نقشه بدیهیات؛ هوش مصنوعی مولد در ایده‌پردازی لوگو

حالا هوش مصنوعی مولد درست برای همین مرحله فروخته می‌شود: کلمه را بنویس و پنجاه ایده بگیر. من هم در ایده‌پردازی از ابزارهای هوش مصنوعی استفاده می‌کنم، پس این را از بیرون نمی‌نویسم. اما فکر می‌کنم این ابزارها به دلیل دیگری مفیدند، نه آنچه در تبلیغاتشان می‌گویند.

چه چیزی تحویل می‌گیرید

یک مدل تصویری روی تعداد عظیمی از تصاویر موجود و متن‌های اطرافشان آموزش دیده است. پس وقتی «اعتماد» می‌خواهید، همان چیزهایی را می‌دهد که معمولاً کنار این کلمه می‌نشینند: سپر، دست دادن، آبی تیره، دو دست که چیز کوچکی را نگه داشته‌اند. «انحصاری» بخواهید، بیشتر طلا، تاج، کلید، پس‌زمینه سیاه و حروف بزرگ سریف می‌گیرید.

این‌ها جواب‌های منصفانه‌ای‌اند. در عین حال رایج‌ترین جواب‌ها هم هستند، و تولید رایج‌ترین جواب دقیقاً همان کاری است که این مدل‌ها برایش ساخته شده‌اند.

سوسور، زبان‌شناس سوئیسی که بخش زیادی از نشانه‌شناسی از او شروع می‌شود، ایده ساده‌ای داشت که اینجا کمک می‌کند. یک کلمه تا حدی به این دلیل معنا دارد که همه کلمه‌های دیگری که می‌توانستند جایش بنشینند، ننشسته‌اند. نویسندگان بعدی این مجموعه جایگزین‌ها را «پارادایم» نامیدند. مدل تصویری این مجموعه را خیلی سریع نشانتان می‌دهد. اما از میانش انتخاب نمی‌کند، دست‌کم نه به دلیلی که به مشتری شما ربط داشته باشد.

من چطور از آن استفاده می‌کنم

برای من، فهرست جواب‌های بدیهی همان بخش مفید است. جمع کردن کلیشه‌های یک مفهوم قبلاً یعنی کلی جست‌وجو و تکیه بر حافظه. حالا بیشترشان را در چند دقیقه می‌بینم و می‌دانم رقبا احتمالاً به کجا می‌رسند و مخاطب کجا همه‌چیز را قبلاً دیده است. این فهرست را جاهایی می‌دانم که باید از آن‌ها دوری کرد، یا اگر برند واقعاً به نشانه آشنا نیاز دارد، آگاهانه سراغشان رفت. گاهی واقعاً نیاز دارد.

برای Renvia ما سراغ طلا و تاج نرفتیم. ایده این بود که برای «فیلتر کردن» طراحی کنیم، نه «جذب کردن»: برند باید آدم‌های نامناسب را بیرون نگه دارد، نه اینکه بخواهد همه را تحت تأثیر قرار دهد. این ایده ما را به پالتی سخت‌گیرانه و تک‌رنگ، یک مونوگرام R روی گریدی ماژولار و پرداخت‌های چاپی مثل برجسته‌سازی بی‌رنگ (blind embossing)، برش لیزری و حکاکی عمیق رساند. برجسته‌سازی بی‌رنگ جوهر ندارد. نشان را فقط از سایه‌اش می‌بینید، وقتی کاغذ نور را می‌گیرد. برای یک شبکه بسته، فکر می‌کنم این از طلا صادقانه‌تر است.

یک ابزار هوش مصنوعی به‌راحتی می‌توانست یک R سیاه بسازد. کاری که نمی‌توانست بکند، تصمیم گرفتن بود که برای این شرکت، انحصاری یعنی فیلتر کردن. این از فهم کسب‌وکار آمد.

پل رند و یک لوگو

داستان قدیمی‌ای هست که اینجا زیاد به آن فکر می‌کنم. در میانه دهه ۱۹۸۰ استیو جابز از پل رند خواست لوگوی NeXT را طراحی کند و چند گزینه می‌خواست. به روایت بعدی جابز، رند گفت نه: من مسئله را حل می‌کنم و تو پولش را می‌دهی. او با یک لوگو و یک کتابچه که دلیلش را توضیح می‌داد برگشت.

من مثل رند کار نمی‌کنم و بیشتر مشتری‌های امروز هم چنین چیزی را نمی‌پذیرند. اما حرف او حالا قوی‌تر شده است. گزینه‌ها ارزان می‌شوند و هر کسی می‌تواند پنجاه تا بسازد. چیزی که مشتری‌ها هنوز از ما می‌خواهند، استدلال پشت یک ایده است.

کجا کار خراب می‌شود

خطر ساده است. اگر یکی از پنجاه تصویری که مدل داده را بردارید و توسعه دهید، «میانگین» تصمیم گرفته و شما متوجه نشده‌اید.

این خطر را بیشتر از همه در طراحان جوان می‌بینم. سال‌هاست در استودیو طراحان تازه‌کار را آموزش می‌دهم و کارشان را بررسی می‌کنم، و بخش سخت هیچ‌وقت نرم‌افزار نبود. توضیح این بود که چرا یک ایده به یک مشتری می‌خورد و دیگری نه. تصویری که تمام‌شده به نظر می‌رسد از این گفت‌وگو می‌پرد. پیش از آنکه کسی پرسش درست را بپرسد، شبیه جواب به نظر می‌رسد.

پس فعلاً قاعده من این است که هوش مصنوعی می‌تواند در شروع یک ایده کمک کند، نه در پایانش. مطمئن نیستم این قاعده یک سال دیگر هم برقرار باشد.

این مقاله ترجمه فارسی «The Map of the Obvious» است که نخستین بار به انگلیسی در خبرنامه ابوالفضل مونس خواه در لینکدین منتشر شد.