文章來源：Liu, Y., Xu, B., Feng, J., & Wu, P. (2025). Analysis of the application of generative artificial intelligence in interior design education. *Ain Shams Engineering Journal, 16*, 103757.
期刊重點介紹
這篇研究主要在看，當生成式 AI 進入室內設計教育後，會怎麼影響學生的學習方式、設計流程和作品產出。
研究提到，像 Stable Diffusion、Midjourney 這類工具，確實可以幫助學生更快產生靈感，也能快速做出視覺效果很完整的設計圖。對學生來說，AI 降低了軟體操作和渲染技術的門檻，讓他們可以更快進入概念發想和風格探索。
但這種便利性不一定全是好事。當一張圖看起來太漂亮、太完整時，學生可能會誤以為設計進入完稿階段，卻忽略了空間比例、動線、人體工學、法規和施工邏輯等落地的問題。
快速產出虛擬視覺，卻忽略了現實空間的觀察
研究指出，不同 AI 工具在設計流程中適合扮演不同角色。
Stable Diffusion 比較適合用在前期概念發散，可以快速產生不同的空間配置、風格方向與設計想像。Midjourney 則比較擅長材質、光影和氛圍表現，能讓畫面看起來非常完整，甚至接近專業渲染圖。這對學生來說很有幫助，因為不需要花太多時間卡在軟體操作上，就能快速看到各種可能性。
不過問題也出現了。AI 可以讓畫面快速產出，但不一定理解空間。也就是說，圖看起來很完美，不代表真的能被使用、能被施工，或符合人的行為需求。
完美渲染背後，可能藏著不合理的設計
論文中特別提到，學生使用 AI 生成設計圖時，常常會出現一種狀況：畫面光影很美、材質很精緻，但空間本身其實不合理。
例如：
- 走道太窄，實際上不好通行
- 家具比例不對，使用上不舒服
- 空間尺度失真，看起來漂亮但不符合人體工學
- 忽略基本建築法規
- 沒有考慮施工與落地可行性
這也點出 AI 輔助設計的一個關鍵盲點：AI 擅長生成「看起來合理」的畫面，但不一定能保證它「真的合理」。
所以研究建議，設計教育不能只教學生怎麼用 AI 產圖，而是要搭配實體模型、尺度測量、人體工學訓練和空間驗證。學生需要學會用真實空間去檢查 AI 產出的畫面，來確保最後落地的可行性。
觀後聊聊
這篇研究其實點出 AI 輔助設計最核心的問題：AI 很會做出好看的圖，但它不一定理解真實世界的限制。
這點在設計實務裡其實非常常見。很多時候，螢幕上的預覽圖、模擬圖或排版看起來都很完整，但一旦進到真實場地，就會發現問題。
例如展覽設計就是很明顯的例子。平面圖或 3D 預覽再怎麼精美，真正進場後還是可能遇到動線卡住、視角不對、燈光角度不理想、觀眾停留位置和預期不同等問題。很多設計最後真正定案，往往不是在電腦裡，而是在進場調整或上線測試的最後階段。
也就是說，設計的「預想」和「落地」之間，本來就會有拉扯。AI 只是讓前期的想像變得更快、更漂亮，但不代表它能取代後面的現場定案的落地階段。
空間不是平面的畫布
室內設計不是單純產出漂亮的畫面，空間是會被人使用的，當人進入之後，動線、視角、光線、材質、聲音、停留時間，都會變成設計的一部分。
如果學生太依賴 AI，在教育上很可能會變成一種「想像訓練」。學生做出來的圖看起來很厲害，但實際上可能經不起使用和施工的落地考驗。
真正的空間設計，不能只停在畫面好不好看，而是要進到下一階段來反思：這個空間能不能走？能不能坐？能不能被使用？能不能被建造？人在裡面會不會舒服？
AI 可以給靈感，但落地還是要靠判斷
AI 很適合拿來找靈感、測風格、做初步發想。它可以快速打開很多想像方向，讓設計前期變得更有效率。
但 AI 產出的東西，不能直接當成定案版本。比較好的使用方式，是把 AI 當成一種有局限的設計材料。它提供可能性，但設計師要負責篩選、修正和驗證。
換句話說，AI 可以負責把想像快速視覺化，但設計師要負責把這些想像拉回現實。這種在理想和現實之間來回確認的過程，才是設計真正有深度的地方。
設計師要重新掌握最終詮釋權
未來的設計師，不一定需要比 AI 更會畫圖，因為那很可能已經是 AI 的強項。
真正重要的能力，是能不能從 AI 生成的「完美畫面」裡看出問題：比例哪裡怪？動線哪裡不順？光影是不是不合理？材質能不能真的施工？這個空間是不是真的符合人的使用需求？
設計師的價值，不在於把圖做得比 AI 更漂亮，而是在於能重新判斷什麼是合理、什麼是可行、什麼才是符合人的空間。
只有這樣 AI 才不會只是做出漂亮圖片的工具，而是能真正幫助設計師實務應用增效的工具。