@阿里巴巴UED：在本次的UCAN大会上，@范_凌 发布《“人工智能”与“设想的现在”——2017设想与人工智能报告》 。报告由同济x特赞设想与人工智能实验室撰写，联合同济大学设想创意学院、特赞信息科技和阿里巴巴人工智能设想实验室共同发布。
该《设想与人工智能报告》通过对学术文献、技能资料和产业案例的定性和定量分析，专家采访、趋势预测、劳动力再分配观察和教育改革等方面第一次对设想与人工智能的交叉学科成绩进行建构，希望帮助更多设想师为人工智能时代做准备。
首先，他提出几个成绩：
第一：设想本身能不能可量化，能不能算法化，能不能数据化。
第二：我们希望知道人工智能到底对设想意味着什么。除了代替之外，是否还可能产生一种共生的关联。
第三：我们希望去分析一下。既然很多商业曾经发生了数据算法带来的重大改变，那么是否在这个改变当中设想不妨扮演更积极的角色，或者曾经扮演了一些角色。
第四：更人文性的成绩，如果呆板能做设想了，知识产权的归属如何确定，相应的设想师或者设想行业作为一种文化，不妨在数据垄断里扮演什么角色。
工业设想4.0与设想
人工智能如何在这样的人文语境里去理解，并且如何启发创意性的任务。
他分享了四个见解：
1. 需求侧的极度细分
2. 在线/不断/交互
3. 超细分个体的涌现
4. 人/机交互的新组织
围绕着这四个见解，他讲述了我们正处在个性经济下， 5-10年的巨大数据积累可以做到千人千面，万人万面，亿人亿面。而通过数据的极大化，不妨产生每一个人重新回归到个体。它引起了人工智能所带来的一系列思想方式，带来了消费或者需求侧极大的变化，产生极小的数量，极大品类的转变。
纵观20年的科技进化史，科技不断把与人更接近的部分变道线上去，现在思想和感情能不能联网，能不能在线交互，而设想本领现在也是一种个人本领，能不能成为一种可以被不断在一起的本领。在这个时代，人人都可以被找到的时代，你的短板不再成为局限你发展的弱势，反而是你的长板，超细分不可被代替的妙技成为你在这个社会上主要的竞争力。在这个点上，可以认为所谓“平均”就是人工智能能达到的水平，而每一个人所赋于平均的附加值，这是每一个人的超细分妙技。去年几个麦肯锡报告里非常强调新组织方式的出现，这种组织方式是把原来简单组织方式的任务，变为更灵活的去匹配资源。这种匹配资源一方面是对接实体之外按需的个体，每一个超细分本领的人。
为什么设想需要智能
对于第二个成绩，他分别从宏观和微观的角度来分析。
宏观的角度：
设想与运算的历史
妙技的民主和数据的垄断共存
技能与设想任务，更多还是更少了
他讲述了设想与运算之间的关联曾经有了很长的历史，并没有像想象的那样新。
在宏观的第二个角度，有两样与世界发展趋势共通的用具：一样是“技能的民主化”，或者“妙技的民主化”。在“技能的民主化”中，我们以另一个发现性的任务——摄影为例。从过于写实的绘画到拥有暗房工具，到很大很笨重的光学相机，到傻瓜相机，再到照片数据化、到数码相机，最后现在每一个人手上都有了摄像头和App。
另一样是“数据的垄断”。在用户指数级增长的流程当中，有一些机构、设备、终端，以及平台会开始积累大量的数据。而我们又会进行反思我们总在想，技能的发展是否必然会代替一些人的任务？这一点我们没有办法避免。但是 30 年前的例子告诉我们，一方面Photoshop 作为一种工具确实代替了排版工人，但在美国却给设想行业的薪资带来了 3 倍的涨幅。所以在这个流程当中，正如《经济学人》杂志一直秉承的见解：技能摧毁更多旧的任务，但更会发现新的任务。这一点上，我们还是要乐观一点。
从微观来讲，存在三个难点：发现、确定性／不确定性、方式／实质。
第一个难点，设想是一个发现性的任务，你试图在设想中发现艺术，但你能不能发现艺术，实际上就得听天由命。第二个难点，确定性和不确定性。我一直认为设想的魅力是在于“不确定性”。正是因为“不确定性”，设想师有自己作为人的价值。
第三个难点，方式和实质
微观的角度：
如何让“呆板”理解“发现”？
如何让“呆板”分析“不确定”
如何让“呆板”处理“方式和”实质“？
如何让“呆板”“设想”？
他分享说在文献调查研究中发现，很少有文献是关于“呆板怎么做设想”的，而有很多是关于“呆板怎么样做发现性的任务”。在设想的领域里，有个作家写了一篇文章，这篇文章发表在人工智能引用次数最高的文献里。他认为，设想有三种方式来做发现性的任务，第一种是组合，第二种是探索，第三种是转换。所谓组合，就是指在两个已知之间建立关联；所谓探索，就是在已知空间里寻找某个答案；所谓转换，就是在已知里寻找未知。这三种方式都是基于设想师的任务方法，以设想师的任务规则去寻找发现的可能性，从而发现呆板做发现的可能性。
在分析“不确定”时，可以变成确定性的成绩：什么是和好设想最接近的设想？我们可以把这个流程总结为设想、数据、建模、运算、评估，评估之后再反过来进行运算。如此一来，我们就能把“不确定性”的设想，转化成了“确定性”的数据。
对于如何让设想处理“方式和实质”的成绩，可以拆分成“方式”和“实质”两个因素。所谓方式，就是用什么样的方式感讲故事；所谓实质，就是这个故事背后意味着什么，讲的是什么。比如说有这么多人和山，有这么多绿色的植被，也许它代表的就是一种农村生活。方式感则是说有远景、中景、近景，有上有下有平衡，也许还原出一种艺术的价值，这两者之间又不妨进行相应函数的评分。归根到底，形成的实质不是发现性，而是用统计的方法获得某种关联度。
对于如何让设想处理“方式和实质”的成绩，可以拆分成“方式”和“实质”两个因素。所谓方式，就是用什么样的方式感讲故事；所谓实质，就是这个故事背后意味着什么，讲的是什么。形成的实质不是发现性，而是用统计的方法获得某种关联度。
下一个成绩：让呆板做设想的转折点在哪里？这个转折点在过去，很多都是关于“如何用呆板重建规则”的研究——先分析设想师的脑子是怎么想的，再把这个规则用编程的方式写出来。我们把基于规则的用具逐渐转化成基于数据和统计的用具，而流程就很有意思。通过设想产生数据，将人的设想，转化为设想的数据。这个数据变为某种模型，这个模型可以进行运算，运算之后再评估，评估打分之后，再进行运算的迭代——我觉得只有这种模式，才能真正产生会设想的呆板。
那么做这件事的意义是什么？意义就在于，消费端的技能在过去五年十年曾经发生了极度的丰富，我们曾经知道千人千面，曾经知道每一个人的用户信息。所以我们给他们推送合适的咨询、服务和产品，只有精准才是商业的现在。
人工智能的产业实践
范凌一直强调一个观念：人工智能与设想师的关系不是“替代”，所以我们提出了一个概念“脑机比”——脑子和呆板的比例。这个不是结论，这个是假设。呆板和人工智能在发现性任务里面不是代替某种工种，而是要共同进化。所以我们希望是不妨有更多的数据、算法，更多指数级的更精准的生产，不妨带来人的思想解放。所以人工智能不是代替人的智能，而是代替人的智能不愿意去花时间的用具。他们做的调研数据样本大道 1300 份，这个样本的组成里，我们把所谓人的智能分为三个类型。这三个类型不只是指操作设想的妙技——“感知和操纵智能”。
有的时候，设想师真的需要把设想画出来。而画的流程、思考的流程也是一种智能。还有另外一种智能，也就是“发现智能”——从无到有，从零到一的本领。另外，还有一种是“社会智能”——很多设想是需要人去讲述和言说的。社会智能、发现智能、感知和操纵智能，都是设想行业特别关键的三种本领。设想师在不同任务上的时间分配比例，从右到左逐级更需要脑力。
他分享了在设想师现在三年任务当中，有近61%左右的任务一定还需要人的脑子，39%左右的任务曾经出现了自动化的可能性，这两者之间的比值是1.55。
1. 不同类型和经验的设想师都花类似的时间网络素材和处理信息
网络资料或者信息整理是每一个设想师都花了大量时间去做的任务。而且随着数据、信息越来越多，我们发现所谓高级设想师和初级设想师，都花费了大量时间在网络资料上。所以网络资料是设想师特别喜欢、特别愿意干的一件事。
2. 虽然老叫苦叫累，但设想师并不认为设想是个体力活
没有太多人觉得重复性体力劳动在任务中占很大比例。虽然很多设想师都在抱怨设想是个很累的事，但似乎大家都很享受这个流程。
3. 创意和发现将会成为设想师的最核心竞争力
他们做了六次迭代，也就是想象当中三年、五年以后，设想师会花多少时间干这几件事。我们发现有些圆圈变得特别大了，比如说创意、管理、沟通变得特别大。而重复性的劳动——素材网络等等变小了。也就是说，随着呆板、智能的发展，它们确实能帮助人释放一部分发现力或者发现任务时间，那么，设想师会怎么样重新分配做事的时间呢？也许下面这是一个建议，或者说是下一个趋势的结果。这个结果里，发现力应该是设想师的核心竞争力。
4. 高级和初级设想师脑机比不一定悬殊
在很多和技能紧密相连的行业里面，比如说做UI设想、电商、交互的等等，其实这两者的脑机比比例相差不悬殊。存在相差悬殊的行业里，也许是技能的进步还不大。而互联网行业里，我们发现这两者的区别不大，也就是因为其实曾经有大量工具、智能的用具在改变着这个行业的日常任务了。
人工智能如何构建设想的现在
设想依然需要被作为一种人文来探讨，第四个部分是针对设想人工智能的话题有一些批判性的角度。他提出有几大追问：
1. 人工智能是否不妨带来设想新疆域？
这里有两个见解，一个广义的见解，一个狭义的见解。这两个见解，一个是来自科技的媒体，一个来自于媒体实验室的判断。广义里有两个见解。第一，人人都是设想师。也就是说当人工智能不妨把技能妙技极度的民主化以后，是否每一个人都可以具有某种设想的本领。第二，设想师是否还是从零到一地做设想？还是说设想师更偏向于是一个整合者、筛选者和买手？狭义的角度里面，我引用乔布斯的一句话，就是：“发现是把用具不断起来。”其实设想很重要的价值也是把两样用具不断在一起，既然我们发现有很多用具曾经可以常规化了、智能化了，那我们应不应该去挑战一些新的角度？比如说，不断物理体验和增强现实？不断一个更有效的数据模型和算法？不断个体和社会组织？这些都可能成为设想师的下一个挑战。
2. 人工智能的知识产权如何界定？
第一个成绩，人工智能做设想，设想产权归谁所有？第二个成绩，如果人工智能通过学习做设想，学习的实质受产权保护的话，这算不算抄袭？关于第一个成绩，只要你买了这个人工智能，那这个人工智能做出的设想就是属于你，这一点律师们没有什么争议。关于第二个成绩，因为在这个流程里，知识产权保护的是“思想”的呈现。只要对人工智能做的设想和它学习的设想师做的用具不完全一样，其实法律上是没有办法追诉的。但在现在，有可能是需要重新确立这些法律的讨论：为什么我们不能去看人工智能到底学了谁？学的流程里，是否有对原创足够的尊重？也是这么多的互联网人文学者去思考新的知识产权，以及新的知识产权体系的原因。一方面，这种思考不妨支持发现；另一方面，这种思考也能保护产权的拥有者。
3. 人工智能对教育的追问和批评？
关于教育的。我们邀请了一些前瞻性的教育家，他们和我的价值观方向都比较一致，虽然有些人比我激进，有些人比我保守，但他们讲的用具都很有参考价值的：第一，我们是否应该更加注重培养大家的差异性？第二，我们是否又回到了文艺复兴时期知识分子的全能状态？因为呆板人曾经能在专业上做到最好，那么我们每一个人应该回归到全能。第三，设想一个好的成绩——让呆板、让数据、让智能不妨去解答——其实更为重要。第四，发现力如何培养？如何与呆板交流？这会成为设想师的关键本领。
4. 数据巨无霸们会垄断设想吗？
第四个追问，要回归到人文主义的初始。如果我们觉得数据算法的积累最大化不妨产生好的设想，那么现在好的设想公司，会不会是拥有最大数据的公司？这一点让我很忧虑。好在“同济x特赞设想与人工智能实验室”的梁明老师也在做这个研究，他讲了一段话对我很有启发，和大家分享一下：“好的设想师不妨与AI齐头并进，知道呆板进行监督式学习。数据永远不能完全代替设想，因为设想不总是理性和逻辑的。”
总结
一方面，我们有一个共同的目标；但另一方面，大家每一个人都是特别具有不同价值的、具有多样性的人。在这个场景下面，我们除了要利用技能去控制标准，同样也应该用技能去支持不同设想的出现。
引用比尔盖茨说的一句话：“我们总是高估现在两年来发生的改变，却会低估现在十年将发生的改变。”再引用 sheji.ai 上的一句话：“我们以为改变在现在2年内都不会发生，却没想到，在10个月前曾经悄悄开始。”
欢迎关注阿里巴巴UED 的微信公众号：
「回顾2017 UCAN」
UCAN 2017回顾！8分钟看完设想大咖们的尖端干货
阿里资深总监杨光：聊聊消费升级下的设想变化
UCAN2017回顾!美工终结者「鲁班智能设想平台」是如何任务的？
UCAN2017回顾！当新技能来临时，设想会发生哪些变化？
【优设网 原创文章 投稿邮箱：[email protected]】