1961年，一位科学家首次提出了人工智能。1964年，建筑与计算机会议在波士顿召开。这个会议里出现了两个很重要的人，一位是格罗庇乌斯——人工智能的鼻祖，已经80多岁；一位是人工智能新锐，30多岁年轻的学者明斯基——人工智能的鼻祖。在这个会上，这两个人第一次有了接触，但接触的细节没有记载。

　　宏观2：技能的民主和数据的垄断共存

　　在宏观的第二个角度，有两样与世界发展趋势共通的东西：一样是“技术的民主化”，或者“技能的民主化”。

　　在“技术的民主化”中，我们以另一个创造性的工作——摄影为例。从过于写实的绘画到拥有暗房工具，到很大很笨重的光学相机，到傻瓜相机，再到照片数据化、到数码相机，最后现在每个人手上都有了摄像头和App。

　　另一样是“数据的垄断”。在用户指数级增长的过程当中，有一些机构、设备、终端，以及平台会开始积累大量的数据。

　　如果这两样东西同时存在，就能够让更多人具有设计的能力，那么设计这种技能是否会被垄断在一些巨无霸的手中？人工智能、机器算法是不是也可以做设计了呢？

　　宏观3：技术与设计工作，更多了还是更少了？

　　我们总在想，技术的发展是否必然会取代一些人的工作？这一点我们没有办法避免。但是 30 年前的例子告诉我们，一方面 photoshop 作为一种工具确实取代了排版工人，但在美国却给设计行业的薪资带来了 3 倍的涨幅。所以在这个过程当中，正如《经济学人》杂志一直秉承的观点：技术摧毁更多旧的工作，但更会创造新的工作。这一点上，我们还是要乐观一点。

　　从微观来讲，存在三个难点：创造、确定性／不确定性、形式／内容。

　　第一个难点，设计是一个创造性的工作，你试图在设计中创造艺术，但你能不能创造艺术，实际上就得听天由命。

　　第二个难点，确定性和不确定性。我一直认为设计的魅力是在于“不确定性”。正是因为“不确定性”，设计师有自己作为人的价值。

　　第三个难点，形式和内容。

　　微观1：如何让“机器”理解“创造”？

　　我们在文献调查研究中发现，很少有文献是关于“机器怎么做设计”的，而有很多是关于“机器怎么样做创造性的工作”。

　　在设计的领域里，有个作家写了一篇文章，这篇文章发表在人工智能引用次数最高的文献里。他认为，设计有三种方式来做创造性的工作，第一种是组合，第二种是探索，第三种是转换。所谓组合，就是指在两个已知之间建立关联；所谓探索，就是在已知空间里寻找某个答案；所谓转换，就是在已知里寻找未知。

　　这三种方式都是基于设计师的工作方法，以设计师的工作规则去寻找创造的可能性，从而发现机器做创造的可能性。

　　微观2：如何让“机器”分析“不确定”？

　　最有启发性的观点来自于斯坦福人机交互的研究团队。不确定性的转换，是把不确定性的问题变为确定性的问题。什么是好的设计？我们不确定。但我们可以变成确定性的问题：什么是和好设计最接近的设计？

　　我们可以把网页作为例子。一个网页背后是各种各样结构化的代码，我们可以通过抓取这些代码，把人工选出来的好设计结合这些代码来进行建模。然后，将抓取的数据和建模的数据进行比对、打分，分数就代表了网站设计和代码之间的关联。

　　所以我们把这个过程总结为设计、数据、建模、运算、评估，评估之后再反过来进行运算。如此一来，我们就能把“不确定性”的设计，转化成了“确定性”的数据。

　　微观3：如何让“机器”处理“形式”和“内容”？