首先声明，本文只是对智能设计的一个猜想，并不具有专业的学术认证，也没有阅读大量文献支持，个人猜想居多，若干年后再来看本文是惊艳才绝还是不切实际的猜想。

首先，据我了解目前的机器学习从理论到应用都已经取得了一定成果，特别是最近几年兴起的深度学习已经将机器学习推向了高潮。但是，目前的机器学习还是有一些无法解决或者解决的问题，这也就是今天所要讲的设计师的概念。正如我们自身的经历，小时间我们依依学语，长大后才能像现在一样写出行云流水的文章，当然写博客也要感谢当初的学习。那么现在提出一个问题，能否让机器也学习去写文章呢，当然目前也有所尝试，比如说在机智过人中的小冰，能为诗词谱曲。这就是设计，而不单单的是学习，目前机器学习后往往做的本质上都是分类，回归等等，而在这里说的是设计，一个不同于分类和回归的猜想。其实，目前的研究领域不管是生物特征识别，还是自认语言处理，亦或者是图像目标检测，识别等等，我们都可以将其分解为一个个分类或者回归的小目标。目前很难将设计分解为分类或者回归问题，比如说我们要设计一个室内的装修布局，这个只有专业人士才能完成，但是我们需要给这些设计师提出自己的要求，不然的话，设计师随便拿一个图纸就交差了。那么问题来了，如何让机器代替人去完成这些设计呢，这就是本文所要探讨的问题。

空话再多不如举个例子，在这举一个简单的例子做一说明，这里有ABC三个图。

在设计矩形框是间，我们已经拿到了设计图A，但是我们对A并不满意，就对机器说把这个矩形变大吧，设计师得到指令，就把矩形框变大了，我们继续对设计师说给他上个颜色吧，设计师就为了上了黄色。

诚然上边的问题很简单，但是对于机器来说这就复杂的多了。那么现在我们来看看我所了解到的机器想要解决这个问题所用到的方法吧。

1）搜索法：我们可以事先准备无穷多个矩形框，为其建立对应关系，假设B和C都已经在我们的知识库当中，那么现在的问题就转变为如何理解我们的指令去搜寻满足条件的矩形框了。

2）推理法：这个就需要大量的人造推理机了，我们给机器下达指令变大矩形框，机器查找指令对应的解决方案，查找到方案将边长扩大，然后执行，这个需要强大的推理机，简单问题可以解决，复杂问题我并不看好。

3）建模法：这个就比较类似于于今天所谈及的设计师法了，假设我们知道A的长与宽，再加上我们的指令，将框变大，涂色，这就构成了模型的输入，在训练阶段我们预先知道了C的长宽以及颜色，这样的话我们就有了一个样本，有了这些从输入到输出的样本，建立模型就可以得到我们想要的结果。这种方法所要采取的模型优先选择最好用的深度学习了，强大的神经网络能模拟出任何一种函数，只要样本足够多，训练能成功，解决这个问题还是不在话下。

4）设计师：这种方法就是本文要探讨的，这是我的预想，不知道严不严谨，另外如有雷同纯属巧合。这种方法比较类人思维，假设我们不知道A是有长和宽的特征，也不知道我们的指令是干什么用的，那么到处都是问题了。这就相当于教一个婴儿如何成为设计师了。首先我们需要对研究对象A作出理解，并与指令对应起来，我们才能判断下一步做什么了，问题又出现了，知道该做什么了，那么机器该怎么做，那就需要我们事先有过漫长的学习，知道C是经过A放大涂色的结果，学习将A放大和涂色的动作行为，才能做出正确的设计。

到这里就先把问题抛出来，至于如何设计这个设计师，在后边的博文中我再谈一下自己的猜想，其中可能涉及深度学习与强化学习中的一些内容。