• 《设计原本》阅读笔记(六)


      上一篇阅读笔记中谈及了设计中的预算资源,其中谈及到这样一句话:大多数时候有一种资源占据主导地位,其他资源作为必要条件或约束。本篇阅读笔记主要谈论关于约束的问题。

      约束一般给人以负面印象,但没有绝对的好坏之分,约束同样有发挥正面作用的一面:约束会缩小设计者的探索空间,从而让设计者更加专注并加快设计过程。或许大部分人不喜欢被约束,但现实却是,如果没有约束,设计任务会变得更加困难而非简单。此外,约束不仅缩小探索空间,它也向设计者发起了挑战,让设计者在有限的空间内完成自己的作品。这有助于激发设计者的创作热情。从上述情况来看,约束确实可以成为“设计利器”。

      但值得注意的是,想合理运用约束需要注意一些细节。约束的来源从来不止一种,设计任务中人为约束可以很容易缓和下来,在理想情况下它们可以成为设计者的催化剂,但任何约束集同样有概率将设计者逼上绝路,因此对约束的认知一定要清晰。在本书中,对约束的区分提出了以下四点:真正的约束,过去的约束,误认为真的约束,有意制造的约束。第一点和第四点很容易理解,无非就是设计上的硬性规定与人为约束。过去的约束通常指设计者按照过往的环境作为标准进行设计,殊不知随着技术与需求的更进,环境早已发生了变化,以往的约束条件不再成立,这也是经验主义的弊端之一,它是有时效性的。误解的约束更多是发生了思维误区,或许是设计者钻牛角尖了,这个情况比起让设计者自己想通,让别人帮一把显然更加合理。

      作者在本章中提出了设计悖论的观点:通用的产品要比特定用途的产品更难以设计。设计最难的地方在于明确确定到底要设计什么,值得注意的是,搞清楚这一点就是给自己上了约束。再结合前面所提到的没有任何约束,设计任务会变得更加困难”这一观点,取逆否命题我们就不难理解设计悖论。通俗的说就像你作为一个厨师,问对方想吃什么菜,如果他说想吃麻婆豆腐,那就做麻婆豆腐就好,但他要是说随便,那就有点难为人了。

  • 相关阅读:
    Keras实例教程(2)
    Keras实例教程(1)
    tf.nn.l2_loss()的用法
    在tensorflow中使用batch normalization
    Tensorflow的LRN是怎么做的
    CNN卷积中多通道卷积的参数问题
    caffe学习网站
    交叉熵反向求导计算过程
    矩阵求导
    循环神经网络(RNN)模型与前向反向传播算法
  • 原文地址:https://www.cnblogs.com/20183711PYD/p/14933021.html
Copyright © 2020-2023  润新知