00：我叫00，算是一名互联网老兵了。跟其他设想师不太一样的是，我一开始在网易邮箱担任产品经理。在用户体验发展的初期我发明这是一个挺有价值的规模，然后转向了用户体验设想，从产品经理变成了用户研究员，再往后一直在做产品和交互设想相干的工作。前几年在微信支付团队工作，其时移动支付正在开始普及，我们为服务行业做了许多打通线上和线下全过程的通用解决方案设想，比如说给餐饮行业设想相干的服务过程，帮助他们在支付环节提升运营的效率和服务的质量。在2016年由于我对心理学比拟感兴趣，所以做了一个心理学相干的创业项目，那时还参加了一门叫 Fab Academy 的课程，最近刚学完 Udacity 的深度进修课程。
志荣：能不能简单介绍一下 Fab Academy？其时为什么想学 Fab Academy 这门课程？
00：Fab Academy 是 MIT 里的原子与比特中心开设的一门课程，它的目的是让全球范围内对制造和创客感兴趣的人学会数字化制造的过程；让每个人都有能力亲手制作复杂的物品，并学会用各种工具升级传统的生产过程。由于我一直在做交互设想，所以我希望能够兑现一些自己的想法，而不只是把它的过程给想象出来。在好几年前关注智能硬件规模时，留意到 MIT 有一门课程叫「How to make almost anything」，但可惜在网上找不到相干的课程。2016年我发明深圳 SZoil 实验室成为了 Fab lab 的分支，所以我立刻报名参加了。
△ 图源：Anton Fritsler (kit8)
志荣：你其时学这门课程感觉到吃力么？
00：这门课程强度真的很大，要在一个学期内学完跟制造相干的知识，包括设想、建模、编程、电路、制作模具还有最后的组装。其时对制造的完整过程不了解，而且每个星期学的课程大概是大学里半个学期甚至是一个学期的内容，每次上完课都会发明有几十个术语不知道是什么意思。加上其时还在创业阶段，所以上 Fab Academy 课程的时候，还是非常吃力的。
志荣：你以为 Fab Academy 在哪个方面对你来说是有意义的？
00：有好几点。一是对整个数字制造的过程有了深入的了解。当今看到一些比拟有趣的实物，我大概能猜测出它们的制作方法。二是发明制造并不是一件很难的事，当掌握了比拟完整的制造知识和体系后，每个人都可以动手兑现自己的想法。三是有机会探索并接受了许多新鲜的实物，例如制作模具、数字电路还有嵌入式开发。在整个进修过程中，我发明一些感兴趣的规模和技能跟之前的工作和项目相干。比如说之前在微信支付团队做餐饮场景的时候，有考虑过用互动装置让周围的用户领优惠券，但是其时不知道怎么做。在学完这门课程后发明，如果其时知道一些传感器怎么用，做个简单 demo 并不难。
志荣：Fab Academy 毕业的时候你做了什么项目？
00：我其时做了一个跟声音相干的小呆板人，它的眼睛有一个测量距离的功能，当你用手掌挡在呆板人的眼睛前面，传感器就会把距离转换成音高，你可以通过移动手掌来「弹奏」一首简单的乐曲。
志荣：听起来很有趣，Fab Academy 对你来说最大的帮助是什么？
00：最大的帮助是掌握了如何在陌生规模快速进修并获取核心知识的方法。当你有明确的目标，进修就更有针对性。第二点是如何更有效地找到资料解决手头上的问题，在 Debug 过程中得到了许多锻炼。第三点是可以进入创客的圈子认识更多有趣的人，他们都是有动手能力解决问题的人，大家相互帮忙一起做物品的氛围特别好。我之前比拟困扰的是，为什么做设想却没有多少兑现的能力？学完这门课，自己的动手能力有了提升。我还是相信一点，许多物品要把它兑现出来，你的设想才是完整的，这样才能检验想法和设想理念是不是对的。
△ 图源：Anton Fritsler (kit8)
志荣：换一个话题，你几时开始对 AI 感兴趣的？
00：我对 AI 感兴趣也挺久了。在六七年前我曾经做过一段时间搜索引擎相干的产品，那个时候算是比拟早接触到呆板进修和大数据。其时以为这个规模蛮有潜力的。自己真正动手学是2017年，因为其时以为整个行业发展的速度一下子变快，有许多新技能冒出来，所以去上了 Udacity 的深度进修课程，希望通过写代码做出完整项目的方式深入地了解当今的 AI 是什么。
志荣：Udacity 的深度进修课程我也学过一阵子，有计算机专业背景的我都以为挺难入门的，你其时是怎么进修这门课程并跨过这个门槛的？
00：深度进修对数学的要求比其他技能课程要高，所以我花了挺多精力复习一些数学基础知识。为了让自己对数学的兴趣浓厚一些，还去阅读了一些比拟有趣的数学科普书，同时找了一些好玩的视频让自己对数学和深度进修里的知识有更深入的了解。当数学基础有所提升，了解深度进修的知识就没有以前困难了。第二点是编程的基础，我虽然学过 python，但没有多少写代码的经验，所以基础还是很弱。因为这门课程需求写不少代码，所以我也在不断地积累和提升自己的编程能力。第三点是 Udacity 在课程设想上降低了许多门槛。它把一些知识点之间的跨度拆得比拟细，在两个大的台阶中间搭了许多小的台阶，让你在了解某个很难的知识点的时候能够循序渐进，最后再设想一些题目让你去练习。
志荣：当你学完这门深度进修，你以为深度进修对你的设想思维有什么改变吗？
00：我以为进修技能对设想是有帮助的，从几个方面来看。第一个是思维。编程思维可以帮助非理工科背景的设想师了解什么是抽象、复用、结构化和参数化，这些都是编程的思考方式。比如说设想师要搭建组件库或者整理设想规范的时候，要考虑怎么把最开始看起来很杂乱的元素抽取出来形成多种模式，这些思维就非常重要了。第二个是原理。如果你知道深度进修的一些原理，它到底能兑现什么，不能兑现什么，它的能力范围到底在哪里，当你以后用到深度进修，就大概知道你要做的设想界限在哪。比如说，这门课程最后的项目是基于一个人脸图像库，用 GAN（生成对抗网络）来自动生成人脸。这个看起来应用的范围蛮广的，但真正做过一遍以后，你大概会有更多的考虑。比如说数据集从哪里来？是有现成的数据集还是手动获取一批？如果你手动获取的数据集样本量很少，基本不用想自动生成人脸这事了；即便数据量很大，当你发明最终结果人脸是歪的，你就会知道这套技能还没成熟，没法达到要求，那你大概不会把它用到设想里。所以，深度进修需求考虑数据集是否够多、设定的目标和打分规则是否明确，这些因素都会直接影响设想目标的兑现。真正动手进修以后，才会更加清楚深度进修能不能解决设想问题。
志荣：那你以为深度进修会不会影响到界面的设想？
00：设想包含的范围很广，界面设想也不是只有画图的部分。我以为它的影响没有那么直接，更深层的影响大概会是改变使用场景。比如说有一些过程，之前需求用户填写一些必填信息才能跳到下一步，但如果通过 AI 技能基于用户的历史数据做分析和判断，整个信息填写大概就不需求了，这就会影响到整个交互过程。如果一些具体的界面包含了各种重复性的工作，或者它的产出物比拟类似，这时候你可以用更自动化的方式去兑现，而不是每一个操作都需求人工去做。
随着 AI 的成熟，一些过程操作大概会有新的替代做法；如果技能更成熟的话，有大概整个场景和过程都需求去重新设想，这个时候界面有大概会消失。
志荣：那你怎么看待当今的 AI？当今的 AI 是不是等于深度进修？
00：AI 肯定不只是深度进修。AI 一直以来都在发展，例如最早的垃圾邮件过滤、个性化推荐系统、微信语音转文字等，都属于很典型的 AI 应用。当一个技能成熟并且广泛应用后，我们就以为它「不是」AI 了。当今的运算能力越来越强，通过计算自动生成的物品越来越多，例如鲁班自动生成一张 Banner。在技能攻坚和推广阶段，大家会更倾向于认为这是「当前的」AI。我以为其实本质都是一样的，AI 就是用计算的方式，自动化解决一些问题或生成最终想要的结果。
志荣：当今许多设想师都在担心自己会被 AI 取代。你怎么看待这个问题？
00：这个问题我思考也蛮久了。UI 和交互设想近几年发展得特别快，大家已经把一些基础知识和相干经验总结得很好，可复用的组件和模块越来越多，所以以后设想师都不需求「从零开始」，工作看起来是变少了。但我认为这也是好的一面。你需求更深入地看待设想本身，到底哪些部分需求由人来解决和设想。真正的设想难题，我认为呆板很难替代，因为这些设想难题都是由于设想对象关系之间的复杂性，以及人本身的不确定性引起的。比如要去设想一个服务解决方案，我以为最重要的是如何理清不同利益相干者之间的利益关系。服务设想一般要面对许多不同的角色，他们之间的关系是错综复杂的，在设想时不能只考虑某个环节和过程，而需求更多考虑全局和关系的平衡。各种微妙、复杂、不明确的关系，对呆板来说是一个很难的问题，这时候就需求人去把握。我以为「AI 是否能取代设想师」这个问题能让设想师有更多的思考，到底设想要解决的问题是什么，然后把呆板擅长的事情或者不需求人太多思考的事情交给呆板去做。其实这样也很好，设想师不用天天坐在电脑前面做对齐几个像素的事情。在学完深度进修课程以后，我了解当今 AI 的界限在哪，但是它的潜力还很大，人真的不应该再跟呆板去比了。
△ 图源：Anton Fritsler (kit8)
志荣：那你以为当今的 AI 的界限在哪里？
00：当今 AI 的局限蛮多的，但是以后会越来越少。只要你能够给一个明确的目标，这个目标可操作、可量化，提供算法和足够的训练数据，基本上 AI 都能够做到的。在未来呆板能够做到的绝大部分事情，人都不会做的比呆板好，尤其是那些可以标准化、量化的事情。毕竟人有各种各样的生理局限，会死，会累。那这个时候怎么办？我以为最终基本只剩下一条路，就是人要去做自己真正喜欢的事情，即便那个事情呆板能够做的比你好100倍，你还是会愿意去做。当你一直做这个事情，迟早会发明有一些呆板不擅长或者不屑于去做的部分，这时候你做的物品大概会因为个人偏好影响到结果，而这个结果会被其他人感知或者喜欢，这时候你就创造了属于「人」的价值。最近一段时间我在想，做设想还是需求找到一个规模，结合这个规模去做你喜欢的物品。有了规模这个框架，许多新的发明都会来自于你对那个规模的了解和积累。在某个规模真正产生价值，需求沉浸其中，有足够多的认识和积累才能做到。所以，如果想用 AI 技能达到目的，或是提升产品的价值和效率，你就要在这个规模多去进修、实践、领悟。这是我最近的感受。
志荣：所以你当今寻找的规模是什么？我记得你在研究 AI 和音乐如何结合。
00：主要是多媒体互动吧。我认为体验还是会回到实体场景下，虽然它们不一定是「真实的」，但一定会越来越强调「沉浸」。那么设想就会涉及到实体环境和各种感官，所以我想往沉浸式互动这个方向探索更多的设想。声音和音乐在沉浸式体验中不可或缺，也是我一直比拟感兴趣的规模，所以我想探索 AI 和音乐如何更好地结合。当开始深入到一个规模中，你会发明有一些物品是多年都不会变的，即便 AI 来了，它还是不会变的。只有深入了解一些本质，你才大概用新的技能去兑现突破，做出好玩的物品。
志荣：我以为不会变的第一应该是艺术，音乐属于艺术。
00：其实每个规模都有一些比拟底层的物品不会改变，这个需求你对这个规模的了解。
志荣：那你对当今研究的 AI 和音乐的结合有什么心得吗？
00：如果用工程的角度去看待音乐，它其实跟数学还有编程有密切的关系。如果把声音还原为一种物理现象，它更多是力学研究的对象，甚至跟电学和光学的原理有不少相通之处。从这个角度出发了解声音跟音乐之后，你可以尝试加入一些新的元素，例如 AI，做出更多有趣、可以互动的声乐装置。我当今还在新手阶段，进修基础知识和相干的工具。工具会在很大程度上局限你想要兑现的物品，尤其是在一个全新的规模。
志荣：我认为后面的工具使用起来肯定会越来越简单。
00：我认为工具的复杂程度，取决于你想解决哪个层面的问题。好比如说你想要弹出十个音符，那你的工具可以特别简单，用一个 iPad 或者几个按键，发出声音就可以了。但如果你要从物理的角度控制整个声音，那工具大概会非常的复杂，需求调控的参数会随着程序的灵活度而成倍增加。
志荣：你怎么看待设想师后面的发展？
00：一个就是刚才我说的，一定要找到自己真正感兴趣的规模。不论那个规模是什么，当今看起来有没有前景，但只要是你喜欢的规模，我以为就应该坚持沉浸进去，去进修、去玩、去做物品。第二个就是，不论是设想还是其他规模都一样，基本上属于 T 型人才的问题。你需求去进修跟设想相干和不相干的所有知识，一切都是为了做好 T 字的那一竖，这样你对设想的了解才会更深。要发明自己真正喜欢的规模是什么，然后基于那个规模，慢慢地往横向和纵向深入发展。第三点就是，我当今处于一个目标不太明确的阶段，如何找到一个让你相对长期聚焦的规模，以及能不断帮你精进某些技能和经验的实践项目，这个也蛮重要的。
志荣：那你以为设想师要怎么才能拓宽自己的视野？
00：第一点还是刚才说的，基于内在驱动力，基于兴趣不停地向外扩展。一旦对某个实物感兴趣，你就会不自觉的想要知道更多，会开始比拟，想要看到和找到更好的物品。第二点就是，我以为设想师的审美来自于生活的方方面面。当你其他方面的能力和见识有所拓宽，设想能力和视野也会提升。所以要多去体验不同的实物，那些以前没看过、没玩过、没做过的事情。还有第三点，过去两年我在做心理学相干的项目，发明对人实物的洞察，很大程度上来自于你对人的复杂程度的了解，以及对自己的觉察跟反思。有时候看待实物或问题，如果没有结合自己关注的实物或规模一起去了解的话，大概会缺少一条主线。我们对许多知识和实物的看法就有点像一棵树，它们最终会还原到某个更加本质的物品，就是这棵树的主干，比如说你对自己本性的了解，或者是你在这个世界上一直坚持的立场和态度。如果没有这个立场，你大概就没有属于自己的原则，观点和偏好。如果没有自己的价值观，你大概没有办法把许多物品整合起来，最终把它变成你自己的物品，或者基于它去创造价值。