AI 生成人工智慧短短時間改變世界的樣貌，許多討論從哪些工作會消失、那些經濟會受到影響或是技術端該如何整合這些 AI 工具出發。卻比較少是從設計活動的本質去看 AI 帶來的影響，應該也不能這樣講，生成式 AI 完全顛覆過去設計對 AI 的思考邏輯。

AI 對設計（這裡是廣泛定義各種層面的設計），比較偏向自動化與小規模資料導向的應用，像是 AI 應該作為小規模的行為修正，像是機器學習看出明天會下雨，所以那些地區的雨傘進貨量必須增加等等。設計者會自動帶入人工智慧思考概念，現在已經是相反邏輯，設計者應該從 AI 去思考「價值創造」這件事情。

舉個例子來說，IDEO 資料專家 Justin Massa 在 2018 年文章裡寫道：AI 還需要贏得人類的信任，以設計師使用 AI 進行設計發想，讓客戶選擇自己的設計等等，都是小規模應用，沒有太大價值意義。她認為從 IDEO 角度看 AI ，比較像是擴增智能（Augmented Intelligence），而不是人工智能，擴增智能的重點也放在人類如何運用 AI 工具進行價值創造，而重點當然放在人類行為上。

這給我一個很好的發想點，如果我能夠以「信任」與「價值」去思考擴增智能，從設計角度去解讀生成式AI，我自己發現至少有 4 種不同樣貌：

Chat – 聊天模式

如果說 OpenAI 為什麼用聊天展現人工智慧，得要回到人類基本溝通邏輯：用聲音與語言進行各種意見交流。ChatGPT 身為一個交談介面來說，實現不同種類、廣泛的、基於一定雜訊的人類聊天邏輯，我們才發現原來人類與電腦 – 人工智慧原來是可以互動交流。先不說每個仁信不信任答案，可以自然互相交換訊息本身，就是一件非常具有價值的事情。

Copilot – 副駕模式

當 Github Copilot 發布的時候，開發者界一片歡喜與哀號交錯，有些開發者發現在擴增智能之下，可以寫出高品質的程式碼，而不需要老手帶領。副駕模式就幾乎等同於 Google Map 與 Spotify 選歌清單，只要搞清楚目的（與目的地），中間過程就能夠交給 AI 代勞，達成最有效率的產出。但我們也會知道， Google Map 似乎不太在意路有多小條，或是 Spotify 也不知道有沒有人在聽，直到被按下停止撥放鍵為止。換句話說，副駕模式到最後還是以效率提升為目標，最後品質還是得看人們如何決定。

Crowd – 群眾模式

如果一個人有問題，過去是看書查資料，現代網路科技更容易達成這個目標，但擴增智能又回到一個基礎，那就是問人。為什麼人這麼喜歡問人，目的不僅希望了解對方的想法，更重要的是確認自己思考邏輯是否正確。群眾模式讓人們能以極有效率的方法進行探索，只要把設定（Prompt）做好，可以問一群人的想法，或是專家意見，更加有趣的是，或許這些群眾想法會回來讓自己反思，或許自己可能是錯的那一方，此時，信任在哪裡呢？

Consensus – 共識模式

Consensus 原是以 GPT4 為主的論文閱讀協助工具，能夠協助研究者從問題、解法、驗證等角度進行各種不同領域的知識探索。看起來像是副駕模式，動機卻有個本質上的差別，在於問題是在找尋一個或多個「正確」解答，尋求領域的「共識」，不是給個目的地就跑出路線圖這樣。如果 Google Map 提供共識模式的話，會出現這條路線有多少人曾經走完全程，或是有些人會在中途離開展開新路線，這些都是需要更多資料的事情，當然也是不同應用場景。

當然共識本身就是一件有價值的事情，另外一方面想，沒有共識或許也是一種狀態，對科學家來說沒有共識或許等於這個問題的解答還沒完全確立，的確是非常值得投入研究精神，這或許也是增加效率的方法。

以上四種模式，我覺得或許是 AI 時代的新 4 C – Chat、Copilot、Crowd、Consensus，對於人類來說，尤其是對設計師來說，如何意識並且理解這些模式能夠產生的不同文本意義，可能對於解決一些 AI 焦慮有所幫助。像是圖像生成 AI 現在尚未出現共識模式，就有機會繼續進行探索，共識是最困難的也說不一定。

未來有沒有新模式出現？我相信一定有，而且就在不遠的時間內。