在AI的黑匣子里，人类可走多远？

　　在AI的黑匣子里，人类可走多远？

　　一个软件、一个机器人，在衍生式设计的思维之中都具备了逻辑思考能力，它们将以超出人类脑力极限的方式找出人们的真正需求。

　　文｜ 钱丽娜

　　“要了解人工智能对人类社会究竟会产生怎样的影响，先要从燃料这个话题谈起。”欧特克公司应用研究实验室首席研究工程师李卉说。

　　这里提到的燃料则是“数据”。“云”和数据在改变着人们的生活，软件主宰这个世界，设计领域也不例外。

　　设计正在经历大蜕变

　　设计不再仅仅局限于电脑程序里的静态形式。设计工具以及相关的用户体验在经历一场大蜕变。

　　首先，设计工具发生了转变。当计算能力有限时，人是设计的主导者，人在何时决定进行仿真设计就在什么时间进行。当计算能力无限时，整个过程颠倒过来，不再基于设计来进行模拟仿真，而是通过模拟仿真来发现理想的设计方案。这就是衍生式设计，人只需要设定目标、限制条件和影响因素，强大的计算能力就可以找出并且分析一切可行的设计方案，甚至发掘设计师意想不到的设计方案。

　　“衍生式设计的奇妙不仅仅是几何结构的综合，它已经开始学会理解无限复杂的事物，比如人的需求。”李卉说。

　　欧特克多伦多团队需要建造一幢新办公楼，工程师们尝试用衍生式设计做了实验。这个实验旨在探究怎样才能为员工创造良好的工作环境，并且充分提高生产力。工程师们先是把影响员工生产力的因素输入其中，然后对员工进行调查，了解他们的偏好和工作习惯。

　　系统按照建筑面积、固定位置等硬性条件，对调查数据进行评估，之后生成上千个楼面设计图。这个系统力求减少干扰因素，最大化窗口视野，并且优先考虑人际交往关系。最终找出兼顾所有人需求的公平的解决方案。

　　在此过程中，系统没有像搭积木那样简单地进行隔间组合，也不是找到一个可行方案就停止优化。它一改以往设计师下指令，设计工具执行指令的方式，现在这种关系已经演变成为自适应的关系。

　　“衍生式设计的好处是设计师把底线和必须满足的条件给出，然后它就会给你多样化的选择。机器经过一段时间的学习后，它能够了解到你的喜好，而且你的喜好或是喜好之外的惊喜都是可以设定的。”李卉说。

　　衍生式设计的概念也被欧特克的科学家们尝试用在制造领域。

　　过去几十年来为了人的安全，机器人被锁在老式的工作间，它们往往有上吨重，移动速度极快，也不会对人有感应。但是，被禁锢的不只是机器人，还有制造流程。但现在，人工智能将有新解。

　　欧特克给机器人安装上了眼睛，让它“看”到并且能够适应周围的环境。给它分配3D打印任务时，机器人在打印过程中可以进行自我修正，形成闭环的回馈系统。随着机器人能力越来越灵活，与人的合作方式也越发灵活。人不再需要产品手册或者是传统的编程来设定机器人的动作，而是借助VR进入它的世界，机器人也可以通过观察人来学习。这样曾经分离工作空间的墙已经不存在了。通过赋予机器人新能力，人与机器人的协作变得更加流畅、灵活。

　　这是衍生式设计的思路在机器人身上的表现。机器人通过学习并且理解环境，具备了适应新任务的能力。未来个性化的生产会越来越多，而当机器人具备适应新任务的能力时，企业的成本并不会增加。

　　“可以这么说，无限计算能力正在改变我们设计和制造的工具，而这些工具也在改变着我们设计和制造出来的产品。设计软件已经大大突破人脑局限，帮助人类探索成千上万种潜在的方案。”李卉说。

　　在AI的黑匣子里

　　数据左右着设计决策，当采集的数据越来越多，无论是传统工具还是人都无法处理，于是采用的工具和用这些工具制造出来的产品最后都变成了黑匣子。这些黑匣子虽然不方便被人类检视，但是可靠性在很多领域已经优于老式设计和人类自己。

　　面部识别、癌症检测、车辆驾驶等新型人工智能的开发都不是建立在条件假设上开发出来的，而是基于数据洞察。在自动驾驶领域，机器学习是着眼于驾驶原理而不是公式。自动驾驶系统是看着前方的真实世界，从自己所构建的现实当中学习。“以往基于限制条件建设计算模型，现在新型的计算方式是基于洞察。”李卉说。

　　那么，未来设计和建造工具将怎样被机器学习改变呢？

　　欧特克的科学家们通过将计算机视觉提供一个名为Bishop的机器人，赋予他能够看到并且适应周围环境的能力，同时也赋予它学习并且适应新任务的能力。然后把它放到混杂的世界中。这时，机器人不再无视人和工作流程，它能够学习和适应多变而无序的人类世界，变成了一台有好奇心的机器人，让智力自然发展。

　　逐渐的，Bishop意识到它有一双眼睛可以看，有一双手可以抓取物品，逐渐进化出对周边环境的反应，并给予回应的能力。在乐高积木的搭建实验中，科学家们为加速Bishop的智力发展，创建了一个模拟世界供它学习。这个模拟世界是用仿真技术做成乐高积木的渲染图来替代照片输入到深度学习神经网络给Bishop看，使它学会如何组装各色各样的积木。

　　分离真实世界与虚拟世界的时间后，Bishop的学习进程得以加快。这就意味着，Bishop的智力发展是以计算机时间（即计算机的运算能力）而不是人类时间来计算的。之后，Bishop要把看到学到的东西带回到现实世界，再借助机器学习来填补仿真世界和现实世界的差异。结果是虚拟世界和真实世界的鸿沟越来越小。Bishop慢慢学会了组装积木。云的存在意味着所有机器人都可以学会这项能力。同样，人可以将积木换成任何其他部件，机器人依然能够学会。以往机器人依赖人类给它们创造一个一致不变的世界，但是现在，机器人拥有了创造的能力。

　　在Bishop的基础上，欧特克的科学家们还在进一步思考，既然机器学习能够通过观察学习来实现，为什么不能以相同的方式学习使用仿真工具？比如破解难以掌握的复杂事物。如果设计软件自身可以学习每一个对话框下拉菜单设计，把它们与生成图像关联起来，它便可以实现视觉效果艺术家经常做的事情。根据一个参考照片就可以推断所需要的设置，并以数字方式来再现效果。

　　同样，人类找到的材料有上万种，如果依靠漫长的物理测试来检定材料的特性，估计这一辈子都看不到结果，但是人工智能可以帮忙，用已知材料预测推断未知的材料。借助神经网络可以为一万多种材料建立特征库，并且能够以计算机时间而不是人类时间迅速完成这项任务。

　　在人工智能的世界里，数据帮助机器通过观察学习来进行逻辑推理，而不是遵循一套固定的程序。“人类需要重新审视传统工具，这样才能够发挥工具的最大潜能。”李卉说。