【福布斯】专访 | 范凌:想象力是否存在摩尔定律?

本文转载自公众号:福布斯

ID: forbes_china

“到底是人类驯服了小麦还是小麦驯服了人类?”设计科技学者和互联网创业者范凌最近出版了新书《从无限运算力到无限想象力:设计人工智能概览》,探讨数据智能对人类创造性工作的影响。而当初启发他的正是《人类简史》一书中的关于小麦的问题。

 

640

范凌博士毕业于哈佛大学和普林斯顿大学,分获博士和硕士学位。图片来源:DR。

 

想象力一直被视作是人类独有的特质,需要注入大量“人脑”的智慧,因而与之相关的行业,比如设计创意类行业,也被视作是最难以被人工智能攻破的行业。但近年来随着人工智能越来越多地深入各行业,同时产生越来越多的数据,在针对关于人工智能在应用、伦理、道德、透明性上的诸多讨论过程中,也引发范凌和他的团队开始更多地思考如何去设计一个更好的系统。

“当我们讨论运算力和想象力的关系时,我们不禁思考,想象力是否可以被量化?想象力是否也符合摩尔定律?”范凌对福布斯中国指出,正如在信息技术进步的过程中,有一个概念是摩尔定律(Moore’s Law,由英特尔联合创始人Gordon Moore于1965年提出),其本意指集成电路上可容纳的元器件的数量每隔18至24个月就会增加一倍,性能也将提升一倍。

范凌博士毕业于哈佛大学和普林斯顿大学,分获博士和硕士学位。创业前,他在美国加州大学伯克利分校和中央美术学院任教。2016年被聘为同济大学特聘研究员和博士生导师,并成立同济大学设计人工智能实验室。而他在伯克利大学任教时教授的是人机交互课程,当时主要研究的就是高技能的人,即脑与心如何通过线上基础设施来改变他们的工作方式。这也成为他此后创业的主要方向,希望利用技术的进步为创意资源、创意能力提供智能化管理和解决方案。

 与机器智能共生 释放人类想象力 

在人工智能的上半场,对于机器智能会不会取代人类的担忧和讨论是产业界最关心的主题。

“一把斧头有没有取代人?其实机器的进步只是改变了我们做事情的方式,从而我们可以去想下一件事做什么。” 范凌认为,我们更应该关注的是人和机器(工具)之间双向驯化的问题,以及可能对人类产生的效应。

范凌说,就像当初小麦的例子,人类看似把一个野生的物种变成了家养的,然后我们获得了稳定的食物来源。但同时,人类为了呵护小麦,也不得不定居在一个地方,日夜耕作。

而对于工具的发展也可以问同样的问题——到底是人类创造了工具,还是工具在不停地创造人类新的可能性?只是现在有所不同的是,当今的工具已经不是传统意义上固定的事物,它会自己“学习”。

“人机如何去合作共生,这个问题更值得讨论。机器是不是让人更笨了、更懒了?我觉得这些问题只是说明,坏处和好处总是并存的。你不能过度地放大坏处从而不利用它的好处。”在范凌看来,下半场应该关注的是,人工智能来了人类是否能因此而更繁荣(flourish)。

这其中,想象力是人类最重要的属性,而所有的东西都可以让人类有新的启发。“现在发展最快的是运算力,那么我们是不是应该依附运算力指数级成长的基础,让我们的想象力进一步释放?”范凌指出。

5年前范凌辞去了在伯克利的教职,回国投身互联网创业。2015年4月,特赞(Tezign)成立,主要为全球领先品牌提供创意供给平台和数据智能解决方案,致力于构建未来的创意资源基础设施。

2016年特赞完成由红杉资本中国基金领投的A轮融资,2018年完成由赫斯特资本领投的近千万美金 B 轮融资。如今特赞已经积累了超过40,000家创意供应商,目前已经服务了超过8,000家大型企业和社会组织,包括联合利华、阿里巴巴、星巴克、腾讯、平安集团、蚂蚁金服、碧桂园、雀巢、霍尼韦尔、优酷、Vivo和奥迪等。

 

640-1

 

设计人工智能如何实现? 

640-2

从设计科技学者到投身互联网创业,范凌说当时最大的动力是做研究需要数据。图片来源:DR。

范凌介绍,对于“设计人工智能”的研究是一个更偏中长期的想法,即把设计创意和数字化、机器智能和算法联系起来。在这一点上,特赞与同济大学的合作也十分契合。“同济的传统就是工科,而要从老工科到新工科,其实一头是设计创新,另一头就是人工智能。学校层面对于设计人工智能实验室这个项目给予了极大的支持。”范凌说。

2017年成立的设计人工智能实验室(D&AI Lab),由同济大学设计创意学院和特赞信息科技联合发起成立,致力于人工智能与设计学的前沿交叉学科的理论及应用研究,探索数据智能如何赋能设计产业。通过对博士生和硕士生的教学,培养新一代设计创意人才,并与成熟和初创的科技企业合作,实现产、学、研、创的转化。实验室每年撰写和发布《设计人工智能报告》。

过去一年,特赞团队有重要的节点性的突破,就是把“设计人工智能”真正做出来了,并且他们已经在建立DesignNet数据集——一个教机器理解设计的数据集。

 

640-3

对于DesigNet数据集的定义,官网上有这么一段描述文字:“人类赋予机器无限运算力,机器回馈人类无限想象力。34年前,WordNet教会了机器看懂文字背后的语义;10年前,ImageNet教会了机器看懂图片背后的内容;今天,我们开始了DesignNet,将慢慢教会机器看懂设计背后的故事、情感和意义。”

这对于相关垂直领域人工智能的发展意义重大。范凌介绍,DesignNet建立了创意元素和对应属性库,作为设计行业面向数据运算的基础数据集,聚焦在设计垂直领域和垂直场景中。对于数据的要求,则是需要数据简单、结构化清洗、多样性差且稳定、设计规则简单等。

目前DesignNet的数据集已经包括:超过 20 万张平面设计作品图文件,设计图包含的 100 万个设计元素标签数据(包括风格标签、情感标签等),近 1,000 套结构化平面设计框架/排版数据的抽象和提炼,以及近 10 万条设计作品评分数据。

范凌说,这需要整个创意设计行业的从业者一起来参与完善,通过大家一起去建立、健全、运用,让数据集的资源库越来越丰富。

 

为供给端做创意数据资源管理 

从设计科技学者到投身互联网创业,范凌说当时最大的动力是做研究需要数据。“如果要拿第一线最真实的数据,那我应该要去生产,就是实际投身到商业场景中去。”

数据是本世纪最有价值的资源已无须赘述,但范凌觉得,要让数据的价值真正实现,则需要放到具体的垂直商业场景中去。对于呈爆炸式发展的大数据,范凌把目标锁定在供给端的数据,而对于特赞的定位,也是成为供给端的创意数据资源管理的平台。

“因为需求端的数据,BAT肯定会通吃。但在供给端的数据不会垄断在BAT手里。” 范凌举例,比如尽管BAT可能有所有的消费数据,但是对怎么做好一本杂志,怎么针对年轻人营销,这样的数据绝对不在BAT手上,而是在垂直类的供应商手上,因为作为消费者的身份无法映射其供给能力。“即便你在电商平台上买了一千本创意营销的书,也不代表你是创意营销的专家。” 范凌进一步解释。

而特赞聚焦的是这些垂直类供应商的数据,然后利用人工智能、算法等技术优势去优化传统供应商的模式,用人工智能来做创意资源的管理、生成和供给。“在特赞上,我就更有可能发现一个人的若干个行动,证明他是一个好的供应商。比如说他可以上传个人作品集、过去的工作经历,或者展示对一些项目的兴趣等,基于这些,我们就更有可能去预测他是一个好的供应商。”

范凌指出,就像消费端的新零售看重的是“人货场”的数据,即什么样的人在什么样地方买什么东西,然后把这些海量的数据样本相互关联,就可以做相应的商业分析。在供给端则是要做“人力场”的数据,即什么样的供应商,在什么样的场景下,提供什么样的能力。

640-5

640-6

 

“举个例子,比如说星巴克,当季的特饮为了获取一线城市的年轻人,需要怎样的营销创意,这个就是‘力’;而星巴克的数据就是‘场’;‘人’,即什么样的人可以做这个创意。”范凌说,他们在做的就是利用人工智能把这三者关联起来。

“内容已获独家授权、如需转载请联系原作者”

 



特赞

发表评论

电子邮件地址不会被公开。