当2023年的AI浪潮漫过互联网大厂围墙,一群设计圈的“跨界者”正在教育领域构筑新的堤坝。设计聚焦人工智能研究室(简称设计聚焦),这支由建筑设计老兵、AI算法极客、AI博士后团队和资深码农组成的14人团队,正将AI技术植入到中国设计教育的毛细血管。
设计聚焦的总部位于哈尔滨道外区,前身是一家设计事务所——同筑建筑设计公司。如今,这支“跨学科专家”团队投身于AI技术与产业的深度融合,基于原来设计行业的经验,推动AI技术在设计教育与实际设计中的应用。
家具设计课上,AI正把千年匠艺解构
2024年,设计聚焦接到了来自北京林业大学家具设计与工程专业的需求。
家具设计与工程专业是北京林业大学2022年增设的新专业,传承自1952年森林工程学院开设的木材加工专业,在软科发布的2024中国大学专业排名中,该专业位列全国第一。
而随着近两年AI技术走进各行各业,家具产业的设计、生产等环节也早有了被AI重塑的痕迹。学校作为向社会输送人才的基地,课程体系自然也要与时俱进。
北京林业大学希望把AIGC结合到传统课程里面,这正是设计聚焦当时接到的需求。
设计行业出身的他们,对学校的设计教学与设计企业的需求都很了解。设计聚焦人工智能研究室联合创始人、Autodesk人工智能专家刘璐说:“我们会根据社会对设计人才的需求为关键点给学校做课改技术的支持。我们认为,学生在校学习的目的是为了更好地就业,要确保学生所学与就业市场的要求高度契合。”
因此,设计聚焦在教学体系改革上的逻辑是,以就业为目的,以传统课程大纲为基础,进行AI技术的融合。
在实际与北京林业大学家具设计与工程专业的合作中,设计聚焦先与学校师生进行了线下交流,深入了解学校的课程大纲和师生对AIGC的认知水平。他们发现,整个专业无论是教师还是学生,在AI技术的应用与理解上都存在较大的空白。
设计聚焦提出了分阶段的课程改革方案:
虽起步于设计领域,但如今设计聚焦已不局限于单一专业。目前,设计聚焦团队已与十余家院校展开合作。
设计聚焦人工智能研究室联合创始人、同筑建筑负责人万宇馨解释道,“我们底层的各种AI工具是模块化的,像积木一样,可以根据每个学科的需求自由选取工具模块,搭建专业所需的AI应用。我们也会针对不同的院校和专业需求,提供定制化的解决方案。”
从一键做课件到数字人讲师,解锁教学超能力
事实上,设计聚焦的AI教育解决方案覆盖了“硬件+软件+课程包+服务”的全链条,课改仅是其中的一部分。
设计聚焦通过问卷对100多位高校教师进行了调查,了解到教师们的最主要的诉求是:渴望从日常琐碎和重复性的工作中解放出来。他们需要AI工具简单易用,易于上手,并且生成的内容可供修改。
为此,设计聚焦与高校合作搭建AI实验室,提供AI PC硬件,并将博实人工智能教学平台植入其中。该平台集成了多种AI工具,包括AI绘图、文本、PPT、视频、模型等功能,内置改造后的课程包,覆盖教学的全场景。此外,设计聚焦还为学校提供技术服务,包括教师培训和后期维护。
博实人工智能教学平台
教师可以利用平台快速生成PPT课件、批改作业、编撰考试题,并进行学情分析。老师只需录入学期成绩,就能获得每个学生专属的AI分析报告。学生则可以通过学生端进行课程学习,完成线上作业。
平台上,AI数字人课程是其中的一个“宝藏”功能。教师通过上传照片和录制简短语音,合成数字人形象和音频,然后上传整理好的课程大纲后,AI即可自动生成讲课视频。通过关键词设置,当学生在评论区对某个知识点有疑问时,系统还能自动跳转至相关知识点的讲解。
这些AI工具能大幅提升老师的效率。万宇馨透露,借助AI,老师批改作业的耗时可降低80%。通过AI学情分析,也能更清晰地了解每个学生的详细情况。
此外,设计聚焦为学校提供AIGC竞赛培训。根据大赛主题提供比赛大纲和相关素材,解决教师和学生在应用技术和操作流程方面的困难,提升他们在AIGC竞赛中的表现。
AI教育突围的“认知攻防战”
历史上,每次技术革新总会遭遇认知沟壑,AI教育也是一样。
第一个认知沟壑是接受度。万宇馨表示,接触的35岁及以下年轻教师,约70%愿意主动尝试AI工具,尤其在自动批改和学生学情分析等流程优化方面,他们对AI的价值认可度较高。而50岁以上的教师中,只有约30%表示认同。
他们的担忧主要集中在:AI的介入会降低与学生的互动、引发技术依赖、使用门槛较高需要投入时间学习、AI批改与传统评价体系存在冲突。
针对上述问题,设计聚焦采用三阶段验证机制:
1、AI处理阶段:AI初步分析后,需经过教师的二次确认。
2、修改与反馈阶段:教师可对AI生成的批注进行修改,添加个人观点。
3、沟通与复盘阶段:教师与学生的互动复盘,由教师主导,确保教学主导权掌握在教师手中。
这一机制是为了平衡AI的辅助作用与教师的专业判断,确保教学质量。
第二个认知沟壑是对AI工具的期望与技术现实之间的差距。许多教师和学生对AI抱有过高期望,然而,当前的AI技术尚无法全面覆盖教学需求。这种期望与现实的差距,可能导致失望情绪,甚至让他们放弃使用AI工具。
设计聚焦认为,AI应作为辅助工具融入教育。“我们会在与教师和学生的沟通中梳理他们的心理状态,强调AI的角色是辅助工具,能够满足60%-70%的需求已经很不错了。我们应该与AI共同成长,逐步融入工作流程,AI技术正在飞速迭代,等到未来技术成熟,就可以更好地驾驭它。”
早期的大语言模型,如ChatGPT、文心一言、豆包等,只是提供一个答案。而现在,AI已经能展示整个思考过程,文生图工具还能在生成结果后进行局部调整,例如,用户可以通过蒙板工具,选择特定区域,并通过语言描述,实现精细化编辑。
在万宇馨眼中,未来AI与教育的深度融合将更加个性化,每个学生都会拥有专属的AI助手分析学习情况。此外,AR、VR技术与AI的结合,能够打造沉浸式课堂,重构教学环境。届时,老师的角色也将从以前的知识传授者,转变为学习的引导者和方向把控者。
在此过程中,设计聚焦的愿景是,“通过AI技术服务平台,让AI更加轻量化、应用化、平民化,真正解决人们的需求。”刘璐说。
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。