范凌，毕业于同济大学建筑系，获美国普林斯顿大学建筑学硕士，美国哈佛大学设计学博士，曾在中央美术学院和美国加州大学伯克利分校任教。2015年创立了AIGC 内容科技独角兽“特赞Tezign”（www.tezign.com），致力于通过生成式人工智能技术助力企业实现更高效、更优质的内容管理、积累、生产、分析。2016年加入同济大学任教授、博士生导师，成立“设计与人工智能实验室”（ https://www.sheji.ai/），致力于致力于数据、计算、网络和人工智能与设计学的交叉学科应用研究。
特赞Tezign
《设计》：何为“智能设计”？请谈谈您对“智能设计”及其要素的理解。在您的智能设计实践中，计算力和想象力是怎样的关系？您认为自己是科学家还是设计师？
范凌：对我来说，智能设计就是用算法数据等方式来进行设计。智能设计并不仅代表用计算机进行设计，也可能是一种算法和数据启发的设计，所以它也有可能是传统设计的一种延伸。
我一直觉得人类的创造力是基于工具的，所以它也有自己的唯物主义。比如文艺复兴的时候能够出现那么多的艺术家，其实是基于透视学的发明以及透视工具的出现，后面有这么多精美的油画，来自暗房或者照相机技术；现在有这么多人可以成为创作者，是因为手机里各种各样的创作工具让创造力变得更平民化、大众化。
运算其实是一种新工具给予我们能力的增强，工具底层就是算法、数据和网络，所以运算力或者计算力是创造力的一副新翅膀。作为创作者，并不需要畏惧计算力的发展，而应该和计算力共舞，让计算力成为创造力的翅膀，就像历史上透视学、照相机、电脑、软件、App等带来的创造力释放一样。
我其实是一个运用科学技术的创作者，所以会对新的工具、技术特别感兴趣，本质上是一个把新的技术引入到创意行业当中去的人。
《设计》：特赞与同济大学联合成立“设计与人工智能的实验室”，目前这个实验室在做什么？未来会有怎样的目标？
范凌：“设计与人工智能的实验室”是8年前成立的，主要目的是把人工智能技术引入设计创意里面去，所以我们主要在研究三个问题：第一，人工智能会不会成为创意新的生产力的来源，这方面我们会研究工具、算法等；第二，创意可不可以被翻译成计算机的语言，研究如何将各种各样的创意设计变为数据；第三，研究新的人机共同创作的关系，即新的人工智能工具的出现将如何改变创作者、创意人、设计师的工作。
设计人工智能实验室的研究主题
这三个问题有偏文科的，有偏工科的，但是基本是基于社会上真实的问题来进行应用型研究。未来我们希望能够培养更多的人才，他们是在人工智能时代依然能够坚守创意的，能够在人工智能时代利用好人工智能，把人文和技术更好地结合在一起的，创造新事物、新观念、新环境的一群人。所以，人才培养是核心目标，然后在人才培养的过程当中去发现人工智能如何去解决一些实际问题。
《设计》：您是如何进入智能设计这个领域的？您个人关注智能设计的哪些细分领域？
范凌：我是个好奇心很强的人，一直学的工科，但是有一个艺术和创意的内心，总希望能够把自己的脑和心结合在一起，自然而然地，人工智能和创意的交叉领域会激起我很多的兴趣。但是我也很清楚这两者的关系更多的不是融合而是合理的冲突，进而产生各种各样有意思的结果，这就是我进入这个行业的初心。做公司和实验室给了我充足的空间，把我的想法在实践和理论研究、应用研究上推动下去，也给了我足够的时间和耐心去探索这个空间。
《设计》：智能设计的发展历程是怎样的？它与传统设计有哪些区别和联系？
范凌：设计行业是较早使用计算机的，智能设计其实很早就有。历史上很多划时代的人物，像美国著名建筑师巴克敏斯特·富勒（Richard Buckminster Fuller），克里斯托弗·亚历山大（Christopher Alexander），尼古拉斯·尼葛洛庞蒂（Nicholas Negroponte），他们或是很早就开始使用计算机，或是将计算机的思维引入设计的研究和实践当中。他们中的有些人改变了设计，有些人甚至改变了计算机，比如像亚历山大和尼葛洛庞蒂。
所以，虽然这不是一个新的学科，但时不时就会有新的技术和新的可能性，让我们重新对这个学科感兴趣。比如现在常被提到的运算化设计（Computational Design）或者算法设计（Algorithm Design），事实上也是有一定时间年限的概念，但是随着Midjourney、Stable Diffusion 和 Runway等一系列新工具的诞生，创作的门槛变得更低以后，AIGC、智能设计成了耳熟能详的热词。所以我觉得发展的过程有一个不变的轨迹，就是创作的门槛不断降低，让表达的丰富度更容易变得更高。从前画图、做视频有一定的技术门槛，现在一句话就能生成图片或视频，技术进步让创作更加大众化。
设计工具的发展
《设计》：在“智能”的加持下，设计师面临的是怎样的新设计范式？
范凌：在人工智能时代，设计师、创意人或者更广义的创作者如何与人工智能共生、共荣、共创，是一门我们都要去修的必修课。
我一直不觉得人工智能或者一切工具都可以被简化为降本增效。人类之所以发明工具，就是让工具替我们去干不喜欢干的事儿，从而我们可以更专注于自己喜欢的事情。所以在我看来，未来人工智能与设计师协作的范式可以分成4个维度：那些我们不想干的简单的事儿，应该让人工智能去多做，最终达到“自动化（automation）”；那些我们喜欢干，又很难的事儿，我们可以让人工智能成为我们的“副驾驶”，是为“赋能（empowerment）”，机器帮忙越多，人的能力越强；那些我们不喜欢干，但又很难，机器还不擅长干的，应该是以机器为主，人做适当的引导，也就是 “增强（augmentation）”；还有一类我们喜欢干且擅长的事儿，我们就应该享受过程，不让机器人打扰。
脑机比（Brain-Machine-Ratio）
这一系列我把它称之为“脑机比（Brain-Machine-Ratio）”。这个词是我在 2017 年的《设计人工智能报告》中首次提出的，指在系列关于人机关系的讨论中，避免使用机器威胁人，或者机器取代人这样的说法，而是采用人脑和机器的分工比例来衡量。“脑机比”也作为一个人文观念，核心是人机共生，以及人机共同进化，描述人机共创的4个不同范式。
《设计》：设计本身是交叉学科，智能设计交叉了哪些学科？对于初学者和从业者来说，智能设计领域有哪些重要的技能和知识需要掌握？他们应该如何提升自己的智能设计能力？
范凌：这次生成式人工智能的发展和过往不一样，过往的生成式人工智能需要大量的算法和计算机的知识，以及大量的数据集，门槛很高，而这次基于GPT、扩散模型等出现的生成式人工智能技术的门槛较低，但是天花板不低。所以，要学会和机器用自然语言进行对话，提示词工程（Prompt engineering）的培训和实践就非常重要。所以，与七八年前我们刚开始做设计人工智能时不同，那时有独立的专业，需要大量的投入，现在是一个任何一个学科都可以加上AIGC的时代。
学科可以保有其原来的学科性，如讲批判的，讲审美的，讲灵感的，都应该保留，但是每个学科都可以加一点儿AIGC，用来做创意的选型、流程的重塑。
《设计》：对于设计教育、设计专业的教师和学生来说，应以怎样的姿态迎接人工智能时代？
范凌：既然这次AIGC的发展，甚至人工智能的发展是低门槛的，我们应该尽量多地去实践，去试错，去创造和已有的东西之间的协同。不管是老师还是同学，其实都应该保持一个开放的态度，和人工智能一起来创建，结果是具有开放性的。
我们原来的设计流程可以通过AIGC的赋能在同一周期内做更高效的迭代，更高效地回收高质量的反馈。这个过程称之为创意的飞轮，AIGC会加速这个飞轮的旋转，产生更多、更高质量的创意。教学也是同理。
创意的飞轮
《设计》：请分享一些您认为在智能设计领域中具有创新性和启发性的案例或项目。这些实践和案例对于我们理解和应用智能设计有什么启示？
范凌：我想分享两个案例。第一个案例是关于更高的创意质量的。我最近看到几个品牌用AIGC做的营销创意非常有启发，一个是娇兰用AIGC生成了很多蜜蜂瓶，是娇兰从19世纪开始用的，很有代表性。AIGC创造了很多不断演进的场景，从古典到现代，让这些瓶子一路穿越到22世纪，场景一直在变，唯有瓶子不变。用快速的变化来描述不变，我觉得这是一个非常精彩的创意。
另一个例子是我们做的。我们开发的AIGC 工具中有一款叫MuseAI，是一款AIGC时代面向创作者的工具，通过训练数据集训练专属自定义模型，生成海量灵感作品。同时支持自定义模型分享、AI作图、ControlNet 图生图、提示词生成等创意赋能工具。我们希望通过降低创意的门槛，让更多人可以用AI的工具来抒发自己的想法。
https：//museai.cc/
我们通过和非营利组织合作来帮助弱势群体，比如自闭症儿童、乡村的孩子，通过这些AI工具，让他们发现自己的创造力，这是以往很难有机会去探究的能力。一些贫困山区的孩子甚至都不知道自己可以追求美，所以，AI工具其实重建了他们的创意自信。
乡村笔记×她无限×特赞×同济设计人工智能实验室
这些例子背后其实都是人文性的东西。能打动我们的永远都不是冷冰冰的机器，而是这些工具和人的创想、人的潜力、人的情感、人的本能之间产生的共鸣，我觉得共鸣不变，只是创造共鸣的方式发生了变化，意义不变，只是创造意义的方式发生了变化。
《设计》：对于想要深入了解智能设计的人，您有什么建议或者学习资源可以推荐？
范凌：现在人工智能相关学习的资料泛滥，可能不需要我给出太多建议，但我觉得从“与AI如何相处”的角度需要有更有创造性的课题被提出，然后我们再用AI的方式去理解和交互。
《设计》：随着人工智能、大数据等技术的发展，您认为智能设计的发展趋势和前景如何？您有哪些期待或展望？您希望和同行深度探讨哪些话题？
范凌：人工智能这扇门被打开了，我想看到它的多样性，想知道还有些什么样的讨论，还有一些什么可能性，尤其是那些非降本增效的可能性，也希望通过《设计》杂志和更多关心这些话题的朋友交流，看到更多元的视角。