融合智能下構(gòu)建人智共創(chuàng)設(shè)計的創(chuàng)新路徑研究

[ 關(guān)鍵詞 ]人智共創(chuàng)設(shè)計；智能化設(shè)計；創(chuàng)新方法論；融合智能設(shè)計；生成式人工智能

[ 中圖分類號 ] J504 [文獻(xiàn)標(biāo)識碼]A [文章編號]1008-9675（2025）01-0176-08

從“大分流”（Great Divergence）到“大合流”（Great Convergence），人類不懈打破事物間的界面，于共生與共創(chuàng)中謀求融合創(chuàng)新。在挑戰(zhàn)與機遇并存的數(shù)智時代，前沿科技的迅猛發(fā)展使大爆炸式破壞（Big-bangdisruption）展露出更顯著的敏捷性、非指示性和不可預(yù)測性。以生成式人工智能（GenAI）為代表的技術(shù)導(dǎo)向創(chuàng)新（Technology-driven innovation）不僅使產(chǎn)業(yè)的興衰更迭如運諸掌，更導(dǎo)致設(shè)計等創(chuàng)新領(lǐng)域?qū)η把乜萍嫉淖呦?、效用及影響莫衷一是。?shù)智技術(shù)下的創(chuàng)新面臨科林格里奇困境，如何塑造人類智能（HI）與人工智能（AI）間的共生關(guān)系及共創(chuàng)方式，成為未來產(chǎn)業(yè)創(chuàng)新發(fā)展的“卡脖子”問題。

設(shè)計與科技的發(fā)展適以相成，人機交互（HMI）與人機共創(chuàng)（HMCC）更可視為現(xiàn)代設(shè)計活動的基礎(chǔ)。伴隨計算機科學(xué)與信息技術(shù)的發(fā)展，HMI 中人（H）面對的對象逐漸從機器（M）細(xì)分為計算機（C），并在數(shù)智技術(shù)的作用下剝離為人工智能（AI），形成從HMI、HCI 到人智交互（HAI）的新環(huán)境。在數(shù)智技術(shù)的建設(shè)中，HMCC 也在人工智能輔助設(shè)計（AIAD）的語境下逐漸形成人智共創(chuàng)設(shè)計（HAICD）的新形態(tài)。[1] 在此背景下，設(shè)計雖曾被視為“最不可計算機化”的學(xué)科之一，[2] 卻首當(dāng)其沖受到了人工智能生成內(nèi)容（AIGC）的沖擊。

前沿科技的發(fā)展速度已遠(yuǎn)超戈登·厄爾·摩爾（Gordon Earle Moore）的預(yù)測，指日可待的通用人工智能（Artificial general intelligence，AGI）亦會為設(shè)計帶來新的可能性。當(dāng)下是重塑HAI，推動HAICD 創(chuàng)新構(gòu)建的“窗口期”，更是搭建設(shè)計型人工智能（Design"AI），引導(dǎo)AI 與設(shè)計雙向變革的“關(guān)鍵期”。萬物互聯(lián)（IoE）語境下，分布式人工智能（DAI）等端邊云協(xié)同技術(shù)將促使AI 廣泛嵌入各類事物，形成泛在智能（UI）的技術(shù)環(huán)境。HI、AI 以及智聯(lián)硬件與邊緣計算構(gòu)建的群體智能代理（Agents）也將在此環(huán)境中與設(shè)計產(chǎn)生協(xié)同效應(yīng)，共同促成聚合多種智慧的融合智能設(shè)計（Intelligence" Fusion Design，IFD），以推動HAICD創(chuàng)新路徑的構(gòu)建。

一、人智共創(chuàng)設(shè)計的研究概述

1.從協(xié)作到協(xié)同：人智共創(chuàng)視域下的設(shè)計流變

在動態(tài)發(fā)展的進(jìn)程中，人、機器與設(shè)計相互成就，逐步融合。伴隨人類社會生產(chǎn)力的提升、生產(chǎn)關(guān)系的調(diào)整以及生產(chǎn)方式的轉(zhuǎn)變，藝科交融推動機器實現(xiàn)了從工具到智能體的深刻變革，并使其經(jīng)歷了從“人造物”到“造物者”的演變（圖1）。設(shè)計的思維、方法及模式亦歷經(jīng)多次創(chuàng)新演進(jìn)，在人機共生與共創(chuàng)的建設(shè)中起到了應(yīng)變而進(jìn)、引領(lǐng)創(chuàng)新的關(guān)鍵作用。

機械計算機時代的設(shè)計學(xué)、計算機科學(xué)及相關(guān)技術(shù)均處于孵化期。計算機自主創(chuàng)新理念形成前，設(shè)計與機器結(jié)合的原動力來自人們對自動化造物的需求。1804年，約瑟夫·瑪麗·雅卡爾（Joseph Marie Jacquard）在其發(fā)明的提花織機中，首次通過編程控制機器制作圖案，設(shè)計以機器可讀的抽象形式存在于打孔卡中，指導(dǎo)機器運作。1843年，阿達(dá)·洛芙萊斯（AdaLovelace）在其分析機筆記中，首次探討了以機器算法生成復(fù)雜藝術(shù)內(nèi)容的構(gòu)想，并提出“洛芙萊斯的異議”（Lovelace's Objection），認(rèn)為機器是一種始終需要人類控制和指導(dǎo)的工具，其局限性在于缺乏預(yù)見能力，無法產(chǎn)生超越其編程的結(jié)果，更無法實現(xiàn)獨立創(chuàng)新。[3]

自電子計算機時代起，人們對造物質(zhì)量和效能的要求日益提高。隨著帕特里克·J·漢拉蒂（Patrick" J.Hanratty）研發(fā)的PRONTO問世，CAx應(yīng)運而生。設(shè)計在與CAx 的結(jié)合下，邁入了標(biāo)準(zhǔn)化、集成化、自動化的數(shù)字維度，并滲透至創(chuàng)新造物的各個環(huán)節(jié)。人們開始注意到HCI 的良性構(gòu)建對CAx 等HMCC的重要性。伊凡·愛德華·蘇澤蘭（Ivan EdwardSutherland）倡導(dǎo)從“給計算機寫信”到“與計算機商議”的觀念變革；[4] 道格拉斯·卡爾·恩格爾巴特（DouglasCarl Engelbart）提出了“增強人類智能”（AugmentingHuman Intellect）和“共同進(jìn)化”（Co-evolution）等人機在“智慧”層面相互作用的理論；[5] 戴維·坎菲爾德·史密斯（David Canfield Smith）也多次談及友好的HCI設(shè)計可對創(chuàng)造力產(chǎn)生積極作用，并認(rèn)為計算機應(yīng)再現(xiàn)人類的思維過程，以真正地服務(wù)于人。[6]CAx 與HCI的出現(xiàn)使設(shè)計可將繁復(fù)的任務(wù)交與計算機，從而讓人們有更多時間專注于創(chuàng)意，形成了人與計算機各騁所長的協(xié)作式設(shè)計（Cooperative design），[7]為日后HAICD的形成奠定了理論與技術(shù)基礎(chǔ)。從此，大量CAx 軟件與HCI 系統(tǒng)開始涌現(xiàn)，直至今日仍不斷與新技術(shù)結(jié)合，逐步實現(xiàn)從二維至多維的體驗升級，并在不同的垂直細(xì)分領(lǐng)域持續(xù)創(chuàng)新。

進(jìn)入21世紀(jì)后，設(shè)計需依托于不斷提升的計算機算力與信息技術(shù)，以協(xié)同更多因素和知識來解決更復(fù)雜的問題。一方面，CAx 和BIM 等設(shè)計方法逐漸向多維化、平臺化和互聯(lián)化發(fā)展，將設(shè)計中涉及的更多因素接入平臺進(jìn)行協(xié)同。查爾斯·伊士曼（Charles M.Eastman）強調(diào)信息模型和數(shù)據(jù)庫在設(shè)計中的重要性，并主張通過計算機系統(tǒng)來管理和共享設(shè)計信息，促進(jìn)不同專業(yè)之間的合作，整合設(shè)計上下游鏈路中的信息，以提高協(xié)同效率。[8] 另一方面，以生成式設(shè)計為代表的運算化設(shè)計開始在建筑、服裝、工業(yè)等設(shè)計領(lǐng)域興起。帕特里克·舒馬赫（Patrik Schumacher）認(rèn)為在機器算法驅(qū)動下，設(shè)計師將成為跨學(xué)科下人機共創(chuàng)中規(guī)則的制定者，并提出了參數(shù)化主義（Parametricism）。

設(shè)計可通過計算機生成和迭代方案，快速滿足環(huán)境和功能需求的變化，實現(xiàn)人機協(xié)同下設(shè)計的自適應(yīng)性。[9]從這一時期起，許多設(shè)計師開始建立“編程思維”，并將結(jié)構(gòu)、造型和信息處理等大量設(shè)計工作交與AI和計算機算法，實現(xiàn)了早期的AIAD，[10-11] 逐漸邁向HAICD（圖2）。設(shè)計因此獲得了更全面和多維的視角，形成了由多智慧協(xié)同、跨學(xué)科參與、互通有無的協(xié)同式設(shè)計（Collaborative Design）。

2.生成式的排異：人智共創(chuàng)設(shè)計的現(xiàn)狀與挑戰(zhàn)

隨著阿希什·瓦斯瓦尼（Ashish Vaswani）等人成果的發(fā)表，[12]GenAI 賦予了HAICD 新的定義，并推動其進(jìn)入轉(zhuǎn)化期。2021 年起，Dall·E、MuseNet、Sora 等多款A(yù)IGC 模型相繼問世，過去三年全球已有超過半數(shù)的設(shè)計師利用AI 進(jìn)行創(chuàng)作，在工業(yè)、建筑、影像等設(shè)計領(lǐng)域的使用比例更已超過70%。Adobe、Autodesk、Siemens 等企業(yè)也在近年著手對旗下CAx軟件進(jìn)行智能化升級和研發(fā)。從職業(yè)生成內(nèi)容（Occupationally-generated content，OGC）、專業(yè)生成內(nèi)容（Professionally-generated" content，PGC）、用戶生成內(nèi)容（User-generated content，UGC）到AIGC，成為創(chuàng)作者的標(biāo)準(zhǔn)進(jìn)一步降格，人在內(nèi)容創(chuàng)新上不再具有唯一性，任何人都可通過與AI 的簡單交互快速完成圖文、影像、代碼等創(chuàng)造性內(nèi)容的生成。AI 能給設(shè)計帶來的增益毋庸置疑，但過往的設(shè)計模式與數(shù)智技術(shù)間的排異性，也著實引發(fā)了設(shè)計思維鈍化、設(shè)計方法失效等負(fù)面反撥效應(yīng)（Washback effect）。設(shè)計的觀念與模式受到了前所未有的顛覆，AI 威脅論催發(fā)的焦慮與恐慌時有發(fā)生，設(shè)計似乎成為智能化技術(shù)的跟隨者，HAICD 理論體系的缺失使設(shè)計的未來進(jìn)路變得模糊與混沌。

3.智能體的融合：人智共創(chuàng)設(shè)計的創(chuàng)新性理論

當(dāng)前，HAICD相關(guān)的設(shè)計理論研究主要集中在人機交互、群體智能與創(chuàng)新方法論構(gòu)建三大領(lǐng)域。安卡·塞爾巴內(nèi)斯庫（Serbanescu Anca）等人強調(diào)，在人類與AI 系統(tǒng)的積極協(xié)作中，AI不僅是一個工具，更是一種創(chuàng)作伙伴。動態(tài)的HCI 有助于構(gòu)建互動數(shù)字?jǐn)⑹拢↖nteractive digital narrative，IDN）；[13] 郝凝輝與劉曉天以智能交互為切入點，主張將智能化設(shè)計、數(shù)字孿生技術(shù)和智能生態(tài)系統(tǒng)融入智能制造中，以促進(jìn)設(shè)計、制造與服務(wù)的無縫銜接與深度整合；[14] 李曉杰針對傳統(tǒng)藝術(shù)紋樣，提出人機交互下的生成式設(shè)計應(yīng)嵌入數(shù)據(jù)資源庫構(gòu)建、圖像識別、風(fēng)格遷移等環(huán)節(jié)，以人智共創(chuàng)的方式豐富設(shè)計多樣性；[15] 羅仕鑒等人以AI 時代的群體智能（Crowd intelligence）為切入點，從創(chuàng)意表達(dá)、創(chuàng)意共創(chuàng)、價值協(xié)同三個層面提出了群智創(chuàng)新設(shè)計方法，并強調(diào)有效的平臺建設(shè)和機制管理在實現(xiàn)群智創(chuàng)新中的關(guān)鍵作用；[16] 柴春雷等人指出，未來的GenAI 需在新的方法論下與設(shè)計師深度融合，形成更高的創(chuàng)造力和自主性；[17] 亞歷山大·阿洛詹茨（Alexander Alodjants）等人認(rèn)為DAI 中，人工智能代理（Artificial intelligent agents，AIAs）和自然智能代理（Natural intelligence agents，NIAs）能夠自我組織，形成一個動態(tài)的協(xié)作網(wǎng)絡(luò)，使系統(tǒng)在沒有集中控制的情況下，通過代理之間的相互作用和通信，實現(xiàn)高適應(yīng)性和高效率，協(xié)同解決復(fù)雜性問題；[18] 伊麗莎白·丘吉爾（Elizabeth Churchill）等人以計算機支持協(xié)同工作（Computer supported cooperative work，CSCW）為切入點，表示人機協(xié)作需改變以人為中心的慣性思維，從相互信任、角色分工、反饋機制、持續(xù)適應(yīng)等方面重新思考AI 的設(shè)計。[19]

二、人智共創(chuàng)設(shè)計的創(chuàng)新路標(biāo)

在足夠長的時間維度上，任何科學(xué)與技術(shù)都只是人類文明發(fā)展進(jìn)程中的一環(huán)。[20] 本研究從長期主義（Longtermism）出發(fā)，進(jìn)行設(shè)計理論構(gòu)建，基于集成產(chǎn)品開發(fā)（Integrated Product" Development，IPD）理念，從設(shè)計戰(zhàn)略角度以設(shè)立創(chuàng)新路標(biāo)為起始，明確IFD 下的HAICD 核心轉(zhuǎn)向，逐步形成HAICD 創(chuàng)新路徑（圖3）。

1.科技路標(biāo)：開發(fā)設(shè)計導(dǎo)向人工智能

IFD下HAICD需首先關(guān)注設(shè)計對AI 的重塑，快速推動AI 向Design AI 轉(zhuǎn)變。Design AI 的構(gòu)建標(biāo)準(zhǔn)并非是創(chuàng)造“類人設(shè)計師”，而是基于AI對HI的模擬與借鑒，打造能通過設(shè)計探究最優(yōu)結(jié)果的“理性智能體”（Rational agent）。[21]AI 在審美、感知、體驗等方面難以與人類設(shè)計師比肩，如VLP 下的生成式設(shè)計缺乏對于設(shè)計理解的縱深，其生成內(nèi)容時常不及人類設(shè)計師水準(zhǔn)，導(dǎo)致拮抗效應(yīng)（Antagonism）。設(shè)計應(yīng)抓住窄人工智能（Artificial narrow intelligence，ANI）向AGI發(fā)展的轉(zhuǎn)捩點，深度參與Deisgn AI 的開發(fā)。以設(shè)計為主導(dǎo)，推動AI 將自身優(yōu)勢與設(shè)計思維等設(shè)計理論知識結(jié)合，[22] 并引導(dǎo)AI 嵌入至設(shè)計工作全鏈路中，深化機器學(xué)習(xí)（ML），提升其在邏輯推導(dǎo)和信息感知兩大方面的設(shè)計素養(yǎng)，確保HAICD 的生成內(nèi)容可實現(xiàn)多維度的美學(xué)平衡。此外，IFD 下的HAICD 無需苛求為AI 增添“人性”維度，而應(yīng)聚焦于觸發(fā)融合多智能體的協(xié)同效應(yīng)。通過客觀解構(gòu)設(shè)計活動各階段對不同能力的具體需求，培養(yǎng)并助力AI在其擅長環(huán)節(jié)高效施展作用，由表及里地構(gòu)建具備擴展HI 能力的Design AI。

2.交互路標(biāo)：重塑融合智能交流模式

更加智能化的Design AI 將著手解決實際、復(fù)雜、動態(tài)的抗解問題（Wicked problem），但AI 智力提升的同時，其自身復(fù)雜性也會迎來劇增。伴隨HAICD中總體信息熵的增加，HAI 的設(shè)計難度也將不斷攀升。構(gòu)建HI、AI、設(shè)計間的良性關(guān)系，消解排異反應(yīng)，預(yù)防倫理問題，確保信息流與設(shè)計流的順暢是HAICD 積極運作的核心?？傮w上，HAICD 需基于人機間的相互尊重與平衡，建立數(shù)據(jù)、信息、知識等資源上的共享與反饋機制，重塑HAICD 中AI 與人類設(shè)計師的工作角色、任務(wù)分配和決策權(quán)重等框架，以形成HI 與AI 在設(shè)計中的融合路徑?！拔覀儽仨毥邮苋祟愋袨榈谋緛矸绞?，而不是我們希望它應(yīng)有的方式?！盵23]Design AI 應(yīng)以可解釋人工智能（Explainableartificial intelligence，XAI）為基礎(chǔ)，建立AI 對人類行為習(xí)慣與思維觀念的自適應(yīng)。以設(shè)計推動自然語言處理（NLP）等技術(shù)創(chuàng)新發(fā)展，改善當(dāng)下HAI 中對于提示詞（Prompt）和輸入數(shù)據(jù)源等溝通技巧的依賴。同時，設(shè)計師應(yīng)對自身與AI 雙方的優(yōu)劣勢形成客觀認(rèn)識，給予AI 相應(yīng)信任，摒棄將AI 視為“替代者”的觀念，使HI 與AI 在互補中走向融合，形成基于HAI 匯聚多元智慧的設(shè)計工作流，實現(xiàn)人智間的雙向增幅。

3.型態(tài)路標(biāo)：形成泛在智能設(shè)計平臺

“這個時代的設(shè)計將解決從超現(xiàn)實到現(xiàn)實的回歸問題，即存在的回歸?！盵24]HAICD 的構(gòu)建需聚焦于元與存在間的通感，進(jìn)而形成虛實交融的智能化設(shè)計平臺，以應(yīng)對真實世界中的復(fù)雜挑戰(zhàn)。HAICD 將以物聯(lián)網(wǎng)（Internet of things，IoT）的物物相連（Machineto machine，M2M）為基礎(chǔ)，實現(xiàn)設(shè)計與全場景中設(shè)備的智聯(lián)，借助DAI 構(gòu)建以設(shè)計為核心的多智能體系統(tǒng)（Multi-agent system，MAS），打通人（People）、數(shù)據(jù)（Data）、設(shè)備（Things）、流程（Process）間的交流通道，依托于數(shù)字孿生等相關(guān)使能技術(shù)（Enablingtechnology），實現(xiàn)IFD語境下HAICD泛在化設(shè)計平臺。一方面，在UI 與端邊云協(xié)同技術(shù)驅(qū)動下的DesignAI 將具備主動感知物理世界的“賽博感官”，從而減少AI 對人類供給信息的依賴，規(guī)避AI 角度下信息繭房的出現(xiàn)。IoE泛在能力與AI 強大算力的結(jié)合，可使得泛在智能設(shè)計平臺中的創(chuàng)新設(shè)計實現(xiàn)倍增效應(yīng)（Multiplication effect）。另一方面，多維、動態(tài)、全面的信息將加速AI 形成設(shè)計智慧，基于同其他智能硬件的聯(lián)動，逐步發(fā)展為可在物理世界中實施設(shè)計的智能體集群，并在具身智能（EAI）等相關(guān)技術(shù)與理念支持下，成為參與設(shè)計全鏈路的“設(shè)計型機器人”。

三、人智共創(chuàng)設(shè)計的創(chuàng)新思維

1.泛在聯(lián)接思維

IFD下的HAICD將使HI、AI、設(shè)備、系統(tǒng)、環(huán)境等諸要素緊密相連，為設(shè)計提供更加宏觀化的視域和更具系統(tǒng)化的信息。泛在連接思維強調(diào)在萬物互聯(lián)的世界中，需以設(shè)計開發(fā)事物中的智慧，剖析萬物間的關(guān)系，自頂層橫向延展設(shè)計的幅度（圖4）。（1）全局觀念：鑒于信息時代事物間前所未有的緊密聯(lián)系，設(shè)計問題已非孤立事件，任何設(shè)計的解決方案都可能產(chǎn)生連鎖效應(yīng)。全局觀念強調(diào)設(shè)計需依托IoE、大數(shù)據(jù)及強大算力支持的仿真模擬等技術(shù)，建立高維度、全鏈路視角，以超越HI的視域，去洞察、理解、解決復(fù)雜問題。（2）系統(tǒng)觀念：IFD 視事物中存有多元多樣的接觸點、信息流與關(guān)系網(wǎng)，接觸點中的元素變量、信息流中的傳遞向量與關(guān)系網(wǎng)中的組織參量共同構(gòu)成了一個不斷變化的動態(tài)系統(tǒng)。系統(tǒng)觀要求設(shè)計持續(xù)關(guān)注萬物之間的運作邏輯、組織結(jié)構(gòu)和作用方式，動態(tài)調(diào)和熵權(quán)重，持續(xù)促進(jìn)系統(tǒng)穩(wěn)定優(yōu)化，增強遷移能力。（3）涌現(xiàn)觀念：該觀念強調(diào)設(shè)計需要在個體發(fā)展與群體耦合中平衡獨特性與通用性。HAICD需依托涌現(xiàn)計算（Emergent computing）理念，從分布式個體中汲取多樣性數(shù)據(jù)、信息、知識，繼而聚合為群體智慧，構(gòu)建具有靈活性、適應(yīng)性、廣泛性的智能化設(shè)計決策系統(tǒng)，以改善藝科交融中的失衡問題。

2.數(shù)據(jù)進(jìn)化思維

新一代信息技術(shù)下的設(shè)計在數(shù)據(jù)處理方面達(dá)到了前所未有的體量、速率與精度。然而，數(shù)據(jù)并不等同于智能，而是可支撐智能化設(shè)計、蘊含潛在價值的“原材料”。[25] 數(shù)據(jù)進(jìn)化思維以“通感”為核心，促使異構(gòu)資源逐步進(jìn)化為“設(shè)計智慧”，實現(xiàn)信息價值的升級（圖5）。（1）洞悉意識：UI 下的HAICD 可擁有“無邊界”的數(shù)據(jù)資產(chǎn)，因此HAICD 需具備極高的信息敏銳度，以便在繁雜環(huán)境中迅速完成識別、分析和判斷。其中，Design AI 的抽象、推理與計算能力將彌補HI 在數(shù)據(jù)和信息處理上的不足。在莫拉維克悖論（Moravec's Paradox）下，設(shè)計師更需在Design AI的訓(xùn)練中，培養(yǎng)其在設(shè)計上的“直覺思維”，進(jìn)而形成直覺和邏輯結(jié)合下的洞悉意識。（2）認(rèn)知意識：設(shè)計面對的問題本質(zhì)及最優(yōu)解決方案往往隱含于信息背后。認(rèn)知意識作用下的Design AI 需在模型訓(xùn)練、實際應(yīng)用、迭代優(yōu)化等階段，持續(xù)挖掘表層信息背后多維度的里層知識，實現(xiàn)從數(shù)據(jù)識別到信息認(rèn)知和學(xué)習(xí)的升級，使Design AI 可從數(shù)據(jù)中建立設(shè)計型知識庫。（3）決策意識：唯有在實際情境中運用過的知識，才可成為智慧。HAICD 需不斷將AI 與HI 的知識進(jìn)行存在性實踐和歸因，以建立先驗知識。AI 將基于經(jīng)驗與知識的融合，完成從推薦式、啟發(fā)式到?jīng)Q策式的升維，成為能夠生成高質(zhì)量情報、方法、策略的DesignAI。

3.萬物矩陣思維

IFD下的HAICD將每一個人、事件、物體及現(xiàn)象均視為設(shè)計中的“關(guān)聯(lián)因子”及復(fù)雜巨系統(tǒng)中的“矩陣節(jié)點”，進(jìn)而廣泛建立數(shù)字世界與物理世界的感知連接，通過跨學(xué)科研究梳理萬物間的邏輯，構(gòu)建以人為原點、輻射至全域的設(shè)計矩陣，形成聚合效應(yīng)（圖6）。（1）述情設(shè)計：HAI 因語言、邏輯、感知的差異和計算機科學(xué)與技術(shù)的限制，仍存有一定交流壁壘。

在IFD的驅(qū)動下，HAICD中的AI 與HI 都應(yīng)遵循可用性原則（Usability principles）等HAI 基本原則，主動將各自的所知所想進(jìn)行及時且有效的“述情”，避免算法“黑箱”（Black box）等問題的出現(xiàn)。[26]（2）算法移情：HAICD應(yīng)依托Design AI的算法和算力，完成HI 難以勝任的模擬和預(yù)測工作。與人的移情相比，Design AI 可更客觀地將矩陣中多元、海量的節(jié)點作為變量，以去人類中心化和長期主義為驅(qū)動，推測設(shè)計方案在更長時間維度和更多領(lǐng)域中可能造成的影響。（3）幸福創(chuàng)新：HAICD的技術(shù)構(gòu)成將隨著顛覆性科技的發(fā)展而變化，但無論科技如何發(fā)展，都需確保設(shè)計的創(chuàng)新是以創(chuàng)造幸福生活為主旋律的積極計算（Positive computing），以正視并應(yīng)對科技異化（Technological" alienation）、數(shù)字鴻溝（Digital divide）等問題。[27]

4.動態(tài)發(fā)展思維

智能化設(shè)計應(yīng)更加深刻認(rèn)識到“世界是一個充滿動態(tài)變化和發(fā)展過程的整體”。[28] 在日新月異的世界中，動態(tài)發(fā)展思維視“變量”為“常量”，以提高對事物“動勢”的敏銳度，強調(diào)智能化設(shè)計“識變從宜、應(yīng)變而進(jìn)”的發(fā)展方向（圖7）。（1）閉環(huán)觀念：HAICD需認(rèn)識到事物在運動中的發(fā)展，并與其他事物間產(chǎn)生不間斷的相互影響。UI 下的HAICD 具有統(tǒng)籌多元、多樣、多維元素的技術(shù)能力，可通過設(shè)計保持宏觀視角上事物的閉環(huán)，并在不斷循環(huán)中形成新智慧，實現(xiàn)設(shè)計的持續(xù)進(jìn)化。（2）路標(biāo)觀念：Design AI賦予了設(shè)計強大的檢索、運算和生成等超越HI 的能力。設(shè)計師能夠在“不可測”的創(chuàng)新鏈路中設(shè)立多重“路標(biāo)”，以引導(dǎo)資源實現(xiàn)最優(yōu)調(diào)配，充分發(fā)揮智能化技術(shù)的最大效能，使設(shè)計可以階段性目標(biāo)為驅(qū)動，在里程碑效應(yīng)下有效規(guī)避“非意圖后果”的產(chǎn)生。（3）發(fā)展觀念：不存在最完美的設(shè)計，唯有更適宜的方案。Design AI需從自驅(qū)動與自組織起始，逐步邁向智能化設(shè)計的自感知與自適應(yīng)，從而在科技、文化和環(huán)境變遷中不斷推動設(shè)計的與時俱進(jìn)。確保設(shè)計能以積極、永續(xù)的態(tài)度主動預(yù)研趨勢，發(fā)揮動態(tài)規(guī)劃，解決背包問題（Knapsack problem）。

四、人智共創(chuàng)設(shè)計的創(chuàng)新路徑

1.部署群智驅(qū)動的智能感知矩陣

IFD下的HAICD將在數(shù)字孿生支持下，使傳感器、智能終端、智能化系統(tǒng)等軟硬件成為設(shè)計部署在物理世界中的億萬個多模態(tài)“感官”，為設(shè)計創(chuàng)造泛在且多維的信息輸入與輸出端口，推動虛擬設(shè)計空間與現(xiàn)實問題空間的無縫融合，形成智能感知矩陣。

智能感知矩陣將以保障用戶隱私權(quán)益為前提，充分利用智能家居、智慧工廠、智慧交通等全場景中的數(shù)據(jù)資產(chǎn)（Digital asset），使多元、多樣的數(shù)據(jù)經(jīng)邊緣計算處理后于云端交融，建立以設(shè)計為中心的數(shù)據(jù)倉庫（Data warehouse），進(jìn)而發(fā)揮UI 下的群智效應(yīng)，以最大化IoE 價值，使Design AI 具備一種區(qū)別于HI的感知能力。（1）廣域研究：智能感知矩陣應(yīng)從洞察問題和挖掘需求等設(shè)計研究出發(fā)，結(jié)合跨學(xué)科知識充分利用智能硬件中的冷數(shù)據(jù)（Cold data）和暗數(shù)據(jù)（Darkdata），為設(shè)計持續(xù)構(gòu)建數(shù)據(jù)驅(qū)動下的情報庫和知識管理系統(tǒng)（Knowledge management system，KMS），并以其為Design AI的ML 提供動力，助力AI 從設(shè)計學(xué)的角度認(rèn)知世界。（2）垂直研究：智能感知矩陣可根據(jù)設(shè)計師發(fā)起的特定設(shè)計需求，檢索設(shè)計相關(guān)的核心人群、使用場景和受眾地區(qū)等信息，并精準(zhǔn)地對目標(biāo)的智能化軟硬件主動發(fā)起深層次、周期化、策略性的信息收集與研究，以提升設(shè)計的準(zhǔn)確度和時效性。（3）設(shè)計預(yù)研：設(shè)計師可驅(qū)動智能感知矩陣采集批式（Batch）大數(shù)據(jù)與流式（Streaming）大數(shù)據(jù)，開展前瞻性設(shè)計預(yù)研，依托AI 與HI 的多維設(shè)計分析，實現(xiàn)對未來趨勢的仿真、模擬與預(yù)測，以更加快捷的方式搭建設(shè)計智庫，為設(shè)計的戰(zhàn)略性決策提供知識支持。

2.構(gòu)建融合智能設(shè)計的存在形式

IFD下的HAICD不應(yīng)使設(shè)計活動受限于某一種硬件。需致力于構(gòu)建可自適應(yīng)情境、可自拓展媒介的Design AI，以實現(xiàn)設(shè)計活動的泛在化與融合化。（1）泛在化硬件嵌入：Design AI應(yīng)廣泛嵌入至設(shè)計師的手機、電腦與可穿戴設(shè)備等智能終端（圖8），通過對GUI、VUI和NUI等界面的設(shè)計，為HAI 構(gòu)建更加多元、靈活且自然的接觸點。充分利用不同智能硬件的功能和特性，形成物理世界中泛在化的多模態(tài)HAI，通過以行動為中心的設(shè)計（Activity-centereddesign，ACD），使Design AI觸手可及。（2）生態(tài)化軟件融合：Design AI需在硬件基礎(chǔ)上將平臺融入各類設(shè)計軟件，并衍生至開發(fā)、工程、生產(chǎn)等設(shè)計上下游的軟件中，基于不同軟件的專業(yè)特性達(dá)成協(xié)同，形成HAICD串聯(lián)下的設(shè)計軟件生態(tài)。在提供智能化支持的同時，實現(xiàn)Design AI 綜合能力的逐步擴展。（3）設(shè)計型具身智能：HAICD可基于傳感器、執(zhí)行器與系統(tǒng)集成等技術(shù)成為具有行動與制造能力，可在物理世界中自主探索、分析并解決問題的設(shè)計型EAI。在NLP、計算機視覺（Computer Vision，CV）、計算機數(shù)據(jù)控制（Computer numerical" control，CNC）等技術(shù)的加持下，Design AI 將依托于具身智能的機動性，在環(huán)境互動中發(fā)生感知、行動和體驗，完成實地勘測、材料試驗、原型制作等設(shè)計活動，推動ML 鏈路的閉環(huán)，在“發(fā)展型”機器人的理念下促進(jìn)AI產(chǎn)生“設(shè)計智慧”。設(shè)計師也將與具身智能下的Design AI建立更緊密的HAI，全天候地進(jìn)行收集靈感、錄入情報、生成設(shè)計等HAI 活動。（4）設(shè)計型元宇宙：HAICD將依托設(shè)計軟件平臺與擴展現(xiàn)實（Extended reality，XR）、基于物理的渲染（Physically Based Rendering，PBR）和BCI等技術(shù)融合，構(gòu)建擬真化且無限制的設(shè)計元空間，為設(shè)計師帶來更身臨其境的工作體驗，以形成更高質(zhì)量的設(shè)計成果。Design AI也將在元空間形成相應(yīng)的數(shù)字形象，拉近HI、AI和設(shè)計間的距離。

3.培養(yǎng)藝科交融下的AI設(shè)計能力

HAICD視Design AI為與HI互補并融合的智能體，而非設(shè)計師的工具，AI 應(yīng)具備設(shè)計能力。AI 在數(shù)據(jù)存儲、學(xué)習(xí)速度、多任務(wù)處理等效能方面早已超越HI，結(jié)合奈杰爾·克羅斯（Nigel Cross）等人有關(guān)設(shè)計能力的觀點（圖9），[29]AI 轉(zhuǎn)向Design AI 應(yīng)以創(chuàng)新、審美、溝通、共情為主要提升方向。設(shè)計師應(yīng)基于藝科融合，同人類學(xué)、心理學(xué)和計算機科學(xué)等專家合作，深度參與大模型開發(fā)，結(jié)合跨學(xué)科知識并利用機器學(xué)習(xí)力場（Machine-learning force fields，ML-FFs），以多模態(tài)HAI 為驅(qū)動，通過人機回環(huán)（Human-in-theloop，HITL），對AI 進(jìn)行有效的訓(xùn)練。

訓(xùn)練分為集中訓(xùn)練和日常訓(xùn)練兩部分，涵蓋數(shù)據(jù)標(biāo)注、預(yù)訓(xùn)練模型、遷移學(xué)習(xí)等前期環(huán)節(jié)，以及設(shè)計任務(wù)定義、生成結(jié)果評估與反饋等后期環(huán)節(jié)。（1）集中訓(xùn)練：設(shè)計師與AI 共同梳理海量設(shè)計作品的影像、圖紙、參數(shù)等多模信息特征及其背后的設(shè)計目的、主要創(chuàng)新、用戶反饋等相關(guān)資料，從跨學(xué)科研究角度進(jìn)行特征定義，構(gòu)建藝科融合下的大規(guī)模多模態(tài)數(shù)據(jù)集，賦能于預(yù)訓(xùn)練模型，使AI 理解設(shè)計造型、材質(zhì)、結(jié)構(gòu)、工藝等表征與其內(nèi)在邏輯關(guān)聯(lián)，實現(xiàn)從模仿形態(tài)到理解原理的轉(zhuǎn)變，提高IFD的簡并性（Degeneracy）和魯棒性（Robustness）。（2）日常訓(xùn)練：設(shè)計師可基于NLP，實現(xiàn)對AI 發(fā)起即時的知識共享，并通過平臺為AI 布置設(shè)計訓(xùn)練任務(wù)，在HITL 的共同作用下開展依托實時情景的AI 設(shè)計訓(xùn)練。AI 將在日常訓(xùn)練中基于智能感知矩陣構(gòu)建聯(lián)覺（Synesthesia），逐步形成“共情界面”，培養(yǎng)從視覺導(dǎo)向到直覺導(dǎo)向，從啟發(fā)式到?jīng)Q策式的智能升級。提升AI 生成內(nèi)容質(zhì)量，并推動AI 與設(shè)計師建立更加良性的人智關(guān)系。

4.明確人智交互驅(qū)動的設(shè)計流程

HAICD應(yīng)基于對設(shè)計項目的多維評估，結(jié)合設(shè)計師客觀能力與主觀意愿，靈活調(diào)整，交叉啟用HAI下不同工作模式，充分利用平臺內(nèi)外的HI 與AI，發(fā)揮更多人與物的智慧。（1）設(shè)計助理：設(shè)計師與DesignAI 都基于本地平臺向?qū)Ψ教岢鲈谔搶嵤澜缰械膮f(xié)助訴求，雙方皆有義務(wù)輔助對方完成特定任務(wù)。例如：AI 可幫助設(shè)計師完成信息檢索和數(shù)據(jù)處理；設(shè)計師也應(yīng)配合AI完成創(chuàng)意評估及方案遴選等工作。（2）并行設(shè)計：設(shè)計師將在平臺內(nèi)賦予AI 一定自主權(quán)，允許其自主完成發(fā)現(xiàn)問題、定義設(shè)計、提出方案、驗證構(gòu)想等流程。設(shè)計師也將會在雙盲條件下獨立進(jìn)行設(shè)計。平臺應(yīng)階段性地發(fā)起雙向反饋，推動方案在HAI 下迭代優(yōu)化。（3）設(shè)計接力：HAICD需詳細(xì)解構(gòu)設(shè)計工作，通過在平臺內(nèi)外部發(fā)布任務(wù)、劃分職責(zé)，組建跨學(xué)科、多人數(shù)、多智能體的創(chuàng)新團隊，成員將依照次序接手對方成果，發(fā)揮群智效應(yīng)，完成整體設(shè)計。（4）智能博弈：Design AI將獲得完全自治權(quán)，并在平臺的組織下與一至多位設(shè)計師和智能體形成模擬對抗的競爭關(guān)系，催化創(chuàng)新方案的出現(xiàn)。

HAICD內(nèi)AI與設(shè)計師在工作流中的權(quán)重不同，平臺應(yīng)確保任何工作模式都應(yīng)基于HITL 建設(shè)，使設(shè)計師可隨時接管設(shè)計任務(wù)，為創(chuàng)新負(fù)責(zé)。設(shè)計師也需規(guī)避算法厭惡（Algorithm aversion），充分地尊重AI的作用，確保設(shè)計以改善問題為目標(biāo)而進(jìn)行。

5.打通從概念到實施的智能鏈路

HAICD需在UI理念驅(qū)動下，將數(shù)字孿生等端邊云協(xié)同技術(shù)與XR、BCI 等HCI技術(shù)進(jìn)行集成，構(gòu)建設(shè)計深度參與各環(huán)節(jié)的生態(tài)化元宇宙，以優(yōu)化PLM流程，從體驗上實現(xiàn)設(shè)計創(chuàng)新的回歸。DesignAI 也將依托在PLM中不斷學(xué)習(xí)的跨學(xué)科知識，以豐富其判斷器維度，持續(xù)提高其戰(zhàn)略設(shè)計能力。（1）構(gòu)建項目智鏈：整合項目管理、研發(fā)管理、設(shè)計方案等多維因素，對PLM中的供應(yīng)商、服務(wù)商、物流商等相關(guān)方展開綜合評估。利用XAI 生成多項設(shè)計實施方案，通過對不同方案搭配的優(yōu)劣勢闡述，輔助設(shè)計師搭建生態(tài)系統(tǒng)。（2）促進(jìn)信息同頻：打通設(shè)計端到實施端的多源異構(gòu)數(shù)據(jù)，推動群智效應(yīng)，增強設(shè)計生態(tài)的可行性、可靠性和可擴展性。HAICD應(yīng)基于PLM中各環(huán)節(jié)的跨學(xué)科知識，形成AIAD協(xié)同多領(lǐng)域?qū)＜医涣髋c辦公的多模態(tài)創(chuàng)新開發(fā)與管理平臺。同時，建立涵蓋圖紙規(guī)范、執(zhí)行標(biāo)準(zhǔn)、實施參數(shù)等多維聯(lián)動的數(shù)據(jù)處理中心，通過對數(shù)據(jù)湖（DataLake）中數(shù)據(jù)的調(diào)度、清洗、轉(zhuǎn)化和整合等，建立自適應(yīng)數(shù)據(jù)倉庫，以提高信息的流暢度，降低溝通成本。（3）生態(tài)化元宇宙：實現(xiàn)設(shè)計與各環(huán)節(jié)資源、設(shè)備、系統(tǒng)的直接互聯(lián)，并依托感知化技術(shù)和數(shù)字孿生技術(shù)，構(gòu)建HAI 驅(qū)動的生態(tài)化元宇宙。使HAICD可在實施前根據(jù)過往數(shù)據(jù)構(gòu)成的“時空體系”，高效完成物理仿真、驗證與預(yù)測，幫助設(shè)計師全息化了解各環(huán)節(jié)情境，識別項目挑戰(zhàn)并預(yù)判設(shè)計風(fēng)險，實現(xiàn)虛實交互下的逆向優(yōu)化設(shè)計，降低不良率、故障率以及減少停機時間（圖10）。

6.建立反哺機器學(xué)習(xí)的智慧回環(huán)

HAICD應(yīng)在設(shè)計完成后，繼續(xù)在PLM中發(fā)揮其泛在化與智能化優(yōu)勢，自平臺內(nèi)外部收集主動與被動的反饋信息，形成即時數(shù)據(jù)回流，并與其研發(fā)階段的設(shè)計預(yù)期、核心創(chuàng)新和推導(dǎo)邏輯等各環(huán)節(jié)資料進(jìn)行比照。完成設(shè)計迭代與優(yōu)化的同時，HAICD還可利用過往設(shè)計回流信息中的優(yōu)劣，通過對信息的標(biāo)注、分析和歸因，整理出設(shè)計的“錯題本”和“知識點”，基于HITL構(gòu)建HAI與群體智慧驅(qū)動機器學(xué)習(xí)的“智慧回環(huán)”。（1）內(nèi)部回環(huán)：Design AI 應(yīng)根據(jù)不同設(shè)計環(huán)節(jié)的生成內(nèi)容，在設(shè)計節(jié)點主動向設(shè)計師采集多維度的專業(yè)性反饋評價。設(shè)計師也可在任何時間通過多模態(tài)輸入即時向AI 提出建議，實現(xiàn)HI 向AI的流動，同時幫助Design AI 理解設(shè)計師的習(xí)慣、風(fēng)格與偏好。（2）外部回環(huán)：HAICD應(yīng)利用DIA在PLM中保持與各端口信息的長久同步，收集更真實、全面的數(shù)據(jù)，以形成先驗知識，構(gòu)建來自實踐的“設(shè)計智慧”。HAIC 不但需要從全鏈路中同步例如：生產(chǎn)成本、運輸損耗及銷售數(shù)量等各類可量化客觀數(shù)據(jù)，還需以參與式設(shè)計為驅(qū)動邀請用戶提供UX 等主觀反饋，以匯集PLM 末端的“用戶智慧”。針對智能化產(chǎn)品，平臺需直接請求訪問產(chǎn)品后端，收集產(chǎn)品的使用及性能數(shù)據(jù)，經(jīng)數(shù)據(jù)清洗與轉(zhuǎn)換后直接反饋至設(shè)計端，以推動迭代和優(yōu)化。

7.培養(yǎng)融合智能設(shè)計的善良意圖

IFD下的HAICD將促進(jìn)AI 與人類社會建立更廣泛、多維且深入的聯(lián)系。設(shè)計的“善良意圖”不僅是可靠性的基石，更是Design AI在社會面合理、合情、合意存在的保障。智能化設(shè)計應(yīng)以法律法規(guī)為底線，以AI 倫理與道德標(biāo)準(zhǔn)為根基，通過積極計算引導(dǎo)數(shù)智技術(shù)與設(shè)計融合，開展懂尊重、有責(zé)任、創(chuàng)幸福的智能化設(shè)計活動。[30]（1）權(quán)益保障：規(guī)?；⒊橄蠡?、效能化的技術(shù)系統(tǒng)最易忽視對人的權(quán)益保障。HAICD需基于反貪心算法（Anti-greedy algorithm）思想，為加密算法、共識機制、智能合約、隱私計算等增添設(shè)計維度，確保項目各方受到周密保護(hù)，杜絕任何信息被侵犯、濫用或泄漏，以保證其可靠性。同時，HAICD應(yīng)基于XAI 與NUI，實現(xiàn)清晰、高效、包容的HAI 設(shè)計，建立自適應(yīng)的多模態(tài)界面，使人們可快速了解設(shè)計的決策邏輯、信息走向和項目狀態(tài)等，確保人在體驗與感受上的權(quán)益得到保障。此外，HAICD 還應(yīng)考慮AI 的權(quán)益，防止其遭受惡意損害或濫用于不良目的。（2）設(shè)計責(zé)任：HAICD需額外注意AI 生成下劣質(zhì)設(shè)計的產(chǎn)生。HAICD應(yīng)基于設(shè)計驅(qū)動的ML-FFs，確保設(shè)計產(chǎn)出的解決方案源自實際問題、需求與環(huán)境，避免出現(xiàn)方案外觀與功能割裂等可用性問題。同時應(yīng)通過AI 自檢索和HITL，確保設(shè)計成果在各維度上的原創(chuàng)性。HAICD還需利用模擬與仿真進(jìn)行方案實施效果的預(yù)研和推測，保持設(shè)計的責(zé)任心與使命感。（3）設(shè)計尊重：IFD 倡導(dǎo)HAICD中HI與AI的等強原則。Design AI需以促進(jìn)型（Dedicated）設(shè)計為驅(qū)動，通過“共情界面”和HITL即時輸出正向反饋，設(shè)計有“情商”、有“語商”的HAI，減少人們對AI的算法厭惡等負(fù)面情緒，提高人們在數(shù)據(jù)共享等HAI過程中的愉悅感和獲得感，調(diào)動人們參與HAICD構(gòu)建的積極性（圖11），以加速DesignAI成長。Design AI還需時刻學(xué)習(xí)人類多元的文化及價值觀，正視其對設(shè)計偏好和需求的影響。尊重多樣化，杜絕敏感性和歧視性內(nèi)容的輸出，避免設(shè)計加劇不平等的隱性問題。

五、結(jié)語

數(shù)智技術(shù)的迅猛發(fā)展正持續(xù)引領(lǐng)眾多事物的深刻變革。面對事物的變化，設(shè)計需明確自身在未來視域下的存在形式，以實現(xiàn)智能化設(shè)計“識變從宜、應(yīng)變而進(jìn)”的未來發(fā)展愿景。

本研究以人智共創(chuàng)設(shè)計（HAICD）的創(chuàng)新構(gòu)建為目標(biāo)，從創(chuàng)新路標(biāo)、創(chuàng)新思維和創(chuàng)新路徑三個方面提出了依托于泛在智能（UI）的融合智能設(shè)計（IFD）。本研究強調(diào)IFD下的HAICD設(shè)計應(yīng)依托于端邊云協(xié)同等數(shù)智技術(shù)，進(jìn)而充分開發(fā)分布在事物中的泛在智能，并同人類智能（HI）和人工智能（AI）形成共融，使設(shè)計與萬物形成閉環(huán)，在虛實聯(lián)動、融合智能的語境下實現(xiàn)學(xué)習(xí)萬物、使用萬物、服務(wù)萬物的智能化設(shè)計。IFD將完善HAICD的創(chuàng)新設(shè)計理論體系建設(shè)，為萬物互聯(lián)（IoE）設(shè)計與AI 的結(jié)合方式提供了新的思路，一定程度上改善當(dāng)下智能化技術(shù)與創(chuàng)新設(shè)計的排異性，推動二者實現(xiàn)更好的結(jié)合，以藝科交融下的智能化設(shè)計促進(jìn)未來產(chǎn)業(yè)創(chuàng)新發(fā)展，為新質(zhì)生產(chǎn)力發(fā)展注入強大動能。

（責(zé)任編輯：尚澎）