王一帆

摘要：人工智能是近年來科技領域最引人注目的發(fā)展之一。本文討論了人工智能在標志設計中的應用情況，總結(jié)了人工智能生成標志的方式及其特點。通過這些方式可以提高標志設計的效率，也便于大眾化的參與。然而，現(xiàn)階段這些方式尚無法替代經(jīng)驗豐富的平面設計師的專業(yè)水平。在人工智能的幫助下，標志設計在某些方面變得更簡單，但也引發(fā)了新的問題，使標志設計變得更加復雜。

關鍵詞：人工智能；標志設計；人工智能生成內(nèi)容；智能輔助設計；視覺傳達設計

中圖分類號：J05 文獻標識碼：A文章編號：1003-0069（2024）09-0019-03

Abstract：Artificial intelligence has been one of the most remarkable developments in the field of technology in recent years. This article discusses the application of artificial intelligence in logo design and summarizes the methods and characteristics of AI-generated logos. These methods enhance the efficiency of logo design and facilitate wider public participation. However，at present，these methods cannot fully replace the expertise of experienced graphic designers. With the assistance of artificial intelligence，logo design has become simpler in certain aspects，but it has also introduced new challenges，making logo design more complex.

Keywords：AI；Logo design；AIGC；Intelligently assisted design；Visual communication design

引言

人工智能顧名思義就是與人類智能相對應的機器的智能，是近年來科技領域最引人注目的發(fā)展之一。這不是某個強大的技術(shù)，而是許多技術(shù)的統(tǒng)稱。強大的計算能力和智能學習算法使這項技術(shù)在不同領域中廣泛應用。標志設計作為重要的視覺傳達工具，起到輔助識別品牌、組織或事件的作用。然而，傳統(tǒng)的標志設計需要經(jīng)歷一個漫長的過程，設計師與需求方持久的溝通，對每個項目都需要花費大量時間與精力進行頭腦風暴并完成數(shù)個草圖，再在這些草圖之中進行挑選并反復優(yōu)化。在這樣的背景下，如何將人工智能技術(shù)應用于標志設計中，縮短這個復雜而漫長的過程是一個值得關注的問題?，F(xiàn)存關于人工智能影響標志設計的研究更多注重技術(shù)的提升，很少從設計應用的角度進行分析。從應用層面展開研究，將有助于技術(shù)的成果轉(zhuǎn)化。

本文通過文獻分析及案例調(diào)研，梳理人工智能在標志設計中的多種應用，探討這些技術(shù)對標志設計效率的影響?，F(xiàn)有的機器學習模型可以生成標志設計，許多原本需要設計師親自動手反復迭代的工作可以由機器快速完成。但是，人工智能真的讓標志設計更簡單了嗎？這些工具能否理解我們的需求，按照指令完成任務呢？在與機器打交道的過程中，設計師的工作重點、標志設計的工作流程會發(fā)生哪些轉(zhuǎn)變？本文也試圖對這些問題進行分析，為標志設計從業(yè)者、研究者、決策者提供有價值的參考，促進人工智能技術(shù)與標志設計實踐的結(jié)合。

二、人工智能生成標志

在標志設計中，人工智能最顯著的作用發(fā)生于如何將概念轉(zhuǎn)化為視覺，也就是研究如何讓計算機按照要求生成標志圖形。研究人員針對標志生成開發(fā)出了不同的模型或產(chǎn)品，主要分為兩種類型：（1）由模型自動生成標志，即通過原始的輸入直接獲得標志。（2）用戶協(xié)同生成標志，通過一系列的選擇來逼近設計需求。

（一）模型自動生成標志：人工智能生成內(nèi)容（AIGC）是人工智能研究的熱點領域，使用機器學習算法可以訓練機器快速生成大量圖像、聲音、視頻、文字或者在多種形式中轉(zhuǎn)換，這些工具為標志的自動化生成提供了技術(shù)基礎。代表性的技術(shù)包括生成對抗網(wǎng)絡GAN（Generative Adversarial Networks）和擴散（Diffusion）模型等。

GAN是基于游戲理論的生成模型，由生成器和鑒別器兩部分組成，鑒別器需要區(qū)分預先提供的內(nèi)容與生成器生成的內(nèi)容，在這個過程中，生成器也同時得到訓練以生成鑒別器難以鑒別的高質(zhì)量內(nèi)容。[1]GAN模型有很好的延展性，在圖像生成方面效果驚人，因此也有一些學者嘗試使用GAN來進行標志設計。2018年Sage等人建立了大型標志數(shù)據(jù)集LLD（Large Logo Dataset），并提出了可用于標志設計的GAN模型。[2]他們使用機器對標志進行分類，并將分類結(jié)果應用于標志生成。同一年Mino等人在Sage的基礎上開發(fā)出LoGAN：以顏色為條件的標志生成GAN模型。[3]他們以標志最突出的顏色來定義標志，將LLD中的標志按照顏色分成12個類別，并根據(jù)顏色來生成新的標志。

Diffusion是用于圖像生成的潛在擴散模型。[4]2022年公布了使用Diffusion模型的智能工具Stable Diffusion，相比GAN可以處理更加復雜的、多模態(tài)的信息，主要應用于文本到圖像、圖像到圖像、修復圖像等方面[5]。Diffusion模型生成圖像是一個步驟可視化的過程，將噪點圖片多次去噪后得到清晰的圖片。Stable Diffusion引發(fā)了文生圖的研究熱潮，相關成果也可以用于生成標志。用戶只需要在prompt（提示詞）中加入“LOGO”的標簽就可以快速生成許多精美的標志。同時期的其他文生圖模型也具有相似的特點，如Midjourney、DALL-E等，這些標志相比GAN渲染出來的低分辨率模糊草圖精致許多，尤其對具象化、寫實類的標志效果驚人，不僅有質(zhì)感的變化，還加入了光影渲染的效果。

（二）用戶協(xié)同生成標志：另一個生成標志的方向是由用戶與機器協(xié)同進行標志設計。不同于由模型直接生成，用戶需要在預設的平臺上輸入關鍵信息并進行多個方面的喜好選擇。這種交互往往以網(wǎng)頁的形式呈現(xiàn)，比如BrandMark、Looka、LogoAi、TailorBrands、LogoLuck等。這些網(wǎng)站都有著相似的流程：填寫標志與口號、選擇品牌類型（如餐飲、科技、金融、醫(yī)療、健身等）、選擇配色方案、選擇字體風格……經(jīng)過層層選擇，稍等片刻就可以得到數(shù)十個標志設計方案，還可以持續(xù)生成更多的設計方案，并進行衍生設計。這是一種半自動的生成方式，使用者可以在機器自動生成的大量的標志中進行挑選與修改，逐步接近合適的結(jié)果。

三、人工智能生成標志效果分析

為了更清晰地說明以上兩種人工智能生成標志的方法，接下來以“智能咖啡”（Smart Coffee）標志設計為例進行測試。目標是生成一個智能咖啡的標志，從杯子里冒出來的熱氣看起來像大腦的形狀，有“Smart Coffee”的文字環(huán)繞著圖案。

圖1是使用Stable Diffusion 和Midjourney進行標志生成實驗。輸入相同的prompt，通過對比可以發(fā)現(xiàn)，Stable Diffusion生成的標志更簡潔，英文拼寫雖有錯誤但是比Midjourney更貼近目標單詞，而后者的色彩和細節(jié)都更加豐富，更富有藝術(shù)性。

圖2、3使用LogoLuck和Looka兩個平臺進行實驗，同上生成智能咖啡標志。從結(jié)果可以看出，它們都可以生成出完成度較高的圖文組合標志。并且一些平臺還提供后續(xù)的支持，如生成效果圖與衍生品等。但是針對標志設計本身，在圖案部分每一個方案都只能體現(xiàn)出“智能”或“咖啡”其中一個概念，圖案本身是從預先設定的素材庫中選取的，缺少針對性與明顯的特征。文字部分雖然內(nèi)容準確，但字體往往是從預設的字庫中進行挑選，在與圖案部分進行配合時也很難達到恰當?shù)呐浜稀?h3>四、人工智能使標志設計更簡單

使用人工智能自動生成設計方案可以提升標志設計的效率，幫助設計師獲得靈感和創(chuàng)意，提供快速反饋和迭代，縮短設計周期。專業(yè)設計師也可以使用新的生產(chǎn)工具來輔助生成更好的設計作品。大眾也可以參與到標志設計活動中，人人都可以成為標志設計師。

（一）人工智能輔助標志設計時代：標志設計的流程受到技術(shù)發(fā)展產(chǎn)生了4個階段的變化：完全手工設計制作，印刷輔助設計傳播，使用計算機設計制作，應用人工智能輔助設計。

標志設計的歷史可以追溯到古代時代，當時部落或氏族會選擇特定的動物或自然物象作為獨特的標記。許多工匠和藝術(shù)家也會在自己的作品上加上自己的名字或特殊的符號。這些標志符號都是手工制作的，存在生產(chǎn)效率的限制，同時不便于復制和傳播。印刷術(shù)出現(xiàn)后，設計師可以使用印刷機來批量復制標志，使得標志能夠快速在不同地區(qū)和媒介上展示和應用，提高了標志的傳播效率。隨著計算機圖像處理技術(shù)的發(fā)展，電腦屏幕幾乎可以復制所有視覺媒介的信息，圖形化界面的操作系統(tǒng)使得計算機的普及更加迅速，人們無需編程知識也可以輕松控制計算機完成工作。隨著個人電腦的普及，設計師們開始廣泛使用諸如Adobe Illustrator、Photoshop等電腦軟件進行標志設計，這些軟件工具可以幫助設計師快速修改、調(diào)整或嘗試不同的設計方案，大大提高了標志設計的靈活性和效率。隨著智能化的進一步提升，機器在人類工作中的參與比例也越來越高。在人工智能時代，基于機器學習的系統(tǒng)能夠自動生成標志或與用戶協(xié)同生成標志，為設計師提供了更多的創(chuàng)作靈感和基礎。

從手工到人工智能的演進過程中，每個階段都在不同程度上改變了標志設計的工作方式和設計質(zhì)量。隨著技術(shù)的繼續(xù)進步，更多的智能化工具將會應用于標志設計中，為品牌傳播和視覺溝通帶來更多的可能。對設計師而言，標志設計的流程變得更簡單了。

（二）在其他方面輔助標志設計：人工智能可以通過多種方法輔助標志分類，比如對標志的形狀、顏色、文字等元素進行分析，提取特征并分型分類。許多設計師、設計公司都建立了自己的品牌標志分類模型，包括分析不同行業(yè)標志設計的特征，如運動品牌、餐飲品牌、文化品牌等，也可以從不同的品牌組織模式的角度來劃分，如統(tǒng)一型、獨立型、共存型、家族型等。[6]隨著數(shù)據(jù)集的增加，人腦記憶分類的難度越來越大，但是結(jié)合人工智能可以結(jié)合大數(shù)據(jù)對更多的標志進行分析，提取特征，輔助分類模型的建立，從而指導進一步的設計工作。上文提到的Sage等人使用了聚類的方法對標志進行了分類，并以此為依據(jù)進行特定類別的標志生成。[7]這些分類可以便于設計師前期構(gòu)思，分析品牌調(diào)性，從而確立設計風格，如圖4。

人工智能可以輔助CI（Corporate Identity System）系統(tǒng)建立。CI系統(tǒng)是企業(yè)對內(nèi)對外管理行為的指導，自從1988年太陽神引入了CI系統(tǒng)的概念后，各大品牌逐漸建立起了自己獨特的品牌形象。設計師和企業(yè)越來越注重標志設計在不同應用場景中的使用方式，逐漸設計出更加復雜的標志應用手冊。然而，如何確保CI手冊的內(nèi)容完整、清晰、規(guī)范且易于使用，也成為設計師所需考慮的重要課題。在此，人工智能也可以應用于自動化排版、適配不同媒介設備等，為標志系統(tǒng)建立做一些基礎建設工作，簡化CI的建立與應用過程。

人工智能可以參與相似性檢測與版權(quán)保護工作。標志往往由圖案與文字兩部分組合而成。近年來，標志設計越來越有去圖案化的趨勢，許多品牌都希望它們的標志更加內(nèi)斂優(yōu)雅隱藏個性，但其實也有避免標志圖案相似性問題的考慮。[8]在全球互聯(lián)的今天，出現(xiàn)標志相似或抄襲事件的頻率越來越高，一方面是由于標志設計要求的簡潔性，無法避免在相同復雜度中的相似性，另一方面是由于圖像檢索技術(shù)的提升，更容易在網(wǎng)絡中找到相似的標志了。通過快速比較標志的各種元素特征，計算標志之間的相似性，既可以用來檢測抄襲，也可以用于版權(quán)保護。如果在標志設計的過程中就進行了相似度的審查，則可能在一定程度上避免涉及抄襲的問題。

人工智能可以推動動態(tài)標志、多形態(tài)標志、生命化的標志的發(fā)展。動態(tài)標志是能夠根據(jù)場景、媒介、目的而改變標志，比如漢諾威世博會的標志。[9]多形態(tài)標志是指能夠根據(jù)不同主題、情境、風格而改變的標志，比如每屆奧運會的標志都有不同的設計風格和文化特色。[10]生命化的標志是指可以隨時間或與用戶交流而變化的標志。[11]這些新的標志形式，會變化、可定制，對傳統(tǒng)的標志設計理論進行了擴充，提出了新的設計標準與方法，面對的媒體也更加多樣和復雜。人工智能善于處理批量化任務、生成個性化內(nèi)容，處理這類標志設計也將會有出色的表現(xiàn)，這在未來可能會成為熱門的研究方向。

（三）人人都是標志設計師：人工智能對大眾化設計產(chǎn)生了影響，顛覆了傳統(tǒng)的設計模式，并實踐了大眾參與設計的理念。[12]在這個過程中生成標志的技術(shù)門檻也變低了。即使是沒有設計基礎或計算機制圖技術(shù)的人，也可以通過自然語言描述或交互方式輕松生成標志。雖然這些標志可能并非完美，但它們已經(jīng)能夠基本滿足低層次的設計需求。對于個人或小型公司而言，他們可能缺乏資金去打造一套完美的企業(yè)形象，但通過人工智能技術(shù)，他們可以輕松地獲得屬于自己的標志。

新的圖像生成方法和在線設計平臺提供了豐富的設計模板和自定義工具，通過簡單的輸入和拖放操作，用戶可以根據(jù)自身需求和喜好創(chuàng)作出視覺內(nèi)容。更重要的是，這個生成過程可以在極短的時間內(nèi)完成，并且可以持續(xù)不斷生成，而所需的成本也非常低廉。相比之下，雇傭或委托設計師所需的設計費用和溝通成本要高得多。對于普通人來說，標志設計變得更加簡單易行。

四、人工智能使標志設計更復雜

人們通常認為，技術(shù)的發(fā)展會使人們的生活更便利，人們的工作會變得更簡單。但事實真的如此嗎？今天的工作真的比工業(yè)革命之前的工作更簡單了嗎？人工智能真的使標志設計更簡單了嗎？本文認為，在人工智能的幫助下標志設計的確在某些方面變得更簡單了，但目前還不夠完善，許多工作并不能很好完成，同時還引發(fā)了一些新的問題，這些問題使標志設計反而變得更加復雜了。

（一）生成標志無法滿足設計需求：如前文所述，人工智能設計可以滿足低層次的設計需求，但對于追求高質(zhì)量、獨特性和深度品牌表達的標志設計來說，人工智能生成的標志還遠未達到可以直接使用的水平，主要體現(xiàn)在以下幾點：

生成質(zhì)量不佳。在目前水平，機器可以學習到的標志特征主要是配色和布局結(jié)構(gòu)，擅長生成規(guī)范化、標準清晰的內(nèi)容。無論是模型自動生成還是用戶協(xié)同生成，標志生成的質(zhì)量都不夠好。其一體現(xiàn)在圖形方面。由模型直接生成的標志往往不夠清晰，無法直接印刷或者在不同的場景中使用。用這種方式生成的標志也缺少簡潔性，內(nèi)容往往過于復雜，且缺少必要的細節(jié)。此外，使用模型生成的標志很難按照要求針對細節(jié)進行調(diào)整優(yōu)化，如果不能正確與機器“溝通”，生成內(nèi)容將會充滿意外且難以控制。而協(xié)同設計的標志又受限于預設的資源庫，缺少靈活性，很難針對具體的創(chuàng)意得到合適的結(jié)果，而且生成的圖案相對比較簡單，缺少獨特性。

其二體現(xiàn)在文字方面。文字是有著豐富含義和語境的符號，需要準確地表達特定的概念和信息。而人工智能在處理文字時并不能理解其中的意義和背后的文化內(nèi)涵，導致生成的文字內(nèi)容缺乏準確性和連貫性。目前的技術(shù)可以對單個英文字母進行藝術(shù)加工，但無法在多個英文字母間建立聯(lián)系，也無法準確把握字母之間的形狀、排列和比例等因素。對于中文標志設計而言，漢字字符的復雜空間結(jié)構(gòu)和組合方式使得生成中文標志的創(chuàng)意更加難以實現(xiàn)。用戶協(xié)同生成的標志能夠正確顯示文字內(nèi)容，但是字體來源于預設的字庫之中，特征不夠明顯，和圖案方面一樣缺少辨識度。

抄襲和相似的問題。使用模型生成標志設計需要依賴于大量高質(zhì)量樣本案例的學習，因此，在生成過程中可能出現(xiàn)相似、侵權(quán)、誤解或冒犯等問題。例如，某些生成的標志設計可能會讓人們不禁聯(lián)想到已有的品牌，例如，上面由Midjourney生成的方案右上角的英文部分容易讓人們想起星巴克的標志。這種相似性可能導致品牌形象的混淆和法律侵權(quán)的風險。此外，使用模型生成的標志設計往往偏向于寫實風格，更像是插圖或圖案，而無法設計出更抽象、簡潔和巧妙的設計。這種限制可能限制了標志設計的創(chuàng)造力和獨特性，無法滿足對于標志設計更高層次的要求。

缺少判斷力。機器可以持續(xù)不斷生成標志，但是無法對自己的工作內(nèi)容進行反思，這就突顯了設計師在標志設計過程中的重要作用。設計師的關鍵任務之一是從大量的方案中篩選出最有潛力的方案，并進一步闡述。因此，人工智能的引入可能會增加具有高度判斷力的設計師。只有設計師參與到最終的決策與完善環(huán)節(jié)，才能確保標志設計的最終成果能夠充分體現(xiàn)品牌的個性和價值，使人工智能與人類創(chuàng)造力的結(jié)合發(fā)揮最大的效果。

（二）設計師需要更高的學習成本：人工智能使標志設計更復雜了的另外一點在于對設計師的要求變得更高了。機器學習可以輔助設計師，同時也可以為所有人提供更方便的解決方案，設計師的需求也將發(fā)生轉(zhuǎn)變，其核心競爭力分為兩個方向：一方面要更加理解機器，學習人工智能背后的原理，訓練出更加高效的技術(shù)模型；另一方面要更加理解設計，從設計項目中尋求價值與意義。

人工智能引發(fā)鏈式反應的科學突破，引領新一輪科技革命和產(chǎn)業(yè)變革。[13]標志設計方面，即使現(xiàn)在的技術(shù)水平下人工智能生成的標志設計還有諸多不足，一旦有關鍵性的技術(shù)出現(xiàn)，這些生成標志的質(zhì)量可能會有飛躍性的提升。因此無可避免地需要接納、學習新技術(shù)，了解機器的工作原理，我們才能最合理地使用它。短期來看，人工智能根據(jù)人類的提示進行創(chuàng)作，以機器能夠理解的方式更精確地描述需求更會得到合適的結(jié)果；長期來看，一個標志的最終確立是由多方面綜合造成的，作為設計師，如何與客戶交流、理解標志的定位、在眾多的方案中進行選擇將仍然是標志設計師最重要的能力。在時間分配上，傳統(tǒng)的設計活動中定義需求和實現(xiàn)設計的時間往往是后者更長，至少是平均分配，在人工智能的輔助下，原本更加耗時的部分可以由機器完成，可以預見在新的設計流程中定義需求、問題將占據(jù)更大的比例。

（三）對標志設計要求更苛刻：人工智能的發(fā)展使得標志設計的門檻降低，這使人們有更多機會嘗試不同的設計風格和元素，從而導致市場上涌現(xiàn)出更多的標志。隨著設計數(shù)量的增加，人們對標志設計的認識和平均審美水平也逐漸提高，對標志的選擇和評價標準也變得更加挑剔和苛刻。人們更加渴望標志能夠突出品牌的獨特性，引起觀眾的注意并產(chǎn)生共鳴，同時他們也將會努力使自己的標志與人工智能生成的內(nèi)容有所區(qū)別。因此，對于標志設計師來說，除了參考人工智能技術(shù)提供的設計選項，他們還需要注重在設計中注入個性化的元素和品牌的核心價值，以滿足人們對于標志設計的更高期望。

結(jié)論

人工智能技術(shù)在標志設計中的應用，無論是通過模型直接生成還是與用戶協(xié)同生成的方式，為我們提供了快速、方便的生成標志的途徑，從而簡化了標志設計的流程。設計師可以借助這些技術(shù)輔助進行標志設計，獲取靈感或基礎方案。這些技術(shù)在標志設計的其他工作環(huán)節(jié)中也發(fā)揮了作用。技術(shù)的參與也降低了標志設計的技術(shù)門檻，增加了大眾的參與。

然而，盡管標志設計看似變得更加簡單，但在目前的技術(shù)水平下，這兩種生成方式都還無法達到直接投入使用的水平。與此同時，大眾對設計師和標志設計的要求卻變得更加苛刻。因此，從這些方面來看，標志設計并沒有真正變得更簡單。隨著人工智能的持續(xù)發(fā)展，將繼續(xù)對標志設計產(chǎn)生影響，設計師需要不斷了解和學習相關技術(shù)，建立新的設計流程和思維模式，以適應這一變化的趨勢。

參考文獻

[1]Goodfellow I，Pouget-Abadie J，Mirza M，et al. Generative adversarial networks[J]. Communications of the ACM，2020，63（11）：139-144.

[2]Sage A，Agustsson E，Timofte R，et al. Logo synthesis and manipulation with clustered generative adversarial networks[C]//Logo synthesis and manipulation with clustered generative adversarial networks. 2018：5879-5888.

[3]Mino A，Spanakis G. Logan：Generating logos with a generative adversarial neural network conditioned on color[C]//Logan：Generating logos with a generative adversarial neural network conditioned on color. IEEE，2018：965-970.

[4]Rombach，R.，Blattmann，A.，Lorenz，D.，Esser，P.，& Ommer，B.（2021）. High-Resolution Image Synthesis with Latent Diffusion Models.

[5]Dhariwal P，Nichol A. Diffusion models beat gans on image synthesis[J]. Advances in Neural Information Processing Systems，2021，34：8780-8794.

[6]陳楠. 設計思維與方法[M]. 北京“中國青年出版社，2021.

[7]同2

[8]陳楠.從東京奧運會會徽“抄襲”事件談標志設計的現(xiàn)狀與趨勢[J].裝飾，2017，291（07）：62-65.

[9]陸曉寧.數(shù)字媒體視域下標志設計的發(fā)展趨勢[J].設計，2022，35（13）：119-121.

[10]詹秦川，常靜茹.新媒體語境下多形態(tài)標志的表現(xiàn)形式探析[J].包裝工程，2019，40（06）：68-74.

[11]同6.

[12]郝強，付心儀，徐迎慶.信息時代背景下的新興大眾化設計[J].裝飾，2020，323（03）：38-42.

[13]趙超.人工智能是中國引領新產(chǎn)業(yè)革命和文化復興的機會——趙超談設計與科技[J].設計，2020，33（08）：63-68.