人工智能设计师-指南-v1.0
人工智能设计师养成记
9 Steps ↓
阅读难度：★☆☆☆☆
技能要求：机器学习、设计、计算机基础
字数：2250字
阅读时长：10分钟
如果你想成为人工智能设计师，我相信以下9个要点可以帮你GET此项技能。
MLG-01
人工智能设计
用算法从数据中获取规律，形成所研究问题的“数据知识”，通过构建知识图谱并结合机器学习相关算法训练模型，此模型可用于设计场景中预测相关的设计内容。
资料：
MLG-02
智能设计流程
我们完成一项设计任务，一般包括以下4个设计环节：
1-
调研、访谈获得大量的案例、经验；
2-
思维碰撞，梳理问题与解决方案；
3-
原型、或其他成果展示设计结论；
4-
收集各方意见，重新优化设计方案。
对应的人工智能设计的流程，我们认为是：
1-
大数据挖掘与处理，从文本、图像、社交网络等；
2-
利用机器学习算法，构建知识图谱，从图谱反复测试问题与解决方案；
3-
开发产品、或软件系统
4-
投入使用，收集使用数据，迭代产品或软件系统
MLG-03
通用知识
通用知识帮助你在人工智能设计领域找到自己所感兴趣的细分领域，让你不断地探索更多的可能。通用知识包括数据挖掘与处理、知识图谱、机器学习算法、编程语言、设计思维、艺术美学等。
数据挖掘与处理
指从大量的数据中通过算法搜索隐藏于其中信息的过程。
知识图谱
知识图谱本质上是一种有向图结构的知识库，图中的结点代表实体或者概念，而图的边代表实体/概念之间的各种语义关系。
机器学习算法
指用来对大型数据集进行学习并生成可预测的模型的一套规则或数学公式。算法包括线性回归、逻辑回归、支持向量机、神经网络、K-Means、异常检测等等，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。
编程语言（机器思维）
是用来定义计算机程序的形式语言，它是一种被标准化用来向计算机发出指令的语言。
设计语言（设计思维）
是一种描述设计思维的语言，包括了设计手法、色彩、平面构成、空间构成、材质等。
艺术美学
对艺术美学的本质、范畴、规律有基本了解，对艺术审美形态、艺术类型和风格有一定认识。
MLG-04
领域专用知识
每个领域都有其区别于其他领域的知识，这类知识就是我们所指的领域专用知识。举个例子，平面设计会更关注构图、色彩；而建筑设计会关注结构、功能；再如用户体验设计，关注的是信息架构、易用性。要理解领域专用知识，需全面的了解设计的各个领域及所处理的媒介特征。
设计领域包括视觉设计、平面设计、服装设计、工业设计、城市设计、建筑设计、景观设计、室内设计、用户体验设计等。
研究的对象跨越各种媒介，包括纸张、电子屏、布料、金属、塑料、钢筋水泥、植物、软件操作界面等。
技术领域也有很多知识是区别于设计的，我们需要了解推荐系统、图像分类、聊天机器人、数据仓库、前端技术、后端技术等等。
资料：
MLG-05
人机协同
我们认为，机器跟人各有各的优势，人永远也无法把自己变成机器，而机器也无法把自己变成真正的人，机器具有积累知识、快速计算、解决封闭问题的能力；而人具有想象力、创造力、解决开放式问题的能力。人机协同应该是整合各自的优势，成为一种共生的形态，完成以往无法单纯靠人或机器完成的任务。
资料：
MLG-06
数据思维
善于思考特定领域设计各个环节所涉及到的数据，并利用数据挖掘出下面举一些示例，供参考：
定量研究vs定性研究
理解清楚数据与定量研究的关系
设计风格数据
设计的色彩数据、材质数据、空间数据等
水域数据
水域的面积、形态等
植物数据
地理位置、种类数量、时间季节、叶型、植株的大小、颜色、草坪面积、乔灌草比例、高度
人流量
公园人流量的分析、场地空间的使用率评估
工程
工程量、金额、工期、投入的劳动力
资料：
MLG-07
机器思维
机器思维指的是善于把问题抽象为封闭问题，即数学公式：y=F(x) ，其中x为输入，y为输出。具体包含两部分的能力：第一，善于把问题分解为各种细小可解的问题，每个可解问题可以清晰地定义输入输出，通过输入输出即可把整个问题串联起来；第二，善于为F找到对应的规则或算法。
资料：
MLG-08
设计思维
指的是能够开放性、富有想象力地解决问题的思维能力。我们必须承认有些问题无论如何都无法转化为数学问题，而必须借助于人类的想象力，结合艺术美学等文化，提出富有创新性的解决方案。
具体的方法论可以参考颠覆式创新方法。
资料：
MLG-09
融合MIX
我们认为富有创新价值的方法位于技术、商业、设计交叉领域，通过多行业、多学科的跨界交流，挖掘交叉领域的观点，以此为基础融合为一体，形成全新的领域。人工智能设计有许多相对的知识或思维方式，例如：
感性VS理性
定量VS定性
人机协同VS人机大战
通用知识VS特定领域知识
设计语言VS领域专用语言
线性思维VS非线性思维
那么，如何融合2种看似毫不相关的领域/知识？
资料：
——
注：
以上总结是经过mixlab社区成员花费3年时间的研究与实践，从人工智能+建筑设计、人工智能+平面设计、人工智能+服装设计、人工智能+珠宝设计、人工智能+艺术等等资料，及技术细节研究包括谷歌的magenta、阿里的鹿班、京东的玲珑、ARKIE智能设计、XKool等，加上不断地实验，从而得出结论。
——
参与人员：
感谢社区以下人员为本专题的研究提供的各种研究、实践内容～
（排名不分先后）
ML00-shadow：
mixlab创始人/GET知识引擎联合创始人/全栈工程师/跨界设计师
ML01-薛志荣：
百度交互设计师/独立开发者
ML03-Jeff：
GET知识引擎创始人/IACE大学创始人/创业沙拉华东区活动发起人
ML04-00 ：
产品设计师/数字极客/跨界学习者/算法作曲
ML05-Arthur：
设计师/人工智能工程师/AI变脸
ML06-CanisMinor：
创业者 / UED设计总监 / FE Developer
ML07-Fangyex：
Designer / Creative coder
ML14-Hanz：
建筑师/前端工程师/区块链/增长黑客/大数据
ML16-Eric：
机器学习/开发/平面设计
ML31-Heaven：
造就创始团队产品负责人/运营/设计/前端/数据分析
ML37-Baoling：
美团点评交互设计师/AR/mixlab共建者
ML41-limber：
机器学习算法/玩音乐/mixlab共建者
ML43-张俊涛：
觅丁创始人/数据分析/mixlab共建者
ML44-Dana：
觅丁联合创始人/mixlab共建者/服装/珠宝/品牌营销
ML50-Vsplorer：
UX/PM/Coding
ML64-小北：
网易有道高级工程师/计算机专业出身/前创业者/经历过CEO/产品负责人
ML69-Zion：
计算机/工业设计/互联网产品设计/Design X Art X Computer Science
ML83-周宁奕：
全栈/设计师/数据可视化/量化交易/图数据库/机器学习/爬虫
ML88-iPhone：
建筑设计/智能家居/产品设计/光伏系统/石墨烯/mixlab共建者
ML89-海男：
Rhino/Grasshopper/参数化设计/城市规划相关数据挖掘
ML91-曾子光：
风语筑研发部总监/计算机图像处理和虚拟环境/识别技术/人工智能
ML94-熊叔：
产品经理 / 新媒体营销咨询/遨睿信息科技产品总监/mixlab共建者
ML95-gong：
工业设计/交互设计/同济X特赞设计与人工智能实验室/mixlab共建者
ML107-Goya：
亮风台 AR应用开发/工业设计
ML123-Ceekay：
建筑/参数化设计/processing/arduino/GIS大数据/城市设计
ML124-Richard：
众安科技ux设计师/工业设计/眼镜设计师/设计咨询
ML126-musde：
深建科院技术经理/Treeteam创始人/参数化设计/BIM/人工智能/mixlab共建者
ML153-Cecilia春芳：
英语/设计管理/美术电商合伙人/iBrandUp自媒体/mixlab共建者
ML190-紫豆子：
工业设计/高级口译/消费金融产品经理
ML206-陈达博：
浪走科技CEO/创新设计工程/计算机图形学和图像与声音信号处理/VR/AR
ML225-乐乘：
阿里鹿班项目负责人/设计师/机器学习/电商广告设计
--------------------------------------
mixlab 无界社区 是一所面向未来的实验室，它提倡“跨界创新，开放成长”的理念。——跨界 开放 互助 学习 思维 创新。详细介绍点击以下卡片：
mixlab期待您的加入！
让你具备无限可能……
不赞赏下？
不点下广告？
不转发下？
荐书：
开复老师最近新出的一本书