作為一門學(xué)科，人工智能已經(jīng)滲透到了無數(shù)領(lǐng)域，可以應(yīng)用到各行各業(yè)之前未能解決的挑戰(zhàn)之上。有人認(rèn)為：AI在建筑領(lǐng)域中的運用雖仍處于起步階段，但卻大有前景，甚至?xí)厮芙ㄖW(xué)科。那么，這個論斷到底對不對？本文將AI應(yīng)用于建筑環(huán)境之中來證實這個預(yù)言的準(zhǔn)確性。

具體來說：我們打算將AI應(yīng)用于建筑平面圖的分析與生成。最終的目標(biāo)分為三個方面：

1. 生成建筑平面圖，如優(yōu)化大量且高度多元的平面圖設(shè)計的生成；
2. 挑選合格的建筑平面圖，如提供適當(dāng)?shù)姆诸惙椒ǎ?/li>
3. 允許用戶“瀏覽”生成的設(shè)計選項。

我們方法主要來源于兩種直覺：

1. 雖然包含了標(biāo)準(zhǔn)優(yōu)化技術(shù)，但是創(chuàng)建建筑平面圖確是一項非凡的技術(shù)挑戰(zhàn)；
2. 空間設(shè)計是一個連續(xù)的過程，需要橫跨不同規(guī)模（城市規(guī)模、建筑規(guī)模與單位規(guī)模）的連續(xù)設(shè)計步驟。

為了利用以上兩點，我們選擇了嵌入式生成對抗神經(jīng)網(wǎng)絡(luò)（Generative Adversarial Neural Networks）。

該模型能讓我們在所遇到的建筑平面圖中捕捉到更多的復(fù)雜性，并且通過連續(xù)的步驟來解決問題以分解這些復(fù)雜性。每個步驟都對應(yīng)一個給定模型，且專門針對該特定任務(wù)進(jìn)行訓(xùn)練，整個過程最終可以證實人機(jī)交互的可能性。

平面圖實際上是一個高維度問題，處于可量化技術(shù)與定性屬性的交叉口。

研究建筑先例往往是一個危險的過程，在分析不夠嚴(yán)謹(jǐn)?shù)那闆r下，忽視了現(xiàn)有資源數(shù)量的豐富性。我們的方法受當(dāng)前數(shù)據(jù)科學(xué)方法的啟發(fā)，旨在確定優(yōu)質(zhì)的建筑平面圖。通過創(chuàng)建6個指標(biāo)，我們提出了一個可捕獲平面圖建筑相關(guān)參數(shù)的框架。

一方面，占地、朝向、厚度與材質(zhì)這三個指標(biāo)可用于捕捉給定平面圖風(fēng)格的本質(zhì)；另一方面，計劃、連通性和流通性則旨在描述平面圖組織的本質(zhì)。

簡而言之，機(jī)器曾是鉛筆的延伸，如今卻可用于繪制建筑知識，并通過訓(xùn)練來幫助我們創(chuàng)建可行的設(shè)計選擇。

一、框架

我們的工作處于建筑與人工智能的交匯處。前者是話題，后者是方法。兩者都已簡化成清晰且可操作的類別。

“建筑”在這里可理解為風(fēng)格與組織的交集物。

一方面，我們認(rèn)為建筑物是具有文化意義的載體，通過幾何學(xué)、分類學(xué)、類型學(xué)與裝飾來表達(dá)某種風(fēng)格——巴洛克、羅馬、哥特、現(xiàn)代與當(dāng)代，仔細(xì)研究平面圖便可找到許多建筑風(fēng)格；另一方面，建筑物則是工程與科學(xué)的產(chǎn)物，遵循嚴(yán)格的框架與規(guī)則——建筑規(guī)范、人體工程學(xué)、能量效率、出口與程序等——這些都可以在我們閱讀平面圖時找到。

這種組織要求會幫助我們完成對“建筑”的定義，并且推動我們的研究。

框架矩陣

我們將會用到人工智能的兩個主要研究領(lǐng)域——Analytics和生成對抗網(wǎng)絡(luò)，以作為研究工具。

首先，我們將深入探討“生成”這一主題。

我們會使用GANs來將我們自己的人工智能系統(tǒng)運用于建筑設(shè)計之中。我們假設(shè)人工智能的使用可以增強(qiáng)建筑學(xué)科的實踐。該領(lǐng)域是一個全新的領(lǐng)域，還處于試驗階段，并且已經(jīng)得到了令人驚訝的結(jié)果。我們希望能夠訓(xùn)練人工智能來繪制真實的建筑平面圖。

然后，我們會提出一個強(qiáng)大的分析框架來挑選與分類生成的平面圖。最終，我們的目標(biāo)是組織GANs的結(jié)果，使用戶能夠無縫瀏覽各種創(chuàng)建的設(shè)計選項。

為此，數(shù)據(jù)科學(xué)所提供的工具的數(shù)量和普遍性將會證明我們的研究是有價值的。

通過這種雙重設(shè)計，在風(fēng)格與組織、挑選與生成的交叉口，我們制定了一個框架來安排建筑與人工智能的相遇。

二、生成

設(shè)計建筑平面圖是建筑實踐的核心，掌握平面圖的設(shè)計是該學(xué)科的黃金標(biāo)準(zhǔn)。

從業(yè)者加班加點、不斷嘗試通過技術(shù)的手段來提高這項實踐。在第一部分中，我們深入探討了應(yīng)用于平面圖生成的人工智能的潛力，以進(jìn)一步推動這一領(lǐng)域的發(fā)展。

為了解決平面圖的風(fēng)格與組織問題，在下文中，我們會運用框架來探討基于人工智能的空間規(guī)劃潛能。我們的目標(biāo)是提供一套可靠強(qiáng)大的工具來證明這種方法的潛能并驗證我們的假設(shè)。

存在三個方面的挑戰(zhàn)：

1. 選擇正確的工具集；
2. 分離正確的現(xiàn)象來展示給機(jī)器；
3. 確保機(jī)器正確地“學(xué)習(xí)”。

人工智能與生成對抗神經(jīng)網(wǎng)絡(luò)

生成對抗神經(jīng)網(wǎng)絡(luò)（GANs）是我們選擇的武器。

在人工智能領(lǐng)域，神經(jīng)網(wǎng)絡(luò)是重要的研究領(lǐng)域。

最近，生成對抗神經(jīng)網(wǎng)絡(luò)的出現(xiàn)證明了這種模型的創(chuàng)造能力。作為機(jī)器學(xué)習(xí)模型，GAN能在給定的數(shù)據(jù)中學(xué)習(xí)統(tǒng)計重要的現(xiàn)象。

然而，它們的結(jié)構(gòu)代表著一個重大突破：GAN由生成器與判別器這兩個關(guān)鍵模型組成，可以利用這兩個模型之間的反饋循環(huán)來提高生成相關(guān)圖像的能力。

判別器用于從數(shù)據(jù)中識別圖像。經(jīng)過適當(dāng)?shù)挠?xùn)練，該模型能夠區(qū)分從數(shù)據(jù)集中提取出來的真實圖像和數(shù)據(jù)集不熟悉的“假”圖像；生成器則是用于創(chuàng)建圖像，這些圖像與來自相同數(shù)據(jù)集中的圖像相似。

當(dāng)生成器生成圖像時，判別器會向它反饋其輸出的質(zhì)量。作為回應(yīng)，生成器會采納這些反饋，以生成更加逼真的圖像。通過這個反饋循環(huán)，GAN慢慢建立了創(chuàng)建相關(guān)合成圖像的能力，將在數(shù)據(jù)中發(fā)現(xiàn)的現(xiàn)象考慮在內(nèi)。

生成對抗神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)

呈現(xiàn)與學(xué)習(xí)

如果GANs為我們帶來了巨大的機(jī)會，那么，知道向它們展示什么是至關(guān)重要的。

我們有機(jī)會讓模型直接從建筑平面圖中學(xué)習(xí)。通過格式化圖像，我們可以控制模型學(xué)習(xí)的信息類型，比如：將地塊形狀與相關(guān)建筑占地展示給我們的模型就會得到一個新的模型，它能夠根據(jù)地塊的形狀來創(chuàng)建典型的建筑占地。

為了確保輸出的質(zhì)量，我們將運用我們的“建筑感”來組織訓(xùn)練集的內(nèi)容：每個模型的好壞取決于建筑師所提供的數(shù)據(jù)。

A. 風(fēng)格轉(zhuǎn)變：

現(xiàn)代到巴洛克風(fēng)格的轉(zhuǎn)變

在建筑平面圖中，可以通過墻壁的形狀與圖形平面來判定其“風(fēng)格”。

典型的巴洛克教堂以厚重的柱子與圓形凹痕為特征，Mies van der Rohe的現(xiàn)代別墅則以又薄又平的墻壁為特征。GAN能夠識別墻壁表面的鋸齒形狀。通過展示這兩幅圖像并且將其中一幅作為平面圖線框，另一幅作為實際的墻結(jié)構(gòu)，我們可以根據(jù)建筑風(fēng)格建立一定數(shù)量的機(jī)器直覺。

該部分展示了模型學(xué)習(xí)巴洛克風(fēng)格的成果圖。我們繼續(xù)風(fēng)格轉(zhuǎn)換，將給定建筑平面圖的厚墻壁磨平（A），然后再賦予其新的墻壁風(fēng)格（B）。

風(fēng)格轉(zhuǎn)變結(jié)果：公寓單元，現(xiàn)代到巴洛克風(fēng)格的轉(zhuǎn)變

B. 布局輔助：

布局輔助分步驟流程

在本節(jié)中，我們準(zhǔn)備了一份多步驟的流程圖，包含了繪制建筑平面圖的所有必要步驟。它能根據(jù)不同建筑規(guī)模模仿建筑師繪制平面圖，并且將每個步驟壓縮至一個特定模型之中，用于執(zhí)行給定操作。

從地塊到建筑占地圖，從建筑占地圖到標(biāo)明墻壁和開窗的房間圖，從房間圖到精裝平面圖，每一步都經(jīng)過精心設(shè)計、訓(xùn)練與測試。

生成流程(模型I to III)

同時，通過將整個流程分成幾個單獨的步驟，該系統(tǒng)考慮到了每個模型之間的用戶干擾。通過選擇與編輯模型輸出，用戶可以在輸出進(jìn)入下個模型之前控制設(shè)計過程。它的輸入決定了模型的決策，從而能夠?qū)崿F(xiàn)預(yù)期的人機(jī)交互。

a. 占地

周邊| 地塊(輸入)| 生成占地(輸出)

流程的第一步解決了根據(jù)給定地塊幾何創(chuàng)建適當(dāng)?shù)慕ㄖ嫉貓D的挑戰(zhàn)。

為了訓(xùn)練這個模型，我們使用了波士頓建筑占地圖的廣泛數(shù)據(jù)庫，并且創(chuàng)建了一系列模型，每個都能匹配某種特定的房產(chǎn)類型：商業(yè)房、住宅、公寓與工業(yè)房等。

每個模型都能根據(jù)給定的地塊創(chuàng)建一組相關(guān)建筑占地圖，其大小與風(fēng)格都類似于訓(xùn)練中的類型。下圖是使用住宅模型的9個示例：

結(jié)果: 生成占地(住宅)

b. 房間分割與開窗

占地| 開口& 陽臺(輸入) | 計劃&開窗(輸出)

下一步自然是建筑占地圖中房間的布局了。

能夠分割給定的建筑平面圖，并且保留有意義的銜接、正常的房間尺寸與適當(dāng)?shù)拈_窗是一項挑戰(zhàn)。GANs能夠迎刃而解，并且產(chǎn)生令人驚訝的結(jié)果。

通過使用含有大約700個帶注釋的建筑平面圖的數(shù)據(jù)集，我們能夠訓(xùn)練出各種模型。每個都面向特定的房間數(shù)，并且一旦用于空白的建筑占地圖就能產(chǎn)生意想不到的相關(guān)結(jié)果。

下圖展示了一些典型的結(jié)果：

結(jié)果：生成計劃&開窗

c. 配置家具

計劃(輸入, 選項1) | 家具位置(輸入, 選項2)| 配置家具的單元(輸出)

最后一步將生成原理帶到了最細(xì)微的層面：往空間里添加家具。

為此，我們首先訓(xùn)練模型來一次性完成整個公寓的家具配置。

該網(wǎng)絡(luò)能基于各個房間的計劃、空間里家具的相關(guān)布置以及各個元素的大小來學(xué)習(xí)。

結(jié)果如下圖所示：

結(jié)果: 配置家具的單元

這些結(jié)果能讓我們大致了解可能的家具布局，但是成果圖的質(zhì)量仍然太模糊了。

為了進(jìn)一步提高輸出質(zhì)量，我們?yōu)楦鱾€房間類型（客廳、臥室與廚房等）額外訓(xùn)練了一組模型。每個模型只能將平面圖上的色塊轉(zhuǎn)變?yōu)榫睦L制的家具，家具類型用顏色代碼編號。各模型結(jié)果如圖所示：

配置房間家具模型的結(jié)果|浴室/ 廚房/ 客廳/ 臥室

d. 再進(jìn)一步

如果能運用技術(shù)實現(xiàn)標(biāo)準(zhǔn)公寓的生成，那么下一步自然是進(jìn)一步挑戰(zhàn)模型的極限。

實際上，GANs具有顯著的靈活性以解決看似困難重重的問題。在建筑平面圖的布局中，由于建筑占地圖的大小與形狀有變，人工劃分與裝飾空間是一個極具挑戰(zhàn)的過程。

在這種情況下，我們的模型非常“聰明”，能夠適應(yīng)變化的限制條件，證明如下：

GAN下的空間布局

我們可以控制建筑單元的入口和門窗，加上模型非常靈活，因此能夠超越單個建筑單元，解決更大規(guī)模的空間規(guī)劃問題.

在下圖的示例中，我們將技術(shù)應(yīng)用擴(kuò)展到了整個建筑物之中。

GAN生成的實驗總體規(guī)劃圖

三、挑選合格的平面圖

“無法命名則增加了世界的混亂?！薄狝lbertCamus

為了平衡我們生成建筑平面圖的能力，找到適當(dāng)?shù)目蚣埽瑢ι傻脑O(shè)計選項進(jìn)行組織、排序和分類至關(guān)重要。

建筑平面圖的好壞取決于我們對生成選項數(shù)據(jù)庫的駕馭能力。通過借用建筑概念，我們希望將常見的建筑用語轉(zhuǎn)化為可量化的指標(biāo)。

為此，我們建立了6個關(guān)鍵指標(biāo)來形容建筑平面圖設(shè)計的6個重要方面：占地、計劃、朝向、厚度與質(zhì)地、連通性與流通性。

6個指標(biāo)

這些指標(biāo)組成了一個綜合框架，可解決建筑平面圖的風(fēng)格與組織問題。每個指標(biāo)都是一種算法，并且經(jīng)過了全面測試。

A. 占地

建筑物形狀是用于確定建筑物風(fēng)格的最簡單的也是最直觀的指標(biāo)。

“占地”這個指標(biāo)可分析建筑物平面圖周邊的形狀，并將其轉(zhuǎn)化為直方圖。

該描述符號能在對建筑物形狀進(jìn)行編碼的情況下，將建筑師口中常用的形容詞——如“薄”、“笨重”與“對稱”等，轉(zhuǎn)化為數(shù)字信息，以便于與計算機(jī)交流關(guān)于建筑形狀的信息。

占地圖

從技術(shù)層面來說，該指標(biāo)運用極凸性將給定輪廓轉(zhuǎn)變?yōu)橐唤M離散值（向量），然后將其與其它建筑平面圖進(jìn)行比較。

我們運用來自平面圖中心的極線陣列來提取平面圖區(qū)域，這些區(qū)域由空間切片捕捉而成。

如下圖所示，事實證明，該方法能夠取得不錯的成果。該技術(shù)同樣也可用來確定室內(nèi)空間形狀與建筑物周邊的形狀。

運用占地指標(biāo)的典型建筑平面圖(左: query, 右: results)

B. 計劃

建筑物計劃，換句話說也就是所含房間的類型，是內(nèi)部組織的主要驅(qū)動要素。了解這一點對我們的方法來說至關(guān)重要。

為了描述房間組合，我們用顏色為給定建筑平面圖的各個房間進(jìn)行編碼。這些顏色組合就變成了描述建筑物計劃的指標(biāo)。它充當(dāng)模板，融合了建筑平面圖的房間數(shù)量和計劃質(zhì)量。

這一指標(biāo)對人類來說看起來很直觀，它也可以轉(zhuǎn)換成機(jī)器能夠理解的可靠的編碼技術(shù)。

運用計劃指標(biāo)的典型建筑平面圖(左: query, 右: results)

從技術(shù)層面上來說：通過運用顏色組合，我們可以計算任意給定建筑平面圖之間的計劃相似性和差異性。

為了可視化結(jié)果，每個平面圖都既是彩色建筑平面圖，又是計劃的一維顏色向量。

運用計劃指標(biāo)的典型建筑平面圖(左: query, 右: results, 底部: results’ program)

C. 朝向

平面圖中墻壁朝向能夠提供重要信息。

它既能描述平面圖的封閉性（墻壁朝向所造成空間封閉性），也能描述其風(fēng)格。事實上，只需提取墻壁朝向的直方圖，我們就可以運用這個指標(biāo)輕松區(qū)分現(xiàn)代房屋與哥特式大教堂。

朝向圖

從技術(shù)層面上來說，“朝向”提取了給定建筑平面圖中的墻壁，沿著各個空間方向（從0到360度）來總結(jié)其長度。評估平面圖總體朝向，然后得出一組數(shù)值。

該指標(biāo)可用于獲取單個描述符號，也可當(dāng)作向量來比較各個平面圖。

運用朝向指標(biāo)的典型建筑平面圖(左: plan, 右: orientation)

D. 厚度與材質(zhì)

“厚度與材質(zhì)”這個指標(biāo)確定了平面圖的“肥瘦”：墻壁厚度與厚度變化。

在不同風(fēng)格的平面圖中，墻壁厚度與墻體材質(zhì)差異巨大。在學(xué)院派風(fēng)格的大廳中可以看見厚柱子與參差不齊的厚墻壁，但是在Miesvan der Rohe的別墅中則只能看到呈直線型的薄墻壁。

該指標(biāo)能夠輕松掌握這些特征（如下圖所示）：

厚度與材質(zhì)

從技術(shù)層面上來說，該指標(biāo)能分離給定平面圖中的所有墻壁，并輸出有關(guān)墻壁厚度的直方圖。

同時，該算法也可計算墻壁厚度的變化，以更好地描述墻壁材質(zhì)（如平坦的墻壁與豎框）。

運用厚度與材質(zhì)指標(biāo)的典型建筑平面圖分析(左: plan, 右: resulting diagrams)

E. 連通性

“連通性”這個指標(biāo)解決了房間鄰接的問題。

房間之間彼此的接近程度是建筑平面圖中的重要指標(biāo)。另外，房間之間通過門與走廊來連接，這決定了房間之間彼此的連接?！斑B通性”將房間連接當(dāng)作標(biāo)準(zhǔn)圖表，以此來研究連接的數(shù)量和質(zhì)量。

連通性與鄰接矩陣

從技術(shù)層面上來說，通過平面圖中的開窗，我們可以推斷出房間之間現(xiàn)有的關(guān)系圖。

然后，“連通性”會創(chuàng)建矩陣圖來呈現(xiàn)這些連接，最終有關(guān)房間連接的圖表就生成了。通過這個圖表，我們可以比較不同的建筑平面圖，考慮它們房間連接的相似性。

運用連通性指標(biāo)的典型建筑平面圖分析(左: connectivity graph, 右: plan adjacencies)

F. 流通性

建筑平面圖中的流通性描述了人們在空間中的移動。通過提取流通性的骨架，換句話說也就是流通網(wǎng)絡(luò)的線框，我們可以量化與確定人們在建筑平面圖中的移動。

流通性

從技術(shù)層面上來說，“流通性”提取了給定建筑平面圖的流通程度，并且沿著空間各個方向（從0到360度）來總結(jié)其長度。所得直方圖評估了該流通網(wǎng)絡(luò)形狀，可用于比較不同建筑平面圖的流通性。

運用流通性指標(biāo)的典型建筑平面圖分析(左: circulation graph, 右: diagram)

四、繪制與瀏覽

比較平面圖得到的相似的平面圖

回顧我們的GAN模型：每個模型都在生成流程的各個步驟輸出了多個選項。隨后，設(shè)計師需要“挑選”出心儀的選項，并且在需要的時候改進(jìn)該選項，然后再進(jìn)入下一步。

然而，瀏覽生成選項實則是個既難受又耗時的過程。為此，“挑選合格的平面圖”章節(jié)中所描述的6個指標(biāo)在這兒可以發(fā)揮它們的所有潛力，補充我們的生成流程。用戶可將它們用作過濾器來縮小選擇范圍，在幾秒鐘內(nèi)找到相關(guān)設(shè)計選項。

生成過濾器的雙重性在于我們的工作價值得到了更多的證明：我們提供了一個完整的框架，并且在普通用戶力所能及的范圍內(nèi)利用了人工智能。

一旦模型根據(jù)給定標(biāo)準(zhǔn)（占地、計劃、朝向、厚度與材質(zhì)、連通性與流通性）進(jìn)行過濾，我們就會為用戶提供一幅樹狀圖來呈現(xiàn)他/她的選擇。選定選項在樹狀圖中央，周圍是最接近用戶選擇標(biāo)準(zhǔn)的選項。

然后，用戶可以縮小搜索范圍，尋找最理想的設(shè)計選項，或是選擇樹狀圖里的其他選項，來重新計算圖形。

建筑平面圖的相似樹狀圖

五、總結(jié)

人工智能很快就會大力幫助建筑師進(jìn)行日常實踐了。

隨著這種潛能即將得到證實，我們參與了概念的驗證，我們的框架提供了討論的契機(jī)。我們邀請建筑師參與人工智能，建議數(shù)據(jù)科學(xué)家將建筑作為研究領(lǐng)域。

但是，今天我們的工作可以總結(jié)為以下四個方面：

首先，從概念上來說，我們相信設(shè)計概念的統(tǒng)計方法決定了人工智能在建筑方面的潛能。

它的不確定性和全面性無疑為我們的領(lǐng)域創(chuàng)造了機(jī)會。依靠它們來提取重要品質(zhì)，并在整個設(shè)計過程中模仿它們，而不是利用機(jī)器來優(yōu)化變量，是一種范式上的轉(zhuǎn)變。

其次，我們堅信，正確設(shè)計流程的能力將推動人工智能成為新的建筑工具。

我們選擇了Andrew Witt教授在Log中引入的“灰盒測試，有可能會得到最佳的潛在結(jié)果?！盎液袦y試”與“黑盒測試”相反，后者只允許用戶提前輸入信息，在流程結(jié)束時才能得到設(shè)計選項，無法控制連續(xù)的生成步驟。

相反，通過將整個流程分解成單獨的步驟，“灰盒測試”允許用戶隨時干預(yù)。對機(jī)器的嚴(yán)格控制是對設(shè)計過程質(zhì)量的最終保證。

第三，在技術(shù)層面上，我們認(rèn)為應(yīng)用程序的順序性會提高其可管理性，并且會促進(jìn)其發(fā)展。

能夠在整個生成過程中進(jìn)行干預(yù)是非常重要的——該流程的各個步驟代表著建筑專業(yè)知識的不同板塊，每個模型都可以獨立訓(xùn)練，這有利于未來的重大改進(jìn)與實驗。

實際上，從頭到尾改進(jìn)整個流程可能是一項漫長而繁瑣的任務(wù)，但是逐步改進(jìn)卻是可管理的過程，并且是在業(yè)內(nèi)大多數(shù)建筑師和工程師的能力范圍之內(nèi)的。

最后，我們希望我們的框架能夠解決模型（不管是需要訓(xùn)練的模型還是生成流程中的模型）的無限廣度和復(fù)雜性的問題。我們相信，在諸多選項中，像我們那樣處理地塊-占地-房間分割等是一種可行的方法。

要想概括空間規(guī)劃的必要步驟，關(guān)鍵在于原則而非方法。

隨著獲取建筑數(shù)據(jù)變得愈加容易，我們鼓勵大家開放思想，進(jìn)一步進(jìn)行研究與實驗。

我們并不是將人工智能視作建筑領(lǐng)域的新教條，而是將其看作一項充滿潛力和希望的新挑戰(zhàn)。

在這里我們有可能取得豐碩的成果，這將豐富我們的實踐，并且解決我們學(xué)科中的一些盲點。

作者：讀芯術(shù)，微信公眾號：讀芯術(shù)（ID：AI_Discovery）

來源：https://mp.weixin.qq.com/s/xJkrVFC9UmDKFqUbOim6lw

本文由 @讀芯術(shù) 授權(quán)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)作者許可，禁止轉(zhuǎn)載

題圖來自Unsplash, 基于CC0 協(xié)議