机器学习时代，对设计工具的再思考

工具的简洁性。理想情况下，每当我们出发时，这些高级功能都会为我们建造一条新的高速公路，这样我们就可以通过非常少量的操作轻松的到达目的地，但这在预先设定的高级功能集中是不可能的。机器学习使我们能够通过观察用户的行为来推断用户相关的大量信息以及他们希望达到的目标。我们可以创建一个学习工具，来学习设计者操作软件的行为，相比试图通过预先设定的高级功能集来预测设计者的需求，这个做法要实际的多。在过去的几年中，一种被称为“递归神经网络（recurrent neural networks）”的机器学习系统已经被证明了特别擅长学习序列模式，并且这些系统已经被广泛应用于诸如文本或音符的下一字段的预测中。我们可以利用这种递归神经网络来发现工具中初级功能的常用序列，并动态合成与设计者当前活动相关的特定功能，而不是绕着一组预先设定好的高级功能构建设计工具。自定义高级功能的自动生成中使用的用户行为模式，不仅限于从单一的设计者行为中提取，也可采用从多个设计者的行为中提炼的方法。类似于根据用户喜好来推荐音乐或电影的推荐系统，可以通过在众多设计师中发现一种模式，根据设计者在工作流程中的习惯，向其推荐相关功能。工具制造商可以利用推荐系统，更好地解决设计人员，以及他们消化信息、做出决策和与软件交互的各种方式的多样性问题。它将使工具制造商可以更好的满足设计师的需求，而不是一味地提供预先设定好的单一的静态功能或工作流程，然后让设计师去适应。推断大量用户的行为模式，工具制造商可以更好地理解系统中提供的各功能之间的隐含关系。这将为工具制造商提供更多关于如何改进其软件的重要意见。采用这种方法，工具制造者的角色将从高级功能的整体管理转向创建更细化的界面元素。从预设的系统规则和界面元素，到智能生成，这意味着工具制造者将放弃对软件某些方面的控制。但是，这样做能更好的协助设计人员去完成一些制造者没有预期到的任务。探索式设计每个人都有一种天生的美学和设计感 ，即感受愉悦或有用的东西。由于我们没有经验，因此很多人缺乏方法将这些直觉应用于设计领域来进行创意产出。设计工具不仅应该帮助我们在已知的领域执行设计，还应该帮助我们在新设计领域建立专业认知。如果我们在街上随机选取一群人，给他们一张白纸，然后要求他们设计出他们心目中理想的客厅，许多人其实不知道从何下手。但是，如果让他们访问Pinterest，并要求他们通过挑选喜欢的元素来设计客厅，那么许多人就会觉得容易很多。这种“所见即知”的感觉会形成一种强大的动力来促使用户参与到设计中。用户不需要去了解工具背后运行的原理。相反，当他们看到实际的应用效果后，就能确定是否喜欢它。此前，我们进行了一个关于二维空间搜索的可视化研究。虽然范围有限，但这种可视化的方式为设计提供了一种直观而细致的机制。用户只需选择一个位置即可搜索到与之相关的任何可能的设计。这种可视化的组织形式还能使用户在给定的搜索空间内为特定的效果建立清晰的心理模型。当然，现实世界中的设计问题很少只是由两个维度组成的。可以利用低维的图谱来展现出设计中的那些高维度特征（注：“降维”机器学习系统的作用是可以降低时间复杂度和空间复杂度，节省提取不必要特征的开销，当数据能有较少的特征进行解释时，我们可以更好的解释数据，有助于我们提取知识。降维的方法便于实现数据可视化）在上面的动画中，我将一组树叶轮廓的图像输入到降维系统中。随着训练的展开， 该算法会重新配置每个叶子在二维图谱中的位置，相似的叶子被安排在相邻的位置。最终，这个过程将创建一个连续的二维图谱，它展示了叶子可能出现的一系列的变化过程。一旦训练完成，该系统可以重建与图谱中任何二维坐标相关的图像。完成训练后，该系统中与坐标点相对应的图像还可以重新进行编辑，但值得注意的是，即使没有提供排序的样本也可以完成这一训练，这样就为各种创新设计提供了一个简单并且快速的途径。我们可以自由的查看图谱中的任意位置，并且可以从中探索叶子在各个维度中可能演变出的形态，但前提是必需要符合叶子的这一概念。我们能够非常自由的查看到图谱中与坐标一一对应的每个图像，并且还可以在它们之中进行切换。如果对想要设计的东西有一个成熟的想法，那么可以用特定的方法来实现它。但是，如果我们想进一步探索，看看还有什么可能的东西，那么上面的这种“降维”方法可以帮助我们从解决方案中跳脱出来，并尝试新的东西。或者，这种可视化的图谱也可以暂时叠加在设计之上。这种方式允许用户在探索元素变化的同时，也能实时预览变化后的效果。我们可以在这种探索性的界面中更改设计元素，而不用再重新进行设计。例如，假设我们已经使用Bezier路径创建了一个橡树叶的图形，接着我们想要它变成枫树叶。如果在传统的设计软件中去做的话，我们需要不断调整Bezier路径。作为设计师，我们似乎习惯了这种工作流程。但事实上，这与目前软件的使用方式有很大关系，当前的Bezier路径功能决定了我们只能手动操作。将一个形状转换为另一个形状可能会浪费我们在创建第一个形状时所做的大部分工作。这增加了时间成本，很明显这是不应该的。就好像我们想去邻居家时，不需要穿过整个城镇一样。算法允许设计者以他们的设计直觉为指导，而不受到特定工具某种特定功能的限制。我们使用的这种方法，并不会阻碍设计师去掌控他们的设计，它只是去掉了上一代设计工具在操作过程中强行附加给设计师的操作行为。这样可以让设计师更专注于设计本身，而不是局限在设计工具的实现上。描述式设计到目前为止，我们讨论的界面非常类似于传统意义上的地图。就像其他任何地图一样，如果你愿意，可以在上面添加文字标签。这使得我们可以用命令语言改变设计，例如：“给我一片枫叶”。当结果呈现给我们之后，也可以这样说：“让它变得更接近橡树叶。”这种功能已经非常强大了。但事实上，我们可以思考得更深入。2013年 Tomas Mikolov 等人发表了一系列论文，描述了一系列用于生成不同词汇之间概念关系的低维图谱技术。就像我们上面讨论的地图一样，在这个词汇图谱中，现实中用法密切相关的单词也会放置在一起。我们也可以对现实世界中的概念进行代数运算,例如，他们发现采用下面的表达方式：“马德里 –