信息载体发生巨变，人机交互通道日益丰富，人工智能扩展了人机交互中的信息广度、改变了信息的处理模式。设计智能、体验计算、感知增强成为设计实践和学术研究面临的新维度，也带来了新的范式挑战。
一、范式与范式迁移
今天的最后一个报告，我和大家分享一个词：范式。范式是一个共同体的成员所共享的世界观、概念和行为方式等的集合。而所谓范式迁移，就是我们的世界观、概念和行为方式等发生了根本性的改变。范式迁移有可能发生在所有的领域。一项新技术的发明，或者一个新理念的普及，都有可能推动某个领域中的范式迁移。在现代设计史上，流水线的发明直接推动了现代设计新范式的出现，或者范式迁移。
在科学研究领域中，有4个被人们所公认的基本范式。
第一范式：实验型范式。数千年前，科学家做研究的主要思路是观察和思考自然现象，设计简单的实验验证发现的规律。例如两个铁球同时落地。
第二范式：理论型范式。数百年前，科学家发现当时的实验手段有太多局限性，远不能达到深入理解原理的程度。因此，科学家开始在实验中去除复杂的干扰因素，只留下最关键的因素，通过推理构建各种各样的模型。这就是第二范式。例如牛顿三定律。
第三范式：计算型范式。几十年前，随着计算机的发展，使用计算机对科学实验进行模拟仿真的模式得到迅速普及。在计算机的帮助下，我们可以模拟和推演非常复杂的实验和模型，让计算机代替我们计算和验证，这就是计算型范式。今天，几乎所有的学术研究都离不开计算机，计算型范式成为主流的科学研究范式之一。
第四范式：数据密集型范式。过去几年中，由于互联网、物联网、大数据的发展，由于数据获取的成本迅速降低，数据处理的能力迅速提升，我们可以让计算机直接进行推理、分析和总结，得到理论。科学研究又发生了一次的范式迁移，这就是数据密集型范式。
二、设计范式
设计的范式到底是什么呢？我们从设计的过程出发来思考这个问题。设计的过程简化到极致就是：设计是从用户出发，完成内部的设计逻辑后，为后续产品化环节提供输出。
在这样一个基本的框架中，我们有很多面向过程的设计方法，以及支持这些方法的设计工具集。譬如影响力最大的，斯坦福d-school提出的Design Thinking，再譬如Google发起的设计冲刺；又譬如由design council发起的面向流程的菱形模型。这些方法，或者是这些设计方法的变体，被设计从业者所熟知，在设计研究、教育或者实践中潜移默化的应用。
回到今天我们所在的领域——互联网领域或者信息产品设计领域中，我们做设计，同样是采用这样的模式：观察用户了解需求，根据业务属性界定问题，提出功能需求，将这些需求放到相应的载体上。
所以，我们发现这就形成了一个基本范式：我们去研究用户、发现问题、明确设计需求，然后思考功能和内容，思考用什么样的形式、什么样的媒介去承载这些功能内容。再进行回来进行用户测试。这就是实践中的一个非常流行的设计回路。
值得注意的是：我们没有办法找到所有的人，所以在用户研究阶段，我们必须或者在统计意义上考虑，把人群进行细分；或者在抽样意义上考虑，寻找典型用户，进行访谈和测试。我们所考虑的功能和内容也是有限的，形式和媒介也在是在有限空间中的选择。
但是，这似乎并不是今天我们看到的鲁班系统，或者是Paul介绍的短视频生成系统所采用的范式。因为设计领域里，我们所处的空间出现了一个新的维度：人工智能。
三、设计中的新维度——AI
在跟很多业内同行讨论的时候，有个问题经常出现：AI会不会取代设计？我觉得这也许并不是设计领域里面最恰当的提问方式。我们应该探讨的是：有了AI之后，我们可以做什么事情。因为AI并不是设计的对立面，而是设计所面对的一个新维度。
前不久，浙江大学和阿里巴巴成立的智能、设计、体验与审美联合实验室，IDEA Lab。在IDEA Lab的视野中，我们看到、关注和响应了这些变化。
1.体验计算。体验计算并不是全新的概念，但现在体验计算正在发生巨变，从实验室的小样本计算变化到越来越强的随时随地按需计算的能力。譬如，用运用手机前置摄像头做眼动分析的技术已经成熟，这意味着在很多时候，我们在所手机app的眼动分析，是不需要在实验室中找少量被试的；而是完全可以邀请真实的用户的授权，从而获得在真实使用情境下的眼动分析。又譬如，我们也经常用眼动分析验证一个平面设计的好坏，一个传达设计是否到位。使用深度学习技术，我们可以脱离实验设备，依靠算法预测视觉注意力的分布情况。在IDEA Lab，江浩博士领衔的研究团队在新零售环境下分析用户的行动、情绪，为每个用户提供量化的体验。
2. 感知增强。我们正在具备越来越的丰富用户感知外部信息的所需通道和媒介，正在研究在这些通道和形式中进行切换的方法，以及从增强用户感知的角度选择这些通道和媒介的手段。譬如IDEA Lab巫英才教授团队研究故事线可视化技术，可以将复杂信息自动组织为低认知负荷的可视化形式。
在新零售业务场景中，IDEA Lab向为博士团队研究如何用震动、温度、风等一系列触感通道呈现信息，譬如“热销产品”，“打折”。再譬如，IDEA Lab许威威教授团队可以从一张图片、一张照片实现立体视觉，为用户看一张图提供了更高的感知维度。
3. 智能设计。在设计智能领域，我们已经建设了庞大了平面设计数据集，进行了高质量的标注，实现了自动配色、布局和审美评价等原子级的智能设计算法。我们还将视野拓展到了视频领域，实现了微动视频的自动设计、动画效果、转场的生成式设计。IDEA Lab张克俊教授团队正在研究音画一致的旋律生成：给我一张图，给我一段视频，我帮你自动配乐。
四、新的可能性
现在我们暂停一下，一起思考一下刚刚分享的由AI带来的三股正在崛起的力量。设计智能，正在让我们具备大批量、个性化的内容的生成能力；感知增强，正给我们提供丰富的通道和媒介、如何在不同的通道和媒介中切换，以及如何从增强用户感知的角度在这些通道和媒介中做选择的方法；体验计算，则让我们可以获取真实用户、在真实使用情景中的量化的体验。
把这三件事情放在一起，我们看到了新的可能性。我们看两个例子——它们都还不是现实，是这三股力量带给我们的可能性和想象空间。
短视频生成，我们可以做到从产品的详情页生成一个视频。但是实际上，我们还可以往前一步：我们把用户、场景和产品统筹考虑，我们具备如何增强用户感知的很多选项：是要可视化，还是要立体呈现。我们也具备得到量化的用户体验的能力：一个特定的用户、在特定的场景中、针对特定的产品，是否愿意看这个视频，或者，从看这这个视频的过程中得到正面的响应。我们可以知道，用户现在希望看产品完整的介绍，那么，可以为用户生成信息量多的、节奏缓慢的产品介绍视频。用户现在很无聊，只是在随意浏览，那么我们可以为用户生成信息量少的、节奏快的视频。我们没有把视频全部都生成好，我们是在依靠体验计算了解用户，依靠感知增强提供内容呈现的通道和媒介，依靠设计智能为用户提供相应的内容输出。
IDEA Lab的学生团队还正在做一款玩具收纳箱。这是一款硬件，3年前学生团队在一门课上完成了这款设计。这个收纳箱的功能是：每次放一个玩具回来，都会发出一个打嗝的声音，并且闪烁一下眼睛。当收纳箱满了，就会投影一些画面。用这样的方式，鼓励小朋友养成收纳的好习惯。今年我们在重新设计这款收纳箱。也许一个小朋友性格很开朗，每天都笑；另一个小朋友很酷。针对他们，这款收纳箱应该提供不同的反馈。我们现在具备了体验计算的能力，可以从声音、图像、行为习惯等对小朋友分析；具备了感知增强能力，可以在声音、图像、震动甚至形状改变等不同的媒介和通道中选择；也具备了设计智能能力，可以生成独一无二的声音或者图像反馈。我们并不是先做用户研究，把孩子分成急脾气慢性子两类，然后分别给他们设计一款产品；而是在产品的使用过程中，不断的去了解用户，计算他们的体验感受，然后在此基础上调整和优化感知媒介，生成个性化的反馈内容。收纳箱是这样的，天猫精灵也可以这样，未来的每一款智能产品都可以这样。
五、设计范式的迁移
我们回到刚刚的设计流程。传统或者经典的设计范式中，设计是整个产品生命周期中的一个链条。尽管内部我们在循环，在迭代，形成了各种回路，但是我们在产品生命周期中，就是一个链条。我们从少量的用户需求，或者统计意义上的用户需求或者反馈出发；我们交付给产品化环节。然后就没有我们的事情了。但是现在，在AI的赋能下，我们具备了体验计算、设计智能和感知增强的能力。我们没有研究某个用户，我们在响应每一名用户的每一个需求；我们没有为后续环节交付什么，但是我们又一直在交付全新的、独一无二的内容。
这就是我们所面临的新的设计范式：设计不在是一个产品生命周期中的一个链条，而是与用户、与产品化的各个环节有机、无缝的融为一体。这种AI赋能的设计回路已经日趋成熟，各种原子级的能力已经储备到位。
我们比较当前的，或者说是传统的、经典的设计链路，和正在形成的设计回路中。这种范式迁移已经近在眼前；而自然人机交互领域，很可能是这种设计范式最早登陆、最早落地的领域。
回头看科学研究的四个范式，实验、理论、计算和数据密集。它们分别发生在数千年前、数百年前、几十年前和几年前。其实在设计领域，我们也有类似的的四个范式。但是与科学研究不同的是，设计一直在应对不断出现的新疆域、不断出现的新维度，所以设计领域中，这四种范式是同时存在一直都在广泛应用的。我们有案例研究，我们从大师、大作中学习；我们建构了各种各样的理论工具；也在用计算机仿真和模拟。而数据密集型范式也已经到来，设计的新范式就是AI赋能的设计。
当然，今天和大家分享的这种范式只是众多可能性的一种。但是毋庸置疑的是，AI作为一种设计要素、作为一种全新的维度已经出现，我们需要问自己：是否储备了相应的知识、相应的工具，是否准备好要做思维模式的转换。
回到主题，新维度下的范式挑战。和大家分享的实际是：人工智能维度下，设计范式的一种可能性。
