设计师应该如何拥抱AIGC？来看高手的总结！

编者按：ArgoDesign 是一家兼顾设计、产品和咨询一体的跨国设计咨询机构，他们的客户涵盖了包括 IBM、亚马逊、梦工厂和山姆在内的世界知名企业，而这篇文章出自 ArgoDesign 的首席设计师 Guus Baggermans。

作为一个大型设计机构的首席设计师，Guus 如今的工作内容是探索 AI 和设计产品、服务的结合，在负责设计的同时，要探索新技术在产品和服务的应用。通过一系列的测试和体验，Guus 在这篇文章中，非常冷静地阐述了他对于 AI 的看法，优点劣势和设计师应对 AI 的姿态，并针对如何创建包含 AI 的产品，提供了有效的建议。

以下是正文：

从今年年初开始，咱们就一直在被人工智能的新闻刷屏，你打开新闻网站和社交媒体，是一定会看到大量关于 ChatGPT、Stable Diffusion、Midjourney 和 OpenAI 相关的文章。

尽管人工智能从 1950 年以来就已经存在，但是最新的人工智能算法将 AI 推到了时代的最前沿。第一台计算机擅长完成重复性的任务，但是需要人借助编程语言和它进行沟通。随着时间的推移，我们开发出了越来越复杂的语言和界面，鼠标、触摸屏和 VUI 都是这个过程中诞生的成果，这使得非程序员也能使用计算机。

如今，AI 成为了一个特定的分支，被称为 Transformers 的 AI 算法架构塑造了 ChatGPT 这样的工具，类似的 AI 工具也开始在每天的新闻当中铺天盖地地呈现出来。许多基于生成式 AI 的在线工具涌现，而它们的设计却大都显得原始而不够完善。

AI 带来数不清的新功能

生成式 AI 呈现了不少强大的新功能，这些功能之前之所以无法想象是因为成本太过于高昂，以至于仅仅只出现在某些概念设计中。然而在生成式 AI 的帮助下，它们得以呈现。现在 AI 可以帮助用户进行创造性地创作，在非结构化的数据中发掘信息，回答用户复杂的问题，为每个用户提供真正个性化的体验，甚至可以代表你和他人沟通。 ArgoDesign 也举办了一场精彩的网络研讨会，探讨生成式 AI 对于未来企业的意义。

边做边想边找答案

我习惯于通过深入实践学习，在学习中理解新概念，塑造能力。在我的工作中，我们将其称之为「边创作边思考」。为了更好地使用 AI，我们举办了内部竞赛，使用生成式 AI 制作电影海报。通过这次练习，我们了解了生成式 AI 的优势和劣势，而这些经验也被我们视作为设计的素材。

我们使用使用 ChatGPT 等工具来创建电影的名称、剧本甚至影评，然后使用 Midjourney 和 Stable Diffusion 来生成相关的视觉图像。

通过有趣但足够专业的比赛，来验证工具的可用性，了解其中的差异，我们也逐渐了解到这些工具的运作原理，各自擅长的方面，当然，最重要的还是这些工具所不擅长的是什么。通过这些评估，我们确定，生成式 AI 可以产出可以用来设计的素材。

这对于设计师意味着什么？

我得先声明一下

首先，我要做一个简短的声明，文章后续的部分都是建立在这个声明的基础上的。目前，AI 经常会给出我们错误的答案，而且在许多情形下，输出的质量是存疑的。关于 AI 生成的内容在知识产权归属上，即使是法律本身也没有做到完全明确定义，相关的议题依然处于广泛的争论当中，对于 AI 生成的素材对于当今社会的影响无疑是巨大的，并且其中还存在许多伦理道德层面的问题。

和任何新技术一样，AI 生成用户体验的最佳实践还有待定义。接下来，我们将继续探讨几个成熟的议题。

可发现性的设计

AIGC 的技术确实是新鲜事物，绝大多数人其实还不明白它能做什么，只是感知上确实感觉有无穷的可能性。总结文本主题，重写内容，在数据中寻找重复的模式，甚至创建一个不存在的小狗的插画，让它戴着棒球帽，踩着滑板。

ChatGPT 能做很多令人难以置信的事情，但是 OpenAI 并没有提供功能文档，所以是有必要帮助用户来先发觉这些功能，并且让用户了解它们，并且快速访问重要的功能和内容。这就是为什么像 Github 这样得网站上，供用户学习各种 Prompt 得内容会爆炸性地增长。本质上，用户们正在为 OpenAI 编写文档，并且互相分享。

Midjourney 生成的图片素材更有用，最重要的是 Midjourney 在它的服务当中内嵌了分享功能，用户每生成一套图片，这些图片就会被添加到一个目录当中，用户可以通过这个目录查看生成的图片素材，以及相应的 Prompt，这样一来，用户可以互相学习，无需从头开始。

Google 则更进了一步，在 Google Workspace 中，将文本的编辑简化为几种易于访问的按钮，这种方式降低了用户编写 Prompt 的复杂操作，用户无需使用「请为我总结这段文字」而是直接点击「Shorten」按钮即可实现功能。

要点：如果你正在设计 AI 相关的产品，那么一定要向用户介绍甚至演示你们做了什么，让用户知道、了解你的 AI 产品的功能，并帮助用户更好使用它们。

协助用户在「可能性迷宫」中导航

生成式 AI 可以在短时间内创建大量的内容，以 15 种不同的方式重现编写同一个段落很容易，生成一张图片的 30 个变体也很容易，但是如何帮助用户选择最好、最合适的变体呢？那么在以信息流作为主要成呈现形态的界面当中，如何让更好的那一个从中脱颖而出呢？

ChatGPT 会为不同的对话自动命名

ChatGPT 的聊天式界面风格让你可以和 AI 进行「多轮对话」，而已经完成的对话，ChatGPT 会对它的内容进行命名，这些命名能够帮你更快定位。尽管这种方式很酷，但是依然有缺陷，如果你的目标是希望 AI 帮你重写文章的话，那么这个对话当中，你会看到长篇大论的内容，量非常大，那么这种聊天界面可能并不是最理想的载体。

Midjourney 其实也存在类似的问题，它唯一的交互界面是借由 Disord 而存在，用户必须将聊天机器人加入到自己的服务器之后，才能在 Discord 中发送 Prompt ，然后 AI 才能在其中做出响应，生成你要的图片。

幸运的是，呈现多个项目的合集，并不是个新的 UI 设计的问题，你可以在 Adobe Lightroom 中找到一个颇为值得借鉴的案例。Adobe 在管理大型摄影项目的时候，有个不错的归档界面，它内置了一套机制，可以帮你更好的过滤、排序、评级、对比不同的照片，如果你需要为你的 AI 产品创建生成内容对比的界面，可以参考这种设计思路。

要点：如果你的 AI 应用可以低成本生成大量内容，那么它也要具备帮助用户管理和跟踪各种变体的功能。

培养怀疑精神 & 允许被审视

生成式 AI 擅长输出内容，但是并不擅长呈现输出内容背后的逻辑和原理。当你要求生成式 AI 回答问题的时候，它能给你一个相对完备且信心十足的答案，即使这个答案可能完全是幻觉，甚至并非基于现实。这种错误或者虚幻的结果是现在 AI 生成的副产物，很难预防。那么在设计 AI 类的工具的时候，我们要如何应对呢？

下面的案例来自 Google 的 Bard LLM，这 Bard 针对用户提出的问题给予了一个回答。用户的问题是每年12月当中，除了1月和2月之外，还有哪些月份，而 Bard 的回答则将 12 个月又重新罗列了一遍，这是一个显而易见的逻辑错误。Bard 并没有给出答案的出处或者生成的缘由，这也使得错误仅仅只是一个错误，而这个答案在这个地方似乎也没有后续探究、改进的可能。

而一个显而易见的解决方法，就是 LLM 模型将自己获取信息的来源罗列出来，方便用户根据这些来源来验证 AI 所给出的答案。而微软的 New Bing 在这一点上则做的好很多，在 Bing 给出的答案的底部，都能看到这些答案的来源，用户可以点击来源链接深入挖掘答案所涉及的页面。

另外，可以从这些来源当中提取另外一个数据，就是「可信度评分」，许多机器学习的算法会对 AI 所提供的答案进行评分，下面是 OpenAI 的 Whisper 的截图，这是一种可以将音频内容转录为文本的工具，而它重要的特性在于，它会将所转录出的结果的「可信度评分」直接使用可视化的色彩标识出来，用户可以直观地看到那些内容准确度可信度更高，可以将低可信度的内容排除在外。

要点：在创建 AI 生成工具或者使用 AI 生成内容的时候，请确保为用户提供工具来验证生成的结果和答案。 AI 并不总是正确的，你的用户理应知道答案是从哪里来的。

考虑法律和道德的影响

权利越大，相应的法律责任和道德责任就越大！在将生成式 AI 应用到你的程序或者服务中之前，请认真考虑下列问题：

• 你所使用的 AI 算法是否存在偏差？

数据集通常是存在偏差的。当你让 Midjourney 生成专业人士的图片时，它确实更偏爱生成男性为主体的图像。我们还能在数据集中找到很多类似的问题。

• 你是否正在处理敏感或者私人的信息？

绝大多数的生成式 AI 都是透过 API 在云服务中运行的。从本质上来说，你如果想要使用这些 AI 服务，就意味着你需要将你的信息发送到另外一个公司的网络服务器上，在这些情况下，你最好检查一下你发送的内容和数据是否敏感，以及你的用户是否清楚你并非他们数据唯一的接受方（三星员工曾经为了获得答案在 ChatGPT 中上传了公司的敏感资料）。

以ChatGPT 为例，他们的隐私政策明确地规定（2023年3月14日更新），他们可以使用用户所提供的个人数据来作为 ChatGPT 的训练数据，而这种和欧洲隐私法（GDPR）相冲突，并且这直接导致意大利直接禁止使用 ChatGPT。

无论如何，当你想要在产品当中使用 AI 服务的时候，请务必检查隐私政策，查看它们是否符合当地的法律法规。

• 生成的内容知识产权对你的 APP 重要吗？

现在关于生成式 AI 输出内容的知识产权归属的争论非常的激烈。现在相关的法律法规还不完善，但是根据现在已有不少相关的案件在进行中，这些案件的判决结果将会为后续法律法规的定调。

早期比较著名的案件是漫画 Zarya 的版权归属，在这个案件中，美国版权局认定不对 AI 生成的图像进行版权保护。

最近，美国版权局给出了一个更加细致的指南，指出如果内容仅仅是借助 Prompt 引导 AI 生成，且后续并没有进行调整和设计，那么它将不会获得版权保护。你可以沿着这个思路推导下去，下一个问题可能是，有多少人参与才算有效等等。我相信类似的争论还会持续很久。

要点：你需要问问自己「我是否站在用户这边？」，请记住，目前所有的情况一直在发生变化，并且持续相当长的一段时间。当你在向产品中添加 AI 的时候，请想清楚这一点，因为你可能之后要一直调整策略和状态。

最后记住3点

1. 请记住，设计师应该专精设计，如今计算机可以生成以往设计师手工创建的事物，那么就让人工智能成为辅助你、驱动你走得更远的助力。
2. 请记住，生而为人应该洞悉人性，电脑能够生成一堆东西，但是只有你能看出哪些更有价值，哪些东西对人更有意义，而不是反过来。
3. 请记住，亲身尝试，在实践中思考！