張曉晨 惠蘭心 姚小玉

關鍵詞：AI智能;設計學特色;知識構建;智能設計;高校教育

1新時代對設計學科高等教育的新要求

新工科包括新一代信息技術、人工智能和智能制造、機器人產(chǎn)業(yè)以及對傳統(tǒng)工科和交叉學科的升級和改造。在這一趨勢下，數(shù)字化和智能化是以工業(yè)設計為代表的設計學科的必然發(fā)展方向，進而也對設計學科的高等教育生態(tài)提出新的和更豐富的要求，落實在人才培養(yǎng)上也就是要求培養(yǎng)（如圖1）：

1）復合型設計人才：培養(yǎng)更有商業(yè)和人文價值、更受社會認可、充分掌握和有效利用不同維度設計元素、具有跨學科視角和專業(yè)視野優(yōu)勢的設計人才。

2）重視合理性設計人才：培養(yǎng)具備從多方面，如力學結構、環(huán)境適應、人機工程、商業(yè)價值等角度，利用智能工具或框架，綜合考察設計合理性的設計人才;而不是一味強調(diào)視覺效果，或過分強調(diào)啟發(fā)式設計的傳統(tǒng)設計師。

3）前瞻設計人才：培養(yǎng)能把握設計趨勢和流行技術，走在設計前沿甚至引導設計潮流的設計人才。

4）敏捷設計人才：培養(yǎng)適應互聯(lián)網(wǎng)時代敏捷開發(fā)節(jié)奏的高效率低負擔設計人才。

5）通透型設計人才：培養(yǎng)在新興團隊尤其是互聯(lián)網(wǎng)團隊中理解業(yè)務邏輯、能夠設計落地策略，理解用戶需求、公司戰(zhàn)略、落地難點的懂產(chǎn)品經(jīng)理、應用策劃和工程師的設計人才。

6）成長型設計人才：培養(yǎng)預留多學科尤其是信息學科基礎接口，擅于從科學、藝術、技術等方面不斷學習和進步的成長型人才。

顯然，社會的進步、科技的發(fā)展，對新工科浪潮下的設計學科的高等教育人才培養(yǎng)提出了更具體、更嚴格的要求。設計學科高等教育經(jīng)過了多年的發(fā)展，已經(jīng)形成了系統(tǒng)穩(wěn)健的知識體系，在此基礎上設計人才培養(yǎng)新要求的迫切性，主要源于新一代信息技術、人工智能、智能制造和機器人產(chǎn)業(yè)蓬勃發(fā)展所導致的對中高端設計人才的旺盛需求。

2高校設計學特色人工智能基礎教育構建的必要『嶼可行陛

2.1必要性

為建設新工科生態(tài)內(nèi)對人才培養(yǎng)有更新更豐富要求的高校設計學科教育體系，滿足設計學科人才培養(yǎng)的新要求，有必要將智能設計尤其是“人工智能+設計”的相關知識引入學科教育建設，從而帶來以下改進：

1）提升設計復合視野：人工智能已經(jīng)成為一種設計元素，并且將成為一種全新的思維方式。除專業(yè)技能和知識外，視角和工具的高度也決定了設計人才受社會的認可程度和價值。

2）提升設計合理能力：相較于傳統(tǒng)的啟發(fā)式設計和感性判斷，懂人工智能的設計人才將可搭建或應用深度強化學習支持下的設計支持場景，通過計算機輔助工程（computer AidedEngineering，簡稱CAE）和強化學習（Reinforcement Learning，簡稱RL）的手段從多個評價標準共同作用下輔助設計。

3）提升設計前瞻能力：人工智能已經(jīng)廣泛滲透到智能硬件與材料、傳感器設計與互聯(lián)網(wǎng)應用等產(chǎn)品中，并將進一步擴大自身影響和落地實踐。擁抱人工智能思維方式的人才培養(yǎng)，才能帶來與時俱進，擁有新時代以新智能為特色的廣義設計前瞻性。

4）提升敏捷設計能力：敏捷開發(fā)和敏捷工程早就在互聯(lián)網(wǎng)企業(yè)牢牢扎根，在當前快節(jié)奏的環(huán)境中，敏捷設計也是開發(fā)和工程中的核心一環(huán)。人工智能可以幫助設計師處理大量有章可循、規(guī)則明確、評價標準清晰的任務，從而提升設計效率。例如，喵圖科技的人工智能輔助動漫創(chuàng)作，可以自動給動漫上色、圖像優(yōu)化、背景快速生成，平均節(jié)省動漫設計師50%的時間。

5）提升人才對產(chǎn)品的理解能力：隨著人工智能的飛速發(fā)展，其高效的業(yè)務能力和適度的應用門檻決定了人工智能會逐漸滲透絕大多數(shù)互聯(lián)網(wǎng)時代的產(chǎn)品中（例如，生活中耳熟能詳?shù)氖謾C端應用，絕大部分使用了包括運算智能、認知智能和生成智能內(nèi)的人工智能）。而懂產(chǎn)品的設計人才，則是產(chǎn)品團隊的靈魂，可以從產(chǎn)品經(jīng)理、應用策劃和工程師的視角分別剖析產(chǎn)品，并給出滿足甚至高于需求的設計作品。

6）構建終生成長型知識結構：以互聯(lián)網(wǎng)和新媒體公司為代表的新興優(yōu)勢企業(yè)是承載設計人才就業(yè)的主要社會載體，在服務經(jīng)濟實體、實現(xiàn)自我價值的過程中，由于新興優(yōu)勢企業(yè)往往具有領域創(chuàng)新、產(chǎn)品跨學科、設計落地、敏捷開發(fā)等特點，因而對設計人才的成長維度和跨學科長期可塑性有更高的期望。人工智能涵蓋和承接了智能設計、人因工程、決策系統(tǒng)、數(shù)理邏輯以及信息架構等設計領域的重要知識基礎，將會是新設計人才知識結構成長性的核心構成。

2.2可行性

在科技飛速發(fā)展的今天，人工智能不會替代設計師，但從事簡單重復規(guī)律設計工作的設計師的工作會大量被機器剝奪，而更受社會認可、更體現(xiàn)商業(yè)價值的設計職位更容易被擁抱人工智能的設計人才獲得。這是因為設計人才的核心競爭力取決于其專業(yè)技術、視角高度、視野廣度和特色實踐能力。而人工智能應用和智能設計的能力將會是很長一段時間內(nèi)的稀缺資源，這不僅代表著設計人才具有更豐富內(nèi)容支撐下的專業(yè)能力，還允許設計人才具有前瞻性、科技性和數(shù)據(jù)支持性的視角高度和視野廣度。因此，將人工智能知識引入設計學科高等教育是新時代的不二選擇，而世界和中國教育、科技、經(jīng)濟、市場、社會的發(fā)展狀況，為這一選擇的可行性打下了堅實的理論和實踐基礎：

1）中國高等教育和設計學科發(fā)展大環(huán)境的支撐：2018年4月2日，教育部《高等學校人工智能創(chuàng)新行動計劃》給出量化指標：到2020年建設100個“人工智能+x”復合特色專業(yè)。2017年7月《新一代人工智能發(fā)展規(guī)劃》提出要發(fā)展人工智能引導的創(chuàng)新設計研究、發(fā)展基于人工智能硬件的新產(chǎn)品設計平臺、引導企業(yè)在設計等環(huán)節(jié)引入人工智能。在這一學科發(fā)展和建設機遇下，將人工智能知識布局于設計學科生態(tài)中，對高校建設、學科升級和人才培養(yǎng)是三贏的局面。從學科發(fā)展的角度，近年來“人工智能+設計”的研究也大量且穩(wěn)定的增加（如圖2），不僅體現(xiàn)了當前世界和中國智能設計研究的風向，更為研究所引導的高等教育打下基石。

2）有效承接高中基礎：2019年起內(nèi)地高中學生必須要學習信息技術學科，課程內(nèi)容包括重要編程和人工智能（ArtificialIntelligence，簡稱AI）的學習。2018年1月，教育部公布的《普通高中課程方案和語文學科課程標準》中，正式將AI劃入新課標。2018年4月28日，第一部專為中學教學編寫的AI教科書《人工智能基礎（高中版）》正式發(fā)布，該教材讓高中生了解AI的基本思想、常用算法和基礎應用場景。吲。在這一背景下，以往困擾設計學科人工智能知識教育的設計類學生工科基礎知識薄弱和毫無人工智能相關經(jīng)驗的障礙被大幅度削弱了。

3）高校內(nèi)部與人工智能相關學科和專業(yè)共同建設和發(fā)展的支持：除研究成果外，實踐應用也是人工智能的價值的重要體現(xiàn)。在國務院和教育部的人工智能發(fā)展戰(zhàn)略中，尤其強調(diào)跨學科“人工智能+X”建設，而設計介于科學與藝術之間，在一定程度上有規(guī)律可循，是人工智能的重要試驗場和價值體現(xiàn)載體，相較絕大多數(shù)其他學科，更容易與高校內(nèi)部人工智能教育資源建立互利鏈接，產(chǎn)生雙贏的化學反應。

4）人工智能技術發(fā)展的支持：近年來，使用人工智能的門檻越來越低，很多以前難以想象的技術、資源和工具都在無限靠近高校的課堂。例如，僅僅就特定算法的思想講解和演示而言，Matlab可以勝任一般神經(jīng)網(wǎng)絡的教學、演示的任務，其上的一些深度學習、生成學習和強化學習包還可以以演示講解和小組項目的形式讓學生進一步了解人工智能中機器學習的內(nèi)容;TensorFlow可以滿足一些較復雜算法的可視化講解和演示;github上的大量優(yōu)質(zhì)開源項目，如yolo可以滿足學生對于具體算法內(nèi)涵和應用的需求。在此基礎上，學生即可充分理解人工智能設計輔助工具，如autodesk dreamcatcher的工作原理和能力上下限。

5）相關行業(yè)發(fā)展和外部企業(yè)的需求和支持：校企合作是企業(yè)和高?；ダl(fā)展的重要形式，而很多企業(yè)對于設計具有極高要求，同時又對于設計科學性和智能性抱有較高期待。為此，會以提供教育資源、實習機會和共建實驗室的形式與高校共同發(fā)展和建設具有智能特色的設計學科。這不僅是從資源上給予資助，更讓人才培養(yǎng)的過程緊貼實踐、技術容易落地以及極大地提升被培養(yǎng)人才的設計學習積極性。

顯然，“人工智能+設計”具有新時代新意義，是設計學科發(fā)展的必經(jīng)之路和必要建設部分。承接當前國際國內(nèi)經(jīng)濟和科技發(fā)展的動態(tài)，面向設計學科的高校人工智能教育已經(jīng)具有充分的可行條件，蓄勢待發(fā)。

3高校設計學特色人工智能基礎教育構建的定位與目標

作為有設計學科特色的人工智能基礎教育，應該有明確的定位和目標。首先，設計學科的人工智能基礎教育著眼于培養(yǎng)能利用人工智能技術和人工智能設計工具來輔助設計的設計人才、豐富設計人才的信息化視野和數(shù)據(jù)邏輯依托下的設計能力、強化設計人才在新工科生態(tài)下的適應性和競爭力;其次，必須正視的現(xiàn)實是設計學科相較傳統(tǒng)工科普遍減少了數(shù)理基礎的相關課程和訓練，數(shù)理邏輯和演繹推導不是設計人才之所長;再次，盡管設計學科是與人因工程、心理學、建筑學、管理學、美學、工程學緊密關聯(lián)彼此支持的強交叉學科，但其核心仍是一門強調(diào)應用的學科。因此，設計學科的人工智能基礎教育應著眼于培養(yǎng)對人工智能與設計深入理解的創(chuàng)新型應用專家，而不是與人工智能專業(yè)人才同質(zhì)化的人工智能科學家。

4高校設計學特色人工智能基礎教育構建的途徑

基于以上定位與目標，研究提出具有設計學特色的人工智能教育路徑：

1）新工科背景下具有“藝工結合”特色的人工智能教育：建構主義學習理論認為，教育應當引導人才從原有經(jīng)驗和專業(yè)知識出發(fā)，建構起新的經(jīng)驗和知識結構。設計學科的人工智能基礎教育應緊密結合設計學科的業(yè)務邏輯和專業(yè)知識，在（數(shù)據(jù)）清洗、解析、訓練中充分引入專家知識，并依托設計場景和上下文語意進行設計學特色的“藝術+科學”特色教育。應明確教育路徑是將人工智能與專業(yè)人才培養(yǎng)策略匹配，將人工智能與設計專業(yè)特長結合，讓傳統(tǒng)優(yōu)勢變得更明顯。

2）開發(fā)適用于培養(yǎng)設計人才的人工智能設計教材：需要切實解決當前人工智能教材過于偏重數(shù)理推導或過度浮于表面的兩極分化的現(xiàn)象，并且解決教學內(nèi)容與實踐相互脫節(jié)或幾張皮的現(xiàn)象。目前，人工智能教材大部分面向的是高等學校計算機學院或人工智能學院的本科生，目標是培養(yǎng)學生的算法設計和科學精神，對設計學科的本科生來說閱讀較為吃力，而且通常一門課程下來大部分時間放在了數(shù)理推導、命題證明和算法分析，而根本沒有精力去在老師的引導下實踐到設計中。因此，通過整合學科頭部力量和外聯(lián)資源開發(fā)一套重算法邏輯而輕數(shù)理推導、重應用場景而輕命題證明、重項目實踐而輕空談理論的有設計學特色的人工智能設計教材勢在必行。

3）差異化教育：設計學特色的人工智能基礎教育應確保與工科人工智能教育的差異化。而差異化的根源必然立足于人才培養(yǎng)的目標與定位。首先，設計學科的人工智能教育目的是讓設計人才透徹地掌握智能設計相關的人工智能基礎理論和算法，并通過大量實踐了解人工智能、人工智能CAD（計算機輔助設計）和人工智能CAE（計算機輔助工程與仿真）是如何影響和輔助設計，從而提升設計視野和知識維度進而培養(yǎng)學以致用、專業(yè)扎實、可塑性強的新設計人才，而不是為了培養(yǎng)人工智能科學家。2018年9月，17歲的英國高中生Mikel Bober-lrizar獲得史上最年輕Kaggle的Grandmaster的例子說明，從人工智能落地應用角度講，理解算法工作原理比懂數(shù)學更重要。其次，不同高等教育機構的設計學科有不同的特色，應選擇適合自身研究和發(fā)展，有助于增進自身優(yōu)勢設計特色的人工智能知識方向。最后，人工智能在設計中根據(jù)場景、目標和業(yè)務不同有不同的對應技術、方案和呈現(xiàn)形式，跨度極大。設計學科的人工智能教育，應緊密貼合業(yè)務邏輯，有針對性地展開個體或小組間的差異化培養(yǎng)。盡量避免泛而不精的通識方案，應堅決拒絕通用人工智能人才培養(yǎng)的教育模式。

4）師資隊伍知識升級和持續(xù)更新：為擬開展和從事相關人工智能設計和輔助設計的教師提供充分的知識升級資源和支持，通過在線培訓、項目驅(qū)動、跨學科合作等手段定期提供相關教師知識更新的途徑與機會。

5）培養(yǎng)人才的跨學科自學能力：立足設計學科人才培養(yǎng)發(fā)展的長遠目標，整合信息科學與人工智能教育資源，培養(yǎng)學識精通的專業(yè)設計人才，并為設計人才的跨學科終生學習打好基礎和拓寬視野。

6）構建智能設計和人工智能輔助設計的小生態(tài)：教育從來都不是獨立存在的，任何成功的教育體系或特色教育都依托并支撐與之搭配共贏的內(nèi)外生態(tài)。從高等教育體系內(nèi)部，應當有配套的師資力量、實驗環(huán)境和研究生態(tài);從高等教育體系周邊，應當盡力營造校企深度合作并整合實踐資源，讓知識指導和提升實踐質(zhì)量，而實踐反過來促進知識吸收。

7）以工程和項目為單元的短期工作坊：當前設計人才大多數(shù)愿意擁抱人工智能，且對人工智能有一定了解，但卻苦于不知人工智能如何服務于設計以及如何下手。作為一門服務于實踐的科學，人工智能具體問題具體分析，需要上下文任務需求和工程、工具環(huán)境。以工程和項目為單元的短期工作坊，可以快速高效地從經(jīng)典“人工智能+設計”案例出發(fā)，讓設計人才了解人工智能服務設計的多種形態(tài)和載體，有效提高設計人才理解、應用和革新人工智能設計的效率。

8）重視課程和項目的可解釋性和可視化傳達：在計算機科學界，人工智能尤其是機器學習中的可解釋性和可視化近兩年受到高度重視，也促生了很多優(yōu)秀的解釋策略和可視化方案。由于解釋性和可視化是設計學人才理解和掌握人工智能知識的關鍵橋梁，相較一般意義下的人工智能學習，可解釋性和可視化傳達是設計學科教育中落地課堂和實踐的重中之重。

9）把握設計學科教育發(fā)展的大方向：關注國際設計學科教育發(fā)展趨勢、了解國內(nèi)學科領先院校的智能化教學改革舉措。通過聯(lián)合辦學、訪問交流、共享資源、援助建設、線上線下調(diào)研等手段分層次的學習和借鑒例如MIT、CMU、清華、同濟等國際國內(nèi)頭部設計學科所在院校的智能設計經(jīng)驗和教育思路，同時也關注其他設計學科院校的發(fā)展新舉措。通過把握方向、借鑒經(jīng)驗、學習思路、合理利用辯證等方式對其進行取舍從而達到少走彎路、事半功倍地選擇適合自身的人工智能設計和輔助設計教育教學路線。

5高校設計學特色人工智能基礎教育構建的潛在風險與應對策略

建設具有設計學特色的人工智能基礎教育應具有時代特色，同時也應警惕一些潛在的風險和不確定性，也就是說：

1）設計學科的人工智能基礎教育不應貪多貪深：首先，人工智能是一門有60多年發(fā)展歷史的成熟學科，其背后的知識體系系統(tǒng)而繁雜，因此，我國陸續(xù)掛牌了多所人工智能學院并設立人工智能本科專業(yè)，來系統(tǒng)地培養(yǎng)人工智能人才。想通過一門課程、實驗和少量工作坊讓設計人才深入地掌握人工智能及其背后的數(shù)理原理是不現(xiàn)實的。其次，設計學特色的人工智能教育旨在培養(yǎng)創(chuàng)新型智能設計應用人才，而不是人工智能科學家，因此算法層以下的內(nèi)容不是設計學科關注的首要對象。最后，成熟的人工智能平臺、工具和框架已經(jīng)比較豐富，在高校教育有限的時間和資源條件下，建議選取有代表性的框架和技術進行講解、演示和實踐，而不是對太多的廣度內(nèi)容進行講解。

2）人工智能不只是機器學習：人工智能是包括智能決策、專家系統(tǒng)、演繹計算、模糊計算、機器學習等研究領域的系統(tǒng)學科。對設計學有重要意義和支持作用的不僅僅是近期流行的機器學習，過分強調(diào)機器學習的重要性而忽略其他人工智能領域?qū)υO計的影響和幫助，會造成教育資源的不健康傾斜和以己之短搏人之長的不良后果。

3）設計學科的人工智能基礎教育應具有實踐特色：習近平總書記在十九大報告中強調(diào)，要推動“人工智能和實體經(jīng)濟的深度融合”。人工智能是情景式的科學，設計也具有強應用屬性，因此，設計學科的人工智能基礎教育應具有實踐特色。對于人工智能設計、人工智能輔助設計和人工智能指導設計應分專題以示例項目和小組實踐為載體進行教學，項目貴精忌雜。相關教師可深入淺出地講解算法和框架思路后，依托具體開源項目進行指導。

4）設計學科的人工智能基礎教育不必盲目跟進人工智能研究最前沿：首先，很多從人工智能學科領域視角來看非常有價值的創(chuàng)新和研究成果，例如，將某架構的結構部分優(yōu)化或?qū)⒔Y果準確度提升了百分之幾，從設計學實用的視角來看并沒有太大差別。其次，最新研究成果中一般描繪的是通過理論推導或?qū)嶒烌炞C達到的一種愿景和可能性，距離成熟落地往往有一定時間間隔。再次，從研究成果到高等教育尤其是設計學科的課堂教育有一個教師理解吸收并甄別適用性和實用性的過程，而此過程代價較大，收益卻很有限。最后，人工智能作為一門成熟的學科，內(nèi)部體系已經(jīng)非常健全，其落地實踐在近三年也有了飛速發(fā)展，應用門檻不斷降低，利用人工智能社區(qū)內(nèi)豐富的設計相關高星級開源項目和成熟的商業(yè)化人工智能設計工具為媒介進行知識的傳授是設計學科人工智能教育的趨勢。

5）對教育從業(yè)人員要求較高：設計學特色的人工智能教育對從業(yè)者提出較高要求，其必須從繁雜的人工智能知識中抽取與設計相關且對設計人才有益的內(nèi)容，并且要深入淺出地傳授大量晦澀難懂的人工智能知識，對設計學、人工智能和視覺傳達都必須有深入理解和扎實的實踐經(jīng)驗。

6）警惕Bleeding Edge現(xiàn)象：在教育創(chuàng)新的同時，若沒有足夠的實驗、試驗與時間考驗，教育模式的升級和改革的影響力和副作用可能無法被充分認識，進而產(chǎn)生較高風險。扎根專業(yè)、逐步改革、評估迭代、重視市場，可以有效規(guī)避風險。

6結語

無論是機器學習、強化學習還是決策支持、專家系統(tǒng)，人工智能已經(jīng)迅速地滲透入設計學科的紛繁業(yè)務中。為設計人才提供人工智能基礎知識與人工智能設計實踐的教育機會，對提升教育質(zhì)量和人才競爭力都有極大支撐。通過分析設計學科人工智能教育的必要性和可行性，本文建議將設計特色人工智能知識放入設計學科高等教育框架內(nèi);經(jīng)過分析潛在的風險與不確定性，本文建議設計學特色人工智能教育應逐步開展，從一門課、一門實驗、一本教材開始。既要充分擁抱和利用人工智能來強己之強，又要避免貪多冒進、浪費教育資源、傷害設計人才，超越狹隘的短期視野和傳統(tǒng)觀念，才能讓設計學科高等教育更加豐滿、健康、活力旺盛，讓設計人才擁有新工科潮流下的強大設計競爭力。