机器学习|开启交互设计新篇章

正文字数：1822字

图片总数：20张

引言：随着人工智能技术的日新月异，它所引发的创作灵感，正激励着创作者以创造性或意想不到的方式进行设计实践。设计慢慢的演变成控制与设计整个设计过程，与算法来一起参与结果的形成。机器学习让设计的边界扩张了，限制减少了。对于创作者来说，不仅需要了解艺术与机器学习如何在创作中实现深度融合，探索全新的创作范式，更要思考这种融合会对我们设计又产生什么影响？下面让我们来看看机器学习参与下的设计呈现出怎样的创意和可能性。

Emoji Scavenger Hunt

Design by:Google

Emoji Scavenger Hunt是Google 推出的一个有趣的 emoji 寻宝游戏，让你通过手机摄像头来寻找 emoji 表情对应的物体。谷歌介绍到，这个游戏设计的初衷是现在越来越多的人在网络对话中使用Emoji，而几乎快忘了现实生活中的物体长什么样子。

游戏会给出三秒倒计时，随后手机上会展示一个 emoji 表情，用户通过手机摄像头在周围环境中拍摄真实的物体，在这个过程中，Emoji Scavenger Hunt会不停识别看到的物体，直到找到emoji 对应的物体为止。如果识别成功，可以点击下一个 emoji 继续挑战。当你在现实世界中发现表情符号时，随后的表情符号显示难度增加。从你可能拥有的物品开始，比如鞋子，书本或者你自己的手，一直到踏板车这样的物品。有趣的是，当你用手机扫过其它不正确的物体时，左下角还有个 emoji 小人跟你实时互动，告诉你摄像头里看到的是什么东西。在游戏结束后，你可以将自己的战绩分享到社交平台。

Emoji Scavenger Hunt游戏的核心功能是识别您的相机所看到的物体，并将其与游戏要求您找到的物体（表情符号）相匹配。这对于AI来说具有一定的难度，其复杂部分在于识别的图形是更繁琐的。很容易想到的是，相较于画画的白纸黑字，真实环境中所需要分辨的条件会明显要多得多。比如，当你摄像头对准一个物体，距离、光线和角度都可能不尽相同，于是如何准确辨认图像是绕不开的问题。

这个问题，肯定是离不开机器学习的，如何让机器学习得更快和更好，才是问题的核心。于是在这个游戏中，WebGL被加了进来。WebGL，是一种JavaScript API，用户使用它的话，可以直接使用设备中图形处理单元（GPU）进行图形渲染，然后在本地直接运行和训练模型。这极大地加快了神经网络的训练速度和执行速度。而在游戏中，体现的便是AI的反应速度和准确率。

Melting Memories

Designer:Refik Anadol

Melting Memories是一系列数字艺术作品，体现了前沿技术与现代艺术的结合。它由数据绘画、增强数据雕塑和灯光投影组成，使参观者能够体验从认知控制的神经机制中收集到的脑电图数据的美学解读，对具象化的可能性提供了新的见解，探讨了人类记忆的物质性。

Melting Memories运用加利福尼亚大学神经科学中心的 Neuroscape 实验室所提供的先进技术工具，检测出脑电波，从脑电波（EEG）收集关于认知控制的神经机制的数据，EEG（脑电图）可以测量脑电波活动的变化，并提供脑功能随时间变化的证据。

基于收集的数据，构建了艺术家为展示的多维视觉结构所需的独特的编程算法，最后呈现出如此壮阔的装置艺术。

Melting Memories结合数位绘画、光线投影跟扩增数据雕塑的视觉化作品，具体重现脑内回忆的运作机制。以客制化16 x 20 英尺（约4.9 x 6.1 公尺）的LED 媒体墙，加上CNC 泡棉所制成，灰色的漩涡在萤幕上滚动，看起来就像是翻腾的海浪、盛开的花朵或是陷落的流沙。站在这个装置前，观众可以感受大脑内部运动的艺术化诠释。

HomeCourt

Design by:NEX TEAM

HomeCourt通过创新的人工智能技术，对于iphone摄像头范围内球场、篮球等进行识别，以及对于出手角度、奔跑速度和垂直弹跳等多种数据进行分析记录，是一款游戏化交互式的篮球训练APP。

HomeCourt主要针对于用户的平时训练使用，通过在篮球场边上架好手机，这款APP就能在球员投篮训练的时候，帮其自动统计投篮命中数和投篮位置。同时给出投篮的关键指标，包括出手速度、角度、起跳高度和投篮前的移动速度，并在训练结束后会自动生成球员的详细数据、评分以及高光表现，进一步汇总让球员们对自己的投篮表现有更深入的了解，以便做针对性的改进。在版本更新后，增加了球员识别功能。在1对1单挑时，HomeCourt依然可以像单人训练一样识别出两个人各自的投篮命中数、投篮指标和投篮热区。