情。但是我觉得现在对人工智能看法的最重要的一个转变，就是我们要重新认识人是不是主体这件事。因为智能体时代到来之后，主体就变成了混合体，是智能判断和评价体系的混合体，它会变得更加综合，其中的比例可能七成人三成算法或者七成算法三成人，甚至是更加混杂的状态。这个评价体系中我们最重要的思想转变是，不能再用人本和人作为宇宙中心的思想来看这个事。如果还这么评价，你会在很多判别过程中产生困惑，判断它是不是好看，仍是以人的经验，或者受教育的程度、文化背景来进行评价，这些因素都会导致产生不同的结论。所以当人和机器成为一个整体、人本主义被打碎之后，也就是物与人形成从对立到一体化的共生时代产生之后，那我们再来谈论如何来评价这个问题。
KittyYeung：我觉得不需要用机器取代人，而是需要机器去解决痛点。最后解决问题之后其实也不是以人为本，如果你能解决环境污染问题，最后还是以大自然为本。有的时候确实不需要以人为主体去创作，而是利用技术去解决问题。
KostasTerzidis：共情是一个非常有趣的概念，因为它有主观、个人化的含义，但它不一定非得如此。你也可以用一种集体的方式来感同身受，产生人与人之间的共鸣。你能共情于某物，不一定是因为你拥有它，而是因为你共同参与创造了它。以前的艺术是基于个人的共情，是一种主观上的对艺术作品的占有。然而这种情况正在发生改变，因为人工智能在艺术家和作品之间制造了一道屏障。但我们仍可以通过很多不同的方式对它产生共情。你可以共情于你所创造的事物，比如说作为父母，你有个孩子，但你不是孩子的主人。虽然孩子有自己的想法，但你仍为你的孩子感到自豪，你因生下他、抚养他的行为而产生共情。这是一个非常相似的例子，因为人工智能也像是一个婴儿，它有自己的思维，但这并不意味着我们就因此无法对它产生共情。这是一种不同的共情方式，共情来自于我们参与创作这个事物这件事本身。我认为从人类思维进化的角度来看，这是一个更先进的观点。
Q:现在建筑设计中经常会使用一些AI仿生学算法来生成一些非常有机的建筑体块，比如说模拟动物的行动，像蚂蚁、细菌这些，这样的模拟生成建筑应该如何解读，是有实际意义还是大多处于学术研究阶段，总觉得人类思想了这么多年，各方面细节已经可以打造出相对完善的建筑，而去选择一些没有高等智商的动物或者微生物制造的形体，是不是有点本末倒置，想听听袁老师的看法。
袁烽：这些对于仿生的模拟，我们更多放在生成式设计，怎么样构建和生成一个形式。现在设计分两类，一种是研究式的设计，一种是进入社会要解决问题的设计。如果作为知识体，比如在大学里的训练，我们会把生成式的设计在特定的训练单元抽离出来，来特别训练大家某一方面能力。但是真正解决设计问题时，这并不是设计的全部，而可能是一个很长的设计流程，包括如何生成、优化、评判、形成反馈等。人的智商和AlphaGo的最大区别是AlphaGo只知道赢这盘棋，但人有时候可能明明能赢但是选择输棋，AlphaGo现在可能做不到这一点。从这个意义上讲，当我们掌握了很强劲的生成工具的时候，真正实战的设计使用当中，它所占的份额并不是取决于把方法放在前面，而是取决于我们把解决问题的对象放在前面。这两种设问可能是不同语境，如果是作为一个研究型内容，无论什么样的生成方法，它都还是一种对于机器和智能思考方式相互替代或者相互补充的一种探索，我们都把它称为研究型的设计。但真正解决一个现实问题时，这种生成本身并不是设计目标，而是生成设计目标的很重要部分。所以我们把握的分寸就是AlphaGo和人的区别，如何把握这种工具，就需要更深的功力和驾驭能力。
Q:有一个问题是问KostasTerzidis教授的，刚才您讲到AI在服装设计电商领域的应用例子，请您再多讲讲到底是怎么做的？选款和关键字等等。
KostasTerzidis：这个问题包含两部分。一是关于艺术或设计的主观性，它是时尚吸引消费者购买商品的主要武器。换言之，因为时尚一直在持续地生产新鲜的和不同的事物，所以人们会消费更多的东西。人们掉入了这样一个消费陷阱里，因为在某种程度上，我们现在穿的衣服没有什么不同。“衣不如新”只是一种感官上的感受。认为所有的东西都是新的更好的想法，违背了传统的原则。传统是人类创造的最先进的原则，并且存在了几千年，这是因为它保持了一种标准的思维方式，一种对主观性的客观化。但如果我们能用设计致力于创造普遍的、客观的、永恒的事物，我们一定会比去反复持续地更新要更成功，而不是生产过量的服装并最终造成对环境和视觉的污染。所以，我们在这里的案例中针对时尚的排列设计所做的，更多的是去发现什么是不变的标准事物以及时尚的真正特征是什么。因此，它不是一个发现不同之处的工具，而是一个发现不同服装组合当中的共同点的工具。这在某种程度上更加传统。