纺织品数字化设计与AI 人才培养及教学探索择要

■ 沈沉 李楠/文

当下，设计数字化教学的影响逐渐从工具使用上升为思维展现。虚拟的可预见表现能力与艺工结合，具备纺织品数字设计创作与生产能力的复合型应用人才更受行业青睐。AI 的发展日新月异，跨学科、跨专业的艺工结合思维从英伟达在2022 年9 月宣布推出第二代英伟达OVX ™得到体现，由英伟达爱乐可GPU 架构和增强联网技术提供支持，可提供突破性的实时图形、AI 和数字孪生仿真功能。新的NVIDIA OVX 系统旨在使用领先的3D 软件应用程序构建3D 虚拟世界，在NVIDIA Omniverse ™ Enterprise 中运行沉浸式数字孪生体模拟— 一个可扩展的端到端平台，使设计人员能够构建和操作元宇宙应用程序的同时，也促发了培养自我更新的复合型纺织品设计应用人才的挑战。

数字智能化特征

（1）创意的可能性：以往纺织品数字设计的教学，主要通过讲解纺织品图案相关的基础知识和对应的数字化绘图软件基本内容，并结合不同的创意风格和优秀案例来分析、模拟，开展主题性的设计与创作。AI智能化的出现，需要结合艺术学、历史学、工学等多学科知识，从自然物体写生、提炼、变形形成具有文化性、创意性、传统或经典性的数字化造型，并最终应用于提花、织花、印花、绣花、后整等纺织面料中，从而将设计转化为实际生产力，纺织品设计过程不再受限于实物媒介。又可将纤维材料、织造技术、后整工艺等多种因素考虑到前端设计中，实现纺织品设计的可追溯可预判等目标。

（2）时间的调配性：纺织品数字设计与AI，即刻的反应、前后比较的追溯使得繁重的手工绘制过程可以记忆。其将初创化作可执行的动作命令，缩减了后续设计风格的延续，同时也为初学者追寻前人经验提供了学习途径，为相关课程教学提供了相对充足的、可调配的学习时间。

（3）艺工的跨界性：纺织品数字化设计与AI 所涉及的学科较多，具有典型的跨界性。其在工程方面有材料学、织造学、染整工艺学等相互交叉；在艺术类方面有服装设计、纺织品设计等互为关联。因此，由于其具有一定的复杂性，目前仅以图案基础与计算机绘图软件应用为主。

数字智能化AI 内容表现

数字智能化AI 主要的教学目的在于帮助教学对象，学习并建立一整套打破专业壁垒更具逻辑性的工作模式，表现如下：

（1）意识形态：超越技术的意识，培养无中生有的空间布局、风格设定和应用前瞻的设计能力，实践设想与计划的可行性。

（2）依据标准：通过对学业、专业、行业、事业的标准对比依照，帮助教学对象循序渐进，并合理运用资源对标系统。譬如，未来纺织设计人员如何使用潘通色卡等。

（3）工艺技能：通过相关理论讲解与技能实践，使学生以熟练掌握软件工具为第一步，并依托手绘手工技能和学生自身手绘的能力来利用计算机软件进行创意图案绘制、排版与场景模拟。有利于开拓学生的设计思维与设计经验。

（4）流行趋势：通过分析政府、机构、品牌方、展会、秀场发布的政策与趋势报告，合理引入相关项目与市场落地产品，引导学生预判发展方向，运用数字工具进行案例分析、案例模拟与主题创作，培养学生解决实际市场需求问题的能力。

数字智能化AI 原则与教学

专业模型服务允许开发人员使用一种托管基础架构上的提示学习的训练方法快速定制许多预训练的基础模型。一个云应用程序编程接口，可将语言模型用例扩展到语言之外，扩展到科学应用程序，以加速设计人员跨专业技术的发现。

（1）重构教学原则

引入了计算机辅助数字化还需要智能化成体系。从理论到实践，从模仿到原创，从概念到落地的合理课程内容建设。AI 介入专业技能的讲解演练流程，辅助教师知识储备与实践操作能力的提升。

第三方AI 服务，大型工艺、材料跨专业模型服务— 使开发人员能够轻松调整AI 语言模型并部署定制的AI 应用程序，用于内容生成、文本摘要、教学机器人、代码开发以及材料结构和分子特性预测等。可以帮助用户建立和训练GPU 加速的深度学习模型；专注于大型语言模型的数据收集和训练，评估这些模型，并使用这些模型进行推理。随着语言模型持续激增中，训练速度正在快速提高。

（2）智能教学方法

AI 语言模型是通过快速学习来自定义的，它使用一种称为p 调谐的技术。这使得学习人员只需使用几百个示例即可快速定制最初使用数十亿个数据点训练的基础模型。自定义过程会生成特定于任务的提示令牌，然后将其与基础模型相结合，为特定用例提供更高的准确性和更相关的响应。

（3）调整考核方式

纺织品数字艺术设计与AI 人才培养及教学探索，应不断调整并完善相应的考核方式：

1.完善考核方式。调整平时成绩中纺织品数字化与AI 专业技能的所占及学习过程的成绩比重。增加学生纺织品数字化方案的实验比较环节，增进学生相互交流，带动学生的积极性与激励性。

2.改变期末考核内容。由原来的主题创作增加为主题创作+实训展示，如：按照合理比例，将企业项目实训、设计参赛等实践项目引入期末考核，从鼓励学生参赛、跟进落地项目改为必修内容，以市场需求水准为课程考核的最终目的。

3.循序次第考核层级。从满足基本教学要求（技术掌握、技能培养）进阶到学术要求（意识形态、标准依据、趋势预判），直到商业要求（服务、平衡、调配），循序渐进，有步骤有层级地因材施教。

结论

AI 语言模型具有改变每个学习者的潜力，调整基础模型的能力使学习人员能够利用语言模型的强大功能，创建跨专业的AI 语言服务并为科学发现提供支持，指令学习，该过程只需几分钟到几小时。

数字智能化AI 作为现今两者之间（既是专业之间、也是艺工之间，更是传统与当代之间）最主要的桥梁和通道之一，具有起承转合的实际效用。因此，将纺织品数字设计与AI 引入纺织与服装专业课程建设中，调整课程教学思路，增强教学内容与教材建设，融入教学、学术、商业实训并完善考核方式是完成专业教学最根本任务的必要条件。其实现了高校人才从理论到实践、从意识概念到趋势预判、从依据标准到方案落地的人才模式培养，顺应了行业技术革新与产业升级的时代潮流，为更好地服务与培养行业尖端应用型人才提供了有效途径。