人工智能的新浪潮下设计师该何去何从人工智能下的设计师发展现状如何

发表时间：2023-07-09 14:29:23

人工智能的新浪潮下设计师该何去何从

近年来，人工智能技术的快速发展正在深刻影响各行各业。设计行业作为一个高度依赖人类思维和创意的领域，同样面临着前所未有的变革。在这个新的技术浪潮下，设计师如何应对和适应，成为了广受关注的话题。薛小语是一位旅居纽约的多栖艺术家和设计师，她目前任职于纽约顶级设计工作室SundayAfternoon。该公司成立于2016年，是一家在文化、艺术、时尚和影视等多个领域中不拘泥于传统的顶尖设计咨询公司。那么对于AI的冲击，她会有什么见解呢？（下文中的“我”即是薛小语。）

在过去，设计师主要依靠自己的经验和创意来创作作品。但是如今，人工智能技术的应用正在改变这一现状。设计师可以使用各种人工智能工具和软件，如图像识别、语音识别、自然语言处理等，来处理大量的数据和信息，以提高生产效率和创作质量。例如，一些平面设计软件已经实现了人工智能生成器的功能，可以快速生成不同风格的设计元素，如颜色、字体和形状等。我现在在设计过程中经常使用AI技术来帮助，比如当我在某一项目里需要搜集大量历史信息，那么AI工具比如ChatGPT会帮助我如何更高效地搜寻我想要的信息。

用Midjourney渲染的赛博朋克水墨风的城市然而，人工智能并不是设计师的敌人，而是设计师的助手。设计师需要学习和掌握人工智能的基本原理和应用技巧，了解人工智能在设计领域中的应用和局限性，并将其应用于自己的设计工作中，以提高创作效率和创意质量。设计师还需要发展自己的创造力和想象力，发掘和挖掘人工智能无法涉足的领域和细节，从而保持自己在设计领域的竞争力。

对于设计师而言，他们需要明确自己的定位和价值，以区分自己与人工智能的不同之处。人工智能可以提高生产效率和创作质量，但它并不能完全替代人类的思维和创意。设计师需要明确自己的特长和擅长的领域，将自己的专业知识和经验应用到设计工作中，从而为客户提供更加个性化和优质的设计服务。

在这个新的技术浪潮下，设计师需要转变自己的思维方式和工作方式，将人工智能作为自己的助手和伙伴，不断学习和更新自己的知识和技能，发挥自己的优势和特长，在我毕业后寻找工作的过程中，我意识到在这个行业中要获得真正的机会，需要花费更多的时间和精力去探索。因此，我不仅一边工作一边不断学习知识和技术，还通过线上设计平台和设计比赛等途径提高自己的设计水平。幸运的是，我在参加一个设计比赛时获得了奖项，引起了SundayAfternoon公司的关注。他们欣赏我的设计作品和潜力，于是给了我一个机会，让我加入了他们的团队。那时我得奖的作品是使用Cinema4D（简称C4D）三维软件制作的一个琅琊榜开场动画，当时C4D是在设计与艺术领域炙手可热的软件，其热度与现在的AI技术相似。

琅琊榜自制开头动画场景之一在我看来保持持续学习、适应能力、创新和原创性至关重要。新一代设计师应不断学习新技能，拓宽视野，敢于挑战自己的舒适区，关注用户需求，勇于尝试新技术，并与不同领域的专家合作。这样，他们将更好地适应不断发展的设计行业和AI技术所带来的变化，为未来的设计领域作出贡献。

（来源：看头条网）

责任编辑：孙青扬

人工智能与设计（4）：人工智能对设计的影响

前面通过三篇文章《人工智能的发展和定义》、《面向用户的人工智能系统底层设计》和《人工智能时代下交互设计的改变》介绍了人工智能基础、系统底层设计以及上层应用的设计。本次更新的最后一篇文章关注的是人工智能与设计的关系，这应该是设计师们最想了解的部分；这篇文章是为后期调研人工智能对不同设计领域的影响做个铺垫，欢迎阅读。

人工智能对设计的影响

人工智能的普及是否使设计师失业引起了业界的一股躁动。要回答这问题，应该先弄清楚设计与人工智能的关系，我们可以从本质开始入手。

有人认为设计是为了追求美，和艺术没什么区别；但设计做久了，会有更深刻的理解：设计是为了解决问题。那么设计是什么？在网上看到了一句对设计的定义：设计是有目的的创作行为。这句话解释得非常棒。目的代表主体所追求的目标，创作是把自己的灵感、经验和感觉表达出来。设计是为了解决问题说明设计是为了解决问题的创作方案，设计为了追求美说明设计是为了解决设计对象美感和实用性的问题的创作方案，所以后者属于前者。

艺术是为了将自己的灵感、经验和感觉等主观感受表达出来。设计和艺术的本质在于是否拥有目的；目的是一种观念形态，反映了人对客观事物的实践关系。相比起艺术，设计更多是一种人对客观事物的实践方式，在考虑主观因素的同时也要顾及外界等客观因素。

从定义上来讲，人工智能是使机器代替人类实现认知、识别、分析、决策等功能，其本质是为了让机器帮助人类解决问题。也就是说，人工智能在一定程度上也是一种设计，其目的是为了帮助人类解决问题，创作出与人类思维模式类似甚至超越人类思维模式的解决方案。

问题的复杂程度会直接影响解题人的最终方案，因为人的知识、经验、精力是有限的，很少甚至没有人会长时间都在解决同一个问题。当解题人找不到最优方案时，他们给出的方案具有一定的主观性，甚至有可能错误的。但也有例外的时候，人有神奇的技能-灵感和直觉，它们可以短时间内帮助人类找到解决问题的捷径。

目前的人工智能属于弱人工智能，暂时无法拥有人类的主观能力：灵感、感觉和感受，也没有人类的跨领域推理、抽象类比能力，只能依赖数据和经验来创作或者解决问题。但计算机比人类拥有三个优势：

可以在极短时间内完成超复杂的运算；可以长时间不厌其烦做同一件事，而且不会累；记忆力好，积累的经验可以被随时调用；没有情感等主观因素，比人类更公正客观对待每个方案。

这四个优势可以使计算机在解决超复杂纯智商难题时不断探索新方案，不断积累经验，不断优化方案，通过穷举和对比，找出最佳的方案。人工智能在不同的领域积累的经验增加，它对事物间关系的洞察力也会逐步提高，它也会不断反哺提高自己解决问题的能力。当人工智能的运算能力、分析能力、洞察力超越人类时，人工智能在很多领域提供的解决方案会上优于人类。

设计除了解决问题外，还有对美的理解和创作。美感是对美的体会和感受，它是复杂的，它包含了历史、文化、环境、情感等客观和主观因素，所以不同时代、阶级、民族和地域，有着不同文化修养和个性特征的人对美的定义也不同。不同人之间有着不同程度的美感能力，有些是先天因素影响，取决于个人的感知能力；有些是在社会实践等后天因素训练出来的。

由于弱人工智能缺乏人类的主观感受和推理类比能力，以及缺乏对当代世界和社会的文化和环境的理解能力，所以弱人工智能对美感一无所知。人工智能不懂美感不代表人教不懂会机器生产美感，就像托福和雅思，即使英语不太好看不太懂文章在说什么，只要懂套路，考生也能考出一个还行的成绩。

图片处理应用Prisma通过深度学习将一张图片的风格特征分析出来，毫无保留迁移至另外一张图片。

阿里鲁班系统通过深度学习来量产Banner，设计师将自身的经验知识总结出一些设计手法和风格，再将这些手法归纳出一套设计框架，让机器通过自我学习和调整框架，演绎出更多的设计风格，上亿的Banner通过素材进入该框架后批量拼装而成。

来自微软亚洲研究院的研究员与清华大学美术学院的艺术设计专家让AI接手了繁杂专业的图文排版设计工作，他们提出了一个可计算的自动排版框架原型。该原型通过对一系列关键问题的优化（例如，嵌入在照片中的文字的视觉权重、视觉空间的配重、心理学中的色彩和谐因子、信息在视觉认知和语义理解上的重要性等)，把视觉呈现、文字语义、设计原则、认知理解等领域专家的先验知识自然地集成到同一个多媒体计算框架之内，并且开创了“视觉文本版面自动设计”这一新的研究方向。

以上案例说明人工智能即使不懂审美，也可以替代人类生产可被公式化（规范化）的设计。可被公式化的设计说明这些设计是已成熟的，有规律的(模型)、受限制的(参数)、可量产的。如果不想被人工智能的美感设计领先，设计师的美感设计应该是创新的（未成熟未被发现规律的），包含更多元素的（更多复杂参数如历史、文化、环境、情感等等）。

人工智能与设计师的关系

设计是一个用处非常广泛的动词，可以搭配不同名词成为各种专业术语，例如程序设计、架构设计、交互设计、UI设计、建筑设计、材料设计等等。但设计师更多是指处理好人与设计对象之间的关系，提高体验满意度的职业，例如室内设计师是为了提高人在室内的居住质量；服务设计师是为了提高人在服务流程中的满意度；交互设计师是为了解决人与计算机的交流问题；UI设计师是为了升华人与计算机的交流体验。

上文已提到，人工智能在解决超复杂纯智商难题上最终会超越人类，而且可以生产出可被公式化（规范化）的设计，例如符合规范可批量生产的平面设计、符合规范已成熟的网页和移动端交互设计。但对于人工智能，设计师不用过多担心被取代问题，因为设计师的工作是为了提高体验和满意度，体验和满意度都是主观的，这是人工智能很难去衡量的。既然人工智能也是一种设计方案，那么设计师可以利用人工智能这工具创造出什么价值？

1.在互联网和移动互联网时代，由于产品用户量大以及技术的限制，产品无法针对每位用户在不同场景下的需求进行设计，所以产品功能只能绝满足大部分用户都有的核心场景；还有每位用户的审美能力的差异，设计师只能考虑用更简洁的设计语言来满足大部分用户的基础审美。在人工智能的帮助下，产品有能力做到根据用户的使用场景和行为分析出用户的当前诉求，并提供相应服务。人工智能为个性化服务提供了基础，个性化服务意味着要考虑更多关于该名用户的特点，包括文化，经历，心理等因素，如何设计能更满足该名用户，这是一个全新的机会和挑战。

2.人工智能为艺术型设计师带来更多机会。进入个性化时代的产品基本满足用户需求，相同类型的产品结构和功能会越来越接近，能为产品带来活力和差异的除了自身的底层技术基础，更多是艺术型设计师的理念和风格，以及自身品牌。就像时尚品牌优衣库和Gucci，单件商品两者的品牌和设计产生所带来的利润差距巨大，人工智能产品也可以做到。

3.人工智能使产品的使用成本降低，信息架构扁平化，整体体验提高；但个性化设计意味着需要考虑更多元素。简单和个性化貌似矛盾，如何保持产品简单可用又能突出个性化，这也是一个全新的机会和挑战。

新的设计对象

计算机的普及和难以使用，催生出交互设计这个术语，交互设计专门解决计算机如何更好地与用户交流互动的问题。交互设计师在设计过程中总结出一个新术语：以用户为中心的设计，在设计时密切关注用户的体验和感受。用户体验设计这个术语逐渐扩散到各行各业，它所带来的价值让各个企业明白提高体验的重要性，并着手优化自家产品服务，到后面也衍生出服务设计等专业术语。

产品体验不好，用户还有其他替代选择，所以大家开始关注用户体验。但现在用户体验设计存在着一个局限性：它设计对象仍然是产品，它只关心用户在使用产品期间的体验，不关心产品对用户其他方面的影响。这是可以理解的，因为企业间之间存在着竞争，以及互通数据分析数据需要非常高的成本。所以产品体验好了最大收益自如是产品和企业，并非用户。

辛向阳教授提出了一个更领先的观点：EX-ExperienceDesign，以用户经历为中心的设计。简单点说，生活中每天发生的琐碎小事不会被记住，例如吃饱睡饱；但特殊的经历会被记住，例如在迪士尼公园的路上突然跑出来一群鸭子，你会记住那次惊喜。UX构建的是每一件小事，EX构建的是用户经历，基础是每件小事之间的联动。EX更多关注全局性，就像迪士尼乐园把控全局体验为游客带来惊喜。EX是个性化服务的基础，它会从多个维度包括用户画像和行为、场景和环境、上下文的理解（上一件事情发生了什么，后面安排的事情）等为用户创造价值。

当设计对象从产品转变到用户经历时，设计师不能只考虑自己的产品体验，还要从全局出发考虑产品与产品之间的联动，考虑不同场景和突发事件时自己的产品如何服务用户。产品从单体变成一块拼图，需要考虑上下左右的关系并兼容，这对设计师来说是一个全新的挑战。

如何设计人工智能产品

人工智能为个性化服务带来新的可能，要想设计一款更友善更像人类的产品，我们先看看人类是怎么交流的。人与人之间的交流分为双向交流和单向交流，双向交流包括了问和答，单向交流包括了指令、陈述和接收信息（单向交流指对方可以给予简单的反馈，甚至不需要提供反馈）。问和指令不太一样。问是因为自己不知道，希望对方能提供相关的完整答案（这里忽略明知故问和反问两种带有目的性的情感交流）；指令更多是指上级对下级的指示，他知道对方能做什么，希望对方能帮助自己完成该事情，对方完成后的反馈可能非常简单，一句“OK”“搞定”“对不起，做不到”已经能表达清楚是否完成，其反馈不需要太多内容。陈述的意思是我将信息传达给你就完成了，你可以不给予我反馈，例如演讲、授课、讲述内容等等。接收信息包括了听觉、视觉、触觉，甚至是嗅觉和味觉。

随着信息的增加，当信息超过人类的记忆容量时，人类通过交流获取信息的效率变慢，他们开始将信息通过刻画的方式记录保存下来，到后面逐渐出现了书籍。随着技术的发展，人类获取信息的方式也在逐渐增加，收音机、电视、电脑、手机逐渐出现在我们的生活中，我们先来看看人与媒介交流信息时有什么不同，再来推断人工智能能做什么。（这里的人更多是指接收信息，并非发送信息例如写书、写文章的人）

从表格可以推断出，人工智能要做到与人正常交流需要在问、答、指令、接收信息四个方面有所深造。问更多是指人通过语音、文字等对话方式提出问题（语音是最快最直接的表达方式），计算机理解问题后给出正确完整的答案。答更多是指计算机需要通过如传感器、用户事件监听等隐形手段获取更多的用户数据。指令更多是指用户通过语音和界面发出指令，计算机接收并理解指令后完成一系列的操作。接收信息更多是指人给出问题和指令后，计算机如何提供正确的答案和反馈。

如果牵扯到辈分、利益等关系，人类之间的交流务必产生情感上的交流，在交流时最能表达情感和态度的是态度和语气，人和机器交流也毫不例外。人工智能需要学会与人类交流时，根据不同场景和对话内容采用合适的态度和语气。在交流中，机器更多承担的是下级以及朋友的角色，直白点就是要你干嘛你就干嘛(准确性)；要你干嘛就赶紧做(即时性)；说你不对就得改(自我学习和修正)；不能顶嘴(礼貌)；尽管我对你很苛刻，你也要对我像好朋友一样(性格一致，需要人物设定)。

结合交流方式和情感表达，设计一款面向用户的人工智能产品时需要注意以下几点：

人物设定：为了避免在交流中过于死板或者态度语气时常变化过大(态度语气时常变化过大叫精神分裂)，设计师应该针对不同用户群体为人工智能赋予不同角色与性格。例如针对二次元宅男群体，赋予人工智能傲娇、元气、电波女等性格；针对成熟女性群体，赋予人工智能温柔的管家角色；尽量不要赋予人工智能老板、父母、老师等角色，因为指令他们干活时，会让人类感觉到突兀。准确性和即时性：需要听懂用户的问题和指令并立刻给出准确的答案或反馈。准确性和即时性是人工智能的最基础能力之一，多次回答错误显得人工智能很蠢，用户会逐渐对人工智能失去信心和信任。在技术不成熟的时候，可以引入天然呆、冒失女等具有智商不高但又很懂卖萌的角色性格弥补技术上的缺陷，这样可以通过打情感牌减少用户愤怒甚至失望的情绪。自我学习与修正：当人工智能不知道答案和操作时，除了给出抱歉的反馈外，更多需要的是通过自我学习能力来修正自己的数据库，避免多次惹恼用户。礼貌：及时回复、不重复说话、不反驳、不打断用户的说话和操作都属于礼貌问题，就像人类一样，有礼貌的人工智能才会受用户欢迎。

做设计时需要考虑更多数据的交互，关于人工智能底层数据设计请阅读第二章的《下一代人工智能助理》和《人工智能数据仓库》。在设计架构时需要考虑更多产品上下游之间的联动，以及通过接入通用型API和组件完善人工智能的数据库，关于移动端信息架构设计、通用API和组件请阅读第三章的《流的设计》和《新型API和组件》。对话是人工智能的基础，更多对话体验设计请阅读《GoogleActionsDesign》。人工智能为个性化设计提供了基础，设计师需要考虑更多场景下的个性化服务，也可以引入更多风格的个性化设计，彰显出用户的魅力。

2023年中国人工智能人才发展现状分析人工智能人才缺乏、各大高校纷纷开展相关专业

当前位置：前瞻产业研究院»经济学人»研究员专栏2021年中国人工智能人才发展现状分析人工智能人才缺乏、各大高校纷纷开展相关专业UVc分享到：王蕤•2021-09-1714:20:52来源：前瞻产业研究院E20044G02023-2028年中国人工智能行业发展前景预测与投资战略规划分析报告2023-2028年全球人工智能芯片（AI芯片）行业市场调研与发展前景研究报告2023-2028年中国大数据产业发展前景与投资战略规划分析报告2023-2028年中国云计算产业发展前景预测与投资战略规划分析报告2023-2028年中国生物识别技术行业市场调研与投资预测分析报告

人工智能行业主要上市公司：目前国内人工智能行业的上市公司主要有百度百度(BAIDU)、腾讯(TCTZF)、阿里巴巴(BABA)、科大讯飞(002230)等。

本文核心数据：中国企业AI应用实施中遇到的阻碍情况TOP5,人工智能各技术方向岗位人才供需比,开设“人工智能”本科专业学校数量,全国首批建设“人工智能”(080717T)本科新专业高校名单,中国龙头企业与高校合作或共建人工智能学院汇总

1、AI专业人才成为企业应用实施中最主要的问题

专业人才为企业探索AI应用中遇到的主要障碍。从对于中国企业的调查来看，企业认为推进人工智能的探索应用中遇到的最主要的障碍是AI专业人才的缺乏，占比高达51.2%，其次是高质量的数据资源，占比达到48.8%。

同时，根据工信部发布的数据显示，人工智能不同技术方向岗位的人才供需比均低于0.4，说明该技术方向的人才供应严重不足。从细分行业来看，智能语音和计算机视觉的岗位人才供需比分别为0.08、0.09，相关人才极度稀缺。

岗位人才供需比=意向进入岗位的人才数量/岗位数量。

2、国家开始重视人工智能人才培养

近年来我国人工智能学科和专业加快推进，多层次人工智能人才培养体系逐渐形成。2018年4月，教育部发布的《高等学校人工智能创新行动计划》提出，到2020年建立50家人工智能学院、研究院或交叉研究中心。

2019年，新增人工智能专业的高校达到了180所，也是2019年度新增备案专业数量较多的学科。2020年，包括清华大学、北京语言大学、华北电力大学等在内的130所高校增设人工智能专业。

2019年，教育部印发了《教育部关于公布2018年度普通高等学校本科专业备案和审批结果的通知》，全国共有35所高校获首批建设“人工智能”本科专业资格。

除了增加人工智能专业的学校数量外，中国人工智能的龙头公司也开始与高校合作共建人工智能学院。我国人工智能领域的龙头企业也纷纷与顶尖高校(独立或联合)联合成立了人工智能学院或重点实验室，旨在培养未来人工智能人才。其中，科大讯飞与西南政法大学、重庆邮电大学、南宁学院等大学展开合作;腾讯则与深圳大学、辽宁工程技术大学等院校展开合作。

以上数据参考前瞻产业研究院《中国人工智能行业市场前瞻与投资战略规划分析报告》，同时前瞻产业研究院还提供产业大数据、产业研究、产业链咨询、产业图谱、产业规划、园区规划、产业招商引资、IPO募投可研、招股说明书撰写等解决方案。

更多深度行业分析尽在【前瞻经济学人AIPP】，还可以与500+经济学家/资深行业研究员交流互动。

前瞻产业研究院-深度报告REPORTS2023-2028年中国人工智能行业发展前景预测与投资战略规划分析报告

本报告前瞻性、适时性地对人工智能行业的发展背景、供需情况、市场规模、竞争格局等行业现状进行分析，并结合多年来人工智能行业发展轨迹及实践经验，对人工智能行业未来...

查看详情

本文来源前瞻产业研究院，内容仅代表作者个人观点，本站只提供参考并不构成任何投资及应用建议。（若存在内容、版权或其它问题，请联系：service@qianzhan.com）品牌合作与广告投放请联系：0755-33015062或hezuo@qianzhan.com

在招股说明书、公司年度报告等任何公开信息披露中引用本篇文章内容，需要获取前瞻产业研究院的正规授权。如有IPO业务合作需求请直接联系前瞻产业研究院IPO团队，联系方式：400-068-7188。

p45q0我要投稿

UVc分享：标签：人工智能人才发展现状人工智能人才人工智能相关专业人工智能行业

品牌、内容合作请点这里：寻求合作››

产业规划

园区规划

产业招商

可行性研究

碳中和

市场调研

IPO咨询

前瞻经济学人专注于中国各行业市场分析、未来发展趋势等。扫一扫立即关注。

前瞻产业研究院中国产业咨询领导者，专业提供产业规划、产业申报、产业升级转型、产业园区规划、可行性报告等领域解决方案，扫一扫关注。相关阅读RELEVANT

【行业深度】深度解读！人工智能市场高速增长谁将持续领跑全球？

【干货】人工智能芯片行业产业链全景梳理及区域热力地图

2023年中国人工智能芯片行业发展现状分析行业处于萌芽期【组图】

2023年中国人工智能芯片行业主流产品分析产品市场容量持续扩大【组图】

重磅！2023年中国及31省市人工智能芯片行业政策汇总及解读（全）“AI芯标准赋能传统行业”

【全球首发】2022全球人工智能行业企业区域大数据分析哪个国家“更卷”？

ChatGPT的火爆背后，人工智能发展未来路向何方

本文转载自微信公众号「活在信息时代」，作者活在信息时代。转载本文请联系活在信息时代公众号。

这几天，人工智能领域最火的当红炸子鸡，无异于OpenAI开发的可以进行对话聊天的机器人ChatGPT了。

ChatGPT是一个大型预训练语言模型，它可以在对话中生成类似于人类的文本响应。其基于算法基于当下最为流行的Transformer架构，这是一种使用自注意力机制处理输入数据的深度神经网络。广泛用于各类自然语言处理任务。ChatGPT基于大量文本对话数据集进行训练，并使用自注意力机制来学习类人对话的模式和结构。这使得他的回答，与真人的回答非常接近。甚至有人认为ChatGPT可以完全替代搜索引擎了。

在知乎作者DeFi的科普文《科普：什么是ChatGPT？》中，对ChatGPT进行了介绍。如图所示：

但是在文末的最后，作者给了大家一个彩蛋，表示这篇文章本身即是ChatGPT自己写的。例如上图中的“ChatGPT介绍”一节，即是作者在向ChatGPT提问：什么是ChatGPT？之后得到的回答，类似的，“算法”一节，则是作者在提问了“ChatGPT背后的算法是什么？”之后得到的回答。

从文章中，我们可以看出，ChatGPT在这种场景下的回答，几乎难以分辨是否是机器人在回答。这也难怪很多人对它的表现表示出惊叹了。

然而另外的一批人则对于ChatGPT的表现并不满意。例如说著名的程序员社区Stackoverflow在12月4日的时候就发布了一条临时规定：禁止使用ChatGPT生成的内容来回答Stackoverflow上面的问题。原因在于，这些生成的内容正确率非常的低，而这些似是而非的内容，对于整个网站以及寻求正确答案的用户来说是有害的。这里的主要问题是，由于使用ChatGPT的门槛非常低，因此近日来很多人都在使用ChatGPT来回答别人提出的问题，而由于他们本身缺少专业知识，没有验证ChatGPT生成的回答是否正确的能力，因此产生了很多毫无价值，甚至会引起误导的回答。

而另外的一些人则尝试了一些小学生的问题，而ChatGPT回答的不尽人意。例如：

而这些简单问题回答的不尽人意的背后，则是我们对于人工智能领域发展的深度思考。

在深度学习领域，研究者们常说一句话：如果你拷问数据到一定程度,它会坦白一切。

这是一种自嘲，目前的人工智能领域，主要还是依靠大量的训练数据来训练模型，一个模型的成功与否与其训练的数据量息息相关。那么这势必会引出一个问题：如果有一天，一个超级模型使用了世界上最大的数据集进行训练之后，还是不能得到足够优秀的结果怎么办？毕竟对于普通人来说，并不需要学习世界上的所有知识就可以具有自己的学习和判断能力。

而更进一步的讲，全部的真实数据训练的数据就一定会比一部分真实数据训练出来的模型更好吗？考虑到有些真实数据本来就是对于同一个问题的答案完全相反的。就好像同一个问题下面，总会有不同的人进行争论一样。而这些训练集势必会对于神经网络的训练结果产生影响。

或许，人工智能的真正突破，还要等待基础科学的突破。就好像麦克斯韦方程将人们带入了无线信号传输时代一样。在我们朝夕相处的空间中，或许还隐藏着更深的秘密，等待人们去发现。

人工智能的新浪潮下设计师该何去何从 人工智能下的设计师发展现状如何