在说明一个技术的出现然后广泛使用的时候，我们可以翻看中国自己的历史。秦统一中国的时候，各国已经有铁剑出现，因为铁的密度远小于铜，铁质兵器远比铜更为轻便，然而秦依旧使用铜来制剑。荆轲刺杀秦王，由于秦剑太长，秦王迟迟无法拔出宝剑。
轲既取图奏之，秦王发图，图穷而匕首见，因左手把秦王之袖，而右手持匕首揕之。未至身，秦王惊，自引而起，袖绝；拔剑，剑长，操其室；时惶急，剑坚，故不可立拔。
直到一个太医喊出“秦王握剑”，秦王才慌忙的左手握住剑鞘，右手拔出长达近一米的青铜剑，一刺荆轲。
是时，侍医夏无且，以其所奉药囊提荆轲也。秦王方环柱走，卒惶急不知所为，左右乃曰：“王负剑。”负剑，遂拔，以击荆轲，断其左股。
荆轲刺秦，是铜长剑和秦朝发达的铜器的加工工艺终结了荆轲。到了汉朝，铁的加工工艺开始成熟，远比铜更为轻便的铁质兵器开始大规模应用。于是骑着没有马蹬的马，拿着汉环刀的汉朝军队把匈奴赶到漠北，并以这个朝代的名字为自己的民族命名。
秦朝使用铜作为兵器的原因就是对铜的加工工艺更为熟悉，秦的胜利就是铜的加工工艺的顶峰，而汉朝铁的制备工艺已经相对成熟，所以汉朝骑兵握着更加轻盈锋利的铁刀，这就是新技术对旧技术的胜利。
如果截取Vicariois联合创始人Scott Phoenix回答神经网络技术局限性的问题，来总结秦汉的故事就是：新技术开始出现时，和当前重度优化的现有技术相比，它可能在很多层面上反而没有优势······随着时间的推移和不断的努力，我们将在大多数事情上变得更好······。
已有的人工智能技术在设计与艺术领域的尝试
在设计与艺术领域，最为广泛使用的技术就是卷积神经网络（CNN），比如Prisma和本章开始提到的Tailor Brands。Prisma背后的技术源于一篇论文《A Neural Algorithm of Artistic Style》，下图是论文中的截图。
我们可以看到机器如何从梵高的画中抽象出风格然后钱已到一张照片上。
除了风格的模拟，用户研究经常使用的眼动仪实验数据也可以通过人工智能来解决，有一个名为eyequant的网站可以提供“无人眼动仪”的服务，如下。
上图是真实的眼动仪追踪的结果，下图是通过数据训练得到的神经网络预测的结果，网站宣传其准确率可以达到90%。这个学习的过程就是将眼动仪捕获的人眼根据注意力机制运动的数据与图片的数据输入到神经网络中，神经网络会学习到图片与眼睛运动之间的相关关系形成模型，反复这个过程之后将训练成熟的神经网络来预测一般图片的眼动过程。也就是说，对于中小企业或者设计初稿，可以通过人工智能技术获得一个基本的设计质量的判断。
还有中国的阿里巴巴公司的阿里鲁班，据说可以自动生成banner，我相信其技术核心也是CNN。
未来可能的设计场景
tobii是一家眼动追踪技术的公司，如下图。
将这个细长的小条贴在现有屏幕下方就可以追踪眼球的运动，用以替代部分鼠标的功能，但是便利性则大大加强，如果加上这个技术，我们把已有的技术放在一起看一下会发生什么效果。
交互技术
图像识别技术