世界经济论坛发布未来增长最快10大岗位！排第一的果然又是它！

随着技术革新的加速以及全球经济形势的变化，未来就业市场的前景变得扑朔迷离，洞悉并适应新技术趋势显得极为关键。

而世界经济论坛（World Economic Forum，WEF）发布的“未来就业报告”中亦指出，在 2023 - 2027 年间：

“全球企业预计将创造约 6900 万个新岗位，与此同时，受自动化与产业结构的影响，8300 万个岗位会被淘汰，岗位数量减少 1400 万个！”

另外，WEF 还给出了“未来五年增长最快的十大岗位”，「人工智能与机器学习专业人员」位居榜首。

AI带来的新机会

在人工智能（AI）盛行的当下，几乎所有行业都在一夜之间面临被重新洗牌的局面。

好在对于艺术设计专业的同学而言，伴随挑战而来的，是新的机遇。

以融合了时尚设计、材料科学、平面设计三大领域的纺织品设计行业为例，

随着“智能纺织品生产”概念的提出，如今 AI 能够链接海量的款式库、版型库和参数库，达成不同花样、编制、布料的设计组合，精准契合多样的设计需求，实现数字样衣、3D 线上打版等内容。

这一方面解决了众多公司“选布难、找布难”的问题，满足了快时尚背景下“服装永远有新款、纺织品永远有新样”的需求；

另一方面在模型构建成功后，若版样需要调整，各方人员能够共同在“云版房”中协同审版，并直接给出多种解决办法，极大地提高了修改效率。

同样，一系列 AI 工具也正在大幅提升建筑空间类设计师的效率：

无论是风格各异的各类建筑设计，规模或大或小的景观设计，场景功能不同的室内空间设计……

很多时候设计师只需在提示词 prompt“/imagine”后输入期望的关键词，便能在数秒内获得一幅传承大师风格的效果图。

相较于其他专业领域对“AI 能否取代人工”的恐慌，建筑空间设计行业的从业者们大多态度乐观。

比如设计师 Stephen Coorlas 就称：“我把（客户想要的）这些要点加入 Midjourney，它就能直接导出客户想看到的效果，让我不必花费数小时去进行图片搜索。”

休斯顿大学的 Andrew Kudless 教授也表示：“AI 生成的图像更像是草图，建筑师需要依据不同需求，将这些草图转化为具体的图纸、模型和建造数据。”

院校方与时俱进

面对前所未有的技术革命，不仅同学们要做好准备，院校方面也在积极应对。

当下，不管是国外的综合大学，还是艺术学院，都在踊跃地拥抱人工智能及其他前沿科技，力求将艺术设计与之相结合，增强学生的职业竞争力。

以香港理工大学来说，该校在 QS 艺术设计学科排名中位居全球第 19，在 USNews 排名里也处于“港前三”的高位。

作为在艺术学科领域闻名的院校，港理工也极为重视艺术设计与人工智能的融合，并与皇家艺术学院（RCA）合作设立了人工智能设计实验室（AiDLab）。

AiDLab 通过多学科融合的方式为市场提供智能设计解决方案，为学生创造了从不同学科视角探讨设计专业的机会。

例如前面提及的“智能纺织品”就是 AiDLab 的研究课题之一，其在 2022 年末还成功研发出全球首款非接触式手势识别发光纺织品，可应用于软系统织物设计之中。

在英国，大多数的 AI 专业仍只针对理工科背景的同学招生，不过约克大学却是个例外。

约克开设的 MSc Artificial Intelligence for the Creative Industries 专业归属于该校艺术与创意技术学院，对学生的学术背景没有限制。

该专业有关 AI 部分的内容相对基础，更侧重于“如何灵活运用 AI”而非“如何调教 AI”，入门门槛较低，但依然要求具备基础的编程语言能力。

通过案例学习与个人探究相结合的模式，学生毕业后主要会在视觉制作、社交媒体、沉浸式影院、UI/UX 设计等领域工作，助力项目提升效率，有效规避风险。

相较英国而言，美国众多的综合大学更倾向于将 AI 技术与艺术设计相融合。

比如康奈尔大学的 MS Design and Technology (MSDT) 设计技术课程的研究方向涵盖了人工智能、数字工具、产品设计、建筑材料等课题。

此课程为具有艺术设计背景的学生搭建了一个将设计与 AI 技术相结合的宽广平台，让他们能够在设计与 AI 的交叉领域收获显著成果，提升职业竞争力。

康奈尔大学的 MSDT 课程也是美国当下爆火的 STEM 专业之一，而此类专业在罗德岛设计学院、帕森斯设计学院、萨凡纳艺术设计学院等院校中也均有开设。

不易被取代的专业

AI 的发展瞬息万变，未来会取代哪些行业和岗位难以提前定论；

然而，AI终归是需要人工调教的工具，按照其底层逻辑：越难以寻得规律的专业通常越不易被AI取代。

以用户体验（UX）设计来说，因为“体验”属于极为主观的感受，所以 UX 设计师在着重交互行为的同时，会对人因工程学加以探索，用以研究用户的痛点。

这就得展开大量具体案例的研究，要耗费大量时间去总结，并且每一个案例之间都极难找到必然的关联，故而也不容易被 AI 归纳出规律。

再如音乐专业，尽管 AI 当下已经能够生成部分音频片段，乃至能依据现有的乐库生成不同风格、不同音域的声音。

但音乐学科本身更侧重于和不同文化、不同国籍、不同风俗背景的人的接触与交流。

这不单是 AI 难以复制的，甚至没有此类经历的人也很难从这种知识积累中获取灵感，从而去调教 AI 的数据库，去知名的音乐学院扎实学习依旧是音乐生最有效的选择。