AI全栈设计师的能力公式，及如何用AI来增强设计能力
有非常多的设计师会在工作几年后转型，也有非常多的程序员会转为产品经理，没有一份职业是“安稳”的，一切都在变化中~
今天聊聊AI设计所应该具备的能力及讨论下如何利用AI来增强设计师的设计能力。
01
传统设计师有哪些？
互联网设计师，包括用户体验设计师、用户界面设计师、交互设计师、用户研究员、产品经理等。
产品经理更像是这些设计师的上游，从定义最初的问题，制定解决的基点，包括设计，测试，和迭代不同的解决方案，协调各种设计师、开发工程师的工作界限等。...more
产品经理也有很多细分，比如技术型产品经理、中台产品经理、社交产品经理等。
大部分设计师的知识背景，是以设计学科为骨架，加上在工作中不断汲取具体的业务场景所涉及的专业知识，还有实战中积累的经验。
用一个公式表示如下：
D ( 设计知识+领域专业知识+实战经验 )
那么，传统设计师指的是什么？同样的，用公式表示：
“传统”设计师 = D ( 设计知识 )
随着我们工作年限的增长，掌握的知识越来越多，产品经理的能力逐步构建完成，同样，我们可以用公式表示下：
产品经理
= D ( 设计知识 , 领域专业知识 , 实战经验 )
那么，产品经理工作几年之后，知识是不是就够用了呢？
明显不够用，接着往下思考
02
AI全栈设计师的能力公式
当一个产品经理发现光掌握领域的专业知识，大量的实战经验，庞大的设计知识，还是不够的时候，会往技术的领域探索，于是他的技能变成了如下一个公式：
全栈设计师
= D ( 设计知识 , 领域专业知识 , 实战经验 )
+ T( 技术架构 , 算法 , 数据结构 ……)
这就是“全栈“设计师，掌握了设计相关的知识，还懂技术。
这个时候，他在工作中会非常巧妙地处理设计师团队与工程师团队的关系，然而，工作了一阵子之后，他会发现，目前产品中使用人工智能相关的技术，跟应用越来越多。
比如，猜你喜欢为代表的个性化推荐技术；
搜索产品内信息的搜索引擎技术；
免密码的应用场景，使用人脸识别技术；
语音输入的方式，使用语音识别技术；
这个时候，全栈设计师，会去关注更多的人工智能相关的技术。
AI全栈设计师
= D ( 设计知识 , 领域专业知识 , 实战经验 )
+ T ( 技术架构 , 算法 , 数据结构 …… )
+ AI ( 分类 , 预测 …… )
03
分类 & 预测
AI 最有价值的功能
人工智能技术最有价值的是可以赋予产品分类及预测的功能。
我们可以很好的把文本、图像、语音、视频等信息，分类成我们所想的，或者分类成我们想不到的类别。
比如，把各种各样猫的图片，分类到猫的类别里；
把各种各样的商品评论，分成1-5星（ 打分 ）；
预测是什么呢？
预测就是根据你的输入信息，系统告诉你相关的信息。注意是”相关“，机器目前非常擅长处理相关性的问题，对于因果性的问题非常难处理。
猜你喜欢就是典型的预测问题。
比如网易云音乐，天天给我们推荐的歌单，根据的是我们使用过程中，所播放过的歌曲，当然还有更多复杂维度的信息作为输入，机器来预测一系列相关的歌曲，推荐给我们。
04
人工智能的技术边界
再聊一个比较重要的知识点。就是我们如果要往 AI 全栈设计师深入发展。我们还需要理解技术的边界，有2个典型的知识点。
空状态
有一点我们必须认识到就是人工智能需要大量的数据，数据不存在，机器目前也无法创造出来。
创 造
认 知
--->
感 知
运 算
目前的技术处于感知跟认知中间这个程度。
由于依赖大量的数据，如果某一类型数据的缺失或量不足，难免会有空值的情况，这个时候需要用设计的方式来处理。
准确率
目前的算法没有100%的准确率，比如
香港中文大学系统保安研究实验室团队，花一年多时间，研发的face flashing准确率达98.8%，但系统仍未突破双胞胎识别的弱点。
去年9月，在英国的一家警察局中，利用面部识别技术维护治安开始试验，但是尴尬的在于，他们一天就抓错了35个人。
算法难免会出错，设计师需要针对出错情况如何处理制定策略。
除了利用人工智能技术到产品中，我们还可以把AI用于设计的研究，提高人类设计师的设计能力。
05
AI增强设计能力
我们思考3个问题，关于运用深度学习，进行用户体验、用户界面的研究。
思考1
如何找到最优的界面设计，何为最优？
这个没有标准，需要根据商业目标来制定。
如果是为了促使用户点击广告，那这个最优就是把大量的广告穿插到信息流里；如果是为了增加页面浏览量，那就是把页面做成分页的，一页页看，一层套一层。
目标不一样，所谓的最优也不一样。机器无法指定最优的目标，背后都是人来指定。
我们再看，第二个值得思考的点。
思考2
设计经验为何重要？机器能不能直接获取经验？
一个搜索框，确实有非常多的组合可能（1px像素的差异也算的话），有经验的设计师会根据交互逻辑来确定具体的比例，这个经验是长期实践观察积累而来的。
机器有没有可能可以获得这个经验？答案是可以的。只要搜集大量的搜索框的设计，经过数据上的分类，就可以找到大量被采用的布局方式跟比例、色彩搭配等。
不需要让机器去随机组合，丢给用户猜用户的喜好。
思考3
采集到的用户数据到底能不能评判最优设计？
还是评判标准的问题，如果是基于百度首页的信息流推荐的点击数据收集，那当然是符合此产品定位的最优，永远推荐用户所喜好的信息。
所以，这是个性化推荐，不是用深度学习做用户体验设计。
06
值得探索的领域：
数据如何反映用户体验？
一款产品如果是效率工具，用户的每次使用时间是极短的，那这款产品的体验是优的；
一款产品如果是资讯阅读类产品，用户能阅读到自己想要的信息，这款产品是优的，反映到数据上是时长、频率、分享率等指标；
如果一款产品既是查找信息，又是阅读资讯，对应衡量的指标是很难界定的，因为为了让用户多看会内容，查找到的信息就不能太精准，准了，用户看完就跑了。
AI增强设计能力，数据反映用户真实体验效果，目前都还在探索阶段。
你具备AI全栈设计师的能力了吗？
加入 MixLab无界社区 共同探索 ^_^