We're sunsetting PodQuest on 2025-07-28. Thank you for your support!
Export Podcast Subscriptions
cover of episode EP2 如何教会AI设计

EP2 如何教会AI设计

2025/5/21
logo of podcast 特有想象力

特有想象力

AI Deep Dive AI Chapters Transcript
People
范林
Topics
范林:实现人机共创的前提是AI能够理解设计的语言,理解我们的创意。设计的可计算性就是将设计这种独特的多维度的语言翻译成机器能够理解、计算和处理的方式,类似于大语言模型解决通用语言的可计算性问题。这需要把设计的语言变成机器能懂的代码或数据。在设计人工智能1.0阶段,我和我的团队致力于探索如何把设计转化为数据,构建了DesignNet数据集,尝试将平面设计的各种视觉特征进行结构化的描述和标注,形成大规模数据集,使机器像人类设计师一样理解设计。此外,我们还尝试自上而下递交AI知识,例如普罗米修斯项目,构建设计知识图谱。通过实践案例归纳和理论知识演绎,使AI对设计的理解更全面。元数据至关重要,它像是给设计作品贴上的标签和说明书,用机器能理解的语言描述设计作品的各种属性。我们还开发了像MuDem这样的设计资产管理工具,核心功能是帮助设计师创建和管理元数据,将创意过程和成果转化为结构化数据资产。通过元数据,AI才能真正对齐到设计的思路和逻辑,但目前AI对设计深层意图的理解还处于初级阶段。数据是设计人工智能突破的关键,但需要被很好地处理、理解和利用。将设计翻译成机器可理解的元数据,不仅为了让AI能生成设计,更为了让它能帮助我们更好地进行设计的理解、搜索、匹配、推荐、分析等。精确地把设计的语言和逻辑传递给AI,AI就能成为我们强大的创意伙伴。

Deep Dive

Shownotes Transcript

在本期,我们将揭示如何将设计转化为机器可理解的数据。在讨论中将介绍DesignNet数据集(视觉特征结构化)、普罗米修斯知识图谱(理论体系数据化)、元数据标注工具MuseDAM,探讨AI理解设计意图的挑战。 相关阅读:** 教“设计”学“人工智能”的这几年 |范凌长文 https://mp.weixin.qq.com/s/ZSzhfs3R5SOjfwJ56ddvRg 去美国大学,种草「设计人工智能2.0」 https://mp.weixin.qq.com/s/PzLWulgKWoHwzQh56z9gSA 入群交流&订阅动态:** 进入听友群可加微信,备注“听友群”: zywalks