基于产品语意的人工智能产品设计方法研究

冉蓓

摘要：构建基于产品语意学的适用于人工智能产品的设计方法。构建基于产品语意学的设计方法框架构，论述人工智能关键技术的形成与发展，解析人工智能关键技术原理，提出基于产品语意的人工智能产品设计方法。通过对用户大数据的采集，建立与用户思维拟合的用户模型，实现人工智能产品对用户的前馈式主动服务;在人工智能产品的设计过程中，将产品预设用途与用户知觉、意义和行为的映射关系原理应用于人工智能于人类智能的拟合。基于产品语意学的人工智能产品设计方法是指导和评价人工智能产品设计的重要工具。

关键词：人工智能产品语意大数据深度学习计算模型

中图分类号：TB47

文献标识码：A

文章编号：1003-0069（ 2021） 06-0119-03

引言

设计关注的是人与技术的关系，致力于塑造人与技术的物料中介面。为人与外部环境的互动提供良好的体验是设计的目的。随着人工智能、大数据、物联网等信息技术的发展，设计对象和设计范式均发生了变化。设计的对象不再局限于物理“硬件”，而成为“有形”功能交互与“无形”信息交流的媒介，“体验设计”、“服务设计”等新兴设计概念也应运而生。2011年“德国工业4.0”和2014年“中国制造2025”的概念相继被提出，全世界范围内掀起了继机械化、电气化和信息技术之后，以人工智能技术为核心的第四次工业革命。“云计算”、“大数据”以及“深度学习”的三大核心技术的突破标志着人工智能时代的开启。现代设计自诞生之时起，设计方法与准则一直伴随着社会和科技的发展不断演变。二十世纪二三十年代德国包豪斯学校的设计大师们在“三大构成”中探寻有形物质的设计规律与法则。人工智能时代下的设计方法和准则该如何应对“有形功能交互”和“无形信息交流”的设计范畴和设计内容呢？

二十世纪八十年代“产品语义”概念出现在工业设计领域。“产品语义”设计是关于设计理论和设计实践相结合的方法知识，是帮助设计师形成特定设计方法和设计评价标准的重要工具。在早期的原材料短缺和社会文化等级分明的时期，设计师被认为是产品形态的赋予者。设计师从事与艺术相接近的工作，用漂亮的造型来装扮丑陋的机械结构，甚至在二十世纪七十年代的德国，人们仍在称呼设计师为“造型师”。由于对“审美”的评测没有既定统一的标准，因此彼时设计师的职业话语权也是相对模糊的。“产品语意”概念的提出使得“设计”的范畴不再局限于“审美”，先前设计话语权中所缺乏的逻辑清晰度也明朗化[1]。随着信息技术的快速发展，设计领域实现了由1.0时代到设计3.0的跨越。“产品”在原子层面基础上加入了比特信息，衍生为非数字信息和数字信息载体，成为实现“功能交互”和“信息交换”的手段[2]。人工智能技术改变了传统设计对象的存在形式，人工智能语境下的产品语义设计把人的行为逻辑转化为数字与非数字信息的物理逻辑和计算机算法，赋予产品“智慧”的“思维方式”去帮助人类做不能做或者不擅长做的事情。基于产品语意学的人工智能产品设计方法是设计理论和设计实践相结合的方法论，也是评价人工智能产品设计结果的重要工具。

一、产品语义设计的形成和发展

产品语义设计是对产品在其被使用的心理语境和社会语境中的意义和象征特性的研究。[3]在工业设计领域，产品语义设计的理论构架的形成可以追溯到德国包豪斯时期的记号论以及德国乌尔姆设计学院对设计符号学的研究。1984年美国工业设计师协会会刊“In novation”中由克里彭多夫和布特撰写的文章“Product Semantics：Exploring theSym bolic Qualities of form”中第一次提出了“产品语义”的概念[4]。克里彭多夫曾经在《设计问题》杂志中表述过设计的定义：设计（design）一词源于拉丁语中的“de”和“signare”，设计从词源意义可理解为以记号标示来赋予物的内在意义，以区分人与物、物与物、物与环境的关系，因此设计被认为是赋予物独特意义的过程[5]。

（一）产品语意学理论基础

莫里斯将符号学分为三个组成部分，即语形学、语意学和语用学。产品语意学理论构架就是以符号学的基本原则和方法为基础的。“符号学”之父索绪尔认为“符号”是由“所指”和“能指”组成。“能指”是指事物表达面，“所指”是指事物的内容面[6]。美国实验心理学家吉布森在“生态知觉论”当中提出了“Affordance”这一核心概念，诺曼将其称为“示能”[7]。“示能”是外部环境呈现给用户的“线索”。布鲁默认为符号互动论具有三个前提条，“第一，人类的行为是基于包含在人的身心世界中的万物的意义而产生的;第二，这个意义归因于人与事物的社会互动;第三，在人在与事物的互动中，通过身心世界对事物解释的过程不断修正事物的意义”[8]。在人与事物的互动中，身心世界的感官知觉以及对万物的阐释意义是驱动行为的根本原因，如图1所示，知觉、意义和行为的关系是产品语意设计的主要研究内容。在用户与产品的互动中，为了确保用户可以正确操控并正确解读反馈形，设计意图必须被用户准确感知到并转化为内在意义，内在意义正是驱动用户操控产品行为的关键所在。覃京燕[9]提出的“以意义为中心的设计方法”和荷兰代尔夫特学者Valk提出的“meaningful interaction”（有意义的交互）都是对设计中“意义”的研究。

（二）基于产品语义学的设计方法

1.由知觉到意义的建构。知觉是人在没有思考和解释的情况下对客观事物刺激产生的感觉器官反应，即“五感”视觉，听觉，触觉，味觉和嗅觉。美国实验心理学家吉布森则用实验证明了皮尔斯的理论，知觉是不经过心理“加工”的结果，是人从外部世界中直接捕获信息的心理活动[10]。吉布森在提出了“Affordance”作为其直接知觉理论的核心概念，诺曼“Affordance”称为“示能”。“示能”是引起了感官知觉反应的归因，是人与事物可能存在關系的线索。知觉建立在大量的没有意识到的细节之中，是当下人与事物关系的纽带。人与外部事物的互动是无法被感官知觉直接驱动的，需要借助“意义”建构的“媒介”，见图1。

2.由意义到行为的映射。因为意义并不是事物形成的物理成因，因此意义并不能直接用于设计。意义是结构化的空间，是对感官知觉的解读和对逻辑行为的指导;意义是个人化的建构，沟通也不可能与其他人分享意义，因此用户研究各种方法的应用都是为了构建更接近事实的用户群体的意义共性;意义是伴随着人与事物的交流而出现，意义不是物质性的;事物的意义不是单一的而是开放的，基于的不同过往经历人与事物互动产生的意义会被不同构建或扩展。一个人总是按照其面对的意义行事，意义为设计者提供了新的产品与用户行为逻辑的因果关系。在设计中对意义研究是首先假设用户行为方式，然后借助合理的意义建构人与外部事物互动的行为方式。

3.语境排除无效意义。意义需要放置在语境中与逻辑行为进行映射才有实际意义。如上文所述，事物對于人的意义具有开放性特征。犹如人们只能在故事背景中才能合理解读人物角色，只有将事物置于恰当语境中才会被正确理解，因此对意义的阐释必须是语境化的，语境是意义被准确获取的必要条件。在设计实践中，语境限制了可能与当前有关的意义的数量。产品语义设计从语义学角度逻辑地阐释了人与产品互动的事理关系，并将其用知觉、意义和行为之间的动态关系进行解析，协助设计者“预测”无法凭空臆断的人与产品的互动愿景，使设计师作用下的呈现模型在映射技术的实现模型和反映用户愿景的心理模型之间取得平衡[11]。

二、人工智能的研究范式

“人工智能”简称“AI”，是用计算机算法来模拟、延伸和扩展人类智能的综合性技术科学，对人工智能的研究可以追溯到人类对自身主体思维的哲学反思。“人工智能”这一概念于1956年在由约翰·麦卡锡在美国达特茅斯学院组织的关于机器模拟职能的学术会议上被第一次正式提出。参与此次会议的约翰·麦卡锡、马文·明斯基、艾伦·纽维尔和赫伯特·西蒙是被誉为人工智能的创始人和奠基者。起初人工智能被作为计算机学科发展的一个分支，随着时代的发展人工智能已经成为一个涉及哲学、数学、神经生理学、心理学、认知科学、系统论、控制论、计算机科学等学科的、自然科学和社会科学交叉的“技性科学”领域。基于不同的学科研究背景研究者们提出了三种人工智能的研究范式，分别是基于数理逻辑的通过形式化知识表征再现大脑的人工智能“符号主义”;通过基于仿生学的模拟神经网络来构造大脑的人工智能“联结主义”;基于控制论的通过模拟生命自适应机制来进化出大脑的人工智能“行为主义”。

（一）符号主义。以纽厄尔和西蒙为代表的符人工智能号主义是西方近代哲学思想和自然科学研究方法的延续和继承，在20世纪80年代之前符号主义被认为是基于知识表征、推理和运用的人工智能传统研究范式。符号主义认为人类“智能”的基本是符号，具有储存符号和符号计算的能力是机器具有人类“思维”的前提条件，人工智能符号主义利用数理逻辑将外部世界语义形式化，并建立由计算机来执行的算法。因此人工智能是有明确界限的，既语义形式化的界限就是人工智能的界限[12]。

（二）联结主义。以霍普菲尔德和鲁梅尔哈特为代表的人工智能联结主义范式是受仿生学和神经科学的影响发展起来的。联结主义认为人工智能的基本结构单元是“神经元”，神经网络则是人工智能的基本结构。1950年代数字神经网络出现之后的几十年里科学家们致力于研究如何利用“神经网络组织成叠层”来驾驭数亿模拟人类神经元的神经网络节点及之间的组合关系。2006年，加拿大多伦多大学的杰夫，辛顿在已有的“神经网络组织成叠层”研究的基础上提出了“深度学习”概念。[13]“深度学习”对各个神经层的数据结果进行数学优化，同时加快叠层时的学习速度。“深度学习—已经被广泛应用于图像处理、人脸识别、声音处理等非结构化数据的智能化产品，例如战胜围棋手李世石的“阿尔法狗”，社交媒体脸书以及谷歌搜索引擎等。

（三）行为主义。以布鲁克斯为代表的人工智能行为主义范式主要是受生物进化论和控制系统研究的启发，试图通过机器人模拟人类神经系统的工作原理、信息理论、控制理论来提升机器的思维能力。1950年代维纳和麦克洛克等人提出了工程控制论和生物控制论，意图用计算机来模拟人类在控制过程中的行为。人工智能行为主义范式认为机器的智能既不是来自计算，也不是形式化的描述，而是来自智能能动体对外部世界作出的直接反应和感应器的信息转换，因此布鲁克斯反对机器人具有思维是能够做事情的前提条件。行为主义范式和联结主义范式都立足于解决人工智能研究中的技术问题，把对于人工智能的研究有知识表征转向技能研究[12]。

三、人工智能技术应用于产品语意设计方法

大数据、云计算、深度学习等人工智能核心技术的发展，为产品语义设计提供了新思维。在虚拟与现实交错之间，物联网，万联网和泛在网将个体小数据联结成大数据，与人交流的物质客体演变成为“智能”的生态环境。由物质和信息构成的世界，存在有形与无形、可感知与不可感知的差别，在思维空间、信息空间和赛博空间，以及过去、现在和未来的时间里，存在人与人、人与物、人与环境以及各自相互的事理关系。设计已经不再仅仅是关于人、物和事的宏观关系和微观关系，而是基于更大时间和空间维度的产品服务系统设计。

产品语意设计和人工智能技术都是通过对人类主体复杂性的精确研究，赋予外部客体更大的能力为人类主体服务。传统产品语意设计方法和应用人工智能技术的产品语意设计方法都是通过对已发生的非结构化的事情进行描述和解释，并预测和控制最终发生的事情。传统产品语意设计是关于物理功能主义的方法论，如何构建意识到行为的“映射”关系，目的在于使产品能够正确地被人们操控，反馈准确地被人们感知。以“云计算”、“大数据”和“深度学习”为代表的人工智能技术颠覆了传统产品语意设计中人与产品的主客体控制关系，形成了人与产品使用某种通用“语言”和谐交流的共生、共存的主客体关系[14]。产品语意设计方法的研究重点不再是人类智能中知觉、意义和行为的映射关系，而是人工智能如何获取用户使用数据，并计算和建立与用户心智拟合的模型，人与产品的交互范式也由反馈式被动服务变迁为前馈式主动服务，见图2。人工智能语境下，产品语意设计中的设计主体和客体之间的关系发生了变化，因此设计产物也不再只是人类意识映射的物理载体，甚至可能是通过“深度学习”后模拟人类思维的“赛博格”一生化电子人。

（一）“大数据”与“小数据”协同提取用户画像

用户画像是基于用户社会属性、使用习惯等行为信息采集、整理、抽象出来的信息集合，是用户研究的结论以及开展创意设计的前提条件。产品语义设计在设计前期正是借助用户观察、用户访谈、问卷调查、焦点小组等传统用户研究方法工具采集非结构化的用户“小数据”，设计师秉承“同理心”归纳整理，人工提取反应用户知觉、意义、行为逻辑的用户画像。“小数据”提取用户画像是有局限的，首先，能够处理用户数据的数量和复杂程度都相当有限;其次，通过用户有意识的表述或表现来收集数据，那些隐蔽在用户潜意识里或者受限于外界压力无法表露的真实意图无法获得;最后，对大量用户数据内在关系和结构的归纳整理能力有限。

随着互联网、物联网、万联网的普及和发展，应用云计算、模式识别、云计算等计算设计方法精准挖掘用户需求“大数据”，从大数据中获取群体意愿、群体意识与群体意象数据。用户与产品发生的海量非结构化数据都会被采集，这些海量行为数据是用户真实意图的反映。“大数据”基于强大的计算机算法对于收集数据、分析数据、归纳数据都有强大的优势，然而对于“数据”背后用户个体的情感与动因是无法获取的。“小数据”通过个体体验参与到设计创造与使用产品服务系统中，“小数据”又通过万物互联汇聚为“大数据”。产品语义设计与人工智能技术相结合，挖掘用户前意识意识潜意识下的意图，应用定性与定量分析方法，精准提取不同时间和空间维度里的用户画像。

（二）“深度学习”模拟人类智能

“机器学习”通过计算机算法解析海量数据并不断学习改善机器自身性能，从而更好地对外部世界中发生的事情进行识别和预测。“云计算”和“大数据”技术的发展，得以获得更多的数据来“训练”机器。“深度学习”是机器学习中一种基于深度神经网络学习的算法，善于处理海量、杂乱无章的用户数据，并将数据内在丰富关系和结构归纳出来。产品语义设计的目的是构建产品物理形式与用户行为之间可被用户感知到的映射关系，映射关系是否能够被用户感知到是重要的评价因素。相较于传统产品语义学探究人类感知与机器思维“映射”关系的设计，基于深度神经网络学习算法的“深度学习”模拟了人类大脑层层迭代、层层抽象的分层处理信息的方式大大增加了人与产品交流的和谐性。2014年谷歌以32亿美元收购了“精密互联网智能家居温控器制造商”Nest Labs，谷歌将机器学习和人工智能技术投放到智能家居产品领域。Nest推出的家用监控摄像头Nest Cam Outdoor应用了Google机器学习和FaceNet图像和声音识别技术，通过人脸识别和声音识别技术记录每一张面孔和每一个声音，通过深度学习对家庭成员和陌生人的相貌和声音进行区分，从而对不明访客或物体发出预警。

2018年美国麻省理工大学设计实验室和德国运动品牌彪马（Puma）联合研发了“深度学习鞋垫”，见图3。“深度学习鞋垫”由微生物层、电路层和电子元器件层组成。微生物层的微型空腔中的细菌和介质通过pH值和电导率的变化感测运动汗液中存在的不同化合物。电路层记录了微生物层发生的生化信息，并将其传输给电子元器件层中的微控制器。微控制器将生化信息转化为数字化数据并传输给智能终端设备。见图4，用户的智能终端设备接收来自鞋垫捕获的用户运动数据，建立个性化用户运动算法模型，用于预测用户运动疲劳临界点并及时通知用户。

结语

人工智能通过“大数据”、“云计算”基础设施提供的计算支撑平台拓展了产品语义设计中用户研究的广度和深度。在由比特联结的信息世界里，人人都是茫茫“大数据”中的沧海一“数”，万物互联将数据的提供者联结起来共同参与到设计的“众创”之中，真正实现了“人人为设计，设计为人人”。“深度学习”改变了产品语义设计中人与外部世界的主客体控制关系，基于模拟人类神经网络学习算法的“深度学习”不是人类智慧的“克隆”，而是模拟人类感官认知的输入和输出，模拟人类思想和情感。人工智能减少了在传统产品语义设计中探究用户感知与外部世界的映射关系带来的交流误差。人工智能技术要让机脑与人脑一样思维，看得懂图像，听得懂语言，真正实现人与外部事物的和谐交流，辅助人类实现自我决策。人工智能技术给产品语义设计注入了新思维。基金项目：广州市哲学社会科学发展“十三五”规划2019年度课题（2019GZGJ15）。

参考文献

[1] Klaus Krippendorff Die semantische Wende [M].Basel： Birkhaeuser Verlag GmbH， 2013

[2]覃京燕.大数据时代的大交互设计[J].包装工程，2015，36（08）：1-5+161

[3]Klaus Krippendorff Die Produkt- Semantik offent die Turen[J].Form Zeitschrift Fur Gestaltung， 1984（03）：14-26

[4]K Krippendorff，R Butter Product Semantics： Exploring the Symbolic Qualities of form[J].Innovation. 1984 （3）：4-9

[5]罗伯托维甘提著，戴莎泽第三种创新设计驱动式创新如何缔造新的竞争法则[M]北京中国人民大学出版社，2014

[6]罗兰.巴尔特著，李幼蒸译.符号学原理[M].北京：中国人民大学出版社，2008

[7][美]諾曼著，梅琼译.设计心理学[M].北京：中信出版社，2 010

[8]布鲁默著，霍桂桓泽论符号互动论的方法论[J].国外社会学，1996（04）：11-20

[9]覃京燕.覃京燕：量子思维对人工智能与刨新设计的影响[J].设计， 2019，32 （24）：81-82

[10]范圣玺.从行为和认知的视角看以人为中心的设计[J].机械设计， 2013，30 （02）：97-99

[11][美]Alan Cooper等著，倪卫国等译.About Face4：交互设计精髓[M].北京：电子工业出版社，2015

[12]成素梅，人工智能研究的范式转换及其发展前景[J].哲学动态，2017（12）：1521

[13] Geoffrey E Hinton. and Ruslan R Salakhutdinov Reducing the dimensionality of datawith neural networks[J].Science 3135786 （2006）： 504-507

[14]陆丹丹，后人类主义视域下人工智能时代的设计[J].美术观察，2017（ 10） 18-19

[15]李江宁.探讨我国金属艺术中的产品语意学[J].设计， 2016，29（1）：78-79

[16]薄其芳，贾乐宾，杨梅.互联网时代下产品设计教学中交互智能化语义研究[J].设计，2 016，29 （7）：102-103