DIGIT实验室主任Saeema Ahmed-Kristensen教授访谈系列

萨伊玛·艾哈迈德·克里斯滕森教授 是一位杰出的设计工程学者，也是该校负责研究与影响的副校长助理。 埃克塞特大学她还在该机构担任主任一职。 数字实验室 一项专注于数字化创新和转型的大型跨学科研究计划。她的研究涵盖设计创造力和认知、数据驱动和数字设计，以及将先进技术融入复杂的工程和产品开发，并着重通过产业合作、政策参与和大型研究项目，将学术见解转化为现实世界的影响。

您的职业生涯遍及剑桥大学、丹麦技术大学、伦敦帝国理工学院、皇家艺术学院，现在就职于埃克塞特大学。回顾过去，哪些经历或转折点对您关于设计、创造力和数字技术作用的思考影响最大？

我的设计工作横跨多种文化和学科领域。我最初在布鲁内尔大学学习，当时这门课程为数不多地将技术、以人为本的设计以及对形式的理解结合起来。它让我很早就明白，创造力和创新是紧密相连的。

在剑桥大学的学习进一步拓展了我的思维。学院环境让我接触到众多学科，并让我明白创新依赖于跨领域知识的融合。我的博士研究聚焦于航空航天领域，探讨工程设计师如何获取和利用信息。我研究了人们如何获取知识、如何支持或复制专业知识，以及认知、计算机科学和工程设计之间的交叉领域。这种以人为本的视角一直伴随着我。

随着数字技术的飞速发展，我的工作也面临着更多挑战。物联网数据、人工智能和先进计算的兴起，使得设计不再仅仅以人为中心，而是转向以社会为中心。这持续影响着我在埃克塞特大学的工作。我领导着数字实验室（DIGIT Lab），专注于研究法学硕士（LLM）在创意过程中的作用、各行业在采用法学硕士时面临的障碍，以及数据如何驱动创新。

我在帝国理工学院和皇家艺术学院的经历让我更加深刻地认识到，设计远不止于塑造产品或服务。有了合适的人才、流程和文化，设计就能成为驱动新技术、新材料和新理念发展的动力，这些新技术、新材料和新理念能够应对当今和未来的全球挑战。

DIGIT Lab 非常关注大型成熟企业内部的数字化转型。从您的角度来看，您认为领导者对人工智能将如何改变设计、创新和决策的最大误解是什么？

几十年来，人工智能的研究取得了长足进步，并在某些行业得到应用，但其发展往往受到技能差距、领导层理解不足以及对人工智能价值和所需基础设施认识不足的限制。随着LLM（人工智能硕士）和DALL·E等生成式工具的兴起，人工智能如今更加普及，所需的专业知识和设置也大大减少。但这同时也引发了关于隐私、数据安全以及通用模型在特定领域适用性的新问题。

在设计和创新领域，这些问题尤为突出。我们的研究分析了人类和人工智能产生的超过12,000个创意，结果表明，人工智能产生的创意往往围绕相似的概念聚集。这凸显了将人类专业知识融入通用工具、使人工智能适应特定领域，以及理解何时以及如何将人工智能与人类的创造力和决策能力相结合的必要性。

您的研究主要探讨设计中的创造力和认知。如今，生成式人工智能能够大规模地生成想法、概念和迭代版本，您认为创造力的哪些方面是人类独有的？哪些部分又可以负责任地过渡到人工智能驱动的流程？

对我而言，创造力远不止于创造替代方案。它关乎意图、文化意义以及设计所建立的情感联系。我们最近的DIGIT Lab调查更加清晰地印证了这一点：82%的受访者表示，由人主导或混合模式的工作更有意义，而71%的受访者表示，他们对纯人工智能设计缺乏情感共鸣。许多人将人工智能生成的作品描述为“缺乏情感”（48%）或“过于完美”（40%），36%的受访者认为其影响力很快就会消退。这些反馈印证了我长期以来的一个信念：情感投入并非可有可无，而是人们体验和评价创意作品的关键所在。

我们对比人类和人工智能创意的研究还表明，人类设计师更擅长创造多样化、新颖的想法，并确保创意成果（无论是艺术作品、产品设计还是服务）具有深度和意义。创意专家拥有一套目前尚无法复制的技能。设计师在产生想法之前需要理解问题，而LLM（语言学习模型）在收集信息方面非常有用，可以帮助设计师从一个问题过渡到另一个问题。如果我们能够将人类专业知识的模型构建到人工智能工具中，它们还可以辅助评估创意，从而使人工智能更好地利用人类的创造力。

我们正在尝试的这种思路链方法支持 法学硕士（LLM）将跟随专家 推理不仅仅是给出分数。在任何情况下，都需要人工监督来解读结果，并确保设计选择与用户的实际体验相符。

显然，我们必须要么创建能够捕捉人们如何体验产品、服务和互动方式的模型，并以计算机能够理解的方式进行解读；要么将厚数据（提供背景信息的丰富定性见解）与我们收集的薄数据或大数据传感器数据整合起来。开发这些模型并非易事，而这正是人类参与仍然至关重要的原因所在。

所以对我来说，关键不在于人工智能在创意领域毫无立足之地，恰恰相反。关键在于人工智能和人类各有所长。人们对人类或人工智能与人类结合的作品始终给予更积极的评价，这恰恰说明了创意的重心在哪里。人工智能可以帮助我们探索更广阔的设计空间，分析模式并提供结构化的评价，但人们对作品扁平化、算法完美以及情感疏离的感知，也表明人工智能仍然需要人类的判断，才能将各种可能性转化为能够引起共鸣的作品。

这就是为什么我认为创意的未来本质上是协作的。人工智能可以拓宽可能性的领域。设计师则带来同理心、文化理解和意图，赋予这些可能性意义。当两者携手合作，由人类的判断指引方向，人工智能丰富探索过程时，最终的成果将更加严谨、更具想象力，也更贴近人性。

您率先提出了量化用户体验和构建设计知识的方法。随着人工智能系统在产品和服务生成方面发挥越来越重要的作用，我们如何确保人类的体验、情感和文化信号在设计过程中仍然占据核心地位？

为了以人为本，我们需要将感知和情感方面的知识融入到我们的方法中。

主要有两种方法。第一种方法强调需要定性数据，以便深入了解人类的经验、感知和情感，从而促进有效的人机协作。第二种方法——也是我研究的重点——旨在将这些知识转化为人工智能系统能够理解和使用的模型。

这些模型的开发非常复杂，因为它们必须整合用户体验、人类感知以及正在设计的产品或系统的特性，才能预测人类的反应和整体体验。

您与航空航天、医疗、制造和消费品等复杂行业有着广泛的合作。在这些高风险环境中，您如何平衡人工智能辅助设计的潜力与安全性、可追溯性和信任度的需求？

在医疗保健、航空航天和制造业等高风险行业，问题不在于人工智能能否被应用，而在于如何对其进行管控。在这些领域，信任取决于设计和决策过程每个阶段的清晰问责制、可追溯性和可解释性。人工智能可以在模拟、优化和早期探索阶段发挥强大的辅助作用，但它不能成为最终的决定因素。

这些领域大多受到严格监管，并须遵守严苛的安全要求，因此必须安全处理所有数据，包括个人数据和商业敏感数据。在这种情况下，通常需要使用本地数据来开发提示或查询，以确保其针对性和相关性。这些行业的组织通常会构建并维护自己的AI工具。

我们更广泛的研究始终表明，混合系统至关重要：人工智能应该增强专家判断，而不是取代它。在每个关键决策点，尤其是在涉及安全、风险和责任时，都必须保留人工监督。为了让监管机构和最终用户信任人工智能系统，各组织还需要透明地记录模型的训练方式、使用的数据以及输出结果的生成方式。如果没有这种透明度，无论技术多么先进，信任都无法扩展。

许多组织都面临着“尝试使用人工智能”和将其真正融入产品开发之间的鸿沟。对于试图从实验阶段过渡到战略实施阶段的团队，您会推荐哪些切实可行的步骤？

许多组织在实验阶段停滞不前，原因在于他们采用人工智能时缺乏明确的战略目标。第一个切实可行的步骤是明确人工智能在开发过程中应扮演的角色，例如支持创意构思、加速测试、改进评估或增强决策能力。如果缺乏这种清晰的目标，试点项目将无法真正应用于业务和设计成果。

团队还需要打好基础。这意味着要投资高质量、管理完善的数据，尤其是那些反映真实用户体验而非纯粹技术性能的数据。同时，也意味着要对人工智能目前的局限性保持清醒的认识，尤其是在创意和以人为本的判断方面，专家监督仍然至关重要。

许多行业正开始制定人工智能政策，指导团队完成人工智能实验的整个过程，从构建商业案例、开展试点到更广泛的应用。这些政策帮助组织确定人工智能真正能够创造价值的领域，同时也确保在必要时人类仍然参与其中。

最后，各组织应开展结构化、低风险的试点项目，并将这些项目融入到实际工作流程中，而不是孤立地运行。这些试点项目应具有跨学科性质，汇集设计师、工程师、数据科学家和领域专家，以便共享和推广经验。人工智能只有融入日常实践，而不是被视为独立的实验层，才能真正发挥价值。

您在开发知识结构化和自动化方法方面有着丰富的经验。我们距离能够推理设计意图、用户需求和上下文，并真正创造价值（而不仅仅是生成内容）的人工智能系统还有多远？

在某些领域，预测用户偏好相对简单，因为可以利用浏览历史或观看过的电影或电视节目记录等数据来进行推荐。这些领域受益于现成的数据。

相比之下，产品和服务设计面临的一个关键挑战是，有关人们的选择、需求和生活经验的数据往往不容易获得。

My 最近的研究 Digit Lab 研究了逻辑逻辑模型（LLM）在给定人们如何感知和响应设计特征的模型时的能力。然而，目前的模型基于数据模式进行操作，无法理解其含义。早期将形状与感知联系起来的研究表明，即使是形状上的微小变化也会改变情感反应，而如果没有人类指导或引入复杂的模型，人工智能很难预测这些微妙之处。因此，人工智能对意图的推理能力正在不断提高，但它仍然是对人类专业知识的补充。

随着人工智能加速设计周期——从构思到原型制作——设计师需要哪些新技能？大学和机构应该如何重新思考下一代创意人才的培养？

设计师需要精通人类感知和人工智能工具。理解造型、材质和比例如何影响情感反应，仍然是优秀设计的基础。同时，设计师必须能够自信地运用人工智能系统来辅助创意生成和评估。这意味着不仅要使用这些工具，还要理解它们的优化目标和局限性。随着人工智能越来越深入地融入设计工作流程，批判性地解读其输出并将其与人类判断相结合的能力，将成为最宝贵的创意技能之一。

随着人工智能加速从构思到原型制作的设计周期，设计师需要掌握超越传统技艺的全新能力和思维方式。他们需要了解数字技术的运作原理，不同类型的数据能够（以及不能）揭示什么，以及如何将设计专长与人工智能素养相结合。这包括了解如何处理高质量、管理完善且反映真实用户体验的数据，而不是仅仅依赖技术性能指标。与此同时，设计师还需要具备判断力，能够识别人工智能在哪些方面可以发挥作用，以及在哪些方面人类的创造力和批判性思维仍然至关重要。

为了满足这些需求，大学和机构必须重新思考如何培养下一代创意人才。一些大学已经开始将数据科学融入设计课程，这固然是重要的一步，但仅靠这一点还远远不够。目前仍然缺乏的是能够适应数字时代现实的设计思维方法：这些方法能够帮助设计师与人工智能协作、跨学科合作，并在快速实验中保持合乎伦理且以人为本的监管。

弥合这一差距至关重要。正因如此，我和我的同事季涵博士正在与剑桥大学出版社合作撰写一本关于……的书。 数字时代的设计思维它汇集了与人工智能协同进行有效设计所需的框架、技能和思维方式。

DIGIT Lab 强调负责任的转型。您认为，随着人工智能融入各行业的设计工作流程，哪些伦理或社会风险需要更多关注？

例如，确保数据的合乎伦理的使用至关重要，包括获得知情同意，并保持用于开发人工智能产品的数据集及其可能存在的任何潜在偏见的透明度。例如，必须仔细审查嵌入医疗保健系统的数据集，以确保其充分代表全体人口，识别任何可能代表性不足的群体，并确认人工智能系统符合预期用途且具有包容性。从社会角度来看，人们常常担心人工智能会取代工作岗位；然而，重要的是要了解哪些方面的人类专业知识仍然至关重要，以及如何利用人工智能来增强而非取代人类的能力。

然而，其中也存在更深层次的伦理问题。当设计师依赖人类数据时，他们必须处理隐私、偏见和…… 负责任的透明度DIGIT Lab研讨会确定制造业面临的主要挑战类别为“数据”、“人员”和“治理”，并强调需要改进数据采集、加强人机协同监督，以及制定清晰的安全、信任、知识产权和监管政策。应对这些风险意味着要确保人工智能系统基于多样化的数据构建，在关键节点融入人工判断，并制定尊重隐私、知情同意和文化背景的包容性设计标准。

您已经研究过如何利用数据和人工智能围绕用户体验定制产品。您是否认为未来产品在出厂后会根据实时数据动态演变？如果是这样，设计师应该如何为这样的未来做好准备？ 

数据驱动设计 用于产品的各种技术可以进行个性化、定制或根据个人行为进行调整。这些产品由此成为“智能”系统，能够收集使用数据，并通过嵌入式传感器和物联网连接进行通信。在我们的框架中，定制活动是指利用这些数据在产品出厂后对其进行更新和调整。例如，将手势识别模型与数字孪生体连接起来，用于人机协作；以及使用机器学习辅助扫描来创建定制组件。

这种转变带来了新的责任。设计师需要决定哪些责任？ 人类数据行为、生理、反馈或情感方面的因素都至关重要。他们还必须确保更新能够保留预期的美学和情感特质，而这些特质与产品形态和感知密切相关。最后，治理至关重要：我们的行业研讨会强调，围绕数据、信任和隐私的问题需要明确的政策和人工监督。如果做得好，不断发展的产品可以在不牺牲意义或伦理的前提下，提供持久的价值和响应能力。

展望未来，您目前最关注的研究问题是什么？您认为在未来几年，人工智能、创造力和设计工程的交叉领域将会出现哪些突破？

上述许多挑战仍未得到解决——其中一些挑战我目前正在着手解决，包括确保通用生成式人工智能工具能够有效地根据希望采用它们的特定行业进行定制。

从行业层面来看，情况可能大不相同：在制造业，这可能涉及使用基于特定领域知识训练的本地化模型，以及强有力的隐私和安全措施；在创意产业，重点可能是使产出多样化，并实现人类与人工智能之间更有意义的合作。

在技​​术层面，我们正在尝试使用大型语言模型来支持评估任务。一项研究表明，在精心设计的提示引导下，大型语言模型能够评估新颖性和实用性，并且其评估结果与人类专家更为接近。一篇相关的论文使用了 思路链 我们采用提示和多模型聚合技术，使人工智能评估更加可靠。我们还在探索对话代理，以捕捉组织的数字化转型需求，并证明聊天机器人可以执行这些操作。 结构化访谈 切实有效。结合在设计中运用人类数据的研究，这些举措预示着人工智能将帮助我们传承专业知识、做出更明智的决策并以符合伦理的方式与用户互动，从而构建一个更美好的未来。

感谢您这次富有见地且极具启发性的采访；希望了解更多关于艾哈迈德-克里斯滕森教授在人工智能驱动的设计、创造力和负责任的数字化转型方面的研究工作的读者，可以访问以下链接，了解他正在进行的研究和项目： 数字实验室.