An Intent of Collaboration: On Agencies between Designers and Emerging (Intelligent) Technologies

该论文通过三位设计师与 Google 大语言模型为期三个月的共创实验，揭示了人机协作中设计师易丧失创意能动性的权力动态，并主张通过反思创作过程、深入理解技术特性以及调整人机工作关系，来重建设计师在新兴智能技术环境下的主体性与创造力。

要点

这篇论文讲述了一个关于人类设计师如何与“人工智能（AI）”这位新搭档相处的有趣故事。

想象一下，你是一位擅长手工编织、刺绣或织布的手工艺人（设计师）。突然有一天，你请来了一位超级聪明、读过全世界所有书的“数字助手”（AI，论文里用的是 Google 的 Bard），想和它一起创作。

你们原本以为会是一场完美的“双人舞”，结果却发现，这更像是一场充满误解的“探戈”，甚至有时候像是一场权力的争夺战。

以下是这篇论文的核心内容，用大白话和比喻来解释：

1. 故事背景：当“手艺人”遇上“数字大脑”

设计师们通常喜欢探索、拥抱意外和“不完美”的美（就像手工制品有独特的温度）。但 AI 是工程师造出来的，它追求的是效率、完美和逻辑。

• 比喻：这就好比让一位感性、随性的爵士乐手（设计师），去和一个只会按乐谱精准演奏的机器人（AI）合奏。AI 虽然懂很多乐理，但它不懂“感觉”，也不懂你手里那根针线的触感。

2. 实验过程：三个设计师的“三个月探险”

论文里的三位设计师（分别擅长刺绣、钩针和织布）决定和 AI 合作三个月。他们给 AI 看一张图（比如夕阳或苹果），然后问 AI：“我们怎么把它做成纺织品？”

他们发现，这个过程并不像想象中那么顺畅，而是经历了四个心理阶段：

• 第一阶段：盲目崇拜（“你是神，听你的！”）

  • 心态：设计师一开始觉得 AI 无所不知，像个全能的“魔法导师”。他们完全听从 AI 的建议，甚至让 AI 主导。
  • 结果：AI 经常搞错（比如把夕阳看成猫），或者给出一些根本没法做的建议。设计师开始感到挫败，觉得自己像个只会执行命令的机器人，失去了创造力。

• 第二阶段：困惑与挣扎（“你怎么又忘了？”）

  • 心态：设计师发现 AI 记性很差（忘了刚才说的话），或者总是重复同样的废话。
  • 结果：设计师开始感到烦躁。他们试图不断提醒 AI，但 AI 还是老样子。这时候，设计师的掌控感（Agency）最低，觉得自己被 AI 牵着鼻子走。

• 第三阶段：觉醒与夺权（“不，听我的！”）

  • 心态：这是转折点。设计师们突然意识到："AI 不是神，它只是个工具，而且是个有点笨的工具。”
  • 行动：他们不再盲目听从，而是开始主导。他们明确告诉 AI：“你负责提供灵感，我负责决定怎么做。”他们开始把 AI 当作一个“初级助手”或“灵感库”，而不是“共同创作者”。
  • 结果：设计师重新找回了掌控感，创作过程变得愉快，作品也更符合他们的心意。

• 第四阶段：疲惫与妥协（“算了，你随便吧”）

  • 心态：在经历了长时间的磨合后，有些设计师因为太累了，又放弃了主导权，让 AI 重新主导。
  • 结果：这种“摆烂”的状态再次带来了挫败感，因为 AI 并没有真的变聪明，只是重复之前的错误。

3. 核心发现：什么是“掌控感”（Agency）？

论文提出了一个非常重要的概念：掌控感（Agency）。

• 比喻：想象你在开车。
  • 如果 AI 是自动驾驶，你完全不管，你就失去了掌控感，如果车开错了，你会很慌。
  • 如果 AI 是副驾驶，它给你指路，但方向盘在你手里，你就很有掌控感。
  • 论文发现，设计师必须主动调整自己与 AI 的关系。你不能把 AI 当成“老板”，也不能把它当成“神”，而要把它当成一个需要被管理的、有点笨拙的实习生。

4. 结论：如何与 AI 愉快合作？

这篇论文给所有想和 AI 合作的人（不仅仅是设计师）三个建议：

1. 认清现实：AI 很强大，但它没有身体，不懂手感，也不懂人类的微妙情感。它不是来“替代”你的，而是来“辅助”你的。
2. 自我反省：在合作中，要时刻问自己：“我现在是不是太依赖它了？”或者“我是不是在把它当神拜？”保持清醒的头脑，知道谁才是做决定的人。
3. 调整关系：不要指望 AI 能完美理解你。你需要学会如何向 AI 提问，如何设定边界。当你把 AI 放在合适的位置（比如“灵感提供者”而不是“决策者”）时，你才能重新获得创作的自由和快乐。

一句话总结：
和 AI 合作，不是让它替你干活，而是你要学会如何“驯服”这个强大的数字伙伴。只有当你握紧方向盘，明确知道自己在做什么时，你才能在这个充满智能技术的时代，继续做一个有创造力、有灵魂的设计师。

技术摘要

这是一份关于论文《协作的意图：设计师与新兴（智能）技术之间的能动性（Agency）》（An Intent of Collaboration: On Agencies between Designers and Emerging (Intelligent) Technologies）的详细技术总结。

1. 研究背景与问题 (Problem)

随着大型语言模型（LLM）和文生图 AI 等生成式人工智能的兴起，设计师面临着如何在保持创造力和能动性的同时，与这些“外来”数字伙伴协作的挑战。

• 核心矛盾：工程设计往往追求优化、完美和现实主义（Solutionist approaches），而设计实践倾向于探索性、拥抱意外和生成新美学。现有的 AI 工具多基于纯数字空间的数据和算法开发，缺乏物理、触觉和具身（embodied）知识。
• 具体痛点：在“数字工艺”（Digital Craftsmanship，如纺织品制作）领域，AI 虽然能提供概念或图像，但往往缺乏可操作性，甚至导致设计师感到非创造性（non-creative）和去权（disempowered）。
• 研究问题：当设计师面对并非为其需求量身定制、但被宣传为“智能”甚至“自主”的 AI 时，他们如何调整内部认知过程以重新获得创造能动性？人与 AI 之间的权力动态（Power Dynamics）是如何演变的？

2. 研究方法 (Methodology)

本研究采用基于设计的实践研究（Research through Design, RtD）方法，结合第一人称视角的反思性日记，深入探究设计师与 AI 协作的微观过程。

• 研究对象：3 名工业设计硕士学生（作为设计师），每人选择一种纺织制作技术（刺绣、钩针、编织）。
• 协作对象：Google 的 LLM 平台 Bard（现 Gemini）。
• 实验流程：
  • 时长：为期 3 个月的实验旅程（秋季 2023 年）。
  • 任务：设计师将简单的图像（如日落、苹果）输入 Bard，寻求其在构思、制作技术或反思方面的贡献，并据此制作纺织品样本。
  • 迭代：每轮制作包含“图像生成 - 与 Bard 对话 - 制作 - 记录 - 反思”的循环。
• 数据分析：
  • 采用三轮分析：第一轮在制作后立即进行（定性分析）；第二轮和第三轮分别在制作后 12 个月和 15 个月进行，通过半结构化访谈和元自我反思（Meta-self-reflection）深入挖掘。
  • 核心指标：引入“能动性（Agency）”评分参数。设计师主观评估自己在特定阶段的“设计师能动性”与"Bard 能动性”的相对强弱，以此绘制出协作过程中的权力动态曲线。
  • 理论框架：基于“超人类（More-Than-Human）”视角，将 AI 视为具有分布能动性的非人类行动者，关注人类在协作中的认知和情感变化。

3. 关键发现与结果 (Key Findings & Results)

研究揭示了设计师与 LLM 之间存在显著的权力动态波动，并识别出四个关键的发展阶段：

A. 能动性动态的四个阶段 (Four Phases of Power Dynamics)

1. 全知合作者阶段：设计师将 Bard 视为全知全能的向导，赋予其高能动性，自己处于从属地位，盲目遵循指令。
2. 能力质疑与挫败阶段：设计师发现 Bard 存在遗忘、重复、误读图像等局限性。通过不断重复提示词试图纠正，但挫败感累积，Bard 的相对能动性开始下降。
3. 能动性夺回阶段（转折点）：设计师意识到需要调整预期，明确 Bard 的辅助角色。他们开始主动掌控创意决策，将 Bard 的回复视为灵感而非指令，重新定义“协作”为平等的对话。此时设计师能动性显著回升，满意度提高。
4. 能动性衰退阶段：随着疲劳感增加，设计师再次让 Bard 主导，导致重复性反馈和新的挫败感。

B. 核心机制：关系性能动性 (Relational Agency)

• 能动性是 delegated（被委托）的：Bard 本身没有自主意图，其“能动性”完全取决于设计师的预期和认知构建。
• 认知调整是关键：设计师必须通过内省（Introspection）理解自己的认知过程，并深入了解特定技术（Bard）的能力边界，才能建立有效的工作关系。
• 过程与结果的分离：设计师对最终纺织品的满意度并不直接等同于对过程的满意度。真正的赋能来自于对协作动态的掌控感，而非仅仅产出完美的作品。

C. 具体案例表现

• 刺绣作者：初期跟随 Bard 的指令（甚至被误读为猫），后期意识到 Bard 的局限性，主动接管创意，将 Bard 降级为技术支持，重获掌控感。
• 钩针作者：初期因 Bard 无法生成图案而沮丧，随后通过明确界定 Bard 的优缺点，将关系从“盲目跟随”转变为“讨论”，虽然感觉协作性降低，但创造力和满意度提升。
• 编织作者：始终赋予 Bard 较高能动性，导致最终因 Bard 的重复性而失败。但在后期意识到，明确表达需求（即使不主动夺权）也能改善体验。

4. 主要贡献 (Key Contributions)

1. 理论贡献：
   • 提出了**“关系性能动性”（Relational Agency）**的概念：在人机协作中，AI 的能动性并非固有属性，而是由人类设计师通过预期、认知和互动动态构建的。
   • 挑战了 HCI 研究中单纯关注“产出结果”的评估方式，强调过程性反思和设计师内心状态（Inner World）的重要性。
2. 方法论贡献：
   • 展示了如何通过“工作室旅程（Studio Journeys）”和详细的自我反思日记，捕捉人机协作中微妙的认知和情感波动。
   • 引入“能动性评分”作为定性分析工具，可视化了人机权力关系的动态变化。
3. 实践建议：
   • 设计师在与新兴技术协作时，需具备敏感性（Sensitivity）：
     1. 对创意过程作为认知活动的敏感性。
     2. 对特定技术能力边界的主动调查。
     3. 对人与技术工作关系的主动调整（从“全知向导”调整为“辅助伙伴”）。

5. 研究意义 (Significance)

• 对设计教育的启示：在 AI 时代，设计教育不应仅教授工具使用，更应培养设计师的元认知能力和自我定位意识。设计师需要学会如何在“超人类”世界中保持主体性，理解并管理自己与技术的关系。
• 对 AI 协作的重新定义：真正的协作不是让 AI 接管创意，而是设计师通过内省和结构调整，将 AI 置于合适的位置（如灵感库、技术助手），从而在保持人类创造力的同时利用 AI 的扩展能力。
• 未来方向：研究指出，随着 AI 技术（如多模态、更强大的 LLM）的演进，人类与技术的互动将更加复杂。未来的研究应继续探索这种动态关系，特别是在生物技术和增强现实等更广泛的领域。

总结：该论文通过深入的实践研究证明，设计师在与生成式 AI 协作时，“能动性”并非零和博弈，而是一种需要不断协商、调整和重新构建的关系。只有当设计师清晰地认知自我、理解技术局限并主动调整互动策略时，才能在 AI 辅助下保持创造力的活跃与赋能。