如何积累交互技术知识？一文助你培养设计&技术交叉思维

设计学科考研理论基础备考需要大量的知识储备，尤其对于注重学科交叉创新探索的院校，设计理论复习涵盖了设计理论、设计史、前沿案例、交互技术、硬件与算法知识......不同的知识板块需要不同的备考策略。对于设计专业背景的同学，备考交互技术基础会遇到更多困难与瓶颈。更有不少同学，忽视了技术基础知识学习的重要性，导致进行交互设计方案产出时漏洞百出，达不到专业要求。

**为什么要学交互技术？**技术知识储备是备考技术导向的设计交叉学科理论科目的必要的准备。我们积累技术知识的目的是为了更好地服务于设计创新，最终的落脚点是设计问题的解答与设计方案的构建。从知识积累到应用落地，技术 & 设计交叉思维的培养是让知识形成体系，运用技术进行灵活设计的关键。

以人机交互技术（HCI）知识积累为例，我们首先要对 HCI 的理论体系有初步的理解认知。如下图所示，在一套完整的人机交互系统中，包括认知系统-Cognition system（解释人的心理模型）、运动系统-Motor System（解释人的交互行为）、Input Interface & Output Interface（输入与输出接口）、Perception System（感知系统）。

初步认知人机交互的理论体系后，我们需要理解硬件技术，人因学、以及设计可参与的部分分别是哪些。我们设计师参与人机交互设计时，无法强迫人做出我们预先设计好的交互行为，只能从分析人的心理与行为意图出发，根据硬件基础可实现的功能，来进行输入接口的行为与输出接口的感知呈现设计。

培养技术 & 设计交叉思维，是为了熟练运用前沿可实现的技术来辅助设计方案的创新落地，否则我们的设计就是无根之木，缺乏对问题的深入洞见而沦为平庸的 “伪需求设计”。

上文以人机交互为例，初步介绍了系统的理论学习方法与技术知识储备的必要性。培养好学习意识后，我们需要明确技术原理类知识的备考学习策略。技术原理类知识不光是编程方向同学的理论必备，也是交叉学科的基础素养，能帮助我们掌握更广阔的视野，让我们的设计思考具有前瞻性与交叉性。良好的技术知识储备能帮助我们激发设计亮点，优化设计流程，完善设计逻辑，让我们更好的理解产品、理解现象、社会动态与行业发展趋势。

在技术学习的过程中，首先，我们需要明确不同知识板块的的重要排序。对与设计方向的考生来说，对技术和其他学科知识的学习，可按照交互技术>硬件与算法>新媒体艺术>商业的重要程度进行排序。

交互技术是交互设计重要的理论基础，也是进行设计产出时占比最大的技术知识。如产品交互功能创新、新媒体艺术交互形式创新等，如果想基于成熟的交互技术上进行设计创新，那我们需要在平时积累大量的前沿交互技术。

硬件与算法需要有基本的概念理解。了解基础的硬件如蓝牙、蜂鸣器、制动器等有助于我们在有硬件技术认知的基础上，构建合理且能落地的交互设计产品体系。

算法知识模块需要我们储备常见的推荐算法、GAN/Diffusion 等深度学习算法的应用场景。算法知识的学习有助于我们在进行智能产品交互设计，如智慧出行/智能家居/数据可视化设计/AI辅助设计时，有可实现算法的依据。

新媒体艺术与商业等其他扩展知识需要我们多在案例与社会热点中进行积累，应对多变的考题类型。

培养自身完整的基础知识体系架构后，我们需要清晰认知各个知识模块需要掌握的深浅程度。知其然，知其所以然，但不必完全钻研理解原理，能做到满足设计应用创新的需要即可。如学习技术框架、核心技术名词时，掌握技术概念与技术应用场景，并能熟练运用于方案设计中即可。除此之外，我们还需认知到所学的基础技术知识的应用局限性，避免将其错误运用到设计方案中。

**以算法知识积累 - stable diffuion 为例**我们在课程（考研和作品集课程）中融入技术专题课程的目的，是为了培养同学设计&技术的交叉学科思维，通过对基础技术与其应用案例的讲解，进而培养同学灵活地将基础技术知识应用于设计方案的能力。技术不断地发展迭代，唯有训练并养成自身的交叉学科思维模式，才能保持高效积极的学习状态，实现以不变的思维方式应对万变的技术变化。

以最近热门的 Stable Diffuion 模型为例，该模型为内容生成领域中的优秀的开源模型。作为设计师， 按照技术基础知识的学习需求，需要了解该模型的底层架构是与 GAN 框架不同方向的 Diffusion（扩散模型），多应用于图像/音频/视频等内容生成领域的智能产品创新设计。

Diffusion 扩散模型的设计应用领域非常广泛，我们可以基于该模型开发服装/人物形象/icon图标等等 设计形式的生成模型，也可以与视频/音乐生成模型进行集成创新， 打通多模态的内容生成体系。

巧妙运用 Diffusion 模型也可在交互设计中进行创新，如在 VR / AR 交互设计中应用 Stable Diffusion 可以实现全新的交互展现方式，非常契合博物馆/文创/新媒体艺术领域设计创新。比如：艺术家 @Sergei Galkin 结合 SparkAR 中的目标跟踪器+Stable diffusion 探索AI生成内容的交互式应用。

（此处为视频，请在原文中观看）

艺术家 @Sergei Galkin 结合 SparkAR 中的目标跟踪器+Stable diffusion 探索AI生成内容的交互式应用。

（此处为视频，请在原文中观看）

艺术家 @ScottieFox 结合 Stable Diffusion VR + TouchDesigner 探索实时沉浸式AI生成空间

技术局限性的认知是技术知识学习的必要环节。虽然 Stable Diffuion 能给设计创新带来全新的可能，但我们也需认清其局限性。目前的模型版本更适合应用于艺术创作等视觉表达为主的领域，其精细化程度还待进一步完善，细节调控能力也较差，暂时还无法满足叙事性设计的稳定输出。

知识是学不完的，每天诞生的新知识同样也是不可能全部接收的。真正拉开设计师差距的并不是设计师掌握现有技能的熟练程度， 而是紧跟前沿技术的学习意识以及快速迭代新的业务需求，敏锐应用新技术，构建解决全新设计命题新方案的能力。

知识图谱的建立

设计学习者尤其是学习交互设计的同学们需要在入门阶段更深入地理解不同交互方式的可能性和局限性，例如了解传感器的工作原理,可以知道它对人体动作的检测灵敏度,从而设计出更合理流畅的交互方式。另外一方面也可以让设计解决方案更加可行，朝菌学园zhaodesign学园培养出的同学在制作项目过程中设计解决方案会更加落地和可行，如果不理解技术实现的难易程度,可能会设计出在当前技术条件下难以达到的方案，了解原理能更快适应和创新。不仅限于已有技术,还能结合原理去探索和设想新的交互方式，作品集的项目就会更具创新和实践价值。

不少设计背景的同学会反馈技术知识太难掌握。一方面原因是基础知识太过薄弱，无法理解技术的在设计任务中的应用。另一方面，部分同学可能过于钻研选择的学习材料难度过大，难以理解，因此学习方法不适用于交互设计对设计师掌握技术知识的要求。我们的课程关注的重点是技术的场景化，引导同学培养交互设计-技术交叉学科思维。

以常见的共享单车为例，积累此类专题的技术知识时，我们需要按照系统的知识框架来进行积累梳理，千万不要记技术知识的流水账，要以设计问题为导向将知识串联。比如我们可以将知识拆分为交互/硬件/算法/设计与商业四部分进行系统整理，提炼共享单车的业务实现逻辑，以技术实现流程为基础，构建完整的交互设计方案。