本期U享会很荣幸邀请到Jovi，高级产品设计专家，AICC创始人，UX Lib用户体验社区创始人，Jovi老师，为大家带来《寻星者的笔触：AI设计与未来想象》主题分享。与我们分享AI设计兴起、动向及未来的可能。
1）AI 兴趣的初燃
首先先从AICC的开始说起，起初ChatGPT、Midjourney相继发布之后，很快在我们建立的体验社群里大家讨论、开始学习浅偿，试着应用，了解Midjourney的能力限制。随着发展，大家开始关注如何把AI很好的利用在自己工作上，甚至投资新技术的探索上面。
2）技术应用与创新扩散
随着AI的火热，一部分人的探索与尝试，放在整个市场中还是属于少数的，停留在早期探索，存在着认知的差异性。但未来全面的普及时代也不会太远。
3）早期采用者的机会和现状
根据美国知名媒体The Verge的调查报告，大约三分之一的人尝试过AI工具，主要是80、90年轻一代用户更倾向于使用。调研的工作者中大部分会认为AI可以让工作变的更好。
于此同时AI也正在展现跨行业能力，广泛的应用场景：其中则蕴含巨大的机会和行业基础的变革。在AI的发展中需要更多的领悟，也需要内心平静下来做事，不必过度焦虑。
4）MS工作趋势指数年度报告
在工作趋势指数年度报告中体现出更多企业倾向提升员工生产力， 而非裁员。而“分析判断力”、“灵活性”和“情感智能”则是必备的关键技能，是新的工作方式，现在的时代，需要我们对整个工作能力结构做一次增强能力的调整。
ChatGPT经历了大语言模型到对话式交互、数字人等最终回归行业和细分应用上，AI设计也经历异曲同工的探索路径，下面从我们共创人的几个项目中来了解AI绘画的探索及方向趋势。
1）AICC — AI SOUP 电商项目（共创人：Rsky 杭州玩转互动 & AI Soup CEO）
1、AICC和 AI SOUP共同举办了一场设计比赛，是一个行业级别的项目，主题是为某博物馆文物进行二创，设计文创产品。主办方提供了10个文物，耗时14天，参与设计师90人，参赛作品共计410份。我们在参加这个比赛中，使用Midjourney生成作品，最终落地10件，并且已经在生产制作出实体产品。相比来说，从选品或是创意来说是都比传统设计的效率高很多，出图成功率4.1% 大幅度降了尝试风格成本。
2、SD生产实例-AI SOUP
这个项目是利用GPT和AI图片融合生成商家需要的图文并茂的产品图，从拍照——抠图——摆拍—自动融合——成品，只需2步，等待10秒即可生成让普通商家也能玩得起的品牌级的图。
3、AICC — 灵光石珠宝（共创人：卷儿 灵光石Virtual stone CEO）
这个项目是一个探索AI在垂直市场的应用。主要针对的是珠宝行业， 因行业的独特性，内行人才能了解比较多的专业知识，实际是已有一些行业壁垒。再看AI如何去给它赋能探索。
1）可以提供虚拟在线珠宝定制服务。利用AI技术，包括虚拟导购、stable diffusion 生成的图像和文生图、图生图等能力，为客户提供一站式虚拟定制体验。比如选择自己想要的首饰珠宝，元素，实时预览生成效果图，虚拟试戴，通过设计师跟进和优化交付工厂加工制作，完成首饰定制。珠宝的定制能力都可以完全由AI提供。
2）利用Checkpoint进行一键替换宝石的测试。可以快速替换珠宝材质，宝石替换，可以直观查看效果，定制自己喜欢的样式。（如图）右侧图片中的首饰为Ai产出设计稿，进行加工后，最终做出的成品展示。整体过程可行性都很强。由于stable diffusion 模型的多样性，客户还可以根据自己的喜好选择风格化程度，满足各类人群的设计需求。
通过利用AI在珠宝行业的探索，及项目的应用，总结出3个点：1）利用 AI可以节省不少的运营成本 2）客户也可以实现“自助式”设计体验，让用户感受前所未有的被重视的感觉 3）可以使流程更加高效。
3）AICC — 电商展台 Checkpoint（共创人：HL 电商 ckpt 训练）
在这个项目中AI是更深入到工作流程中去，用时也遇到更多有难度的问题需要克服。这是电商展台 Checkpoint 训练，通过 stable diffusion 训练 Checkpoint 批量产出电商设计优质素材，AI大大提高工作效率。
在训练过程中也得到一些经验：1、在训练比较垂类的模型之前，先了解相关基础知识，提高标注的准确性和效率 2、善用工具，如 chatgpt，帮助自己学习新知识 3、模型训练不是一蹴而就的，需要不断的迭代优化 4、模型想要商业落地，那么一定要增强可控性。
4）AICC — SD 3D 模型（共创人：忠忠 前端UI框架 Element Plus 设计负责人）
共创者忠忠更多探索的是一些模型能力的边界，探索细节多一些，使用 AI设计工具进行了非常多的尝试，这些项目是他的一些项目总结。其中 BDicon模型和微软风Lora可能是大家见过比较多的。
在过程中需要不断拆解，再拼，根据模型上色，调色，这些都是对设计师的挑战，如果坚持选择这个方向，不断学习，探索，将会收获很多。
5）AICC — AI 建筑设计应用（共创人：吾皇 AI 自媒体）
吾皇同学和她的团队同样在探索垂直市场中的应用，曾经在建筑装饰行业的我也表示出极大的兴趣。7月的线下活动中阿哓老师也分享了他在实际工作中应用AI技术，在各个环节引入AI生产力，实际的发展，可能比我们想象中还要快。例如在家装或者工装过程中，提供一张草图或者毛坯照片。通过AI设计的能力，很快有了一大批的设计创意，这些以前都要靠人来完成，也不会有那么多的探索空间和意向的选择机会。同样可以应用在景观设计，建筑设计等领域。依托行业自身壁垒 AI+ 赋能市场规模、想像空间巨大的。
通过以上5位共创人，我们了解了他们的项目，和AI绘画探索几个典型方向。
接下来和大家一起交流一下AI背后的科学，谈到AI图像，这个图是绕不开的：2021 年发布的潜空间扩散模型框架图。这里是AI生成图像的核心，可贵在它是开源的，后来 AUTOMATIC1111 做了SD模型的开源 Web UI的界面，让它可以被大家广泛的应用起来，通过 Web 界面来方便的应用 SD 模型。
这张图是用公式和图表的形式直观的表达了文字、图片怎么通过在潜空间对神经卷积网络的一系列操作把文本，图片降维到潜空间进行噪点操作，再升维到高维像素空间得到我们看到的图片的过程。
在扩散模型的架构还包含一些必要的组件：
比如我们输入的提示词，关于图像的描述需要经过文本编码：分词，令牌化也就是 token 然后嵌入模型，进行扩散操作然后编码后的张量用图像编码器生成图片。
说完原理，通过一个例子来给大家更通俗的解释一下，比如 1、唐伯虎看到的景象，这个鹰或者一个条件，是一个高维的，或者是提示。
2 唐伯虎要先想清楚重点，要画什么：像 CLIP Text，降维开始构思绘画的细节，比如布局，雄鹰的特点什么神态等等这些特征类的思维 这里是潜空间操作的过程，基于他学过的绘画技法，表现能力，和作画要求 ：像扩散的过程。
3 想好了以后用潇洒的笔法把这些抽象的想法，特征，构思画出来 ：像降噪，图像编码的过程，完成升维。
通过对原理的了解，会在无形中对事物的应用、探索、判断和预测都会产生影响，比如你在做产品时，对未来市场的预测也都会受到影响。
了解前面的内容之后， 我们一起再交流一下AI设计的优势和痛点，说到AI设计工具会提到主流的AI设计生产工具——Midjourney和stable diffusion。这两个工具都有着不同的特点：Midjourney 定制性差，上手容易，stable diffusion定制性强，上手更难。基于 AI 设计的基础，做为创业者、投资或者是普通的学习，我思考总结了一些机会：
同时AI设计有这些机会，也拥有着风险：
分享到这里也要接近尾声了，通过分享AI的原理，分享一些项目，来窥探未来的可能性。由于现在技术的特殊性，现在大部分情况就是科学家把基础技术研究好，技术专家解决了落地的技术问题，市场应用专家把故事讲好，最终获得收益。说到技术，我们下面可以一起看几个关于技术的案例。
1、Segment Anything这个模型被设计为可接受提示（prompt），这意味着它能够根据具体的指示来识别图像中的对象，提供了更大的灵活性，给图像(视频)带来了很大的操作空间。
2、Rerender A Video
RAV是提出了新的一种翻译框架，该框架包括两个部分：关键帧翻译和全视频翻译。给初代 AI 视频带来了更佳观感体验的可能性。
3、MetaHuman
可以仅使用从iPhone拍摄的视频就能创建逼真的面部动画。
上面的这几个案例又能说明AI设计的领域和相对于的传统领域，已经可以基本覆盖多形态内容领域。
刚刚讲到这些，其实就是一个知识进化的过程，从开始的零散的点，各种信息，到后面串联起来，形成知识，最终形成一个完成的画面。同样科技也有类似的过程。
以上是本次分享的全部内容，希望对大家有所帮助～
再次感谢Jovi老师，为我们带来这么多优秀的作品分享和经验之谈。小伙伴们有任何问题或者对U享会的建议，欢迎在下方留言，期待下次再见。
另外感谢U享会所有成员的辛勤付出:
赵德馨、张俊枫、康盼盼、马亚荟、伍思晟、连盟
分享者：Jovi老师，整理：佟佳昕
来源公众号：58UXD（ID：i58UXD），58UXD，全称58同城用户体验设计中心。
本文由人人都是产品经理合作媒体 @58UXD 授权发布于人人都是产品经理。未经许可，禁止转载。
题图来自 Unsplash，基于CC0协议。
该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。