人工智能与推测性设计工作坊
生成式人工智能的兴起极大地重塑了学习与教学体验，尤其在设计领域内尤为显著。然而，我们注意到学生在如何运用人工智能来指导设计产出方面存在显著的认知差异。近年来，一系列实验性工作坊被引入，旨在引导学生熟悉并应用生成式人工智能工具。其中，“点亮品质（The Quality that Lights Up）”与“光之周（The Week Of Light）”工作坊在西交利物浦大学生设计大楼成功举办，鼓励学生利用生成式人工智能工具实现其设计想法。
图1：工作坊海报
理论背景策略
在工作坊计划阶段，为了促进学生的学习过程，采用了设想设计（Dunne & Ruby, 2013）和未来思考（Evans & Sommerville, 2007）的理论背景。这种自我反思、系统性和批判性的方法（Cornwell, 1999）被整合到工作坊中，为学生们设想不同的未来情景并生成有关照明主题的理论和实践见解，目的是发现被认为值得参与者调查的问题或有问题的情况（Burns, 2015）。
推测性设计框架
推测性设计框架（SDF）采用了一个方法论（Balagtas, 2019, Candy, 2018）来研究驱动因素、趋势并确定焦点问题（Santer, 2019），并构建未来情景原型（Fergnani, 2019）。这些情景原型被用于进一步分析和塑造潜在的与照明体验相关的空间结果。未来思考过程使学生们能够开发未来可能实现并引人入胜的未来愿景。与以人为本设计等各种设计方法一样，SDF采用认知方法来促进创造力，并利用可视化技术来增强同理心和沉浸感。
Miro虚拟学习环境
Miro网络平台被选为虚拟学习环境（VLE）来构建和分享所提议的SDF。该VLE为学生提供了在合作中分享关于未来照明的想法的机会。在工作坊的初始阶段，SDF被上传在Miro在线平台上共享，鼓励学生们以团队合作的方式利用该平台作为动态白板。这有助于开发各种活动，如研究、头脑风暴、便利贴和故事板。学生们遵循Balagtas和Fergnani的方法，设想了灯光的未来，研究和综合趋势，焦点问题和未来情景原型，以使他们能够生成概率矩阵并评估他们的想法的影响。
图2: Miro VLE设想设计框架
在五名辅导员的指导下，学生们以小组形式合作完成整个项目。每一天都对应于设想设计框架的一个独特阶段，学生在开始时收到指示，完成特定的任务。然后他们会在当天结束时向辅导员展示他们的研究结果以获得反馈。此外，学生们还接受了理论框架和照明设计领域中的实际示例的讲座。此外，他们还有机会访问上海的iGuzzini照明工厂，在那里了解制造过程，并见证该公司生产的创新成果。
图3: Miro 学生互动展示板
整合生成式人工智能
在工作坊开始之前，与辅导员的会议中的第一个反思是，学生们如何在有限的五天时间内生成替代的设计解决方案并促进对非传统想法的实验。通过生成非传统和富有想象力的设计概念，Smith（2019）和Brown & Jones (2021)的研究强调了人工智能挑战传统设计解决方案的能力。这个想法是让学生接触到“一系列相关经验”，涉及许多动态阶段 (Burns,1999) 来引导他们在工作坊期间的经验学习过程中生成叙事或概念性想法，以支持生成式人工智能工具；这些元素被引入为经验学习过程的形式，以增强学生在多样和复杂的活动环境中的参与（Kolb,1984）。
对于辅导员来说，这些工作坊的主要挑战是创建不同的框架，并找到适合的人工智能可视化平台，能够与学生的输入（模拟的和数字的）、素描和提示词相匹配，生成与他们的设计意图一致的产出。我们在工作坊期间使用了不同的人工智能工具：
为了更好地支持学生的学习过程和结果，PROMAI团队被邀请参加了“光之周”工作坊，进行现场讲座，并提供实时教程，指导学生了解人工智能网络工具的实际功能。其中一个得到的反馈是学生不应该陷入并习惯于不同人工智能工具（Vizcom、Midjourney和PromAI）迭代生成图像的简单操作中以至于放弃他们对自己想法的控制，反而需要专注于获得他们研究结论与人工智能产出之间的一致性。
图4: XJTLU设计大楼的PromeAI讲座
多亏这些预先构建的混合框架，学生们能够使用模拟和数字方法的结合，如手绘、便利贴、故事板、物理空间配置等，以表达他们的设计意图，并为人工智能工具提供输入。与其替代创造力，这些框架的整合显著增强了学生的工作流程，使他们能够控制人工智能的潜力，不仅增强了他们的创造力，还增强了他们的能力。学生们在特定照明或室内设计主题上的认知过程得到增强，使他们能够探索更多可能性。通过这些工作坊的经验，学生们迅速学会了在框架内使用和完善生成式人工智能制作的图片，促进了设计迭代循环并激发了对设定提示语法的兴趣。
图5: "The Quality That Lights Up"工作坊学生工作流程（Midjourney）
图6: "The Week of Light"工作坊学生的AI可视化（PromAI）
结论和反思
这一认识强调了人工智能在提升教育成果方面的教育作用，为学生提供了与当代设计范式相呼应的实践技能。所收获见解可以用于构建和指导类似项目和利用各种创新设计思维策略的人工智能可视化。设计学院和大学应促进跨学科合作，将设计师、人工智能研究人员、各个领域的专家和学生紧密联系在一起。人工智能的整合必须得到正规合理的实验支持，确保它的使用增强了创意学科，同时不会损害人类价值观。显然，明确的操作指导能提高任何设计过程的有效性。因此，结合结构化的框架与熟练使用人工智能工具，使学生能够达到令人满意的一致性水平，提高了生产力，并探索了更多创造性和美学知识。最终，为将人工智能整合到设计教育中开发有效的教学策略对于为学生做好迎接职场上不断变化的需求至关重要。在不久的将来，我们可以期待在虚拟学习空间中不同技术的更多融合。一个潜在的例子是整合人工智能并提供点系统、级别和奖励，使用游戏化方式给予学生明确的激励，让他们积极参与学习（Hadian et al., 2024）。
根据各种国际报告，教育中的人工智能（AIEd）是当前新兴的教育技术领域之一。尽管AIEd的应用已经被研究了大约30年，但教育工作者最近才开始探索AI应用在支持学习者在整个学生生涯中的潜在教育机会。最近几年，建筑领域的人工智能应用和研究有了更高效的加速（Belém, C. et al., 2019），并整合了人工智能驱动的决策工具，显著影响了学生的决策过程。Smith & Williams（2020）的研究强调了数据驱动洞察力在增强设计过程和决策方面的重要性。人工智能与建筑设计领域之间的动态协同作用正在塑造教育研究领域的变革（Cudzik et al., 2024）。越来越多的模型对建筑教育提出了新的挑战（As et al., 2021），强调了在现代建筑教育中接受人工智能的重要角色和它提供的众多好处。可以预见，在未来几年中，生成式人工智能工具和虚拟学习环境的应用将在教育课程中变得更加普遍。因此，教育工作者有必要开始实验并提高他们的应用数据化工具能力，以确保为我们的学生提供最佳的学习环境。
由于这些设计工作坊的经验，我开始认识到结合人工智能工具和预先构建的框架可能为新的教学方法铺平道路。在工作坊期间，很明显学生快速地适应了全新的学习环境，并能够基于新习得的知识和实践进行进一步构建，这激励了他们学习新的工具和技术。根据任务的不同，学生以2至4人的小组合作，极大减轻了关于技术方面的焦虑。学生与同学合作学习，这比传统的课堂更能增强他们的信心。同时，引入这些技术工具有助于打破社交焦虑障碍，提供了合作、实验和共同学习的机会。提供逐步指导和有用的技巧来导航工作坊活动和技术工具也促进了他们的学习体验。
为了更好地了解下一个工作坊中如何改进以及要改进什么，我在“光之周”工作坊结束时进行了一项简短的问卷调查，收集学生对使用人工智能工具和Miro设想设计框架的感受。问卷调查的回应表明，所有学生都积极地接受了在工作坊期间使用的人工智能工具以及设想框架的整合，这指导并显著增强了他们的工作流程，以利用人工智能工具来提高创造力，而不是被其取代。通过使用预先构建的框架和人工智能工具，学生们能够实现一致的结果、更高效地工作，并探索创造性和美学元素。
参考文献
Balagtas Phil 2019, Design Is [Speculative] Futures Design Thinking - a new toolkit for pre-emptive design. https://www.youtube.com/watch?v=UB9UVHGI6AI Accessed (6 November 2023)
Belém, C., Santos, L.M., Leitão, A., “On the Impact of Machine Learning: Architecture without Architects?”, (2019).
Candy, S. 2018. Gaming futures literacy: The Thing From The Future. In: MILLER, R. (ed.) Transforming the Future: Anticipation in the 21st Century. United Nations Educational, Scientific and Cultural Organisation.
Cornwell, S 1999, ‘Interview with Anne Burns and Graham Crookes’, The Language Teacher, vol. 23, no.12, pp. 5–10.
Cudzik, Jan & Nyka, Lucyna & Jakub, Szczepański. (2024). Artificial intelligence in architectural education - green campus development research. Global Journal of Engineering Education. 26. 20-25.
Dunne, A., & Raby, F. 2013. Speculative Everything. MIT Press.
Evans, M.&Sommerville, S. 2007. A Design For Life: Futures Thinking in the Design Curriculum. Futures Research Quarterly, 5–19.
Fergnani A, Jackson M. Extracting scenario archetypes: A quantitative text analysis of documents about the future. Futures&Foresight Science. 2019;1: e17. https://doi.org/10.1002/ffo2.17
Kolb, D.A. Experiential Learning; Prentice-Hall International: Hoboken, NJ, USA, 1984
Longo, G., Middleton, D., Albano, S. (2024). Elaborating a framework that is able to structure and evaluate design workflow and composition of Generative AI visualizations. In: Tareq Ahram and Redha Taiar (eds) Human Interaction and Emerging Technologies (IHIET-AI 2024): Artificial Intelligence and Future Applications. AHFE (2024) International Conference. AHFE Open Access, vol 0. AHFE International, USA. http://doi.org/10.54941/ahfe1004579
Hadian, Muhammad & Wihardjo, Edy & Murfidah, Indah & Jannah, Excelsa. (2024). Analysis of the Impact of Artificial Intelligence and Gamification in Enhancing Student Engagement in Virtual Learning Environments.
Hasanuzzaman Miah, 2024, Techno-pedagogical competency: A hybrid teaching method in 21stcentury classroom., Educational Administration: Theory and Practice, 30(1), 1276-1281, Doi:.10.53555/kuey.v30i1.6150
Jin S, Tu H, Li J, Fang Y, Qu Z, Xu F, Liu K, Lin Y. Enhancing Architectural Education through Artificial Intelligence: A Case Study of an AI-Assisted Architectural Programming and Design Course. Buildings. 2024; 14(6):1613. https://doi.org/10.3390/buildings14061613
Schon, Donald. 1984.The Reflective Practitioner: How Professionals Think In Action
Singh, Mishu. (2023). Emerging Trends and Research in Education Technology. Chapter: 1Publisher: ABS Books and Publishers
Smith, J., & Williams, R. (2020). AI-Driven Design Decision-making: Opportunities and Challenges. Design Studies, 75, 102-121.
Zawacki-Richter, O., Marín, V.I., Bond, M. et al. Systematic review of research on artificial intelligence applications in higher education – where are the educators?. Int J Educ Technol High Educ 16, 39 (2019). https://doi.org/10.1186/s41239-019-0171-0
