2024百工百業用AI工作坊
===
大家好，我是UX三刀流的Roka ：）
我將參加AI工作坊的過程、心得以及收集到關於生成式AI的資料加上一些設計產業的補充資料，整理在這邊供大家參考，歡迎想討論的部分也可以在群組內或Discord上交流心得、想法！

## 前言＿AI浪潮與設計


根據2023年的台灣設計人才調查報告中，已有55%的工作者會在日常工作中使用AI工具。設計研究、商業策略與管理、視覺傳達和商業設計、多媒體設計，都達到70%以上的使用比例。使用的AI工具內容以文本生成為主達83%，其次為影像類生成52%，設計生成則佔23%。

由設計師自評組織內部運用狀況，狀況評比分為五個等級，大部分51%的企業還停留在最基本的『了解AI功能，且對AI應用於設計具有興趣，但尚未進行實驗』，另外有28%的組織『運用AI於設計協作中，進行相關的設計實驗與驗證』，僅有13%的組織已經達到『投入AI於設計專案中並獲得成效，運用AI挑戰更複雜的設計工作』。

從研究結果可以觀察到，**AI工具的使用狀況上，個人工作上的使用會比導入組織落地更容易，並且產出內容以文本生成最多**。組織內部導入AI可能會比個人遇到更多的限制與管理困難，甚至在導入真正的專案前，必須有足夠的經驗，否則可能會造成專案上的其他風險。

另外針對設計生成的使用部分有23%，雖然比起文本和影像生成的使用人數稍嫌不多，但確實**已經開始有設計師在嘗試使用AI設計生成工具並導入在工作中**。個人觀察目前產出的內容還無法直接交付至廠商，但是在專案初期協助設計師探索可能性上，設計生成AI是個可以嘗試看看的工具。

## 內容＿百工百業用AI工作坊講座內容


這次參加的生成式AI工作坊是台灣人工智慧學校基金會、國立政治大學創新國際學院、創新民主中心主辦，國科會指導的活動，透過工作坊讓業界與學界都能了解AI浪潮，此場次為夏季場專針對設計跟文創產業為目標舉辦。

### 1.你不能不知道的生成式AI-蔡炎龍

==人工智慧原理==：在第一門課裡，老師以講解人工智慧原理作為開場，老師指出『生成式AI就是唬爛王』或者用台大李宏毅教授的說法『生成式AI是文字接龍』，我們必須透過了解生成式AI被訓練出來的原理、方式與過程，才能知道人工智慧不是萬能，為什麼會回答出錯誤的答案，最後去**理解生成式人工智慧的能與不能**。想要瞭解更多生成式人工智慧原理可以參考[蔡炎龍教授的開放式生成式AI課程](https://ctld.video.nccu.edu.tw/km/1172)

==生成式AI的幻覺==：『幻覺真的是問題嗎？』老師詢問台下的同學。生成式AI的幻覺是一種生成出現實際不存在的結果，像是狗的身體貓的頭的生物圖片。這在我們看來是一種『不好』的狀況，因為幻覺不受人類控制，也導致AI無法完美達到人類的要求，但生成式AI天生就愛畫蛇添足。這部分我自己則是有搜尋到MIT有一篇文章在講述如何利用幻覺來協助激發創意工作者的創意，這邊不多贅述有興趣可以自行前往[激發創意工作者的生成式人工智慧工具](https://mitsloan.mit.edu/ideas-made-to-matter/a-generative-ai-tool-to-inspire-creative-workers)

==個人能力與人工智慧==：老師在結尾的部分講述到，**人工智慧的能力到底能夠做到哪？其實取決於人類本身，也就是使用者**。光是一個學習過懂得如何下提示和不知道怎麼下提示的兩種使用者，在生成式AI的產出結果上就有明顯的水準落差，所以真正影響結果的終究還是人類而不是人工智慧。後面QA環節老師甚至呼籲不要隨便裁掉公司裡會用Photoshop的設計師，因為與其花大把時間生成目標內容，生成出大致方向後，剩下依靠設計師的能力精修目前還是比較快速可行的方式。

:::spoiler 其他補充資源_蔡炎龍教授談人文科系優勢
1.天下雜誌Podcast專訪[非理工人怎麼培養AI素養？政大AI設計思考課，挖掘人文科系優勢](https://open.spotify.com/episode/1ElJ8Jlb0HkniQ6OJm1P76?si=7600e45bbd004def)
>政治大學學務長蔡炎龍強調，AI落地，除了需要技術專家，也需要領域專家提出「對的問題」，這正是人文背景的優勢！
『了解這些AI原理其實非常重要，因為如果不知道原理，常常只會變成「AI好棒棒」，但不知道為什麼棒。舉個例子，ChatGPT剛推出時，有一位佛羅里達大學的金融系教授用來預測股價，很多新聞報導就說以後分析師要失業了。上過這堂課的同學至少會知道，為什麼AI可以預測股價？架構很簡單，只是下指令給ChatGPT，如果看到新聞標題對這支股票是利多，就說Yes；如果是利空，就說No，就是如此簡單的判斷。如果同學知道之後，就不會太相信這個真的很準，可能只比隨機丟銅板好一點。也有可能同學想出來的方法，跟別人實際做的不同，但至少他能學習試著推理，也不會單純覺得「AI非常神奇」。』
:::

### 2.生成式AI工具應用-蔡政霖

==多種生成工具介紹==：老師介紹多種生成式AI工具，包含大型語言模型LLM，大家熟悉的ChatGPT就是屬於LLM，另外還有文字生成圖片的Leonardo AI、文字生成3D、文字生成語音、文字生成音樂、文字生成影片以及音樂生成MV等等。

==技術導入==：這邊開始老師介紹許多AI工具的技術導入的結果案例介紹像是[可口可樂的廣告案例](https://youtu.be/XFNqN0q_i2A?si=sv6kX-p1lslqzRSo)或是只花費600塊製作費用的[黃明志MV](https://youtu.be/MGhM4lxlewI?si=Ggp4OqXEgXZWCOyH)，黃明志也有上傳一支幕後製作的影片，有興趣的朋友可以自行搜尋。其他還有像是如何利用AI工具快速產出會議紀錄整理等等，這些都是目前可以做得到的。

==AIA專案介紹==：台灣人工智慧學校有開設許多關於人工智慧的課程，其中老師特別介紹「大型語言模型專題實作成果」的內容，裡面提到團隊發現癌症患者需要諮詢營養師，但往往因為病友詢問的數量過多而造成營養師的負擔，因此團隊目標是建立AI助手，快速回答病友的問題以及提供飲食建議，流程包含利用癌症營養紀錄、製作RGA向量資料庫和串接至QA機器人。如果對這類專案有興趣可以前往參考[台灣人工智慧學校](https://aiacademy.tw/category/opening/)

### 3.李怡志-AIGC的創意美學之路

==圖像生成技術==：在還沒有生成式AI前，就已經存在使用coding程式碼來創作的方式，從最基本的CSS到p5.js有許多可以協助創作開發，最廣為人知的作品可能是日本TeamLAB的互動設計展覽。
而現在**我們擁有使用生成式AI來進行創作的可能**。老師提到，『如何對生成式AI描述目標，可以有本體、描述、方法三個方向』，舉例像是「一個漢堡、美味多汁的、攝影海報」會比「一個好吃的漢堡」讓AI更容易理解，並且把愈重要的條件往前放提示句子順序的前面位置。

==生成式AI的偏見==：生成式AI在訓練的過程中會需要所謂的訓練資料來讓AI學習，其中大多數的資料都是人類產出的內容，**因為人類本身就帶有所謂的文化差異與偏見，因此用這樣的訓練資料去訓練生成式AI，就讓AI所生成出的內容也帶有偏見、刻板印象**。
舉例：如果要求生成式AI生成關於「護士」的內容，總是結果都是女性而非男性。老師在課堂上解釋除了性別刻板印象，其中還包含因為訓練資料更多使用西方國家的資料，因此生成目標是「台式菜譜」則會遇到一些怎麼生成都不對的狀況。要**避免生成內容含有偏見，最終手段還是必須依靠人類判斷**。

==生成式AI的著作權疑慮==：著作權應該是許多人關注的部分。在QA的環節也有人詢問是否能夠取的自己生成內容的著作權，這個部分會依照國家與範圍有所不同，大多數國家目前還在討論中，其中有少數國家目前確認無法透過任何手段主張合法著作權。另外個人補充一點，許多創意領域的從業者會認為所謂的生成就是盜版拼裝車，但是真正有疑慮的是未經正式授權就從網路上蒐集，被拿來作為訓練資料的各式資料，所以生成式AI確實有版權疑慮。如果生成結果發生侵犯他人版權的狀況，版權所有者也是可以向生成結果的所有者提告，因此**在使用上尤其是商業途徑，必須特別小心。**

### 4.AI賦能，釋放創作無限想像-尹相志

==無法被取代的專業力==：這部分其實前一堂李怡志老師也有提到，兩者內容差不多，所以在這邊一起說明。兩位老師的共識都是『目前**AI還不具有取代專業力的能力**，所以AI能夠發揮最多的部分，是讓完全不會創作的人能夠開始創作』，如果你是完全不會寫作文，那AI可以協助產出基本符合一般水準的文章，但如果你希望能夠產出一本哈利波特等級的小說，那很抱歉目前的生成式AI還做不到。

==生成式AI溝通技術==：目前生成式AI還是相當需要依賴使用者的溝通技巧，來更快速精準地做生成產出，老師介紹了幾種方法。
其中之一的核心就是隱性溝通，像是由於生成式AI受過『基於人類回饋的強化學習』因此只要在提示詞中加入「吸引人」似乎就會展現更理想的結果。其他還有像是「偽代碼」透過將文字轉為程式語言來和生成式AI做溝通，也會提高AI生成的成功率。

==生成內容的安全性==：這邊談到的是如何管理生成式內容，有沒有可以避免幻覺、錯誤訊息等等的方法？目前效果**最好最安全的手段還是必須依靠人類本身來做判斷**。
由於只要是生成式AI就會產生幻覺這是無法避免的，因此需要100%精準、正確的就不能只依賴生成式AI。雖然有開發一些審核AI但目前無法保證有100%的正確率。

### 5.AI時代的產品經驗設計思維-溫明輝

==AI輔助設計==：我們可以在設計工作流程中使用AI協作，這部分有三個面相。
第一部分**讓AI來協作使用者研究**，我們可以透過AI比人類快的優勢，在訪談逐字稿、撰寫用戶需求、統整數據資料這些部分來讓AI協助。

第二部分**讓AI輔助創意發想**，因為設計師在創意階段是在追求更多的可能性，但往往會受限於設計師本身習慣的範圍，AI就可以在這個部分很好地協助探索更廣的創意可能。

第三部分是**AI協助生成產品原型**，舉例以往初期需要以wireframe溝通，其中一個原因就是降低原型成本，但如果AI可以協助產出，我們就可以降低產出一個原型本來的花費。透過AI協作，設計師的效能可以得到提升，探索更廣的面相、有更多的機會嘗試、並且降低開發時間。

==AI時代的產品創新==：**AI將改變現在既有產品的樣貌與互動方式**。
透過AI我們可以讓產品獲得不同的能力，像是Google Photo AI可以自動化照片分類、ROSS AI的法律研究工具可以依照需求提供案例與法規等，甚至讓AI能夠透過數據自動提升個人化服務、推薦符合使用者的廣告或是影集封面、自帶迭代機制可以透過數據自行優化產品...如果你覺得以上都太多了，那可以參考Google如何[透過AI重新塑造溫蒂漢堡的點餐方式](https://youtu.be/Qh3hrYfiwQQ?si=e6o0A-ladf5n9VUO)，這些可能性正是設計師接下來要面對的產品創新，不再是只有視覺介面和拇指法則，設計師得要想得更多更廣。

==推測與猜想==：這部分是對產品開發的未來有更多的想像，老師建議大家可以自己斟酌使用，想要了解更多也可以參考書籍《5000天後的世界》。

透過AI網站的資訊架構可以轉化為自然互動的對話式人機介面，我們取得資訊的方式、互動的方式不再侷限在網「站」，而是改變**以服務本身為主軸的數據流模式**。

未來我們每一個人將擁有多個AI小幫手，那我們能不能期待Siri和產品AI有足夠的相容性，這樣就告訴Siri讓它幫我控制家電，這些**AI之間能不能互相溝通？**

我們未來可以在不透露自己個資的情況下，將自己的喜好、意圖、活動等資料**建立一個數位紀錄的「個人數位孿生」**，以後進入每個服務都能透過這樣的數位孿生獲取我的設定，就不必每次換到新的品牌就要填一次喜好問卷，品牌系統可以透過獲取數位孿生的資訊直接推薦使用者符合的產品。

過去企業曾經誤會元宇宙就是AR/VR/XR，但**真正的元宇宙並不是獨立的科技世界，而是連接現實物理世界的數位存在**，透過這些科技我們可以建立以個人意識為核心，一個擁有我們的想像、記憶的鏡像世界。

==AI時代的三種UX==
第一種：使用者和高度個人化產品互動回饋的**使用者體驗**
第二種：透過AI等技術跨越設備、場景創造一致、連貫的**服務體驗**
第三種：融合物理、數位、精神世界，用意識來主導的**全域體驗**

### 6.AI實作工作坊-需求組


==需求組介紹==：需求組的內容基本上是蒐集每組成員的背景、生活，並提出的需求，桌長指導組員思考AI是否能對這些需求做出回應，並且提出討論分類，最後總結出一個清楚的需求再交付給工具組。

==討論內容==：我的組別內有行銷人員、產品代理商、工業產品業務、科技工程師、法律事務所助理等等，大家提出各式不同的需求和討論，最後桌長引導我們統整出基本大家都是希望能夠解決的是「行銷溝通的問題」。有趣的是後來工具組的老師在活動尾聲也說：看到**大約30-40%的現場需求，都著重在想要改善溝通的流程、增加溝通效率**。
現場有很多不同產業的專家和從業人員，有些需求雖然表面上看起來並不難解決，但實際詢問就會發現，他們遇到的困境其實比單純透過使用工具解決還要複雜。像是有一位業務有專業領域的跨國翻譯需求，卻總是請不到合適的翻譯人員，因為同時要滿足會專業領域的詞彙、又精通非主流語言還要能講華文的翻譯人才太少。導致可能一次就要請不只一位翻譯，這種辦法對業務來說也會提高溝通門檻、業務成本，甚至降低客戶對公司的信任。

==活動感想==：我利用討論時間也和很多人互動聊聊他們想法，有一些工程師談到目前在建立訓練資料庫的困難、一些產業人員期待AI能夠他們面臨的問題、還有天然氣公司雖然看似跟AI沒有直接關係，但他們也希望能夠透過AI提升與顧客間的整體溝通服務。
我觀察到了，雖然**大家有很多的需求希望能夠透過AI來解決，但的確有些問題不適合用AI來解決**，一些複雜的問題需考慮到更實際的組織、公司資源等等，如果只是在這些需求單純導入AI技術是很難落實的。

## 補充＿生成式AI導論課程資源

（個人參與工作坊的課前準備，非工作坊內容）
[生成式AI導論2024](https://youtu.be/JGtqpQXfJis?si=hHQPnBvN0-P5u0P4)推薦給想要看完上面工作坊內容，有興趣了解生成式AI、想要知道ChatGTP正確打開方法的朋友，可以點選連結文字至李宏毅教授的Youtube頻道觀看，內容難度基礎，不需具備任何課前相關知識。
尤其推薦**不想理解任何數學運算**和**習慣依賴視覺的朋友**，老師會拿芙莉蓮劇情講解AI，保證完全不會因為聽太多向量數學而暈頭轉向。


**人工智慧是一種目標**
每個人心中對於人工智慧的樣貌皆有不同，例如：究竟人工智慧是機器人？還是ChatGTP？

**生成式人工智慧**：機器產生複雜且有結構的物件
所謂的複雜是指具有幾乎無法窮盡的可能性（ex.生成一篇100字的文章，假設中文常用字1000，共有10的300次方個可能性）因此反過來說，從有限的選項中做出選擇的分類問題（ex.A是貓還是狗？）就不是生成式AI

**機器學習**：從資料裡找出一個函式（模型）
y=F(x)=ax+b是人類可以計算的函式，但當函式過度複雜、未知參數高達上萬時，我們可以透過機器學習把模型中的參數找出來

**類神經網路**：在機器學習領域用來表示『有上萬個參數的函式』，跟罐頭文的『模仿人類大腦的學習』一點都沒有關係

**深度學習**：把有大量參數的函式，用類神經網路表示，並解出所有的參數，稱這樣的行為是深度學習


## 補充＿永續發展與設計產業

除了AI浪潮的發展之外，還有**另一個指標正在改變全球各個產業結構形成新的趨勢，那就是永續發展**。
這裡的永續並不是單指綠色環境保護相關的產業，而是以呼籲企業與個人承擔社會責任，共創全球社會的永續未來為目標，由**聯合國所提出的兩種行動指引SDGs和ESGs**。其中2030年SDGs永續發展目標，擁有17項核心目標169項具體目標，內容包含消除飢餓、性別平權與可負擔的乾淨能源等等。而ESGs是針對國內外企業評量企業競爭力的指標，分別代表環境、社會、公司治理，在這項指標中有更好的評比也意味著企業面對危機與風險的適應力更高，更能獲得投資人的青睞。


在2024年3月發行的2023台灣設計人才調查報告中，也提到**永續發展的趨勢SDGs和ESGs改變了設計師的思考與方向**。和10年前的設計產業不同，現在設計師在設計產品時必須考量材料是否能夠循環利用、品牌是否負擔的社會責任以及商業模式可能產生的碳足跡等，這些都會影響未來的許多產業發展和設計產業。

其實永續設計看似很巨大，但其實就是**用設計的力量問正確的問題並尋求解決方法**，這不是什麼新鮮事，也有許多前輩在這個部分長期努力著。只是一直以來設計太多跟藝術和美感掛鉤，而不是作為一種設計思考、方法的存在，所以很多人其實並不清楚設計到底是什麼。那麼究竟透過設計的力量能夠做什麼？

世界設計之都這個計畫就是在推廣這股設計力量，早從2008開始每兩年就會由一個都市來舉辦設計之都的活動，這個計畫始於義大利的都靈，並在2016年來到台北。主辦的都市可以透過設計的力量在期間改善一個議題，芬蘭赫爾辛基將設計的力量投入到改善教育體制、墨西哥則是選擇用設計改善城市交通問題。

日本的Good Design大賞是國際性設計大獎，但有2018年度得到最大金獎的人甚至不是設計師，而是一位和尚。他的設計是將寺廟獲得的大量供品提供給有貧困家庭，以此來解決貧困帶來的問題，有興趣的人可以參考[寺廟零食俱樂部](https://www.shoppingdesign.com.tw/post/view/3466?)。這項設計不是透過技術產品為最初的主導，而是透過洞察真實的社會需求、釐清利益關係人，並透過找到社會系統中的切入點，最後達到社會的永續。

現今的全球社會比起以往更加看重永續發展，也**讓設計趨勢從原本的藝術美感和商業價值，往社會文化和永續創新移動**，並從原本的物件導向轉為系統性發展。台灣目前面臨的長照議題、醫療資源、性別平等、移工議題等等，也是全球社會長期發展必須實現的目標，這些議題的處置也會影響台灣長期的國家發展。其他國家例如新加坡、日本、韓國、英國等等已經開始讓設計介入各種議題探索新的可能，甚至是進入政府組織協助公共政策。因此永續發展議題也是2023台灣設計人才調查報告的重點項目之一。

## 結語＿打在最後的心得

很多人會把設計師定位在滿足美感需求或是產品開發的實踐上，因此對於AI浪潮被賦能的人工智慧有種被取代的焦慮，但透過學習生成式AI的過程，能夠去理解、反思，甚至問自己『在充滿AI的未來世界裡，人類社會會需要什麼要的設計師？』。我相信設計師不會被AI取代，相反地我認為**設計終於能擺脫那些討人厭曖昧不明的標籤，開始專注在發揮設計的力量上**。

AI的發展其實才正要開始，至少在接下來的日子裡我們沒有辦法選擇拒絕AI參與我們的生活，但是就像《5000天後的世界》裡作者KK說的『雖然我們無法拒絕成為青少年、但我們可以選擇要成為怎樣的青少年』，不要抗拒AI而是去學習它去思考它，然後想想你想要讓AI帶給你什麼樣的未來。另一方面也要保持謹慎，很多問題不一定是AI能夠解決的，甚至可能會衍生出新的問題，就像汽車被發明時，可能也沒想到汽車作為私人財產普及到社會中，成為上下班時段交通混亂的主因。

最後的最後，我想**我們真正要面對的不只是AI科技而是一個更全面性的改變**，不論是從產業到產品、科技、技術的革新，還有重新設定社會對設計師的需求定位，我們將迎來巨大的改變並且重整。如果對未來感到困惑，也許可以先從問問自己『我想成為怎麼樣的設計師？』。當我們能夠找到自己、釐清自己的目標、看到自己心中設計師的樣貌，那麼不論是什麼樣的趨勢帶來的改變，都能在改變中把握住自己的目標和未來的機會。