邱信賢
哈爾濱工業大學互動媒體設計與裝備服務創新文旅部重點實驗室主任、設計學學科帶頭人、教授、博士生導師
邱信賢，省高層次人才，美國UC Berkeley引進長聘教授、博士生導師、策展人，現任互動媒體設計與裝備服務創新文旅部重點實驗室主任，黑龍江省虛擬現實工程技術研究中心主任，中國高等院校影視學會交互媒體創研中心主任，哈爾濱工業大學校學術委員，建筑與設計學院院長助理，數字創新設計中心常務副主任， 設計學學科帶頭人，智能環境與數字創新設計研究所所長，兼任美國身體覺知設計協會新世代聯盟設計師/核心會員、中國建筑學會計算性設計學術委員會常務委員、中國建筑學會環境設計學術委員會委員、中國城科會歷史文化名城委員會數字名城學部委員、文創設計智造教育部哲學社會科學實驗室學術委員等學術職務。常年擔任國際與全國性展覽策展人/展場設計，以及國內外建筑與設計類競賽評審。曾獲數次國際建筑競賽獎項，以及個人與團隊國際競賽首獎。出版建筑專業理論書籍、國際論文期刊，設計作品刊登于建筑與設計雜志、報紙，并接受媒體與電臺專訪（央視、新華社、China Daily國際版， News 98等），講述設計與建筑相關議題。
摘要：以GPT為例，當大家共享同一個大語言模型，就意味著大家在運用同一顆AI大腦進行創作與設計，如何進行個人風格的養成，或者突顯不同設計案例的特色，便成為另一個智能設計界重要的議題。在現今AI工具如雨后春筍般的出現之下，在網絡上充斥著各種AIGC，這對設計師而言，無疑是一種挑戰，也同時考驗設計師對于設計本質的認知與追求。如何能夠巧妙地運用AI工具的強大能力，但是又不失設計的創新與本質，是新世代智能設計師所面臨的挑戰。
關鍵詞：電子算力；智能設計范式；提問設計師
Abstract：Taking GPT as an example, when everyone shares the same large language model, it means that everyone is using the same AI brain to create and design, and how to develop personal style, or highlight the characteristics of different design cases, has become another important issue in the intelligent design industry. Under the emergence of AI tools like mushrooms, the network is full of various AIGC, which is undoubtedly a challenge for designers, and also tests designers' cognition and pursuit of the nature of design. How to skillfully use the powerful capabilities of AI tools, but without losing the innovation and nature of design, is the challenge facing the new generation of intelligent designers.
Keywords：Electronic computation; Intelligent design paradigm; Prompt designer
《設計》：何為“智能設計”？請談談您對“智能設計”及其要素的理解。智能設計中涉及自動化、數據驅動、交互和持續優化等概念，智能設計中的“智能”與“設計”是怎樣的關系？
邱信賢：在談論“智能設計”之前，我想先簡單談談“設計”與“智能”兩個議題。設計的定義十分多元，泛指在特定的范圍、社會、文化與涵構（Context）之下，針對特定群體進行觀察、交流等研究，進而定義出可能存在的議題，再通過設計的手法與實踐，來反映、改善或解決所定義的問題與現象；最終，設計將以不同的形式與產品呈現，包含文字、圖像等媒介與工具(“Meaning of design”, 2024)。
智能（Intelligence）的定義，在不同的語境下有所差異。從達爾文的進化論而言，不同的物種之間，有著智能的差異，比方從一條魚、一只鳥、到一頭猩猩之間，智力呈現由低至高的不同（Darwin, 2018）。在“智能設計”一詞中，“智能”在此可以理解為人工智能 (Artificial Intelligence, AI) 。在AI的領域里，有幾種重要特質，包含 “互動性（Reactive）”“主動性/預動性（Proactive）”“自動性（Autonomous）” “可變性（Flexible）”等（Chiu, 2013; SoftwareAgents_Group, 1994; Wooldridge, 2002），這部分牽涉層面極廣，將來有機會再展開討論。上述每一項人工智能的特質，都能對標到真實物種的智能展現；與自然界一樣，人工智能輔助下所產生的設計，也有所謂智能的高低，進而呈現所謂聰明與平庸之別。
智能設計之中的自動化，以工業革命的進程來說，是屬于工業革命2.0時期的特色；人類發明機器之后，為了達成大量生產（mass production）的目的， 在機器勞動力之上，加上自動化的特色。至于“數據驅動設計” (Data-Driven Design) ，則是以科學數據為基礎來進行的設計決策，相較于以設計師個人直覺 (intuition) 或者主觀經驗為依據，是一種比較科學化的設計決策，對于一些特定議題，例如智慧城市、智能建筑等，特別具有廣泛的科學意義（Kirk, 2019; Myre, 2023）。過去在人工智能的發展歷程，也有許多與數據相關的議題，例如專家系統（Expert System）、大數據（Big Data）決策等。
至于智能設計中的交互環節，牽涉“人工智能”與“交互設計”兩大領域，簡單來說，智能設計中的交互，可以從“人機交互”（Human-Computer Interaction, HCI）的范疇來談，包含交互的形式、所牽涉的智能層級、決策方式等來探討，不同的設計需求，所牽涉的智能設計交互自然不盡相同 。比方說，一個可以根據環境光線自動調節照度的智能燈具（圖1），跟一套建筑物的智能自適應表皮系統（Intelligent Fa?ade System），可以根據外在環境自動調節建筑物立面開窗與遮陽（Chiu, 2007），其兩者之間智能交互的深度與機制便有所不同。
“持續優化”的智能設計概念，本身必然包含某種程度的AI；部分的設計作品，例如工業設計、建筑設計等，皆有所謂的生命周期；當設計能夠對于設計相關要素，包含使用者需求、行為、周遭環境等進行持續優化時，就越能延長產品自身的壽命，增強設計產品本身在生產與制造過程的全生命周期管理 (Product Life Cycle Management, PLM) 。
《設計》：您是如何進入智能設計這個領域的？您個人關注智能設計的哪些細分領域？
邱信賢：當年在美國加州大學伯克利分校 （UC Berkeley）求學時，一開始念的是建筑專業碩士學位（Master of Architecture），面對學校豐富、多元而開放的學術氛圍，便讓我對交叉學科產生了濃厚的興趣。在硅谷充滿創意科技的環境感染之下，我選擇“智能化自適應建筑表皮系統”（Intelligent Building Fa?ade System）作為論文研究主題（圖２），最后的成果獲邀在伯克利國際學術年會Berkeley Circus進行發表，因此也獲得伯克利新媒體中心 (Berkeley Center for New Media, BCNM) 的創始人Yehuda Kalay教授的邀請，加入數字化設計團隊（Digital Design Research Group, DDRG），正式展開一系列的智能與數字化設計研究，并完成另一個建筑科學碩士的學位（Master of Science in Architecture）。榮幸獲得伯克利環境設計學院院長獎學金（Berkeley Dean’s Fellowship）之后，也順利取得新媒體與建筑雙跨學科的博士學位，同時獲得美國伯克利新媒體中心的認證（PhD in Architecture with Designated Emphasis in New Media），后來留校成為UC Berkeley的正式教師，主要負責教授與設計、建筑相關的各類課程。在博士期間主要的研究方向為“人工智能建筑在適老環境的應用”（Intelligent Home Care Environments for the Elderly），在這段時間，我在設計學與建筑學之間展開了廣泛的交叉探索，包含人工智能、人機交互、老年學、新媒體，計算機、資訊處理、公共健康等不同交叉學科。在伯克利新媒體中心的期間，我獲邀到美國設計軟件龍頭歐特克公司 （Autodesk IDEA Studio）擔任駐地研究員（圖３），并進行軟件開發的工作，包含建筑資訊系統 (Building Information Modeling)、智能醫療系統開發等（圖４）。這些經歷幫助我在科技與設計的應用與交叉有著更多元而豐富的經驗，也成為日后在舊金山的安德森建筑師事務所擔任研究與設計總監的重要經驗，得以順利推進事務所在智能裝配式建筑軟件系統的開發工作。
我主要關注的智能設計方向包含多重人工智能代理人（Intelligent Agents/ Multi-agent Systems）、人工智能環境（Intelligent Environments）、智能建筑自適應表皮系統（Intelligent Fa?ade System）、智能模擬系統開發（Intelligent Simulation System）、人機智能交互設計 （Intelligent Human-Computer Interaction）（圖５）、智能元宇宙環境（Intelligent Metaverse Virtual Environments）（圖６）等方向。
《設計》：在東西方政治經濟文化差異的前提下，國內人工智能教育和研究的發展有哪些特點和提升空間？
邱信賢：整體而言，人工智能的發展在西方的時間有較長的歷程；近年來隨著AI的蓬勃發展，尤其是大語言模型（Large Language Model, LLM）的現世，促使“生成式預訓練模型” （Generative Pre-trained Transformer, GPT）飛速迭代，東西方在人工智能的發展差距逐漸縮小。如今，AI的發展進程逐漸邁向全球化，人們對于AI的使用門檻大幅降低，因此，AI的可應用性與普遍性，便成為AI發展重要的指標與助力。
國內的AI發展，正好趕上GPT最新飛速成長的時間點；在應用層面，國內無論在人口總數、發展規模、實際需求等方面，相較世界其他國家而言，有著明顯的優勢。此外，在政策上的統一制定與推動下，國內對于AI的發展具有宏觀的整體方針，無論從教育方針，或者研究計劃的推動，對于AI皆有非常明顯的傾斜與支持。在中國廣大的市場需求之下，AI的應用正在各行各業掀起巨大的改革浪潮。當然，對于科技最尖端的部分，是世界各國在AI頂尖技術的博弈之戰，尤其是創新與研發，也就是從0到1的部分，國內仍需要再進一步提升，攻克各種卡脖子技術，真正做到世界頂流之境。
《設計》：設計本身是交叉學科，智能設計中交叉了哪些學科？對設計師提出了怎樣的要求？
邱信賢：設計所牽涉的交叉學科的確十分廣泛，廣義地說，舉凡我們生活周遭所見的范疇，包含肉眼不常見的地外空間（外太空）等，都與設計相關。而智能設計的領域，由于大量牽涉電子算力（Computation），特別著重在計算機、機械、機電、儀器等相關的學科進行交叉，甚至于航空、航天、飛行器、機器人等更加復雜與特殊性的學科都囊括其中。
也由于設計學所牽涉的學科如此廣博，個人淺見，一位好的智能設計師應該具備以下的素養：
1)寬廣的學科知識譜系：面對更加多元且充滿變化的環境，智能設計師必須累積更多元的知識面向，豐富創作的經驗，才能更好地融合不同學科之間的特質。
2)跨學科整合與溝通協調的能力：為了實踐多學科交叉的設計特質，設計師必須具備多方協調、溝通與資源整合能力，才能將復雜與多元的設計作品與方案更完善地呈現。
3)對于新興科技與事物的掌握度：由于設計往往需要創新思考的能力，因此設計師對于新事物的接受度必須更高，同時對于創新科技的掌握度也必須與時俱進。
4)獨到而精確的判斷力：資訊爆炸的年代，網絡上充斥著各種資訊；在人們可以輕易創造出許多人工智能生成內容（Artificial Intelligence Generated Content, AIGC）的同時，如何養成設計師個人獨特的設計風格，并對于事物進行更精確而有效的判斷，過濾掉不必要或者不正確的資訊，才能在眾多復雜的資訊中，獲取有用的資源，進而融合與凝練到設計之中，最后呈現出最合適的設計，這也是智能設計師所必須具備的特質，否則便會輕易被智能科技牽著鼻子走，最終迷失了身為設計師的自覺性與自信心。
《設計》：在“智能”的加持下，設計師面臨的是怎樣的新設計范式？
邱信賢：范式（Paradigm）一詞最早是由著名的科學家庫恩（Thomas Kuhn）在1962年的《科學革命的結構》一書中提出來的，大概泛指在一個歷史時期，構成一門科學學科的概念集成、一種思維方式、模式或標準（Kuhn, 2012）。設計的創作過程中包含了不同階段，例如問題與定位、概念生成、設計發展、設計實踐等；面對AI工具的強力現世，為許多設計師在生產力上帶來了極大的幫助，特別是在工作流程（working flow）上，也產生了極大的影響；舉例而言，一位制作3D電影的動畫師，過去可能需要花費數個月才能生產出數十分鐘的動畫影片，現在在AI工具的輔助下，可能在數小時之內便可完成，甚至在動畫與視覺效果各方面更超以往。
然而，許多人擔心在未來人類的工作即將大量被AI所取代，究竟AI工具的出現對于設計師的意義為何？設計師面對強大的AI工具應該如何應對？
人工智能在設計師創作的過程中可以發揮不同的作用與影響，例如靈感發散、問題分析、設計草案的形成、設計表現的風格與潤飾等。每一位設計師應該針對自己的設計性質與特色，運用合適的AI工具來進行設計輔助，并尋找適合自己的智能設計范式。
這讓我想起世界知名哲學家休伯特·萊德勒·德雷弗斯（Hubert Lederer Dreyfus）所撰寫的名著《電腦依然不能做的事》（What Computers Still Can’t Do）一書中，提到許多電腦所依然無法取代碳基生物的部分，包含人工智能的發展限制等議題（Dreyfus, 1992）。在現今AI工具如雨后春筍般的出現之下，在網絡上充斥著各種AIGC，這對設計師而言，無疑是一種挑戰，也同時考驗設計師對于設計本質的認知與追求。如何能夠巧妙地運用AI工具的強大能力，但是又不失設計的創新與本質，是新世代智能設計師所面臨的挑戰。在大量精致炫目的數字圖像充斥網絡世界的同時，有“人味”的設計，便顯得格外的珍貴；如何能找尋到設計的自然狀態（gesture），相較于科技精準絢麗的設計表現，展現出另一種“不完美之美”（The Beauty of Imperfection）的設計與藝術意境（Brown, 2022; Mitoubsi, 2024）。
《設計》：設計事關功能和美感，如何讓人工智能掌握審美能力？
邱信賢：設計是一種關于人類高智商活動的行為，除了針對特定族群的特定需求，在解決所定義的問題的同時，也必須兼具美學的考量。美學的定義十分多元而廣泛，不同的設計師有各自不同的審美標準與美學風格；然而，這些美學標準有些是可以用科學的方法加以分析與記錄的，例如數學上的黃金比例，或者萊昂納多·達·芬奇（Leonardo da Vinci）所繪制的《維特魯威的人體比例》（Le proporzioni del corpo umano secondo Vitruvio）（圖７）等。這些可分析記錄的美學標準屬于相對理性的范疇，對人工智能而言是可以通過不斷的訓練與迭代來“養成”與“模擬”接近人類某方面的美感訓練。
然而，人類在進行設計時，仍有些所謂的“創作的黑箱過程”，也就是相對而言較為直覺式的美學決策與個人品位。這種直覺式的美學標準，通常是通過設計師經年累月的培養所逐漸養成。這種從0到1的美學培養過程，對于目前的人工智能而言，在理論上可以運用AI范疇里的“類神經網絡”“深度學習”等技術領域，將特定對象的美學標準與喜好置入機械學習之中加以訓練，讓AI能進一步模擬人類思考與判別的方式。
盡管如此，對于有些“非邏輯性”的美學，例如解構主義（deconstruction）的作品，以及一些非對稱性的美學，如解構主義建筑大師法蘭克·蓋瑞（Frank Owen Gehry）的設計創作，時常出現一些非理性創造的手法，將建筑通過藝術家直覺式的雕塑與堆疊，來形成建筑物的外觀（圖８），這種創作元素之間微妙的“非對稱性協調關系”，對AI而言就顯得相對復雜，且復制難度更高。
《設計》：智能設計涉及諸多高新科技方法路徑，帶來解決方案更高效的輸出，由此給設計師工作帶來的利弊如何看待？
邱信賢：以目前AI工具的發展進程，對于智能設計來說，無疑替設計師增加了一支強有力的團隊，如果運用得當，可以幫助設計師在短時間內完成過去必須由一支設計團隊方能達成的工作量。然而，水可載舟亦可覆舟，在設計圖面與表現的成果已經可以輕易被大量AI工具所制作的同時，對于設計師而言，設計的本質便是更值得思考的問題。在一張張光彩奪目的數字圖紙背后，究竟設計想傳達的理念為何？藝術的價值與原創在哪里？
此外，隨著時間推移，大家對于AI設計工具的掌握度也逐漸接近之后，設計師的個人風格便是值得思考的議題，以GPT為例，當大家共享同一個大語言模型，就意味著大家在運用同一顆AI大腦進行創作與設計，如何進行個人風格的養成，或者突顯不同設計案例的特色，便成為另一個智能設計界重要的議題。
在學習的歷程中，我們常聽說要學會“提問”，而且是“問正確的問題”，對于學習可以有正面的幫助；使用AI工具的一個特色，就是對AI進行“提問”（Prompt）。目前，有一種新興職業已然誕生——“提問設計師”（prompt designer）；提問設計師主要的工作就是幫助客戶針對需求與AI工具進行反復的提問與互動，以期得到接近客戶滿意的AI反饋 （Google, 2024）。
盡管如此，設計師是否可以，或者應該全面使用AI工具進行創作？使用AI工具的prompt來作圖，是通過“文字”的方式與機械對話，告訴AI繪畫的重點、相對參數等，跟過去在傳統藝術訓練上用手工進行設計圖繪制十分不同；此兩者除了在視覺表現效果上的差異，更存在大腦認知領域（Cognitive functioning）上面的反應差距：當我們通過手工進行繪制，會在人類手與腦之間產生聯動刺激，進而刺激大腦皮層，影響人類設計與創作的思考機制 （L?wgren, 2023）。不管將來AI工具如何發展，“手繪”對于設計師的養成還是相當重要的，當將來大家都習慣用下指令的方式來繪圖，對于很多設計的直覺掌握度或許會產生質變，個人建議還是要特別注意。此外，由于AI工具與大語言模型的特質，在訓練設計師個人化 GPT 的同時，也必須注意所運用的圖片與生成出來的效果是否會有侵權的問題。
《設計》：對于設計教育及設計專業的教師和學生來說，應以怎樣的姿態迎接人工智能時代？
邱信賢：在人工智能蓬勃發展的今日，許多事物都面臨巨大的契機與轉變，設計教育本身也不例外。
從工業革命的歷史進程，工具的轉變，對于人類生活的影響自然不可同日而語。未來的設計教育，必將融入更多AI工具作為教育的資源，一方面幫助教育者更有效地進行教育資源的整合，包含教學方法的提升、教案與實際作品的分享等；從學生的觀點，可以通過AI的輔助，進行更多自我學習，提升學習效率。因此，我們必須正向地面對AI發展，熟悉新世代的工具并加以運用。
除此之外，在設計教育中，依然有些基礎課程十分重要，例如設計的本質、美感教育的訓練等，是一種百年樹人的過程，需要在日常教育中慢慢浸潤，以收潛移默化之效，這方面除了AI工具的輔助，更需要好的教育者來進行引導。另外一點，就是之前所提到的設計學本身存在的學科交叉與多元維度，建議設計教育的師生要培養更寬廣的視野來接受新的事物，并保持與時俱進、自我挑戰，以及終身學習的態度。
《設計》：隨著人工智能、大數據等技術的發展，您認為智能設計的發展趨勢和前景如何？您有哪些期待或展望？希望和同行深度探討哪些話題？
邱信賢：人工智能的發展已經進入全球白熱化階段，隨著AI工具的普及化，使用者門檻降低，一位之前完全沒有美術或繪畫基礎的使用者，可以輕松通過AI工具創造出視覺效果令人驚艷的作品。全面性的智能設計世代儼然已來臨，美國《福布斯》雙周刊提出的2024年五大AI新趨勢中，也談論到許多關于未來AI的發展與問題、包含量子AI的出現、AI的合法性、AI道德性等（Marr, 2023），更在2023年底提出未來2024年的十大AI預言，包含世界AI與軟件巨頭之間的興衰與分合等，這無疑反映出AI將依舊占領人類未來文明發展的重要位置（Toews, 2023）。個人十分期待通過智能設計，讓人類設計品質得以進行全面提升，使我們的世界充滿更多美的事物與畫面；面對設計，人們的選擇可以更加多元，并通過高度客制化來滿足不同的需求，也期待各行業的設計師分享更多智能設計領域的成功經驗與作品！
參考文獻：
[1]Brown, B. (2022). The Gifts of Imperfection: 10th Anniversary Edition: Features a new foreword and brand-new tools: Hazelden Publishing.
[2]Chiu, H.-H. (2007). Intelligent Building Skin: Drawing from Medical Therapies. (Master of Architecture Thesis), University of California, Berkeley, Berkeley, CA, USA.
[3]Chiu, H.-H. (2013). Toward a Healthy and Successful Aging: Design Intelligent Home Care
[4]Environments for the Elderly. (Ph.D. Dissertation), University of California, Berkeley, Berkeley, CA, USA.
[5]Darwin, C. (2018). The Origin of Species: CreateSpace Independent Publishing Platform
[6]Dreyfus, H. (1992). What computers still can't do: a critique of artificial reason: The MIT Press.
[7]Google. (2024). Introduction to prompt design. Retrieved from: Introduction to prompt design
[8]Kirk, A. (2019). Data Visualisation: A Handbook for Data Driven Design (2nd ed.): SAGE Publications Ltd.
[9]Kuhn, T. S. (2012). The Structure of Scientific Revolutions: 50th Anniversary Edition (4th ed.): University of Chicago Press.
[10]L?wgren, J. (2023). The value of hand drawing in data visualization. Retrieved from: https://medium.com/@jonas.lowgren.64/the-value-of-hand-drawing-in-data-visualization-360536fd96fc
[11]Marr, B. (2023). The 5 Biggest Artificial Intelligence Trends For 2024. Retrieved from: https://www.forbes.com/sites/bernardmarr/2023/11/01/the-top-5-artificial-intelligence-trends-for-2024/?sh=bb0e9f92c349
[12]Meaning of design. (2024).
[13]Mitoubsi, S. (2024). The Beauty of Imperfection in Abstract Art. Retrieved from: https://www.ezeeart.com/the-beauty-of-imperfection-in-abstract-art/
[14]Myre, M. (2023). What is Data Driven Design? Retrieved from: https://designlab.com/blog/what-is-data-driven-design/#whatis
[15]Sandra Kublik, S. S. (2022). GPT-3: Building Innovative NLP Products Using Large Language Models (1 ed.): O'Reilly Media; 1st edition.
[16]SoftwareAgents_Group. (1994). Software Agents. from http://agents.media.mit.edu/index.html
[17]Toews, R. (2023). 10 AI Predictions For 2024. Retrieved from: https://www.forbes.com/sites/robtoews/2023/12/21/10-ai-predictions-for-2024/?sh=577d1dc94898
18.Wooldridge, M. (2002). An introduction to multiagent systems. . West Sussex, England: John Wiley and Sons Ltd, 348.