Sidebar是我最近常去的一个小站, 每天会有五篇关于设计的文章，工作之余看看，读一个画一个勾，很是舒服。周一的推送中有一篇 How UX helped me learn English，让我想到自己——英文阅读能力的薄弱使我对前沿设计的学习大打折扣。于是我准备对一些关于设计的有意思的文章（来自Medium等）做个翻译，但愿以后能像读中文一样无障碍地阅读它们。
第一篇原文来自：Algorithm-Driven Design: How Artificial Intelligence Is Changing Design
作者是来自俄罗斯的设计师 Yury Vetrov。通过 Smashing Magazine 我联系到了 Yury 本人，得到了翻译和转载的授权。他回复邮件说“glad to see a Chinese version of my article”，开心~
附上他的联系方式和介绍：Yury Vetrov 的 LinkedIn
在我关注算法驱动的设计的几年时间里，我渐渐收集了一些设计实例。这些实现设计的方法可以帮助我们构造界面，准备设计的资源和内容，以及个性化我们的用户体验，但这方面的信息仍然比较稀少，没有形成系统的知识体系。
然而在2016年，算法驱动的技术变得更加成熟，设计者对算法、神经网络、人工智能等领域的关注也越来越多。是时候重新思考设计师的现代角色了。
设计师会被机器人取代吗？
从一家小众的CMS（内容管理系统）The Grid 中可以看到，算法驱动设计具有引人注目的前景。模板和内容的风格选择、调整和剪裁图片——都由它来一手完成。此外，系统还使用 A/B测试来选择最合适的模式。产品还处在内部beta版本阶段，因此我们只能通过宣传和广告来进行了解。
Design News社区创建了 The Grid 的真实案例，它拥有一个混合反馈——让人们来评断设计和代码的质量如何。这让很多人消除了对算法驱动设计的质疑和顾虑。
用算法完全代替设计师的工作听上去很有未来感，却是一个错误的观点。产品设计师需要把一个粗略的产品模型转化为拥有可靠的交互原则、完善的信息架构和视觉风格的、精细的用户界面，帮助企业达到商业目标，提升品牌效应。
设计师做了很多大与小的决定；其中的很多决定难以用清晰的流程表述。增长的需求不会100%的清晰和一致，因而需要设计师这样的角色帮助产品经理解决冲突——最终做出更好的产品。这远远不止选择一个合适的模板或用内容填充它那么简单。
然而，谈起创造性的结合，当设计师“结对工作”、用算法完成产品任务时，我们可以看到很多优秀的范例和潜在的可能。算法可以提升我们日常的网站设计和移动应用设计工作，这是件有趣的事。
与算法的创造性结合
设计师学到了用一些工具和技巧去达到完美的境界，这导致一个新词汇的诞生：产品设计师。产品设计师是一个产品团队中积极主动的成员；他们理解用户研究是如何工作的，决定交互设计和信息架构；他们可以构建一种视觉风格，用动效设计让产品活起来，他们也可以对实现的代码做简单的修改。这个角色对任何团队都是无价之宝。
但是，在这些技术中做出平衡并不简单——你没有足够多时间在产品工作的方方面面保持专注。当然，设计工具最新推出的功能可以缩短交付物完成的时间，同时增长我们的技能。但这还不够。还有过多的日常任务和职责在吞噬我们省下的时间。我们需要进一步自动化和简化工作流程。我总结了与此相关的三个关键点：
- 构建一个UI；
- 为其准备内容和资源；
- 个性化用户体验。
构建一个UI
类似Medium, Readymag和Squarespace的发布工具已经简化了写作者的工作——无数高质量的模板带给作者优质的设计排版，而无需付给设计师酬劳。其实这些模板可以更加智能，这样写作的门槛会变得更低。
例如，当 The Grid 还在beta版本时，Wix，已获巨大成功的网站创建服务，已经开始包含了一些算法驱动的设计功能。他们发布了高级智能设计 Advanced Design Intelligence，看上去与 The Grid 的针对非专业人士的半自动网站创建功能相似。Wix 用很多高质的现代化网站示例来训练算法，并尝试去做与客户产业相关的设计风格建议。对非专业人士来说，选择一个合适的模板作为设计并不容易，而像 Wix 和 The Grid 的产品就提供了设计专家的服务。
（视频无法分享，翻越后可见：Wix.com Introducing Wix ADI）
在 The Grid 的例子中， 没有设计师的加入，创意过程确实可能诞生出平凡的、老生常谈的设计结果（即使它提升了整体质量）。但如果我们把这个过程当作是与电脑的“结对设计”，那么就可以省去很多日常任务；比如，设计师可以在 Dribbble 或 Pinterest 上创建一个 moodboard 心情板，这样算法就可以把其中的模式迅速应用到原型中，给出一个合适的模板。设计师们成为了他们新学徒——计算机的艺术指导。
当然，我们无法用这种方式创造一个革命性的产品，但它可以给我们腾出更多的时间去做这种产品。而且，很多工作是为了达成目标，并不需要太多的创新。如果企业足够成熟，拥有一个设计系统，那么算法驱动的设计将会更加有效。
举个例子，设计师和开发人员可以定义关于内容、情景和用户数据的逻辑处理；接着，平台根据一些准则和模式来进行设计。这样，省去了手绘或编程得到一大堆页面状态的步骤，我们就可以专心为每个使用场景调整最为微小的细节。Florian Schulz 展示了如何使用填充法去创建大量部件的状态。
我对算法驱动设计的兴趣始于2012年，那时我的设计团队 Mail.Ru 需要一个自动的杂志排版。当时产品内容的结构做的很差，而手动修改又代价太大。怎样才能拥有现代感的设计，特别是在编辑无法胜任设计师的时候呢？
是的，脚本可以解析一篇文章。根据每篇文章的内容（段落数、字数、图片数及其格式，插入的引用和表格，等等），脚本会选择最合适的模式去呈现每个部分。脚本也可以进行混排，最终的设计就会变得丰富多样。这省去了编辑人员重做旧内容的时间，设计师只需加上这些拥有新样式的模块就可以了。Flipboard 在几年前建了一个非常类似的模型。
Vox Media 用相似的理念做了一个主页生成器。算法结合一个样板库中的不同范例找出所有可能有效的排版，接着，每个排版都用一些特征做了测试和评分。最终，生成器选择“最好的”排版布局——一般来说是得分最高的那个。这比手动选择最好的网页有效多了，Relap.io 这样的推荐引擎也能证实这一点。
准备内容和资源
制作饼干模具一样的多个样式的图片资源是设计师最无聊的工作之一了。这种工作浪费了很多时间，让人产生倦怠感。设计师应该把这些时间花在更有价值的工作中。
算法可以担任起诸如配色的任务。Yandex.Launcher 根据 app 的图标用算法自动为 app 卡片设置颜色。其它可能的变量可以是自动设置的选项，比如通过背景色自动改变文本颜色，突出照片中的眼睛用以强调情绪的表达，以及实现参数化的字体等等。
算法可以创造出完整的作品。Yandex.Market 为电商产品使用了一个增进图像生成器（in Russian）。销售人员填写一个简单的带标题和图片的表格，生成器就会给出一个遵循设计规范的无限多的设计集合。Netflix 则走的更远——它用脚本为海报挑选电影人物，加上固定风格的、本地化的标题，然后在用户中进行自动化测试。真是神奇！科技培养了机器撰写科技报道的品味。Wow!
真正的黑科技存在于神经网络算法中。Prisma就是个活生生的例子，它把照片风格化成著名艺术家的作品的样子。Artisto 可以用相似的方法处理视频（甚至视频流）。
（视频翻越后可见：Aristo app: example）
不过这只是一个开端。当然，你可以在手机上下载一个app，几秒内得到结果，而不用求助Github上的资源库；但它仍然无法让你应用自己想要的风格，不通过训练神经网络就得到很好的结果。然而，当这一切最终发生时，它是否会让画家们变得无用呢？我很怀疑它对那些有着坚定而独特的风格的艺术家的影响。但当你需要为一篇文章或网站配上优雅的插图（而非一个特殊要求）时，它确实降低了门槛。再也不会出现无聊的素材图了！
真正独特的风格可以基于类似“如果我们以统一的标准描绘一个建筑，会怎样”的问题，快速做出固定风格的素描。例如，Pixar 的动画艺术家 Ratatouille 试着把多种不同风格应用到电影的风景和人物上；如果用神经网络来做素描呢？我们也可以用连环画创建故事板和描绘场景（照片可以轻松转化为速写）。这样的例子还有很多。
最后一点，算法还能创造人身特征 live identity。动效设计在近期的品牌宣传中变得非常流行，而有些企业则走的更远。例如，Wolff Olins 为 Brazilian telecom Oi 制作了一个对人声做出反应的 live identity。无需创意团队的帮助，你就能用算法实现一些疯狂的想法。
个性化用户体验
为一部分群体甚至少数特殊用户定制个性化的产品，是获得清晰良好的策略的一种方法。从每天的 Facebook 新闻聚合、Google 搜索结果、Netflix 和 Spotify 的推荐和许多其他产品中我们能看出这点。除了能减轻用户过滤信息的负担，用户与品牌的联系也变得更加感性，因为产品似乎时刻都在为自己着想。
然而，现在的关键问题是设计师在解决方法时扮演的角色。我们很少拥有编写这些算法的技术——工程师和数据分析师是这方面的专业人士。CX Partners 的 Giles Colborne 见证了 Spotify’s Discover Weekly 的一个很好的例子：歌曲列表是其中唯一的经典UX设计元素，而推荐系统担负着特别的工作，它将优秀的音乐填入到设计模板之中。
Colborne 为设计师提供了一些建议，建议如何在数字时代成为“有用”的设计师，以及如何用多种数据资源建立模型、训练算法。学习用大数据设计，把它集成到可实施的想法中去，这些其实很重要。例如，Airbnb 学习了怎样回答这样的问题，“列表中的旅店在未来任何一天的预定价格是多少？” 这样一来，房东就可以设置具有竞争力的价格。Netflix 的推荐引擎也有很多这样的例子。
Interaction designers vs algorithms
（译者：这篇发表在LinkedIn上的PPT说的很不错，大概意思是：设计其实是为大量你不了解的用户做的，要知道大家的喜好，就要学会分析数据，通过一些算法去得出最优解，这样才能更好地为他们提供服务。这里还说到随着设计工作的深入，设计师会越来越明白设计的核心是理解人类的语言，理解人们信息传达的方式。）
“超前设计”，一个相对新的概念，对个性化用户体验和预测用户意愿展开了更广泛的讨论。我们已经在手机上拥有了这几样东西：Google Now 用历史位置数据自动规划下班回家的路线；Siri 也用了相似的理念。然而，这里的关键因素是信任。为了超前执行这些动作，人们需要把后台收集个人数据的权限交给这些大公司。
我已经提到一些来自 Netflix, Vox Media 和 The Grid 的自动测试设计变量的例子。Liam Spradlin 的“变化设计”是另一种建立在算法基础上的个性化用户体验的有趣的方式。它是一个良好的自适应界面模型，关联了很多变量来满足特殊用户的需求。
