专栏名称: AlibabaDesign
这是一个充满魅力的组织,是一群疯狂热爱用户体验的家伙;这里有国际音乐家、有舞者、游戏玩家、摄影师以及各个领域的爱好者;我们坚信,创新、设计、技术和客户第一的价值观粘合在一起,一定会创造出我们为之疯狂的用户体验!
目录
相关文章推荐
FM93交通之声  ·  刚刚,5.0级地震!多地震感明显 ·  2 天前  
杭州日报  ·  大反转!确认是摆拍,6人被拘留 ·  2 天前  
杭州日报  ·  痛心!她于凌晨不幸去世,年仅19岁 ·  3 天前  
51好读  ›  专栏  ›  AlibabaDesign

【2018 Alibaba UCAN】浙江大学孙凌云教授: “新维度下的范式挑战”

AlibabaDesign  · 公众号  ·  · 2018-05-04 21:34

正文

信息载体发生巨变,人机交互通道日益丰富,人工智能扩展了人机交互中的信息广度、改变了信息的处理模式。设计智能、体验计算、感知增强成为设计实践和学术研究面临的新维度,也带来了新的范式挑战。

|| 一、范式与范式迁移

今天的最后一个报告,我和大家分享一个词:范式。范式是一个共同体的成员所共享的世界观、概念和行为方式等的集合。而所谓范式迁移,就是我们的世界观、概念和行为方式等发生了根本性的改变。范式迁移有可能发生在所有的领域。一项新技术的发明,或者一个新理念的普及,都有可能推动某个领域中的范式迁移。在现代设计史上,流水线的发明直接推动了现代设计新范式的出现,或者范式迁移。

在科学研究领域中,有4个被人们所公认的基本范式。

第一范式:实验型范式。数千年前,科学家做研究的主要思路是观察和思考自然现象,设计简单的实验验证发现的规律。例如两个铁球同时落地。

第二范式:理论型范式。数百年前,科学家发现当时的实验手段有太多局限性,远不能达到深入理解原理的程度。因此,科学家开始在实验中去除复杂的干扰因素,只留下最关键的因素,通过推理构建各种各样的模型。这就是第二范式。例如牛顿三定律。

第三范式:计算型范式。几十年前,随着计算机的发展,使用计算机对科学实验进行模拟仿真的模式得到迅速普及。在计算机的帮助下,我们可以模拟和推演非常复杂的实验和模型,让计算机代替我们计算和验证,这就是计算型范式。今天,几乎所有的学术研究都离不开计算机,计算型范式成为主流的科学研究范式之一。

第四范式:数据密集型范式。过去几年中,由于互联网、物联网、大数据的发展,由于数据获取的成本迅速降低,数据处理的能力迅速提升,我们可以让计算机直接进行推理、分析和总结,得到理论。科学研究又发生了一次的范式迁移,这就是数据密集型范式。

|| 二、设计范式

设计的范式到底是什么呢?我们从设计的过程出发来思考这个问题。设计的过程简化到极致就是:设计是从用户出发,完成内部的设计逻辑后,为后续产品化环节提供输出。

在这样一个基本的框架中,我们有很多面向过程的设计方法,以及支持这些方法的设计工具集。譬如影响力最大的,斯坦福d-school提出的Design Thinking,再譬如Google发起的设计冲刺;又譬如由design council发起的面向流程的菱形模型。这些方法,或者是这些设计方法的变体,被设计从业者所熟知,在设计研究、教育或者实践中潜移默化的应用。

回到今天我们所在的领域——互联网领域或者信息产品设计领域中,我们做设计,同样是采用这样的模式:观察用户了解需求,根据业务属性界定问题,提出功能需求,将这些需求放到相应的载体上。

所以,我们发现这就形成了一个基本范式:我们去研究用户、发现问题、明确设计需求,然后思考功能和内容,思考用什么样的形式、什么样的媒介去承载这些功能内容。再进行回来进行用户测试。这就是实践中的一个非常流行的设计回路。

值得注意的是:我们没有办法找到所有的人,所以在用户研究阶段,我们必须或者在统计意义上考虑,把人群进行细分;或者在抽样意义上考虑,寻找典型用户,进行访谈和测试。我们所考虑的功能和内容也是有限的,形式和媒介也在是在有限空间中的选择。

但是,这似乎并不是今天我们看到的鲁班系统,或者是Paul介绍的短视频生成系统所采用的范式。因为设计领域里,我们所处的空间出现了一个新的维度:人工智能。

|| 三、设计中的新维度——AI

在跟很多业内同行讨论的时候,有个问题经常出现:AI会不会取代设计?我觉得这也许并不是设计领域里面最恰当的提问方式。我们应该探讨的是:有了AI之后,我们可以做什么事情。因为AI并不是设计的对立面,而是设计所面对的一个新维度。

前不久,浙江大学和阿里巴巴成立的智能、设计、体验与审美联合实验室,IDEA Lab。在IDEA Lab的视野中,我们看到、关注和响应了这些变化。

1.体验计算。体验计算并不是全新的概念,但现在体验计算正在发生巨变,从实验室的小样本计算变化到越来越强的随时随地按需计算的能力。譬如,用运用手机前置摄像头做眼动分析的技术已经成熟,这意味着在很多时候,我们在所手机app的眼动分析,是不需要在实验室中找少量被试的;而是完全可以邀请真实的用户的授权,从而获得在真实使用情境下的眼动分析。又譬如,我们也经常用眼动分析验证一个平面设计的好坏,一个传达设计是否到位。使用深度学习技术,我们可以脱离实验设备,依靠算法预测视觉注意力的分布情况。在IDEA Lab,江浩博士领衔的研究团队在新零售环境下分析用户的行动、情绪,为每个用户提供量化的体验。

2. 感知增强。我们正在具备越来越的丰富用户感知外部信息的所需通道和媒介,正在研究在这些通道和形式中进行切换的方法,以及从增强用户感知的角度选择这些通道和媒介的手段。譬如IDEA Lab巫英才教授团队研究故事线可视化技术,可以将复杂信息自动组织为低认知负荷的可视化形式。

在新零售业务场景中,IDEA Lab向为博士团队研究如何用震动、温度、风等一系列触感通道呈现信息,譬如“热销产品”,“打折”。再譬如,IDEA Lab许威威教授团队可以从一张图片、一张照片实现立体视觉,为用户看一张图提供了更高的感知维度。







请到「今天看啥」查看全文