李学超
摘要：本文通过建立感性意象语义库分析和明确设计用户的感性需求，将其与产品设计要素对应构建设计本体，以人工智能学习方法为切入点，借鉴经典设计创新方法，分析其与人工智能技术结合的可能性，以大数据和云计算为支撑，通过设计元素数据库和专家咨询系统，构建产品设计理论模型。同时提出人工智能辅助产品设计理论模型，阐释人工智能辅助设计系统的运行流程，促进人工智能与产品设计领域的结合。
关键词：人工智能;产品设计;本体论;设计模型
中图分类号：TB472 文献标识码：A
文章编码：1672-7053（2020）06-0110-02
1人工智能概述
1.1人工智能的概念
一般认为，人工智能是研究用于模拟、延伸和扩展人类智能的理论、方法、技术及应用的一门科学技术，涉及到人机对弈、图像识别、语音识别、自动驾驶、医疗健康、机器人等多个领域。微软亚洲研究院院长洪小文认为，根据人类创造的算法持续提升任务执行效率即是人工智能。人工智能试图探索人类智能的本质，并研究能以人类智能相似方式做出反应的智能机器。
1.2人工智能的载体
正如石油是工业时代的血液一样，数据是人工智能时代的血液，即人工智能的载体，而云计算则为数据处理提供了推动力。大数据以一种前所未有的方式对海量数据进行分析，并产生巨大价值的价值或深刻的洞见。大数据不过分追求数据的准确性，而更强调相关性和混杂性，在定位用户需求方面具有可观优势。云计算是以云服务器为核心载体的一项技术，可以承担单个日常计算器难以承担的计算任务，如需要长时间的大型渲染任务，就可将其发送到云端完成，再将结果反馈至用户。
在互联网环境下，大数据与云计算密不可分，大数据依托云计算的分布式处理、分布式数据库和云存储技术，实现对海量数据的信息挖掘。二者与产品设计相结合，在需求定位、创意设计等方面能够产生更多的可能性。
2基于人工智能的产品设计模型研究现状
在现有人工智能辅助产品设计系统研究中，大都针对具体应用场景（如个性化学习系统、智能菜谱推荐系统等），且从计算机技术角度出发开展研究，从设计角度提出产品设计模型的研究相对较少。从产品设计流程角度出发构建人工智能辅助产品设计模型，有助于帮助设计师更好地利用人工智能开展设计工作，同时利于工程师开发出符合产品设计师实际需求的人工智能系统。
人工智能系统具有短时间内提供更多设计方向及方案的优势，而设计师可依据现实条件选择并完善方案。经过学习典型产品设计风格或特征的智能系统可依据指令输出个性化的设计方案。在人工智能应用于产品设计方面，国内外诸多学者提出了相应的设计模型。马尔伯里大学Jasmin Kaljun和Bojan Dolsak提出的智能设计咨询系统描绘了在由设计概念到符合美学和人机工程学的设计流程中应用智能系统的理论模型。该模型强调了专家咨询系统和设计本体在设计流程中的作用。
周美玉提出的感性设计流程为建立人工智能辅助产品设计模型提供了参考（图1）。该模型通过构建感性意向空间和产品设计要素空间，并建立二者的对应关系模型，强调由用户感性要求到设计要素的转化。其中感性意象空间构建包括消费者访谈、文化背景分析、生活方式调查、消费者感性期望、感性词汇的收集、分类和筛选等，设计要素空间构建包括产品使用调查、产品形态分析、人机关系分析、产品图片搜集、产品特征分析、形态结构分析等。在产生新的设计方案前，系统要需要经过回归分析、因子分析、聚类分析、遗传算法等流程来检验设计方案的可行性和有效性。
3基于人工智能的产品设计模型构建流程
3.1借鉴经典设计理论构思产品设计理论模型
创新是设计的生命，而设计工作具有一定的程式化特征。创意设计及其评估工作并不是天马行空、完全依赖于设计师个人灵感的，而是遵循一定的设计流程或方法，循序渐进地展开设计工作。众多设计理论各有千秋，适用于解决不同类型的设计问题。
本文选取五种经典设计理论：通用设计理论（GDT）、公理化设计（AD）、Pahl和Beitz的理论、TRIZ理论、Simoon的人为事物科学理论，为人工智能辅助产品设计模型构建提供如下借鉴：（1）通用设计理论中以数学形式表达设计过程和需求、功能之间的映射机制，实现从需求到设计要素的转化;（2）公理化设计中强调的设计经验，并建立域之间的映射机制，将传统设计流程的不同阶段概念化;（3）Pahl和Beitz的理论中的迭代进化思想，用于产品方案的自我优化和迭代;（4）TRIZ理论中的40种创新机制，为系统创新提供方法论;（5）Simoon提出的设计方法中强调多学科交叉，为产品设计提供相关领域的知识支撑。
3.2感性意象语义库构建
产品的感性意象语义库是对用户需求的系统化整理与解读。用户需求来自设计用户和系统用户，设计用户指产品设计的最终人群，系统用户指设计师、企业设计部门、设计教育者以及其他有设计背景的从业人员，二者身份在某些场景重合。人工智能辅助产品设计系统应紧扣设计用户的需求。从设计用户的视角来看，他们对于产品能够提出理性的和感性的需求或希望：理性需求主要包括产品的功能种类、性能指标、可用性等，这部分主要由工程师结合现有科技完成;感性需求主要来源于用户的主观感受，如时尚、硬朗、科技等。搜集设计用户需求感性词汇构建产品感性意象语义库，通过自然语言处理技术进一步准确匹配用户的需求，更准确地理解用户意图，同时也是人工智能设计系统运行的基础。
3.3设计本体构建
从广义说，本体论指一切实在的最终本性。由于本体论在人工智能领域应用广泛，因此对其进行了专业领域内的定义：共享概念模型的形式化规范说明。明确设计本体，利于设计用户、系统用户、工程师以及其他领域的专家进行协作。设计本体是对设计美学、人机工程学、设计心理学等领域的形式化說明，用于从感性意象到设计特征的转化，以此为基础进行设计方案的输出。这需要在前期人为地对智能系统进行监督式学习，将感性意象与相关的设计特征对应起来，并设置不同的权重。
3.4产品设计数据库构建
在人工智能辅助产品设计模型中，包含设计专业知识的数据库必不可少。数据库主要由设计元素数据库和专家咨询系统构成，设计元素数据库包括产品的色彩、材质、形态、表面处理工艺、结构、人机工程等领域的信息，为产品设计提供直接的信息支撑。在进行人工智能设计系统建立的过程中，需要将这些领域的知识数据化并输入到系统中，作为设计系统输出方案的原始依据。数据库中的专家咨询系统可应对设计方案的主观性现象，设计领域专家多年的设计经验对于设计方案的输出质量大有裨益，将其数据化并建立专家咨询系统利于降低由不同系统工作水平而造成的差异。
学科交叉在产品设计中也是不可忽视的创新来源，如材料、市场营销等学科。借鉴Simoon提出的设计方法，其他学科的知识也应以标准化的方式输入数据库中，作为设计过程中的咨询对象和检验标准。在应用设计专家模块和其他领域知识模块的内容时，可以借鉴智能知识推送模型。此外，大数据也是数据库构建的重要来源之一。在政策引导和商业合作的基础上，可将用户大数据其作为设计数据库的组成部分。
3.5设计模型建立
在人工智能辅助产品设计系统中，设计用户的需求在意象语义库中得以明确和分解，通过设计本体中的映射机制与设计元素相对应，系统提取数据库中相应设计元素，并依据创新原理和相关大数据计算结果加以整合，输出初步的设计方案。随后经过专家咨询系统调整设计方案，不断优化迭代，最终输出一个或多个方案（图2）。
机器分析“不确定”一般要经过抓取数据、标准建模、聚类回归分析、评估打分的过程。在输入文字需求方面，通过前期的监督式学习，逐步构架设计本体，建立感性意象对应模型。基于设计本体的映射机制和TRIZ等理论中的多种创新原理，系统可输出大量不同的设计方案，输出的产品方案在兼顾系统性和个性化方面具有更大的优势。输出结果经由设计系统用户评估和改进，若符合需求则输出最终设计方案。若设计方案与需求初衷相去甚远，则回到设计本体重新设计，优化感性意象与设计特征的映射机制，同时起到系统进化的效果。
虽然可以借助人工智能设计系统来实现创新，在短时间内完成数量庞大的不同设计方案，但设计师的抽象思维、形象思维、直觉思维、发散思维等人类特有的思考方式却是系统难以比拟的，在人工智能设计系统执行设计工作时，需要设计师来把控和评估最终的设计方案，以保证其有效性。
4结语
对于产品设计行业来说，人工智能是巨大的机遇，而非威胁。未来的设计趋于共享和体验的设计，服务设计与用户体验必将是新产品开发中重要的一项，仍有广阔的发展空间。设计师应当不断学习，磨砺人类独有的感性和创意思想，训练人工智能并与之配合，产生“1+1>2”的效果，把人工智能的新思想和新技術应用到工业设计中，为设计行业注入新的活力，开创设计的全新局面。
