当前位置 & &
& 看了这篇德勤报告，你的人工智能常识就小学...
看了这篇德勤报告，你的人工智能常识就小学毕业了
18:59:00&&出处：&&
编辑：快科技 &&)
让小伙伴们也看看：
阅读更多：
好文共享：
文章观点支持
文章价值打分
当前文章打分0 分，共有0人打分
处理 SSI 文件时出错
登录驱动之家
没有帐号？
用合作网站帐户直接登录感谢赞赏！给好友秀一下吧
内容棒，扫码分享给好友
看了这篇德勤报告，你的人工智能与认知技术常识就小学毕业了
国内对于人工智能的讨论大多是不成体系的碎片式，很难从中深入了解人工智能的发展脉络和技术体系，也很难有实际借鉴意义。德勤DUP，对人工智能的历史、核心技术和应用情况进行了详细说明，尤其是其中重要的认知技术。这份报告将有助于我们对人工智能和认知技术进行深入了解，也有助于各行业的公司考量人工智能应用的实际价值。本报告由 机器之心 翻译，欢迎关注微信号：机器之心（ID：almosthuman2014）。一、概述近几年各界对人工智能的兴趣激增，自2011年以来，开发与人工智能相关的产品和技术并使之商业化的公司已获得超过总计20亿美元的风险投资，而科技巨头更是投资数十亿美元收购那些人工智能初创公司。相关报道铺天盖地，而巨额投资、计算机导致失业等问题也开始浮现，计算机比人更加聪明并有可能威胁到人类生存这类论断更是被媒体四处引用并引发广泛关注。IBM承诺拨出10亿美元来使他们的认知计算平台Watson商业化。谷歌在最近几年里的投资主要集中在人工智能领域，比如收购了8个机器人公司和1个机器学习公司。Facebook聘用了人工智能学界泰斗Yann LeCun 来创建自己的人工智能实验室，期望在该领域获得重大突破。牛津大学的研究人员发表了一篇报告表明，美国大约47%的工作因为机器认知技术自动化而变得岌岌可危。纽约时报畅销书《The Second Machine Age》论断，数字科技和人工智能带来巨大积极改变的时代已经到来，但是随之而来的也有引发大量失业等负面效应。硅谷创业家Elon Musk 则通过不断投资的方式来保持对人工智能的关注。他甚至认为人工智能的危险性超过核武器。著名理论物理学家Stephen Hawking认为，如果成功创造出人工智能则意味着人类历史的终结，“除非我们知道如何规避风险。”即便有如此多炒作，但人工智能领域却也不乏显著的商业行为，这些活动已经或者即将对各个行业和组织产生影响。商业领袖需要透彻理解人工智能的含义以及发展趋势。二、人工智能与认知科技揭秘人工智能的首要步骤就是定义专业术语，勾勒历史，同时描述基础性的核心技术。1、人工智能的定义人工智能领域苦于存在多种概念和定义，有的太过有的则不够。作为该领域创始人之一的Nils Nilsson先生写到：“人工智能缺乏通用的定义。” 一本如今已经修订三版的权威性人工智能教科书给出了八项定义，但书中并没有透露其作者究竟倾向于哪种定义。对于我们来说，一种实用的定义即为——人工智能是对计算机系统如何能够履行那些只有依靠人类智慧才能完成的任务的理论研究。例如，视觉感知、语音识别、在不确定条件下做出决策、学习、还有语言翻译等。比起研究人类如何进行思维活动，从人类能够完成的任务角度对人工智能进行定义，而非人类如何思考，在当今时代能够让我们绕开神经机制层面对智慧进行确切定义从而直接探讨它的实际应用。值得一提的是，随着计算机为解决新任务挑战而升级换代并推而广之，人们对那些所谓需要依靠人类智慧才能解决的任务的定义门槛也越来越高。所以，人工智能的定义随着时间而演变，这一现象称之为“人工智能效应”，概括起来就是“人工智能就是要实现所有目前还无法不借助人类智慧才能实现的任务的集合。”2、人工智能的历史人工智能并不是一个新名词。实际上，这个领域在20世纪50年代就已经开始启动，这段探索的历史被称为“喧嚣与渴望、挫折与失望交替出现的时代”——最近给出的一个较为恰当的评价。20世纪50年代明确了人工智能要模拟人类智慧这一大胆目标，从此研究人员开展了一系列贯穿20世纪60年代并延续到70年代的研究项目，这些项目表明，计算机能够完成一系列所本只属于人类能力范畴之内的任务，例如证明定理、求解微积分、通过规划来响应命令、履行物理动作，甚至是模拟心理学家、谱曲这样的活动。但是，过分简单的算法、匮乏的难以应对不确定环境（这种情形在生活中无处不在）的理论，以及计算能力的限制严重阻碍了我们使用人工智能来解决更加困难和多样的问题。伴随着对缺乏继续努力的失望，人工智能于20世纪70年代中期逐渐淡出公众视野。20世纪80年代早期，日本发起了一个项目，旨在开发一种在人工智能领域处于领先的计算机结构。西方开始担心会在这个领域输给日本，这种焦虑促使他们决定重新开始对人工智能的投资。20世纪80年代已经出现了人工智能技术产品的商业供应商，其中一些已经上市，例如Intellicorp、Symbolics、和Teknowledge。20世纪80年代末，几乎一半的“财富500强”都在开发或使用“专家系统”，这是一项通过对人类专家的问题求解能力进行建模，来模拟人类专家解决该领域问题的人工智能技术。对于专家系统潜力的过高希望彻底掩盖了它本身的局限性，包括明显缺乏常识、难以捕捉专家的隐性知识、建造和维护大型系统这项工作的复杂性和成本，当这一点被越来越多的人所认识到时，人工智能研究再一次脱离轨道。20世纪90年代在人工智能领域的技术成果始终处于低潮，成果寥寥。反而是神经网络、遗传算法等科技得到了新的关注，这一方面是因为这些技术避免了专家系统的若干限制，另一方面是因为新算法让它们运行起来更加高效。神经网络的设计受到了大脑结构的启发。遗传算法的机制是，首先迭代生成备选解决方案，然后剔除最差方案，最后通过引入随机变量来产生新的解决方案，从而“进化”出解决问题的最佳方案。3、人工智能进步的催化剂截止到21世纪前10年的后期，出现了一系列复兴人工智能研究进程的要素，尤其是一些核心技术。下面将对这些重要的因素和技术进行详细说明。1）摩尔定律在价格、体积不变的条件下，计算机的计算能力可以不断增长。这就是被人们所熟知的摩尔定律，它以Intel共同创办人Gordon Moore命名。Gordon Moore从各种形式的计算中获利，包括人工智能研究人员使用的计算类型。数年以前，先进的系统设计只能在理论上成立但无法实现，因为它所需要的计算机资源过于昂贵或者计算机无法胜任。今天，我们已经拥有了实现这些设计所需要的计算资源。举个梦幻般的例子，现在最新一代微处理器的性能是1971年第一代单片机的400万倍。2）大数据得益于互联网、社交媒体、移动设备和廉价的传感器，这个世界产生的数据量急剧增加。随着对这些数据的价值的不断认识，用来管理和分析数据的新技术也得到了发展。大数据是人工智能发展的助推剂，这是因为有些人工智能技术使用统计模型来进行数据的概率推算，比如图像、文本或者语音，通过把这些模型暴露在数据的海洋中，使它们得到不断优化，或者称之为“训练”——现在这样的条件随处可得。3）互联网和云计算和大数据现象紧密相关，互联网和云计算可以被认为是人工智能基石有两个原因，第一，它们可以让所有联网的计算机设备都能获得海量数据。这些数据是人们推进人工智能研发所需要的，因此它可以促进人工智能的发展。第二，它们为人们提供了一种可行的合作方式——有时显式有时隐式——来帮助人工智能系统进行训练。比如，有些研究人员使用类似Mechanical Turk这样基于云计算的众包服务来雇佣成千上万的人来描绘数字图像。这就使得图像识别算法可以从这些描绘中进行学习。谷歌翻译通过分析用户的反馈以及使用者的无偿贡献来提高它自动翻译的质量。4）新算法算法是解决一个设计程序或完成任务的路径方法。最近几年，新算法的发展极大提高了机器学习的能力，这些算法本身很重要，同时也是其他技术的推动者，比如计算机视觉（这项科技将会在后文描述）。机器学习算法目前被开源使用，这种情形将促成更大进步，因为在开源环境下开发人员可以补足和增强彼此的工作。4、认知技术我们将区分人工智能领域和由此延伸的各项技术。大众媒体将人工智能刻画为跟人一样聪明的或比人更聪明的计算机的来临。而各项技术则在以往只有人能做到的特定任务上面表现得越来越好。我们称这些技术为认知技术（下图），认知技术是人工智能领域的产物，它们能完成以往只有人能够完成的任务。而它们正是商业和公共部门的领导者应该关注的。下面我们将介绍几个最重要的认知技术，它们正被广泛采纳并进展迅速，也获得大量投资。1）计算机视觉是指计算机从图像中识别出物体、场景和活动的能力。计算机视觉技术运用由图像处理操作及其他技术所组成的序列来将图像分析任务分解为便于管理的小块任务。比如，一些技术能够从图像中检测到物体的边缘及纹理。分类技术可被用作确定识别到的特征是否能够代表系统已知的一类物体。计算机视觉有着广泛应用。其中包括，医疗成像分析被用来提高疾病的预测、诊断和治疗；人脸识别被Facebook用来自动识别照片里的人物；在安防及监控领域被用来指认嫌疑人；在购物方面，消费者现在可以用智能手机拍摄下产品以获得更多购买选择。机器视觉作为一个相关学科，泛指在工业自动化领域的视觉应用。在这些应用里，计算机在高度受限的工厂环境里识别诸如生产零件一类的物体，因此相对于寻求在非受限环境里操作的计算机视觉来说目标更为简单。计算机视觉是一个正在进行中的研究，而机器视觉则是“已经解决的问题”，是系统工程方面的课题而非研究层面的课题。因为应用范围的持续扩大，计算机视觉领域的初创公司自2011年起已经吸引了数亿美元的风投资本。2）机器学习指的是计算机系统无需遵照显式的程序指令而只是依靠暴露在数据中来提升自身性能的能力。其核心在于，机器学习是从数据中自动发现模式，模式一旦被发现便可用于做预测。比如，给予机器学习系统一个关于交易时间、商家、地点、价格及交易是否正当等信用卡交易信息的数据库，系统就会学习到可用来预测信用卡欺诈的模式。处理的交易数据越多，预测就会越好。机器学习的应用范围非常广泛，针对那些产生庞大数据的活动，它几乎拥有改进一切性能的潜力。除了欺诈甄别之外，这些活动还包括销售预测、库存管理、石油和天然气勘探、以及公共卫生。机器学习技术在其他的认知技术领域也扮演着重要角色，比如计算机视觉，它能在海量图像中通过不断训练和改进视觉模型来提高其识别对象的能力。现如今，机器学习已经成为认知技术中最炙手可热的研究领域之一，在年中这段时间内就已吸引了近十亿美元的风险投资。谷歌也在2014年斥资4亿美金收购Deepmind这家研究机器学习技术的公司。3）自然语言处理是指计算机拥有的人类般文本处理的能力，比如，从文本中提取意义，甚至从那些可读的、风格自然、语法正确的文本中自主解读出含义。一个自然语言处理系统并不了解人类处理文本的方式，但是它却可以用非常复杂与成熟的手段巧妙处理文本，例如自动识别一份文档中所有被提及的人与地点；识别文档的核心议题；或者在一堆仅人类可读的合同中，将各种条款与条件提取出来并制作成表。以上这些任务通过传统的文本处理软件根本不可能完成，后者仅能针对简单的文本匹配与模式进行操作。请思考一个老生常谈的例子，它可以体现自然语言处理面临的一个挑战。在句子“光阴似箭（Time flies like an arrow）”中每一个单词的意义看起来都很清晰，直到系统遇到这样的句子“果蝇喜欢香蕉（Fruit flies like a banana）”，用“水果（fruit）”替代了“时间（time）”，并用“香蕉（banana）”替代“箭（arrow）”，就改变了“飞逝／飞着的（like）”与“像／喜欢（like）”这两个单词的意思。自然语言处理，像计算机视觉技术一样，将各种有助于实现目标的多种技术进行了融合。建立语言模型来预测语言表达的概率分布，举例来说，就是某一串给定字符或单词表达某一特定语义的最大可能性。选定的特征可以和文中的某些元素结合来识别一段文字，通过识别这些元素可以把某类文字同其他文字区别开来，比如垃圾邮件同正常邮件。以机器学习为驱动的分类方法将成为筛选的标准，用来决定一封邮件是否属于垃圾邮件。因为语境对于理解“time flies（时光飞逝）”和“fruit flies（果蝇）”的区别是如此重要，所以自然语言处理技术的实际应用领域相对较窄，这些领域包括分析顾客对某项特定产品和服务的反馈、自动发现民事诉讼或政府调查中的某些含义、以及自动书写诸如企业营收和体育运动的公式化范文等。4）机器人技术将机器视觉、自动规划等认知技术整合至极小却高性能的传感器、致动器、以及设计巧妙的硬件中，这就催生了新一代的机器人，它有能力与人类一起工作，能在各种未知环境中灵活处理不同的任务。例如无人机，还有可以在车间为人类分担工作的“cobots”，还包括那些从玩具到家务助手的消费类产品。5）语音识别技术主要是关注自动且准确的转录人类的语音。该技术必须面对一些与自然语言处理类似的问题，在不同口音的处理 、背景噪音、区分同音异形异义词(“buy”和“by”听起来是一样的)方面存在一些困难，同时还需要具有跟上正常语速的工作速度。语音识别系统使用一些与自然语言处理系统相同的技术，再辅以其他技术，比如描述声音和其出现在特定序列和语言中概率的声学模型等。语音识别的主要应用包括医疗听写、语音书写、电脑系统声控、电话客服等。比如Domino’s Pizza最近推出了一个允许用户通过语音下单的移动APP。上面提到的认知技术进步飞快并吸引了大量投资，其他相对成熟的认知技术仍然是企业软件系统的重要组成部分。这些日渐成熟的认知技术包括决策最优化——自动完成对复杂决策或者在资源有限的前提下做出最佳权衡；规划和调度——使设计一系列行动流程来满足目标和观察约束；规则导向系统——为专家系统提供基础的技术，使用知识和规则的数据库来自动完成从信息中进行推论的处理过程。三、认知技术的广泛使用各种经济部门已经把认知技术运用到了多种商业职能中。1）银行业自动欺诈探测系统使用机器学习可以识别出预示着欺诈性付款行动的行为模式；借助语音识别技术能够自动完成电话客服；声音识别可以核实来电者的身份2）医疗健康领域美国有一半的医院采用自动语音识别来帮助医生自动完成医嘱抄录，而且使用率还在迅速增长；机器视觉系统自动完成乳房X光检查和其他医学影响的分析；IBM 的Watson借助自然语言处理技术来阅读和理解大量医学文献，通过假设自动生成来完成自动诊断，借助机器学习可以提高准确率。3）生命科学领域机器学习系统被用来预测生物数据和化合物活动的因果关系，从而帮助制药公司识别出最有前景的药物。4）媒体与娱乐行业许多公司正在使用数据分析和自然语言生成技术，自动起草基于数据的的公文材料，比如公司营收状况、体育赛事综述等。5）石油与天然气厂商将机器学习广泛运用在矿藏资源定位、钻井设备故障诊断等众多方面。6）公共部门出于监控、合规和欺诈检测等特定目的，公共部门也已经开始使用认知技术。比如，乔治亚州正在通过众包的形式来进行财政披露和竞选捐助表格的数字化，在这个过程中他们就采用了一套自动手写识别系统。7）零售商零售商利用机器学习来自动发现有吸引力的交叉销售定价和有效的促销活动。8）科技公司它们正利用机器视觉、机器学习等认知技术来改进产品或者开发全新产品，比如 Roomba机器人吸尘器，Nest智能恒温器。上述例子表明，认识技术的潜在商业收益远大于自动化带来的成本节约，这主要体现在：更快的行动与决策（比如，自动欺诈检测，计划和调度）更好的结果（比如，医学诊断、石油探测、需求预测）更高的效率（亦即，更好的利用高技能人才和昂贵设备），更低的成本（比如，自动电话客服减少了劳动成本）更大的规模（亦即，开展人力无法执行的大规模任务）产品与服务创新（从增加新功能到创造新产品）四、认知技术影响力与日俱增的原因在未来五年，认知技术在商业领域的影响力将显著增长。原因有二，首先，近些年来，技术性能有了实质进步，并处于持续研发状态。其次，数亿美元已经投入到技术商业化中，许多公司正致力于为各商业部门的广泛需求提供定制化开发和打包方案，以使这些技术更易购买和配置。虽然并非所有的技术提供商都能幸存，但他们的努力将共同推动市场前进。技术性能的改善和商业化正在共同扩大着认知技术的应用范围，这种情况在未来几年都将持续下去。1、技术提升扩展了应用范围认知技术大踏步前进的例子非常多。比如Google的语音识别系统，一份报告显示，Google用了不到两年时间就将语音识别的精准度从2012年的84%提升到如今的98%。计算机视觉技术也取得了突飞猛进的发展。如果以计算机视觉技术研究者设置的技术标准来看，自2010年到2014年，图像分类识别的精准度提高了4倍。Facebook的DeepFace技术在同行评审报告（译者注：同行评审，是一种学术成果审查程序，即一位作者的学术著作或计划被同一领域的其他专家学者评审。）被高度肯定，其脸部识别率的准确度达到97%。2011年，IBM 为了让Watson在智力节目《危险边缘》中获胜，曾对Watson进行优化，提升两倍的答案精确度。现在，IBM又宣称如今的Watson比当时“智能”了2400%。随着技术的改进和提高，技术应用的范围也在不断扩大。比如，在语音识别方面，机器曾经需要大量训练才能在有限词库里勉强识别出来，由语音识别技术延伸出的医疗应用程序也很难得到真正普及。而现在，每个月互联网上都会有数以百万次的语音搜索。另外，计算机视觉技术过去被狭隘的理解为部署在工业自动化方面，但现在，我们早已看到这一技术被广泛运用到监控、安全以及各种各样的消费应用里。IBM如今正拓展Watson在竞赛游戏之外的应用，从医疗诊断到医学研究再到财务建议以及自动化的呼叫中心。并不是所有的认知技术都有如此令人瞩目的发展。机器翻译有了一定发展，但幅度很小。一份调查发现，从2009年到2012年，将阿拉伯语翻译到英语的精确度仅仅提升了13%。尽管这些技术还不完美，但他们已经可以影响到专业机构的工作方式。很多专业翻译人员依靠机器翻译提升翻译精准度，并把一些常规翻译交给机器，自己专注在更具挑战性的任务上。很多公司正努力将认知技术做进一步研发，并逐步将其融入到更多产品尤其是企业级产品里，以方便企业用户购买和部署。2、对商业化进行的大规模投资从2011年到2014年5月，超过20亿美元的风险投资流入到基于认知技术研究的产品和服务里。与此同时，超过100家的相关公司被兼并或收购，其中一些被互联网巨头如亚马逊、苹果、Google、IBM或Facebook收购。所有这些投资都在培育一个多样化的公司图谱，这些公司正在加速认知技术的商业化进程。在这里，我们并不会提供关于某公司在认知技术商业化方面的细节，我们希望说明，认知技术产品拥有丰富的多样性。下面就是致力于认知技术商业化的公司名单，这个名单既不是完整无缺也非固定不变，而是一个动态的，用于推动和培育市场的指标。数据管理和分析工具主要使用自然语言处理、机器学习等认知技术。这些工具利用自然语言处理来从非结构化的文本中提取出意思，或者借助机器学习帮助分析人员从大规模数据集中发现深层含义。这个领域的公司包括Context Relevant（译者注：美国的一家大数据挖掘和分析公司）、Palantir Technologies（译者注：这家公司称要将数据、技术、人类和环境连接起来）、以及Skytree（译者注：一家借助机器学习进行市场分析并提供决策依据的大数据公司）。认知技术的各个部分可以被整合到各种应用和商业决策中，分别起到增加功能和提高效率的作用。例如，Wise.io公司提供一套模块来促进商业决策，比如客户支持、营销和销售，这里面会用到机器学习模型来预测哪些客户比较容易流失，以及哪些潜在客户更加容易转化。Nuance公司通过提供一种语音识别技术来帮助开发者进行需要语音控制的移动APP的开发。单点解决方案。众多认知技术成熟的标志是它们正在被不断的嵌入到特定商业问题的解决方案中。这些解决方案的设计初衷是要比公司原有的解决方案更加有效，并且几乎不需要认知技术方面的专业人员。普及度比较高的应用领域包括广告、营销和销售自动化、预测以及规划。技术平台。平台的目的是为建立高度定制化的商业解决方案提供基础。它们会提供一系列功能，包括数据管理、机器学习工具、自然语言处理、知识表示和推理、以及将这些定制化软件整合在一起的统一框架。3、新兴应用如果这些技术的表现和商业化趋势继续发展，我们就能够大胆预测认知技术的应用将更加广泛，被接受程度也会大大增加。数亿美金的投资涌入这些基于机器学习、自然语言处理、机器视觉或者机器人技术的公司，这预示着许多新应用即将投入市场。在商业机构依托认知技术构建自动化业务流程、增强产品和服务方面，我们也看到了巨大空间。五、认知技术在企业的应用路径认知技术将在接下来几年里变得流行。在未来2-5年，技术层面的进步和商业化将扩大认知技术对企业的影响。越来越多的企业会找到一些创新性应用来显著改善他们自身的表现或者创造新功能，以增强他们的竞争地位。企业的IT部门现在可以行动起来，增加对这些技术的了解，评估出适用这些技术的机会，将这些技术可能带来的价值向领导进行汇报。高级商务和公共部门的领导应该思考认知技术将对他们的部门以及整个公司产生何种影响，这些技术将如何激发创新并提升经营表现。
*文章为作者独立观点，不代表虎嗅网立场
授权 虎嗅网 发表，并经虎嗅网编辑。转载此文章须经作者同意，并请附上出处()及本页链接。原文链接https://www.huxiu.com/article/101560.html
未来面前，你我还都是孩子，还不去下载 猛嗅创新！
最多15字哦
后参与评论
微信公众号：机器之心（ID:a...
前沿科技媒体与产业服务平台满满的干货！界面视觉设计必须具备的5大要素！满满的干货！界面视觉设计必须具备的5大要素！未来机甲百家号最近随着大德通众包平台推广力度的加大，一家家专业的服务商和一批批带着需求的雇主加入了大德通众包平台，根据自己不同的价值取向，都想在这个创新型的威客众包服务平台上完成自己的诉求。界面视觉设计作为大德通众包平台主要的业务类目之一，我们有责任和义务让广大用户更深入的了解这一行业的几个基本要素，以便于大家沟通学习，篇幅略长，耐心读完你一定会有收获！其实一款 App 或 Web 产品，从用户体验的角度包含了战略层、范围层、结构层、框架层、表现层。而作为 UI 设计师，如果连"表现层"的内容都还一知半解就去盲目地学习其他领域，这是不提倡的。这里说的"表现层"是指视觉设计层面，在界面的视觉设计中同样也包含了 5 个视觉要素：色彩、文字、图标、图片、空间。一个出色的界面设计，必然是将这些要素做到了淋漓尽致。本文结合大量优秀的案例，并以通俗简练的语言，系统全面地介绍了这 5 个视觉要素。（适合阅读人群：视觉设计师、交互设计师、平面设计师、设计爱好者等。）文章大纲如下：要素一：色彩1. 色彩基础概述1.1 色彩三属性色相(H)：色彩的相貌、种类和名称，比如红、橙、黄、绿等颜色的种类就叫色相。饱和度(S)：色彩的鲜艳程度，也称纯度。明度(B)：色彩的明亮程度。人眼看到的任一彩色光都是这三个属性的综合效果。1.2 色彩寓意同一色相的不同明度和不同饱和度，也会对人产生不同的心理感受。我在这里归纳整理了各种色彩在通常情况下代表的不同寓意，仅供参考。红色(Red) 热烈、喜庆、热情、浪漫、危险橙色(Orange) 温暖、食物、友好、财富、警告黄色(Yellow) 光辉、明亮、尊贵、权力绿色(Green) 健康、自然、清新、希望、安全青色(Cyan) 朝气、脱俗、真诚、清丽蓝色(Blue) 平静、纯洁、清凉、科技、沉稳紫色(Purple) 神秘、高贵、优雅、浪漫、妖艳黑色(Black) 深沉、庄重、严肃、邪恶、死亡白色(White) 纯洁、神圣、干净、高雅、冷淡灰色(Gray) 平凡、随意、苍老、冷漠2. 色彩搭配色相对比：两种及两种以上色彩组合后，由于色相差别而形成的色彩对比效果称为色相对比。色相对比的强弱程度，取决于色相之间在色环上的距离 (角度)，距离 (角度) 越大对比越强，反之对比越弱。一般界面的色彩搭配主要包括三种颜色：主色调、辅助色、点缀色，搭配比例分别为 6:3:1。2.1 同类色搭配色环上相距 0° 的颜色为同类色，一般常用同一种色相的不同明度或不同饱和度的组合方式，例如蓝与浅蓝，红与粉红等。同类色搭配对比效果统一、清新、含蓄，但也容易产生单调、乏味的感受。2.2 邻近色搭配色环上相距 30° 左右的颜色为邻近色 ，例如紫与蓝紫，蓝紫与蓝等。邻近色搭配对比效果柔和、文静、和谐，但也容易感觉单调、模糊，需调节明度来加强效果。2.3 类似色搭配色环上相距 60° 左右的颜色为类似色，例如橙与黄，黄橙与黄绿等。类似色搭配对比效果较丰富、活泼，同时又不失统一、和谐的感觉。2.4 中差色搭配色环上相距 90° 左右的颜色为中差色，例如红与黄橙，蓝绿与黄等。中差色搭配对比效果明快、活泼、饱满、使人兴奋，同时不失调和之感。2.5 对比色搭配色环上相距 120° 左右的颜色为对比色，例如红与黄，红紫与黄橙等。对比色搭配对比效果强烈、醒目、刺激、有力，但也容易造成视觉疲劳，一般需要采用多种调和手段来改善对比效果。2.6 互补色搭配色环上相距 180° 左右的颜色为互补色，例如红与绿，黄与紫等。互补色搭配表现出一种力量、气势与活力，具有非常强烈的视觉冲击力。2.7 多色搭配多色搭配顾名思义是由多种色彩组合而成的一种搭配方式，一般以不超过 4 种颜色为宜，规定一种作为主导色，其余作为辅助色使用。多色搭配会让画面显得更加丰富、多彩，充满趣味性，但若控制不好，也容易让画面变花，失去平衡。搭配时须注意区分主次，按比例进行调和。要素二：文字1. 字体简介中文字体种类大致分为：宋体、黑体、仿宋、楷体、其它（变体字）。西文字体种类大致分为：无衬线体、罗马正体或衬线体、意大利斜体、手写体、黑字体（哥特体）。这次主要给大家介绍一下比较常用的衬线体和无衬线体。1.1 衬线体衬线字体在笔画末端具有附加的装饰线条或者“韵脚”。衬线字体字母的横线较细、竖线较粗，如 Times New Roman、Georgia 等字体属于衬线体。衬线体具有复古传统的曲线美、个性鲜明、张力十足，通常用在时尚奢侈品牌、复古海报等设计领域中。1.2 无衬线体无衬线体顾名思义，就是指“没有衬线的字体”。衬线指的是字母结构笔画之外的装饰性线条，无衬线字体字母的竖线和横线粗细基本相同，像经典的 Helvetica 和 Futula 等字体就属于无衬线体。无衬线体通常比较简约、具有现代感，适用于 Web、App 等互联网科技领域的设计中。2. 文字使用规则不同平台的界面设计中规范的字体会有不同，像移动端界面的设计就会有固定的字体样式，网页中会有常用的几个字体。2.1 移动端常规字体在 iOS 设备上，系统默认的英文字体为 SanFrancisco，中文字体为 PingFang。值得注意的是，SanFrancisco 字体会随着字号的变化自动调整字母之间的间距，以确保任何情况下都能很清晰地阅读。在 Android 设备上，原生系统英文字体使用 DroidSans 或 Roboto，但国内的 Rom 大都是第三方厂商定制而成，对原生系统字体有所变动。大家在设计时可以使用 Noto 作为中文字体来使用。2.2 网页端常用字体在 Windows 系统中，常用字体有 微软雅黑、黑体、宋体 等，最小字号推荐 12px，正文字号推荐 14px，标题字号推荐 18px、20px、24px、28px、32px 等，尽可能使用偶数。而行间距一般为字号的 1.5-1.8 倍。在 Mac OS 系统中，常用中文字体有 苹方、思源黑体 、华文细黑等，英文字体有 Helvetica、SanFrancisco 等。值得一提的是：Helvetica 曾被评为是设计师最爱的字体，简洁现代的线条，非常受到追捧。在 Mac 下被认为是最佳的网页字体，在 Windows 下由于 Hinting 的原因显示很糟糕。要素三：图标1. 图标功能图标是 Web 和 App 设计中的点睛之笔，既能辅助文字信息的传达，也能作为信息载体被高效地识别，并且图标也有一定的装饰作用，可以提高界面设计的美观度。2. 图标类型关于图标的类型目前并没有很权威的分类，我根据图标的用途将其分为两大类：「功能型图标」和「展示型图标」。2.1 功能型图标一般来说，凡是 UI 界面中，用户可以点击的图标均可看成是功能型图标，该类图标往往代表某一功能或某一链接的跳转。这类图标的典型应用场景就是 iOS 系统中的底部标签栏，以及 Material Design 中侧滑菜单选项的左侧。某些列表或卡片内的图标也属于功能型图标，但这类图标往往代表一个功能，而底部标签栏图标往往代表一个页面或板块。2.2 展示型图标相比功能型图标，展示型图标更加具有「设计感」，是独特的、有内涵的以及具备辨识度的。一般来说，展示型图标主要是应用程序的启动图标。该类图标代表了一款产品的属性、气质以及品牌形象等，也是用户首先看到的内容，设计时应尽可能让用户记住并感到愉悦。该类图标在 iOS 系统中除了出现在 App Store 里，还出现在用户下载后的桌面上，以及 Spotlight 的搜索结果和设置等地方。3. 图标风格图标的设计风格有很多种，例如：线性图标、面性图标、线面结合图标、扁平图标、轻拟物图标、拟物图标、手绘型图标等，我对其中常见的几种作下简要的介绍。3.1 线性图标线性图标是由直线、曲线、点等元素组合而成的图标样式。该类图标轻巧简练，具有一定的想象空间，且不会对界面产生太大的视觉干扰。3.2 面性图标面性图标可以简单理解为对线性图标的填充，但面性比线性更加稳重和扎实，对色彩的传达也清晰明显。3.3 线面结合图标线面结合图标典型代表是「MBE风格」图标，其设计特点是采用了粗描边线和偏移的填充面相结合，灵动而鲜明。粗线条起到对画面的绝对分割，突显内容、表现清晰。3.4 扁平图标扁平图标去掉了透视、纹理、渐变等能做出 3D 效果的元素，让信息本身作为核心被凸显出来，并且在设计元素上强调抽象、极简、符号化。3.5 轻拟物图标轻拟物图标没有拟物图标那么写实，也不像扁平图标那么“平”，而是利用淡淡的渐变和一些光影来达到两者之间的平衡，识别性高又不失美感。要素四：图片图片在 Web 和 App 界面设计中是非常常见的，图片的质量和展现方式都会影响着用户对产品的感官体验。1. 图片比例不同比例的图片所传递的主要信息各不相同，我们需要结合产品的特点，并根据不同的场景来选择合适的图片比例进行设计。1.1 1比11:1 是比较常见的图片设计比例，相同的长宽将构图呈现得简单，突出了主体的存在感，常用于产品、头像、特写等展示场景。1.2 4比34:3 的图片比例使图像更紧凑，更容易构图，便于开展设计，也是常用图片比例之一。1.3 16比916:9 的图片比例可以呈现电影观影般的效果，是很多视频播放软件常用的尺寸，能带给用户一种视野开阔的体验。1.4 16比1016:10 的图片比例最接近黄金比，而黄金分割具有严格的比例性、艺术性、和谐性，蕴藏着丰富的美学价值，被认为是艺术设计中最理想的比例。2. 图片排版图片的排版类型有很多种，根据不同的场景和所需传递的主体信息来选择与之相符的展现方式，以下是常见的几种排版类型。2.1 满版型满版型是以图片作为主体或背景铺满整个画面，常搭配文字信息或 icon 修饰，视觉传达直观而强烈，给人大方、舒展的感觉。2.2 通栏型通栏型是指图片与整体页面的宽度相同，而高度为其几分之一甚至更小的一种图片展现方式，最常见的就是轮播图（Banner）。通栏型图片宽阔大气，可以有效地强调和展示重要的商品、活动等运营内容。2.3 并置型并置型是将不同的图片作大小相同而位置不同的重复排列，可以是左右或上下排列，能给原本复杂喧闹的版面带来秩序、安静、调和与节奏感。2.4 九宫格型九宫格型是用四条线把画面上下左右分割成九个小块，可以把 1 个或者 2 个小块作为一个单位填充图像，这种构图给人严谨、规范、有序的感觉。2.5 瀑布流型瀑布流型的图片会在页面上呈现参差不齐的多栏布局，降低了界面复杂度，节省了空间，使用户专注于浏览，去掉了繁琐的操作，体验更好。要素五：空间1. 栅格系统1.1 栅格系统简介栅格系统英文为「Grid systems」，是一种平面设计的方法与风格，运用固定的格子设计版面空间布局，其风格工整简洁，在二战后大受欢迎，已成为今日出版物设计的主流风格之一。如今栅格系统也已经被运用到网页设计中，它以规则的网格阵列来指导和规范网页中的空间布局。栅格系统的使用，可以让网页的信息呈现更加美观、易读、严谨和一致，同时也更具可用性。1.2 「8像素」栅格规则「8像素」栅格规则是一个以 8px 为单位，利用 8 的倍数来规定页面中元素(按钮、输入框、图片等)的尺寸及各自间距的一种通用的栅格规则。为什么用 8 而不是 5 或 7 呢？因为 8 是一个偶数，在 UI 设计过程中，对于 Android 系统需要导出特殊的 @1.5x 的切图，如果图片尺寸为奇数，则会出现半像素和虚边的问题，而用偶数则可以避免这种情况。为什么用 8 而不是 6 或 10 呢？因为目前主流的屏幕尺寸大部分都是 8 的整数倍，比如 1920 ×
× 800、1024 × 768 等。即使某些屏幕边长像素不是 8 的倍数，在设计中仍然可以尽量做到自定义元素的长、宽、margin 以及 padding都是 8 的整倍数来维持设计的一致性。2. 留白对于一些特殊的页面，例如引导页、闪屏页、促销页等，可以不用严格按照栅格系统进行设计，但需要注意空间留白的运用。2.1 留白四属性层次感 留白可以使页面的层次感得到极大的增强，留白越大，模块、信息间的层次感越清晰。焦点 元素越多，人的视觉注意力越容易分散；相反元素越少(即留白越大)，注意力则会更有效地聚焦在重要的内容上。韵味 留白具有“此时无物胜有物”的感觉，犹如中国的水墨画。留白运用于页面设计中，韵味也会出现。呼吸 留白的呼吸属性可以想象成周围的空气，当空气中的颗粒物(元素)特别多时，人的呼吸也会觉得不通透；相反留白越多时，呼吸感越顺畅。2.2 留白表现形式轻度留白 轻度留白是我们常见的页面留白设计形式，在传递出雅致、高端、文艺等气质的同时，又能将信息表现得清晰直接，让页面更加简洁和实用。轻度留白融合了重度留白的优势，但不受品牌属性的影响，几乎任何产品都可以用这种表现形式。重度留白 重度留白是把主体缩小到极致，其传递出的雅致、空灵、高端气质是最强的，但与此同时，其他的属性也近乎为零。“无印良品”品牌倡导简约、质朴的生活方式，原研哉赋予其设计理念就是“空”。所以，重度留白传递的不是产品，而是概念、气质和态度。小结1. 色彩色相、明度、饱和度是色彩的三个属性，不同的色彩具有不同的心理寓意，选色时需考虑产品的调性和受众人群；色环上距离(角度)越大的颜色对比效果越强，反之对比效果越弱，设计时应采用合适的色彩搭配。2. 字体黑体、宋体等是常用的中文字体，而衬线体和无衬线体是常用的西文字体；不同平台的界面设计会有不同的字体使用规范；另外，设计时需注意字号、字重以及行间距的设置，以达到最佳的阅读体验。3. 图标图标可以辅助信息文字的传达，也可以对界面起到修饰作用；功能型和展示型是图标的两大类型；不同风格的图标传递出不同的视觉语言，根据场景的需要进行合适的选择，并保持风格的一致性。4. 图片不同比例的图片所传递的主要信息各不相同，设计时需要结合产品的特点，并根据不同的要求来选择合适的图片比例；图片的排版类型有很多种，根据不同的场景和所需传递的主体信息来选择与之相符的展现方式。5. 空间使用栅格系统，可以让界面的信息呈现更加美观、易读和规范，设计时可以采用「8像素」栅格规则来指导元素尺寸和间距的制定；层次感、焦点、韵味、呼吸是留白的四个属性，留白的表现形式需结合品牌的属性来选择。本文仅代表作者观点，不代表百度立场。系作者授权百家号发表，未经许可不得转载。未来机甲百家号最近更新：简介:推动科技新闻的日常新鲜走向。作者最新文章相关文章}