DAILY LENS / 2026.09.15
今天几条内容共同指向一个方向：无论是 AI、建筑还是研究方法，真正有价值的系统都在帮助我们更早看见“如果这样做，会发生什么”。
Anthropic 9 月 10 日发布 AI 滥用报告，披露其阻断的一批网络攻击、诈骗、监控与其他恶意使用案例。报告特别指出，AI 正在压缩过去存在于个人与专业团队之间的“劳动力和工具差距”。
这里值得看的不是网络安全本身，而是人的行动半径被突然放大：过去，意图与现实影响之间还隔着漫长学习、设备、团队和资源；AI 正在缩短这段距离。
于是新的核心能力可能变成：什么值得做、什么不该做，以及当能力被放大后，我愿意承担什么后果。
MIT Morningside Academy for Design 的 AI-Empowered Architect 项目，研究的不是又一个“文字生成建筑效果图”的工具，而是怎样把设计师早期的文字、图像和模糊概念，连接到能够进行结构与工程模拟的表示方式。
它最重要的变化是：原本很晚才能知道的后果，被搬到了很早。
传统流程往往是：草图 → 定方案 → 建模 → 最后才发现结构、环境或性能问题。新的方向则是：草图 → AI 生成/解析 → 工程、碳、结构反馈 → 再调整草图。
RCA 的 INCLUDE London 2026 延续了包容性设计一个非常重要的母题：Designing for our Future Selves——为未来的自己设计。
真正的 Inclusive Design 不是给少数人增加特殊功能，而是把年龄、身体状态、能力差异、神经多样性、经济条件与文化背景提前当作正常条件。
这和“平均用户”是完全不同的设计出发点。
为什么值得学生看
做用户画像时，可以少一点固定人格标签，多问一句：同一个人在不同身体状态、年龄和生活阶段，需求会怎样变化？
Action Research 与“先研究、再做方案”最大的不同，是研究者与参与者一起进入现实，循环经历：识别问题 → 计划行动 → 真正实施 → 观察结果 → 反思 → 再行动。
复杂系统里，很多问题只有真正改变一个小东西之后才会出现。研究本身也可以成为一个小型原型。
对于校园空间、小店、服务项目，这意味着不用调研两周后才提出“大方案”。可以先改一个菜单位置、一个等候点、一张门口提示，运行一天，再观察真实行为变化。
Anthony Guerrée 在 Musée Bourdelle 的 Contrepoint 项目中，没有把 Bourdelle 的雕塑“做成家具”，而是观察雕塑里的曲线、张力、空隙与动作，再把这些关系转译成木、玻璃、纺织和陶土。
这正是参考最值得训练的一层：不要提取表面特征，要提取生成规则。
“这个弧线为什么在这里？”比“我也做一个弧线”更重要。
好的设计判断，往往来自更早看见后果，也更早让现实参与进来。