今日所见

论文由四项相互衔接的研究构成。研究发现，不同老年人对户外活动地点有明显差异；公共空间真正影响体验的路径，也并不只是“有没有公园”。例如，更长时间的公园步行，以及在社区花园中更长时间的休闲活动，与较低的长期孤独感相关；视觉吸引力、安全感、步行可达性等环境感知，则会以不同方式影响人在不同公共空间里的活动时长。此前其中一项同行评议研究还对西安四个社区的 228 名老年人进行 7 天日记调查，识别出不同的外出地点选择模式及其与孤独感的关联。

这里最值得设计学生带走的，是一个非常简单的方法转向：场地分析不要只记录“这里有什么”，还要记录“人在这里发生了多久”。 一张设施图只能说明供给，一张行为时间图才开始接近真实使用。一个空间如果所有人都只用三十秒穿过，和一个自然让人停十五分钟、坐下、看别人、与人发生微弱联系的地方，是完全不同的公共性。

这项研究仍主要揭示关联，不能据此直接断言“增加某一种设施就一定能减少孤独”。但它为设计假设提供了更扎实的证据：与其问“我们还应该加什么”，不如先问——现在的人为什么不停下来？

查看研究｜Eindhoven University of Technology

这个项目真正有意思的，不只是“大屏互动”。它把参与拆成一条清楚的转译链：生活经验 → 五个回答 → 参数 → 频率 → 水波 → 手机与公共空间。 观众输入的不是一个抽象“点赞”，而是关于自己与水的日常选择；系统也不是返回一句判断，而是把这些选择转成一个身体能够感受到的视觉现象。私人输入因此获得了公共尺度。

很多互动展的问题，是按钮很多，但参与没有真正改变现场。Cymatics of Life 提供了一个很值得复用的方法：先设计一个足够小、足够容易完成的输入，再决定这个输入究竟控制什么。大小、边界、密度、方向、声音、颜色、节奏，都可以成为“人的回答”与“现场变化”之间的映射关系。互动设计真正需要设计的，不是界面，而是输入怎样产生后果。

这也适合课堂。学生不必一开始就做复杂装置，可以先画一张“输入—参数—反馈”关系图：我让用户回答什么？每个回答改变哪个变量？变化会被谁看到？如果用户的行为根本不影响结果，那它可能仍然只是一个披着互动外衣的展示。

这里最值得建筑教育关注的，是“成果”发生了变化。传统建筑评图里，学生通常控制观看角度：平面、剖面、效果图和模型都在告诉评委应该怎样理解项目。但当作品需要被玩，用户会自己走、停、转身、做选择，甚至走错。设计师无法再只保证一个视角成立。空间的节奏、反馈、等待、导航和行为逻辑都会被暴露出来。

这并不意味着所有建筑课都要做 VR 或电子游戏。真正可以借走的是一种可体验原型思维：让设计成果必须经历一段连续行为，而不是只呈现几个最漂亮的瞬间。哪怕不做技术开发，也可以要求学生提交一个 60 秒空间脚本：从哪里进入？第一次看见什么？第一次选择发生在哪里？哪里会犹豫？哪里停下来？怎样离开？

如果一个空间方案只能被解释，却很难被写成一段真实的行动过程，它可能仍停留在“看起来成立”。把空间从图像重新还给身体，本身就是一种更严格的设计测试。

结果很清楚：告诉患者“你属于高风险人群”，相较于单纯提醒接种，接种率提高约 1.1—1.4 个百分点；相较于没有收到信息的患者，提高约 1.7—3.5 个百分点。但另一个结果更值得设计者注意：消息里是否明确说明风险来自“算法”，以及是否提供算法判断的个性化理由，并没有显著改变接种效果。

这项研究不能被解释成“人普遍信任算法”。它发生在一个真实医疗系统里，算法判断被嵌在医院、患者关系和正式健康沟通之中。真正值得观察的是另一件事：当算法退到基础设施里，它的影响可能早于我们对它形成明确态度。 用户看到的不是“我要不要相信一个 AI”，而是“医疗系统告诉我，我风险更高”。

这会把 AI 设计里的主体性问题推到更深一层。以后学校、银行、公司、医院都可能用模型给出风险、潜力、优先级和建议。仅仅要求系统“解释算法”还不够；人还需要知道：这个判断什么时候进入了我的决策？它影响了什么？我能不能质疑、修正，甚至拒绝？真正隐蔽的权威，不是一个系统要求你服从，而是你已经不再感觉它在参与决定。

结果显示，生成式 AI 已经远远不只用于发散和出图。设计师会在 Discover 阶段用它做资料搜集、文献与市场研究、流程规划；在 Define 阶段做用户研究、信息综合、洞察构建、persona 与问题陈述；在 Develop 阶段做概念生成、形态探索、原型辅助和进一步研究；在 Deliver 阶段进入细化、评估、渲染、文案与最终呈现。10 名参与者的任务中，第一颗“问题钻石”占总时间约 37.95%，第二颗“方案钻石”约 62.05%。

研究还把参与者的人机关系分成 over-reliers、collaborators 和 commanders：有的人会直接问 AI“我下一步应该做什么”，甚至让它识别问题和给出设计方向；有的人则把 AI 放在并行工作的位置，自己仍负责比较、干预和最终判断。这里真正值得警惕的，不是某个工具用了多少次，而是AI 是否进入了本该由设计师完成价值取舍的收束环节。

所以，设计教育里的 AI 规则也许不该继续停留在“允许 / 禁止”。更好的方法，是让学生在双钻石上主动标记三类节点：AI 可以帮我扩张信息；AI 可以帮我整理证据；最终判断必须由我完成，并且我能解释为什么。 当生成已经进入整个流程，“我在哪里重新拿回判断权”会比“我用了什么模型”更重要。

查看原始研究｜Cambridge Core