我從12年開始接觸移動互聯網交互設計，到現在也有五個年頭了，從當年靠自學的菜鳥到現在已經工作2年的交互設計師，我最大的感觸是14年末移動互聯網的交互設計已經到達天花板了。這句話的意思不是說移動互聯網的交互設計已經到盡頭，而是交互設計的形式已經很穩定，只要設計師看過幾個競品掌握點知識，通過一定的拼裝也能做出一個相對穩定的產品設計出來。

為什么敢說是14年末。因為15年后已經很少有新的交互設計書籍上市。為什么？因為iOS7出現了，Material Design也出現了。它們強調內容優先，信息架構、流程和視覺設計應該扁平化，以及他們已有完善的平臺設計規范，所以做起設計來都變得更簡單了，這是一件好事。

之前和一名和我一樣喜歡折騰喜歡玩創客且比較資深的設計師聊了下，我們都發現并認同一個觀點：交互設計師更像一個指導人類如何與計算機溝通的先驅。意思是在人類發明了計算機后不知道如何和計算機溝通，所以有了交互設計師這個職位而且讓他們去踩雷，雷被踩完后，人和計算機溝通的道路不再危險時，交互設計師就沒多大作用了。（這里的交互設計師指狹義中與計算機打交道的交互設計師。）

所以，我們可以看到08-14年不斷有不同交互形式的產品出現，因為大家都是抱著一種猜測和理解的方式去表達自己的交互設計觀點，那時是因為不知道哪個設計是對的而不同（等于踩雷），后面通過數據和用戶行為慢慢知道哪些設計更合理（開始收斂合理方案），再到后面被巨頭壟斷，巨頭的設計規范逐漸成熟并影響其他設計（雷沒了）。

隨著扁平化理念的出現，每個人進入設計領域的門檻降低，有更多能力參差不齊的人因為看到UI或交互設計這些領域看似簡單而且高工資而涌入這領域，導致了這領域迅速膨脹，從飽和到泡沫。

所以，無論是事或人，移動互聯網設計已經很成熟，到現在已經很難探索出有突破性的創新。

講人工智能之前講一大堆與人工智能不太相關的話題是有原因的，即使沒有人工智能的出現，往后設計師面臨的問題也很多，這些是時代或者人為造成的，與人工智能無關；人工智能出現后，這些問題會加劇增加，導致更多的設計師面臨被淘汰的問題。

首先說出我的觀點：

1. 由于現在大多數的設計靠拼素材和簡單（完善）的設計規范就能完成，基本都是做重復性的操作，所以含金量較低。

2. 同類產品的信息架構、流程和頁面與競品不會有太大差距，所以交互設計師做的事情大多是為了滿足用戶需求和設計不出錯的流程，后者含金量也較低，它只是不同人在做同一件事情。

3. 大部分的界面布局和結構相對簡單，前端重構頁面時基本都是用相同的代碼重復去實現設計師的設計圖，含金量也較低。

以上三點基本都是初級設計師（包括我）在做的事情。這些事情需要解決的問題是效率，只要效率高，重復性的事情能更快解決，這時候就不需要更多的設計師來做這些事情。人工智能就是解決重復性工作，提高效率的工具。

為了讓這篇文章更客觀，寫這篇文章前，我通過Udacity課程自學了機器學習方面的知識（我有較好的計算機基礎）以及通過閱讀不同的書籍去彌補自己在人工智能方面知識的不足，這樣才能更好地綜合計算機和設計兩個維度來闡述人工智能對設計的影響。

首先要聊一下現在的人工智能是什么。

在計算機領域，人工智能是用來處理不確定性以及管理決策中的不確定性。意思是通過一些不確定的數據輸入來進行一些具有不確定性的決策。

現在的人工智能從技術角度來說是深度學習，而深度學習是機器學習的一種方向，所以我們需要了解機器學習和深度學習是什么。機器學習簡單點說就是通過一個數學模型將大量數據中有用的數據和關系挖掘出來，而深度學習指這個數學模型會不斷的自我優化，從而發現更多優質數據以及聯系。現在的AlphaGo也是通過十幾萬盤棋的訓練判斷出未來幾十步的走向是否會贏，這也是深度學習帶來的“奇跡”。

從實現上來講，機器學習主要通過監督學習，非監督學習和增強學習這三個方法實現自我學習。監督學習與數學中的公式（函數）有關，非監督學習與現實中的描述（例如哪些動物有四條腿）有關，增強學習的大概意思是通過聯想并對比未來幾步所帶來的好處而決定下一步是什么。

解釋了這么久，機器學習和深度學習看起來只與數據產生關系，貌似和設計沒有半毛錢關系。實際上是這樣的：

1. 最近火了一把的魯班設計是通過深度學習來量產Banner的。設計師將自身的經驗知識總結出一些設計手法和風格，再將這些手法歸納出一套設計框架，讓機器通過自我學習和調整框架，演繹出更多的設計風格，上億的Banner通過素材進入該框架后批量拼裝而成。也就是說只要有一個合理且容錯度高的設計框架來做支撐，后面的工作都是重復將素材進行拼接。拼裝這是效率的問題，不是設計問題。（這里的Banner是量產物，不是優質有靈魂的作品）

介紹魯班設計系統：《UCAN2017回顧!美工終結者「魯班智能設計平臺」是如何工作的？》

2. 交互設計師大部分的工作是了解需求，分析競品以及與各角色的溝通，只有少部分時間用來畫圖，但最終的產物線框圖能更好地反映一個交互設計師的能力，流程是否邏輯嚴謹，是否能跑順。嚴格上說，這也是重復性的工作。

首先，將流程拆解到最小顆粒度，每個細小流程基本存在（很有可能在某一款競品中存在，所以我們需要不斷體驗不同競品），我們只不過是重復地將每個細小流程再畫一遍，然后將細小流程再組裝成一個大的流程，再去看有沒有問題。假設后面有一款神器能將每個競品功能和流程進行拆分和標注，神器通過自我測試的形式將流程跑一遍并記錄下來，然后對比不同流程的效率和流暢度，再進行自我學習歸納出一個通用的流程框架。交互設計師了解需求后通過選擇不同的流程框架進行拼裝，就能把一款產品架構給組裝好。明顯的好處是減少流程設計時產生的漏洞，以及已知可行性降低了與各角色的溝通成本，這也極高提升了效率。（剛提到的神器我覺得很有可能被實現出來，只是前期需要有人進行大量的數據清洗和標注）

3. 自從有了扁平化設計和內容優先兩個理念后，大部分產品的UI設計變得更簡潔。突出內容使現在的UI設計基本圍繞著控件、字體、顏色、線條以及間距進行重復調整，當然還有最重要的icon設計。為了提高效率和每個頁面的一致性，所以有了設計規范。有了設計規范后，UI設計師的大部分工作是通過設計規范將交互線框圖給表現出來，但這些重復性工作不能體現出UI設計師應有的價值，這也說明了現有的UI設計有大量的重復性工作。假設后面有一款神器，只要交互設計師將線框圖的每個元素標注出來是什么，這款神器都能將該元素按照設計規范進行包裝，說不定以后設計師只要調整一下設計規范里的參數就能把全部頁面的相關元素調整完，效率極大提高。#這里不需要用到機器學習#

4. Zeplin這個插件將設計師從枯燥的體力活中解放出來，設計師不用再為切圖標注煩惱。如果這個插件再擴展一下，可能連重構這種枯燥的體力活都能做完（除了性能優化）。前端工程師（騰訊里有專門的重構工程師，叫UI工程師）通過HTML和CSS將設計師給的設計圖用代碼和切圖資源給實現出來。由于現在的網頁或者APP設計包括布局和控件都相對簡單，所以基本上重構工程師的大部分工作也是重復的，除了需要針對個別案例進行性能優化。現有的布局基本為線性布局，絕對布局和相對布局，每個資源都有左右和上下層級的關系，也就是說元素之間的關系是確定的，理論上就可以通過模型來實現，無需人為重復地編寫代碼。Zeplin已經解決了元素的標注和切圖問題，只要把模型實現出來，應該能解決大部分重構問題，工程師只需要解決剩余部分即可。如果大家感興趣，可以關注一下最近的Pix2code，它通過深度學習將UI設計直接自動生成代碼，連標注和切圖都不用給。

以上四點說明隨著人工智能（機器學習）的介入，設計師在重復的工作上，效率會不斷提高。就像有了蒸汽機的出現，工人的效率低能立刻對比出來，再加上企業需要不斷付工資給工人，所以當時有相當多的工人失業。后面也可能面臨這一問題，只懂做簡單而且經常做重復性工作的設計師很可能有一天被人工智能（機器學習）的效率打敗。

但，設計師也不太需要杞人憂天，因為以上四點只能體現出設計師的重復性工作，不能體現出設計師的價值，設計師還是比較難被人工智能取代的，頂多是美工被取代。

前面講的基本是機器學習，從現在開始，我會講講什么是人工智能。這里會引用李開復老師的《人工智能》一書的很多觀點，這是一本好書，推薦大家去看看。

在人工智能一書中，李開復老師采訪了眾多科學家，并總結了現在科學家對人工智能的5個定義：

1. AI就是讓人覺得不可思議的計算機程序

計算機基本上是在用搜索或優化搜索的方式來解決博弈問題，例如AlphaGo下圍棋。這個更多站在大眾的角度來看待人工智能，主觀性太強，不利于科學討論。

2. AI就是與人類思考方式相似的計算機程序，AI就是能遵照思維里的邏輯規律進行思考的計算機程序。

3. AI就是與人類行為相似的計算機程序

這應該是普通人類所擔憂的問題，計算機被賦予人工智能后是不是能像人一樣思考和行動，其實非常難，后面會有特定的解釋。

4. AI就是會學習的計算機程序

“無學習，不AI”，這幾乎成了人工智能研究在今天的核心指導思想。計算機通過不斷優化自身的數學模型從而“學習掌握”更多知識。

5. AI就是根據對環境的感知，做出合理的行動，并獲得最大收益的計算機程序

這是維基百科使用的綜合定義，也是學術界的教科書式定義，全面均衡，偏重實證。

現在的人工智能屬于弱人工智能，還達不到大眾所遐想的人工智能。弱人工智能也稱限制領域人工智能或應用型人工智能，指的是專注于且只能解決特定領域問題的人工智能，例如AlphaGo，它自身的數學模型只能解決圍棋領域的問題，可以說它是一個非常狹小領域問題的專家系統，以及它很難擴展到稍微寬廣一些的知識領域，例如如何通過一盤棋表達出自己的性格和靈魂。

李開復老師也很肯定直接給出了以下觀點：今天我們看到的所有人工智能算法和應用都屬于弱人工智能的范疇。

大眾所遐想的人工智能被定義為強人工智能，它需要具備以下能力:

• 存在不確定因素時進行推理，使用策略，解決問題，制定決策的能力
• 知識表示的能力，包括常識性知識的表示能力
• 規劃能力
• 學習能力
• 使用自然語言進行交流溝通的能力

將上述能力整合起來實現既定目標的能力。

這些能力在常人看來都很簡單，因為自己都具備，但計算機很難具備以上能力，這也是為什么人工智能很難達到常人思考的水平。李開復老師也很肯定直接給出了以下觀點：從技術角度說，弱人工智能與強人工智能之間的鴻溝可能遠比我們目前所能想象的要大得多。

《人工智能》一書中也舉例了今天的AI在以下七個領域還很不成熟，這七個方面正是設計師所擅長的。

1. 跨領域推理

人類強大的跨領域聯想、類比能力是跨領域推理的基礎。這正是設計師所需要的技能，如何通過跨界聯想進行設計創新，如何通過類比能力去推理出用戶想要什么。

2. 抽象能力

抽象是想象力中最重要的部分，設計師最不缺想象力和創意。

3. “知其然，也知其所以然”

學習中最重要的能力之一。設計師通過多個實例找出實例的本質及其產生的原因，提煉出用戶的需求，再通過具象提出設計方案。

4. 常識

我們每個人都有一些幾乎被所有人認可的，無須仔細思考就能直接使用的知識、經驗或方法。當這些經驗知識秒現在我們腦海時，這就是我們設計師最需要也是最難講道理的——靈感。

5. 審美

審美能力同樣是人類獨有的特征，很難用技術語言解釋，更難被賦予機器。審美是一件非常個性化的事情，每個人心中都有自己一套關于美的標準，但審美又可以被語言文字描述和解釋，人與人之間可以很容易地交換和分享審美體驗。這種神奇的能力，計算機目前幾乎完全不具備。

6. 自我意識與情感

情感是我們人類的感性基礎，結合自我意識再升華即是靈魂。我們的設計需要考慮用戶的感受，這也是常說的情感化設計。最好的藝術作品或者設計作品都是有靈魂的，當人類第一次看到或使用到它們時，會深深感受到內心的震撼。計算機目前只能通過數學建模用文字或者人的表情來推斷出人類情感，但還做不到如何延續用戶的開心或者安慰用戶的傷心，更不用說如何與人類進行靈魂交流。

以上七點正是設計師最擅長的卻是機器最不擅長的，所以我們完全不用擔心會被人工智能取代。但是，人工智能能使移動互聯網下的設計變得不太重要。

與手機屏幕交互屬于非自然交互。當技術解決了難題，機器能理解自然語言時，界面設計從過渡的對話式交互再到語音交互，人與機器的交互變得更自然，大部分產品的形態會發生顛覆性的改變，這時候界面顯示內容的需求會驟降，很可能從100-1-0不太需要界面設計了。語音交互已經逐漸開始吞噬界面交互了。

那我們能做什么？還是很多的。

1. 以交互設計師為例。交互設計師的大部分工作是為了探索、理解和具象用戶需求，這一部分無論在哪個領域（即使無界面的領域）都不會有太大變化，所以人工智能不會對我們造成太大傷害。但是，交互設計師應該到新的領域如VR，AR進行開拓“踩雷”，這樣會更有趣點。

2. 以視覺設計師為例。今年可以明顯看到新的設計趨勢——3D設計在逐漸起步，這比擬物化時代的設計更難，它更需要想法和技法。當人工智能把簡單的活干好，那么視覺設計師可以做點人工智能還做不到的事情。

3. 領域。移動互聯網只是一個領域，還有更多更新的領域需要開拓，例如傳統行業的服務設計、虛擬現實、增強現實等等。當移動互聯網已容納不了太多設計師時，設計師可以有意識到其他領域繼續發光發熱。

4. 我們設計師利用人工智能除了提高效率還能做什么？這是一個我絞盡腦汁想了兩個月都沒想到的問題。我覺得它只是一個數學模型，它可以它只能從其他方面影響技術的進步，或者從根源挖掘出新的需求，而設計師處于技術和產品之間，雖然可以用更先進的技術實現更好的設計，但很難使用該工具探索出新的設計或者對設計思維產生影響，如果后面我突然靈感爆發，我會立刻告訴你們。

歡迎關注作者的個人公眾號：薛志榮

「人工智能的設計神器」

1. 《拯救手殘黨！谷歌黑科技AUTODRAW用人工智能幫你畫畫！》
2. 《UCAN2017回顧!美工終結者「魯班智能設計平臺」是如何工作的？》

【優設網 原創文章 投稿郵箱：yuan@uisdc.com】

================明星欄目推薦================

優優教程網： UiiiUiii.com 是優設旗下優質中文教程網站，分享了大量PS、AE、AI、C4D等中文教程，為零基礎設計愛好者也準備了貼心的知識樹專欄。開啟免費自學新篇章，按照我們的專欄一步步學習，一定可以迅速上手并制作出酷炫的視覺效果。

設計導航：國內人氣最高的設計網址導航，設計師必備：http://hao.uisdc.com