- 综合排序
- 最热优先
- 最新优先
- 来自专栏MixLab科技+设计实验室
AI设计系统“设计之神”
标题： “God of Design” AI design system “设计之神”AI设计系统 价值主张： 我们的“设计之神”系统利用生成对抗网络技术，帮助甲方把设计目标可视化后，更清楚地传达给设计师 借此技术，让无作图能力的甲方，把生成条件输入AI设计系统后，程序在极短时间内生成海量方案，甲方只需挑选其中想要的方案，交给设计师来完善，避免了设计师的无效工作，提升了工作效率。 ? “设计之神”AI设计系统原型演示 demo of AI design system： 我们以室内装修设计为例，制作了一份简单的使用演示，让读者能更具体的了解人工智能发挥的作用 ? 3.甲方把自己定制的方案发布出来，交给设计师完善。 （这里我们还设计了一个简单的商业模式，AI设计工具免费开放给所有人使用，定制生成的方案可以直接发布在我们的平台上，寻找设计师来完成。 运营模式 BUSINESS OPERATION MODEL ： 这块只是很粗略的构想了一个如何利用这技术来开展商业的模型，大体思路就是利用这个AI设计系统来吸引甲方和设计师，从而构建一个设计服务平台，对接甲方们和设计师们
1.5K10发布于 2019-09-26 - 来自专栏腾讯社交用户体验设计
当设计遇上AI
一、背景 最近AI创作内容火爆网络，让我们看到AI在设计上充满想象力的未来。关于AI在设计上应用的探索由来已久，从早几年的智能广告素材，智能Logo再到如今的AIGC，AI的成长突飞猛进。 本文尝试梳理AI目前在设计领域应用的最新进展，展望设计行业在AI技术影响下可能发生的变革。 2.3 AI辅助UI设计 AI生成UI版式 近期已经有团队开始实践在AI辅助下的UI设计。 三、AI对设计的价值 1、助力设计师表达创意 设计师可以将AI工具应用在工作中，比如当需要探索视觉概念时，可以使用简单的文本说明生成一些素材供创意师提供灵感和参考；还可以借助AI将已有素材尝试其他不同风格元素 得益于AI在设计领域的快速发展，人工智能势必会大大简化设计师的工作，提升设计师处理各种图像的效率。设计师也不必将时间浪费在去除背景等费力、重复的任务上，并且将有机会以最少的努力探索更多创意。
1.4K10编辑于 2023-04-14 - 来自专栏Golang语言社区
山海传说ai 设计
二怪物ai:选定怪物时，怪物头上显示名字等级等，取消选定，怪物不再显示信息。 2.1怪物ai分类：1级到7级。 1级ai：不会移动，不会攻击。固定位置。 2级ai：不会移动，不会主动攻击，受到攻击会反击。固定位置 3级ai：会移动，不会主动攻击，受到攻击会反击，不会追击。在固定区域内巡逻 4级ai：会移动，会主动攻击。 1到3级怪物ai视野范围和警戒范围为0米。 4到5级怪物ai视野范围为10米，警戒范围为8米。 6到7级怪物ai非战斗状态视野范围为10米，警戒范围为3米。 1级到2级怪物ai不会使用技能。 3级到4级怪物ai会几率使用编号xx到编号yy技能。 5到6级ai会几率使用编号aa到编号bb技能，会几率使用身上物品。 7级boss ai会几率使用专属技能。 2.4怪物ai行为流程图 2.4.1 3到5级怪物ai行为流程图： ? ?
1.2K80发布于 2018-03-22 - 来自专栏AI系统
【AI系统】AI系统概述与设计目标
本文将介 AI 系统的设计目标、组成和生态，让读者形成 AI 系统的知识体系，为后续展开每篇文章的内容做好铺垫。 AI 系统设计本身需要各个环节通盘考量，无论是系统性能，还是用户体验，亦或是稳定性等指标，甚至在开源如火如荼发展的今天，开源社区运营也成为 AI 系统推广本身不可忽视的环节。 AI 系统自身设计挑战较高（如更大的规模、更大的超参数搜索空间、更复杂的模型结构设计），人工智能的代表性开发框架 PyTorch 是 Meta 开发，后续贡献给 Linux 开源基金会；TensorFlow 即使作为系统工程师，也需要密切关注算法和应用的演进，才能紧跟潮流设计出贴合应用实际的工具与系统。 AI 系统设计目标 深度学习系统的设计目标可以总结为以下几个部分。 AI 工具链与 AI 系统本身如何在设计之初就考虑到这点，提供良好的可观测性、可调试性、允许用户注册自定义扩展等支持，是需要工具链与 AI 系统的设计者，所需要在 AI 系统的设计之初就需要提上日程的，
70910编辑于 2024-12-02 AI如何变革芯片设计
AI将如何改变芯片设计人工智能对半导体行业的承诺与潜力芯片制造、MATLAB、摩尔定律、芯片设计、人工智能、数字孪生摩尔定律的终结正逐渐逼近。 但对于半导体行业，AI仍有更多前景和潜力。为了更好地理解AI将如何彻底改变芯片设计，我们与某机构MATLAB平台的高级产品经理进行了对话。问：AI当前如何用于设计下一代芯片？ 但即使在设计过程的早期阶段，当设计光源、传感器和所有不同组件时，AI也扮演着重要角色。许多异常检测和故障缓解工作需要重点考虑。 我们通常认为AI是一种预测工具，或者是一个执行某种任务的机器人，但很多时候，通过AI能从数据中获得很多洞察。问：使用AI进行芯片设计的好处是什么？ 问：你认为AI将如何影响芯片设计人员的工作？答：这将释放大量人力资本，用于更高级的任务。可以利用AI来减少浪费、优化材料、优化设计，但在决策时仍然需要人的参与。我认为这是人与技术携手合作的绝佳例子。
10010编辑于 2026-05-23AI如何改变芯片设计
AI如何改变芯片设计摩尔定律即将终结。工程师和设计师在晶体管微型化和芯片集成度方面已接近极限，因此他们转向其他芯片设计方法，将AI等技术融入设计流程。 AI在芯片设计中的当前应用某机构高级产品经理指出，AI已贯穿芯片设计和制造的大部分环节。在工艺工程中，AI可用于优化流程，缺陷检测是各阶段（尤其是制造环节）的重要应用。 在设计阶段，AI在光学元件、传感器等组件设计中扮演重要角色，主要用于异常检测和故障缓解。通过分析历史数据，AI能识别生产延迟的根本原因，在设计和加工阶段提前发现问题。 AI不仅是预测工具，更能从数据中提取深层洞见。AI驱动的设计优势传统基于物理的建模计算密集且复杂。AI可创建替代模型（即数字孪生），通过参数扫描、优化和蒙特卡洛模拟大幅降低计算时间。 跨团队协作时需要清晰传达设计意图。未来展望AI将释放人力资源专注于高级任务，在材料优化、设计优化和减少浪费方面发挥作用，但决策仍需人类参与。
37700编辑于 2025-10-11- 来自专栏机器之心
AutoML研究综述：让AI学习设计AI
这一主题也被称为架构搜索，已在设计神经网络方面备受关注，比如（Zoph and Le, 2017; Liu et al., 2017）。 除了少数一些文献（如 Friedman and Markovitch, 2015; Smith et al., 2017），当前的 AutoML 算法都是以黑箱形式设计的。 使用人工设计的机器学习模型，模型的推理方式往往已经对用户而言未知了。通过自动化创建模型，用户基本上将没有机会理解选择特定流程的原因。 研究自动设计超参数更少的框架是可行的（Feurer and Hutter, 2018）。 11 总结 自 1990 年代以来，AutoML 主题已行过千里之路。
84420发布于 2019-05-15 - 来自专栏四楼没电梯
Impeccable：给 AI 前端设计注入专业设计语言
这种现象不仅损害用户体验，也暴露了一个核心问题： 开发者与 AI 之间缺少一种共同的“设计语言” —— 无法准确告诉 AI 什么是好设计、什么是不良设计。 ([Emelia][1]) Impeccable 正是为了解决这个设计表达与执行的鸿沟而诞生的，它不是组件库或 UI 框架，而是一套 设计技能框架，供 AI 辅助工具调用，从而让 AI 生成的 UI 辅助工具的上下文中时，AI 自身就具备了“识别好的设计与坏的设计”的底层语义能力。 这样的机制从根本上解决了 AI 设计输出波动大的问题。 更聪明，而是让 AI 更懂得 “什么是好设计”。
44510编辑于 2026-04-23 - 来自专栏AI系统
【AI系统】关键设计指标
前面我们已经对 AI 的计算模式有了初步的认识，那么这些计算模式具体是如何和 AI 芯片设计结合起来的呢？接下来我们将从 AI 芯片关键设计指标的角度来进一步拓展对 AI 计算体系的思考。 一些创新的设计和技术可以帮助降低 AI 芯片的能耗，例如专门针对 AI 计算任务进行优化的架构、低功耗制造工艺、智能功耗管理等。 关键设计点 AI 芯片设计的关键点围绕着如何提高吞吐量和降低时延，以及低时延和 Batch Size 之间权衡。具体的实现策略主要表现在 MACs 和 PE 两个方向。 设计高效的处理单元是提升 AI 芯片性能的重要手段之一。关于 PE 的优化设计方向有两个方面： 增加 PE 的核心数量。 比如通过设计高速缓存结构、优化数据存取模式等方式来实现。 计算性能仿真 当我们根据关键指标完成了 AI 芯片的设计之后，不同的 AI 模型在这个芯片上的执行性能都一样吗？
67110编辑于 2024-12-04 转载：【AI系统】AI系统概述与设计目标
本文将介 AI 系统的设计目标、组成和生态，让读者形成 AI 系统的知识体系，为后续展开每篇文章的内容做好铺垫。 AI 系统设计本身需要各个环节通盘考量，无论是系统性能，还是用户体验，亦或是稳定性等指标，甚至在开源如火如荼发展的今天，开源社区运营也成为 AI 系统推广本身不可忽视的环节。 AI 系统自身设计挑战较高（如更大的规模、更大的超参数搜索空间、更复杂的模型结构设计），人工智能的代表性开发框架 PyTorch 是 Meta 开发，后续贡献给 Linux 开源基金会；TensorFlow 即使作为系统工程师，也需要密切关注算法和应用的演进，才能紧跟潮流设计出贴合应用实际的工具与系统。 AI 系统设计目标 深度学习系统的设计目标可以总结为以下几个部分。 AI 工具链与 AI 系统本身如何在设计之初就考虑到这点，提供良好的可观测性、可调试性、允许用户注册自定义扩展等支持，是需要工具链与 AI 系统的设计者，所需要在 AI 系统的设计之初就需要提上日程的，
98421编辑于 2024-12-11- 来自专栏PaddlePaddle
AI+药物设计：AI制药与产业前沿
清华大学药学院副院长尹航为大家带来的演讲主题是：AI+药物设计：AI制药与产业前沿。 WAVE SUMMIT+2021深度学习开发者峰会 【交叉前沿，AI共拓】论坛 我们课题组一直聚焦于基础研究领域的生物学问题，尤其关注细胞膜和细胞膜的形态，以及与免疫相关的信号传导工作。 此方法可以设计多肽探针插入到细胞膜的细胞磷脂双分子层里，与跨膜蛋白相结合，通过计算机AI强有力的设计功能辅助膜蛋白获得功能。 这项技术在基础科研方面已经有应用。 人工智能 在生物制药里的市场情况 第一，关于AlphaFold 2和AI在制药方面的运用。 刚才提到的AlphaFold 2，他的名字其实出自于围棋软件AlphaGo。 AI药物设计和下围棋不一样，因为围棋知道胜负，而对于药物，则至今还没有临床结果，因为临床药物设计是一个周期相对比较长的过程，短期之内看不到结果。麦克接着提出那么你是否觉得人工智能可以使整个产业加速？
51420编辑于 2022-03-31 - 来自专栏MixLab科技+设计实验室
AI与设计：技术思维与设计思维的mix
最近在思考一些机器学习给设计带来的思维转变，还有对交互设计的影响，本文把一些读书笔记，及感想总结而成，主要是涉及AI技术、技术思维、设计思维、设计工具、用户体验设计等内容。 中场休息下 3 AI产品的用户体验设计 人工智能产品越来越多，机器不仅执行我们的命令，而且他们自己做事。这将改变用户的反应方式、行为方式以及用户对这些产品的心理预期。 它本身不是AI产品，它具有评分功能，显示通讯订阅者的参与度。点击分数，你会得到一个详细的行动列表，解释人们为什么得到他们的分数。 ? 3.3 基于用户个性化数据的产品设计 之前更新过关于《TensorFlow.js、迁移学习与AI产品创新之道》的文章，用户可以非常低成本的训练属于自己的图像分类模型，用于各种分类问题。 更多文章推荐 从Storyboard到DIY实现一个漫画生成器-01 Awful AI 人工智能的可怕应用 DIY一个人工智能珠宝设计师v1.0 你是 Infinite Learner 吗？
75630发布于 2018-07-25 - 来自专栏DrugOne
被“嫌弃”的AI药物设计
前两天看到一篇题为“AI设计药物，泡沫还是未来？” 作为一个AI制药的科研从业者，笔者赞同上述两个公司的化合物创新性不够突出的看法，但却很难认同作者作为一个专业科研人员在未深入了解这个领域的情况下去打击人们对AI药物设计的兴趣。 这些情况都说明了AI制药仍大有可为。 世界的AI药物设计到底是泡沫还是未来笔者也看不清楚，但中国的AI制药还远远谈不上泡沫。 全世界超过300家AI制药创业公司，国内叫得上名号的不超过10家；作为AI综合实力世界排名前三，把人工智能和创新药物研发列入国之重策的中国，如此小的产业体量何谈泡沫呢？ ? 望药物设计界的前辈和同僚不要丧失对新工具的兴趣与探索，也望正在从事AI药物设计的同行们再接再厉，早日做出真正值得为之欢呼的优秀成果。 AI正在努力理解制药的困境，希望制药也能对AI多一些包容和好奇。
1.1K40发布于 2021-02-02 - 来自专栏TestOps云层
AI与测试用例设计
其实也未必，大家如果做过几年功能测试，可以仔细想一下在设计测试用例的时候都是怎么做的？ 大多数时候作为测试，本质上是在做需求不够规范导致的无法自动处理工作，然后人工分拣调整完成测试用例的排列组合设计，而且还不太受控（大多数公司的测试用例评审和评估应该做的都不是很认真的）。 基于用户行为的预测的测试用例，在基于大数据下的AI学习，一定可以做到非常深度的测试用例组合设计，最终在大多数情况下完胜人工测试用例。 绝大多数公司没有这个成本拿大炮打蚊子，就算有AI云测试概念，其也不能非常完善的根据系统业务来生成测试用例，因为AI总需要先有个规则的。 以后会出现AI云测试公司，提供对被测对象的分析及文档规范生成，再利用自己的大数据模拟用户来设计测试用例，至于这样做出来的结果和价值？客户未必能非常认可。 PS。
1.7K10编辑于 2022-04-02 AI如何重塑芯片设计流程
Q&A：人工智能将如何改变芯片设计人工智能为半导体行业带来了新的希望和潜力。 为了更好地理解人工智能将如何彻底改变芯片设计，我们与MathWorks公司MATLAB平台的高级产品经理希瑟·戈尔进行了交流。人工智能目前是如何被用于设计下一代芯片的？ 即使在设计过程的早期阶段，当你设计光源、传感器和所有不同的组件时，人工智能也扮演着重要角色。有许多异常检测和故障缓解问题确实需要考虑。 在芯片设计中使用人工智能的好处是什么？戈尔： 从历史上看，我们看到了许多基于物理的建模，这是一个非常密集的过程。 你认为人工智能将如何影响芯片设计师的工作？戈尔： 这将释放大量的人力资本，使其能够投入到更高级的任务中。我们可以利用人工智能来减少浪费，优化材料，优化设计，但在决策时仍然需要人的参与。
21910编辑于 2026-03-22AI如何重塑芯片设计未来
工程师们转向人工智能等新技术来突破芯片设计极限——三星将AI植入存储芯片实现存内计算，谷歌TPU V4芯片性能较前代提升两倍。 MathWorks高级产品经理Heather Gorr指出，AI已渗透芯片全生命周期：制造缺陷检测：通过异常识别提升良率数字孪生应用：构建替代物理模型的轻量化代理模型，加速蒙特卡洛仿真工艺优化：分析历史数据预测设备停机风险优势显著 ：较传统物理模型降低90%计算成本参数扫描效率提升300%实验迭代周期缩短75%现存挑战：模型精度较物理方程低15-20%需整合跨部门传感器数据需保持人类工程师的决策主导未来趋势：人机协同设计将成为行业标准可解释 AI模型是关键发展方向需建立跨职能团队的知识传递机制"这不是取代人类，而是释放工程师处理更复杂任务的能力。" 行业需要既懂AI又理解半导体物理的复合型人才。
35910编辑于 2025-07-28- 来自专栏wataloo的试验田
类守望先锋游戏AI设计
目录 类守望先锋游戏AI设计 1 设计概要 1.1 设计思路 2 FPS游戏AI设计 3 MOBA游戏AI 4 结合MOBA和FPS的游戏AI 4.1行为树脑图 5 总结 1 设计概要 1.1 设计思路 考虑到游戏的最主要特性是FPS+Moba，我们将游戏AI的实现建立在这两种属性之上。 先分别分析FPS游戏AI核心功能和MOBA游戏的AI核心功能，然后考虑两种AI融合。 2 FPS游戏AI设计 核心AI元素抽象：跑路，射击，利用掩体 我们从零开始，搭建FPS游戏的AI框架 第一步：实现跑路 在地图上的关键路点之间建立双向导航的网络，如下图所示： image.png 这是一个带权有向图 其基本实现可以参照《MOBA游戏英雄AI设计》 4 结合MOBA和FPS的游戏AI 我们需要将两种类型的AI做一个融合：游走、射击和利用掩体时采用FPS的AI设定，释放技能时采用MOBA的设定。
4.5K123发布于 2018-06-12 - 来自专栏AI科技大本营的专栏
跨界 | 隐形AI与设计
作者 | 卢智雄 作为一个设计师，我对现在的AI浪潮的态度起初是：听起来很棒，但跟我这个设计师有什么关系呢？ 更重要的是，一直以来设计师关注的都是界面，职责是根据不同的交互方式设计不同的好用的界面，而AI似乎是一个底层的创新，和界面没有太多关系。 我将在这篇文章中描述三个已经出现的设计与AI关联的方式。它们分别是AI辅助设计过程、仿人类AI和隐形AI。 但产业中有很多设计需求不需要特别有创造力，也正是这些需求最有可能被AI取代。 但是对于大部分有一定追求的设计师来说，谈AI对设计师职业的威胁目前来看还甚早。 完全模仿人类交流的AI 打造一个2001太空漫游里面的能和人交流的HAL机器人是科技界的梦想。
1K90发布于 2018-04-28 - 来自专栏AIGC新知
Agentic AI及其设计模式简介
需要复杂的算法设计，包括长期记忆、学习和推理能力，应用于动态、多任务和长期环境。 2、什么是自主Agent？ 在本文中，我们将探讨 Agentic AI 的含义，深入研究其基本设计原则，并揭示驱动其有效性的Agentic 设计模式。 一、什么是Agentic AI？ 从本质上讲， Agentic AI是指设计为作为自主代理运行的系统，具有以下能力： 感知外部环境。 关于任务执行的原因。 独立行动、以实现预定或不断发展的目标。 三、代理模式：Agentic AI的构建模块 为了设计有效的自主代理，开发人员采用Agentic 模式——针对 Agentic AI 开发中常见问题的可重用解决方案。 迭代和优化：利用反馈和性能数据不断完善代理的设计。 四、构建代理人工智能的挑战 尽管做出了承诺，Agentic AI 也面临着一系列挑战： 复杂性：设计能够处理动态环境的代理本质上是复杂的。
1.1K10编辑于 2024-12-25 - 来自专栏DrugOne
AI设计药物，泡沫还是未来？
原文标题：又被鼓吹AI药物设计的文章吵醒 作者：0ut0fcontrol ，北京生命科学研究所 | 博士研究生 2020年5月21日早上看到一篇文章“人工智能正在永远改变药理学”, 佐证是另一个 AI设计的药物DSP-1181(BBC NEWS | AI设计的新药分子首次进入临床试验)。 之前21天AI开发新药, AI设计出的化合物与已知kinase抑制剂非常像[2]。 AI设计的kinase抑制剂: ? 已知kinase抑制剂(高亮部分与AI设计化合物一致): ? 辅助开发DSP-1181的AI制药公司Exscientia号称用AI加速"Design-Make-Test"循环: ? 其中核心的生成设计(Generative Design)应该也是ligand-based的分子生成模型, 所以它招聘熟悉使用化学信息学工具的人: Knowledge of cheminformatics
90370发布于 2021-02-02
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号