创造力的催化剂还是空洞的趋势？：生成式AI在设计中的作用的跨层次视角

研究背景与问题

• 发现的问题或挑战:

  • Generative AI 图像工具对设计教育和实践的转型潜力引发了关于创造力和所有权的重大争议。
  • 针对2022年Generative AI工具（如MidJourney、DALL.E）兴起，设计师的学习划分为了“工具兴起前后”两类，这对设计师价值体系产生了分歧。
  • 专业设计师担忧传统创造力及设计技能的潜在丧失，而新手设计师则更倾向于拥抱技术。

• 为什么重要:

  • Generative AI降低了设计的技术门槛，使更多个体能够接触高品质视觉创作。
  • 设计行业面临创造力定义的转变、创造物的所有权归属争议，以及设计教育如何整合此类技术的问题。

• 研究动机与相关工作:

  • 研究之前的创造力模型，如Sawyer的八个创造力特性框架，探讨Generative AI对于这些特性的影响。
  • 将Generative AI定位为潜在的“双重用途技术”，既具有巨大积极潜力，同时也可能带来风险和负面影响。

解决方案

• 提出的方法或解决方案:

  • 通过28次基于设计实例的访谈，与不同层次的设计师（初学者、高年级设计学生及专业设计师）探讨Generative AI在设计教育与实践中的影响。
  • 比较不同经验群体在设计过程、技能定义和所有权评估上的差异。

• 创新之处:

  • 跨层级比较: 研究首次从经验层次出发，比较Generative AI影响下的设计学习与实践。
  • 基于实例访谈: 通过让参与者回顾特定AI生成的设计作品，揭示使用技术的实际挑战与支持点。
  • 双重用途技术框架: 将Generative AI与历史上的双重用途技术对比，提出政策建议。

• 实施步骤与关键技术:

  • 按层次招募参与者（初学者、学生及专业人士）并采集具有AI生成背景的设计实例。
  • 进行访谈以获取关于Generative AI影响的详细信息，特别是在创作流程、教育、技能描述及所有权等方面。
  • 基于Braun和Clarke方法进行主题分析，提炼核心研究结论。

研究成果

• 具体成果:

  • Generative AI在设计岗位中引发的影响被归纳为一种“价值系统的分裂”。初学者倾向于将AI视为促进效率和创建的工具，而高级设计学生和专业人士更关注其对传统技能和创造力的破坏。
  • AI不可避免地席卷设计行业，促使教育和实践转向混合技能模型，兼顾传统设计与AI工具使用能力。
  • 使用AI时隐藏的劳动和实际困难（如提示工程、文化偏见、不一致性等）促使研究者质疑AI的长期实际价值。

• 与现有解决方案的优势:

  • 视角独特性: 从经验水平分类对比AI对设计生态系统的影响，而不仅限于单一组群。
  • 揭示隐藏挑战: 通过基于实例访谈，发现用户在实践中遇到的复杂性和实际问题（如编辑难度、输出不一致）。

• 实验或评估结果:

  • 初学者往往认为AI是未来设计的核心工具，其适用度高、质量较好，但高级学生与专业人士对技能价值话语发生了分裂。
  • AI工具普遍缺乏解释性，导致设计师需要反复试验，增加了工作量。
  • 参与者指出AI工具文化和语言偏见严重，可能导致设计结果的错误表现。

• 局限性与未来方向:

  • 局限性:
    • 样本集中在美国，可能限制了结论的全球适用性。
    • 工具演化过快，研究结果可能快速过时。
    • 仅针对prompt-based工具，研究未涵盖其他生成方式（如sketch-to-image）。
  • 未来方向:
    • 探索在设计教育中引入生成AI辅助工具的具体形式及时机。
    • 提略设计AI的规范和政策框架，关注伦理与所有权问题。
    • 设计可解释性强的AI支持工具，减少设计师与技术之间的反馈循环难题。

此研究为设计教育及实践的未来发展提供了重要依据，同时揭示了技术赋能与传统技能保持之间的复杂互动。如能解决关键技术挑战，其成果将进一步影响设计行业的转型。