【AI+游戏】人工智能设计在游戏中的应用游戏人工智能的设计目的

发表时间：2023-07-14 01:53:37

【AI+游戏】人工智能设计在游戏中的应用

我们玩游戏，主要是为了得到一种放松、一种享受、以及在现实生活中无法得到的一种快感。这需要游戏能制作得符合玩家的口味，游戏的主题能够吸引玩家深入，游戏的规则和结果能够使得玩家满意。而在这一切中，人工智能技术扮演了相当重要的角色。

人工智能已经逐步进入到我们的生活，而在游戏中，人工智能技术又是如何得到应用的呢？本期我们就一起来聊聊关于游戏中人工智能的设计方法。

一、游戏中的人工智能

●人工智能定义的不同标准

●人工智能在游戏业的现状

●游戏人工智能的设计目的

1、人工智能定义的不同标准

学术界对AI的研究，注重的是内部机制。因为学术研究的目的是事物内部运行机制，不断地改进算法，使得内部结构趋于合理。

游戏AI基本是AI学术研究的第4个研究方向，即理性行为领域。

2、人工智能在游戏业的现状

近几年游戏AI的发展迅速。在1997年还只有24%的制作组里有专职的AI程序员，而到了2000年，约有80%的制作组都有1名以上的专职AI程序员。

3、游戏人工智能的设计目的

二、人工智能设计

1、有限状态设计

●有限状态设计（FiniteStateMachine，缩写为FSM）是具有一定数量的状态和状态转换的计算机模型。

●有限状态设计是游戏业所使用最普遍的技术，多用于动作、冒险、角色扮演类等第三人游戏。

2、模糊状态设计

FSM虽然有很多优点，但它有个致命的弱点：只能处理确定性的情况。使用FSM建立的NPC的行为系统过于规范，很容易被玩家识破。于是人们想到了是否能把不确定性引入NPC的行为系统中。于是另一种方法应运而生，这就是模糊状态机（FuzzyStateMachine，缩写为FuSM）。

FuSM的基本思想就是在FSM基础上引入不确定性。

3、可拓展性AI

可扩展性AI的鼻祖是QuakeC。它是由PC游戏业里最有名的程序员JohnCarmack设计的一种脚本语言工具，几年前随着《Quake》游戏一同推出。

以脚本语言工具为代表的可扩展性AI技术，最大局限性是玩家需要有一定的编程能力。

●AI编程工具●AI技术专题

（1）AI编程工具

法国MASA公司的DirectIA是一个基于代理技术的SDK。这套SDK可以用来生成自主代理或自主代理群体，从而使游戏中的角色具有一定的自主学习性和适应性，使它们可以具有感知能力和反应能力。

另外一个很有名的产品就是MotionFactory公司的Motivate。这是一个从机器人技术和实时控制技术的研究成果中转化来的AISDK。

（2）AI技术专题

●《半条命》中的AI技术应用层出不穷。

●《TheSims》中采用的面向对象技术。

三、玩家与AI之间的关系

●玩家和AI是否需要同样对待

▶玩家和游戏AI之间天生处于不平等地位。

●是否需要绝对的真实

▶如果游戏NPC足够聪明，他当然能够意识到自己没有机会战胜玩家，他就应该把自己锁在安全的坑道，不主动打开门而悄悄的进行埋伏，这样的做法无疑是最明智的。

▶如果玩家控制的角色在游戏中受到的伤害达到一定程度，玩家一定会让角色逃离战场或者试图进行恢复，如果NPC这么做，那么玩家就不得不进行追杀，玩家杀死他就十分困难。这种结果就使得游戏要么像一个埋伏式的较量，要么像比赛追逐的游戏，两种情况无疑都比较无聊。

四、人工智能的编写

【案例】

人工智能文档的编写过程

首先定义一个NPC的行动范围，包括如下4种：

视野范围

说明：是指NPC发现目标的有效警戒范围，是一个由视野半径形成的圆形区域。

逃跑范围

说明：是指NPC脱离目标的有效移动范围，是一个以逃跑半径形成的圆形区域。

远战攻击范围

说明：是指允许NPC发动远战攻击的范围，是一个以远战攻击距离为半径的圆形区域。

近战攻击范围

说明：是指允许NPC发动近战攻击的范围，是一个以近战攻击距离为半径的圆形区域。

▶NPC视野AI流程图

▶NPC技能AI流程图

▶NPC数据表

小结：

一款电子游戏中人工智能设计的好坏会直接影响到游戏的可玩性。如何在现有技术水平的基础上加入更多、更新颖的人工智能是摆在电子游戏设计人员面前的又一课题，只有真正理解人工智能与玩家之间的关系，在游戏中充分考虑玩家的需求，才能最终设计出被玩家接受的优秀的游戏产品。

原创文章，转载请注明出处：学翼启

转载请微信联系tencentgad

游戏开发中的人工智能（一）：游戏人工智能简介

本系列文章对《游戏开发中的人工智能》DavidM.Bourg/GlennSeemann一书进行解读。

这本书谈了很多游戏软件AI的主题，内容深度适合初涉开发人员。所以，无论你是游戏开发新手还是资深游戏开发人员，如果需要尽快掌握AI技术，比如有限状态机、模糊逻辑、神经网络以及其他议题，这本书都非常适合。

针对游戏软件AI的初学者，假定你没有任何AI背景知识，但是假定你知道怎么用C/C++写程序，也假定你懂得基本向量数学在游戏中的应用。

章节概要：

第一章游戏人工智能简介定义何谓“游戏AI”，讨论当前AI技术的发展，以及AI技术的未来。

第二章追逐和闪躲讨论基本的追逐和闪躲技术，以及进级的拦截技术。我们也谈及这些技术在砖块环境和连续环境中的变化。

第三章移动模式许多游戏中经常出现固定模式的移动，比如守卫的巡逻行为，宇宙飞船的降落等。开发者可以将移动模式技术应用于特定行为的程序的编写中。

第四章群聚群居方法是A-life算法的实例。A-life算法除了可以做出效果很好的群聚行为外，也是高级群体运动的基础。

第五章以势函数实现移动靠势能移动在游戏AI程序中还算相当新颖。这个方法的最优越的地方在于可以同时处理追逐、闪躲、成群结队和避免碰撞等行为。

第六章基本路径寻找及航点应用游戏开发人员使用很多技术在游戏环境中寻找路径。本章要谈几种方法，包括航点应用。

第七章A*路径寻找方法路径寻找算法的主力——A*路径寻找方法。

第八章描述式AI及描述引擎程序员通常只写描述引擎，而由设计者使用工具创建内容和定义AI。本章探讨一些开发人员把描述系统应用在游戏中的技巧，以及他们所得到的益处。

第九章有限状态机有限状态机是游戏软件AI的基本要素。本章探讨有限状态机的基础，以及如何予以实现。

第十章模糊逻辑开发人员把模糊逻辑和有限状态机结合起来使用，甚至取代有限状态机。本章将会学到模糊逻辑为什么优于传统的逻辑技术。

第十一章规则式AI技术上而言，有限状态机和模糊逻辑都落在基于规则的方法这个大伞之下。本章将谈这些方法，以及其他变化的方法。

第十二章概率概论游戏开发人员时常使用简单的概率，使游戏较难预测。这种简单的不可预测性让游戏开发人员可以拥有对游戏的实质性控制。本章要谈这种用途的基本概率，顺便作为更高级方法的基石。

第十三章不确定状态下的决策：贝叶斯技术贝叶斯技术是概率技术，本章解释如何运用，以便在游戏中做决策并适应游戏。

第十四章神经网络“神经网络”技术让游戏具有学习和适应的能力。事实上，从决策判断到预测玩家的行为，都可以应用。我们会详谈最广泛使用的神经网络结构。

第十五章遗传算法遗传算法提供游戏软件AI演化的可能。虽然遗传算法不是经常被应用于游戏中，但是它们在某些特定应用方面的潜力是值得令人期待的，尤其是结合其他方法使用的时候。

游戏人工智能介绍

游戏AI的定义相当宽广而且灵活性很大。无论采取何种手段，只要能给人以某种智能程度的“错觉”，让游戏更能令人沉迷于其中，更具有挑战性，最重要的就是要更好玩，那才能看做是游戏AI。

定性与非定性AI

游戏AI通常分成两种，定性和非定性。

定性

定性即行为或表现是特定的，而且可以预测的，没有不确定性。具体实例可以是简单的追逐算法。比如说塑造一个怪物角色，沿着XY坐标轴前进，往某目标点移动，直到该角色的XY坐标和目标点的坐标重叠。

非定性

与定性行为相反，非定位行为有某种程度的不确定性，有点不可预测（不确定到什么程度与人们对所采用的的AI的方法的理解的难易程度有关）。具体实例是让非玩家角色学习到适应玩家的作战战术。这样的学习能力可以利用神经网络、贝叶斯技术或遗传算法得到。

定性AI技术是游戏AI的基础。定性AI技术的结果是可预测的，效率高，易实现、理解、测试和调试。虽然定性方法有很多，但是预先考虑各种场景以及明确写出所有行为的重担都会落在开发者的肩上。而且定性方法无法帮助NPC学习并进化，玩家只要认真观察一下，就可以预测出NPC的定性行为。我们可以这么说，使用定性行为，会限制游戏软件的“寿命”。

非定性技术可以让NPC自己学习，并进化出新的行为，比如说突现行为（没有明确指示而出现的行为），让玩家在玩游戏时难以预测，增加游戏可玩性。开发者也无需事先预先所有可能的场景，写下所有明确的行为。

尽管非定性技术可以增加游戏的可玩性，但是长久以来，开发者对非定性AI保持距离（但现在已逐渐得到改变）。由于无法预测，就很难测试和调试（因为没有办法测试玩家所有可能的行动，以确保游戏软件不会出Bug）。而且游戏开发人员面对的是不断缩短的开发周期，使得开发者难以全部了解最新的AI技术。

另一因素也限制了非定性技术的发展，最近开始，开发者把他们的注意力更多的放在图画的质量上（因为玩家都喜欢美的东西）。结果为了做出更好更快的图画技术，就没有时间开发更好的游戏AI了。

现有的游戏AI技术

有限状态机（finitestatemachine，FSM）是到处可见的游戏AI技术。第九章的时候我们会详细学习这部分，有限状态机的基本概念是列举出计算机控制的角色的一连串动作或状态，再利用if-then条件语句检查各类情况和满足条件，再根据判断结果执行动作或更新角色状态，或者在动作和状态之间做转换。

开发者时常会在模糊状态机（fuzzystatemachine）中用到模糊逻辑，让最后执行的动作难以预测，减少必须以if-then语句大量列举条件的重担。在有限状态机中，你可能有“if距离值为10且健康值为100，then攻击”这样的规则，但是模糊逻辑与此不同，它允许你用不太精确的条件设计规则。比如“if靠近而且足够健康，then强力攻击”。模糊状态机将在第十章时详细介绍。

在各类游戏中，非玩家角色的基本任务是必须找出有效地路径。在战争模拟游戏中，非玩家角色的军队必须能够通过各种地形，避开障碍物，抵达敌军所在地。第一人称射击游戏中的生物，必须能通过地牢或者建筑物以便和玩家相遇或逃离玩家视线。这种场景是数不胜数的。毋庸置疑，AI开发人员会很关注路径寻找。第六章中我们会谈一般的路径寻找技巧，到了第七章才会谈重要的A*算法。

上述的一些技术，只是现有游戏AI技术的少数几种而已，其他还有以规则为主的描述性系统以及某些人工声明技术，种类繁多。人工生命系统是一种人造系统，可以展现出符合人性的行为。这些行为属于突现行为，其发展是结合各种低层次算法运作后的结果。后面我们会讨论人工生命的实例以及其他技术。

游戏AI的未来

游戏AI的下一件大事就是“学习”。游戏上市后，所有非玩家角色的行为，不再事先安排，游戏玩的越久，游戏就会更多地演化和学习，更具适应性。这样的游戏会跟玩家一起成长，玩家也难以预测游戏行为，因此能扩展游戏的生命周期。游戏会学习并演化，造成了游戏本身无法预测的特性。

“学习”与“角色行为反应”技术，属于上文提到过的非定性AI的范围，所以有相当大的难度。明确的说，这种非定性的“学习”AI技术，要花更长的时间开发和测试。再者，要了解AI究竟会做什么也更加困难，这也使得调试变得更困难。这些因素是“学习”AI技术得以广泛应用的巨大障碍。不过，这一切都在改变之中。

几个主流游戏都用了非定性AI技术，比如“Creatures”、“Black&White”、“Battlecruiser3000AD”、“DirtTrackRacing”、“FieldsofBattle”以及“HeavyGear”。这些游戏的成功，重新点燃了人们对“学习”AI技术的兴趣，诸如决策树、神经网络、遗传算法以及概率方法。

这些成功的游戏软件，运用非定性方法时也搭配使用了传统的定性方法，只要在最适合并且需要的地方才使用非定性方法。神经网络不是仙丹，无法解决游戏软件中所有的AI问题，然而你可以在混合的AI系统中，解决特定的AI任务，借此获得令人印象深刻的结果。这样的话，你可以把AI中不可预测而且难以开发、调试和测试的部分隔离出来，同时又能让你的AI系统的大部分，都保持传统的形式。

游戏行业的人工智能设计：AI的设计和实施

文/DonaldKehoe在过去的几十年中，游戏行业取得了巨大发展。从Pong*和Pac-Man*等让游戏玩家短暂逃离现实的简单游戏发展为魔兽世界*和使命召唤4*这样让游戏玩家真正喜爱的复杂游戏。娱乐软件协会(ESA)曾指出，如今的游戏玩家平均有13年的游戏经验，已经习惯于看到每款新游戏变得越来越复杂、吸引人且智能。如今，游戏开发人员的挑战在于如何不断突破极限，开发出越来越引人注目的游戏。计算机控制的人工智能(AI)已经发生了多种形式的演变，以满足测试要求。然而，为游戏玩家设计符合其动作并促进玩家数量增长的自适应对手并非易事。第一部分：设计和实施对于游戏行业而言，人工智能是什么？从最基本的层面而言，“人工智能”包括模仿其他玩家或玩家所代表实体(即可以响应或付诸实践的所有游戏元素——从玩家、飞弹到健康皮卡)的行为。关键概念是模仿行为。也就是说，游戏行业的人工智能更加人工化，而智能程度较低。系统既可以是基于规则的简单系统，也可以是旨在挑战玩家作为对立军队指挥官的复杂系统。游戏行业的人工智能与传统的人工智能观点有何不同对人工智能的传统研究旨在创建真正的智能——尽管是通过人工手段。有些项目，如麻省理工学院(MIT)的Kismet*项目，正在尝试创建一种能够进行学习、社交互动并表现情感的人工智能。在本文撰写之时，麻省理工学院正在创建一种有幼儿教师和可喜成果的人工智能。对于如今的游戏而言，真正的人工智能已经超出了一款娱乐软件的要求。游戏人工智能不需要具备感受力或自我感知能力(事实上没有最好);它不需要了解除游戏之外的任何信息。游戏人工智能的真正目标是模仿智能行为，为玩家提供一种可信的挑战——即玩家可以克服的挑战。游戏人工智能的目标人工智能可以在游戏中扮演多种角色。它可以是一套用于管理游戏世界中实体行为的一般规则。您也可以考虑实体遵循一类人工智能的预制脚本事件。例如在游戏F.E.A.R*中，用于恐吓玩家和预示未来事件的令人毛骨悚然的小女孩就是一个预制脚本事件。提到人工智能和游戏时，大多数人都会想到多人游戏中由电脑控制的玩家。不过，所有这些都是人工智能能够实现的不同角色。

F.E.A.R.(VivendiUniversal)在一类人工智能中使用脚本事件

游戏人工智能的基本要素根据人工智能要实现的角色的性质，系统需求可能非常少。系统越复杂，人工智能的要求就越多。基本需求无非是运行AI所需的处理时间。更复杂的系统需要一些感知人工智能环境的手段，玩家行为记录和一些评估先前决策成功度的手段。决策人工智能背后的核心概念是决策。为了执行这些选择，智能系统需要能够使用人工智能系统影响实体。您可以通过“人工智能推送”或“实体推送”战略管理这一执行。人工智能推送系统通常将人工智能系统隔离为游戏架构的独立元素。此类战略通常采取独立线程或线程的形式，线程中的人工智能花时间计算给出游戏选项的最佳选择。卖二手QQ当人工智能制定决策时，这一决策将随后传播至涉及的实体。这一方法在实时战略游戏中最有效，因为在这种游戏中，人工智能关注大局。实体推送系统最适合包含简单实体的游戏。在这些游戏中，实体会在其“思考”或自我更新时调用人工智能系统。这种方法非常适合于包含大量不需要经常思考的实体的系统，如射手系统。这一系统还可以从多线程技术中受益，但需要一些额外的计划(详情请见OrionGranatir的多线程人工智能上的文章)。基本感知为了使人工智能作出有意义的决策，它需要感知周围环境的某种方式。在较简单的系统中，这种感知可能只是对玩家实体的位置进行简单的检查。随着系统的要求越来越苛刻，实体需要找出游戏世界的主要特点，如可行的穿行路径、提供掩护的地形和冲突地区。设计人员和开发人员面临的挑战在于找出一种方法，以确定对智能系统至关重要的主要特点。例如，掩护可以由关卡设计师预先确定，或可以在加载或编译地图时进行预先计算。有些元素可以动态评估，如冲突地图和紧迫威胁。基于规则的系统智能系统采用的最基本形式是基于规则的系统。这一系统延伸了“人工智能”这一术语。一组预设行为用于确定游戏实体的行为。对于各种行为，总体结果可以是一个虽然涉及的实际智能很少但并不明显的行为系统。在基于规则的系统方面，BlackJack庄家就是一个很好的例子(无论是视频BlackJack还是真正的BlackJack)。庄家遵循一个简单规则：当牌点数为17或不到17时必须要牌。一般玩家的看法是庄家有竞争力。玩家会设想一个比其当前敌手更有能力的对手(除非赌场经营者公布庄家遵守的规则)。Pac-Man是这一系统的典型应用。四个鬼纠缠着玩家。每个鬼都遵循一个简单的规则集。一个鬼一直左转，另一个一直右转，一个以随机方向转弯，最后一个转向玩家。每个鬼的移动方向很容易弄清楚，玩家能够轻松避开他们。但作为一个集体，这些鬼的移动方式看起来就复杂的多，相互协调配合共同寻找玩家。事实上，检查玩家位置的只有最后一个鬼。

控制Pac-Man鬼的规则集的直观图，其中的箭头代表将作出的“决策”。

正如本例所示，规则不需要硬编码：规则可以基于感知到的状态(如最后一只鬼)或实体的可编辑参数。进攻、勇气、视线范围和思考速度等变量均可以产生更多样化的实体行为，即使是在基于规则的系统中。基于规则的系统是最简单的人工智能结构。更复杂的智能系统基于一系列条件规则构建并由这些规则管理。在战术游戏中，规则控制着要使用的策略。在策略游戏中，规则控制着建造顺序和应对冲突的方式。基于规则的系统是人工智能的基础。有限状态机作为人工智能有限状态机(FMS)是一种概念化和实施在整个生命周期中拥有不同状态的实体的方式。“状态”可以代表实体所处的物理状态，或者也可以代表实体展示出的情感状态。在本例中，情感状态并不是真正人工智能的情感状态，而是融入游戏环境的预定行为模型。下面是一个人工智能系统的常见状态示例，针对一个包含隐性元素的游戏：

典型FSM中的状态布局，其中的箭头表示可能的状态变化

闲置。在这种状态下，实体会被动地站着或沿固定路线走动。感知水平低。不常检查游戏玩家的声音。只有这一实体受到攻击或“看到”玩家直接在其前面时，它的状态才会更改为较高的认知水平。感知。这一实体主动寻找入侵者。它会经常检查游戏玩家的声音，比闲置实体看得更远更宽泛。如果这一实体注意到碍事的某物(在其检查范围之内)，如打开的门、无意识的尸体和用过的弹壳等，它将变为好奇状态。好奇。这一实体意识到发生了不寻常的事情。为了证实这一行为，该实体将放弃其正常岗位或路线，移动到感兴趣的区域，如前面提到的打开的门或尸体。如果玩家被发现，实体将变为警戒状态。警戒。在这种状态下，实体已经注意到玩家并将开展追捕玩家的行动：移入攻击范围、提醒其他警卫、发出警报并寻找掩护。当实体在敌人范围内时，它将切换到攻击状态。攻击。在这种状态下，敌人已经参与到与玩家的战斗中来。实体会在可能时攻击玩家，并在不同的攻击回合之间寻找掩护(根据攻击缓和时间或装弹时间)。只有在消灭敌人后(恢复正常)、敌人移动到射程之外(回到警戒阶段)或实体死亡(进入死亡状态)时，实体才会离开这个状态。如果实体的生命值很低，它可以切换为逃跑状态，这取决于特定实体的胆量。逃跑。在这种状况下，实体会试图逃离战斗。根据游戏的不同，可能会有寻找生命值或离开游戏区域的次级目标。当实体找到生命值后，它可能会返回到警戒状态并恢复战斗力。“离开”的实体只是删除了而已。死亡。在有些游戏中，死亡状态可能不是完全闲置。死亡或濒死的实体可能会“大声呼叫”，从而提醒附近的实体，或进入神志不清的状态，医师可使其复活(并返回到警戒状态)。在实体系统中实施FMS至少有两种简单方法。第一种是让每种状态成为一种可以检查的变量(通常通过大量的开关语句)。第二种方法是使用函数指针(C语言)或虚拟函数(C++和其他面向对象的语言)。自适应人工智能前面的章节讨论了如何设计融入游戏预定义事件的智能系统。对于大多数游戏而言，只要设计缜密且对智能实体的目标有清晰的认识，这就足够了。如果游戏需要更多的变化并为玩家提供更好、更有活力的对手，人工智能可能需要具备增长和独自适应的能力。自适应人工智能通常用于格斗游戏和策略游戏，这些游戏具有深层次的机制和无数的游戏选项。若要为玩家提供持续的挑战且避免玩家最终找出打败电脑的最佳策略，人工智能需要具备学习和适应的能力。预测有效预测对手下一步行动的能力对于自适应系统至关重要。可以使用不同的方法，如过去模式识别(在未来的文章中介绍)或随机猜测，以确定要采取的下一步行动。适应的一个基本方法是记录过去的决策并评估成功程度。人工智能系统会记录一个游戏玩家在过去所做的选择。过去的决策必须以某种方式进行评估。(如在格斗游戏中，获得的优势或损失的生命值或时间优势可以作为成功的衡量指标。)可以通过收集有关这种情况的更多信息来为决策提供一些背景，如相对生命值、以前的行为和关卡定位(当玩家走投无路时会采用不同的游戏方式)。可以通过评估这些历史信息来确定以前行为的成功程度以及是否需要改变战术。在构建过去行为列表之前，可以使用一般战术或随机行为来引导实体的行为。这一系统可以与基于规则的系统和不同的状态相结合。在战术游戏中，过去的历史可以决定用于对付玩家团队的最佳战术，如防守、进攻、狂暴或一些平衡的游戏方法。在策略游戏中，可以基于玩家发现一个部队中最佳的分队组合。在由人工智能控制玩家支持角色的游戏中，通过了解玩家的行为方式，自适应人工智能可以更好地补充玩家的自然风格。总结人工智能是一个复杂的研究领域。根据游戏需求的不同，游戏行业的人工智能会采用不同的形式，从计算机控制器实体的简单规则集到更先进的自适应系统。在游戏行业中应用人工智能概念对于提高电子娱乐产品中虚拟人物的可信度必不可少，但它并不是一个不可能的挑战。这一系列的下一篇文章将讨论人工智能在感知和导航复杂环境方面所面临的挑战，以及如何应对这些挑战。关于作者Donald"DJ"Kehoe：作为新泽西理工学院信息技术项目的导师，DJ开拓了游戏开发领域的专业化之路，并教授该项目中有关游戏架构、编程和关卡设计的许多课程，以及集成3D显卡与游戏的课程。目前他正在攻读生物医学工程博士学位，运用游戏和虚拟现实来增强神经肌肉康复的效果。

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

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。

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。

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。

人工智能设计在游戏中的应用

本文源自学翼启微信公众号转载请注明出处

人工智能已经逐步进入到我们的生活，而在游戏中，人工智能技术又是如何得到应用的呢?本期我们就一起来聊聊关于游戏中人工智能的设计方法。