她在 Figma Config 说了一句话，让整个设计圈重新审视“中立”的暴力

如果你还觉得设计是“中立的工具”，那这场演讲可能会让你坐立不安。Linda Dounia Rebeiz 在 Figma Config 2021 直接指出：所谓不包容的设计，本质上是一种温和却持续的暴力。这篇文章把这场演讲拆给 AI 从业者看，告诉你为什么下一代产品竞争，早就不只在算法上。

“不包容的设计，本身就是一种暴力”

演讲一开始，Linda Dounia Rebeiz 就抛出了一个让人不舒服的判断：当设计只服务于某一小撮“默认用户”时，它并不是无意忽略其他人，而是在系统性地排除他们。她说，有人问她，为什么要让设计变得更包容、多元？她的回答非常直接——因为相反的做法，会对真实的人造成真实的伤害。

这句话之所以有冲击力，在于它挑战了设计和技术圈长期以来的“中立神话”。很多 AI 从业者习惯说：模型是中立的、工具是中立的、我们只是优化指标。但 Linda 把问题往前推了一步：是谁定义了指标？是谁决定了“正常用户”？当这些前提只来自单一文化、阶层或视角时，所谓的中立，只是把偏见藏得更深。

对 AI 行业来说，这并不陌生。无论是人脸识别、推荐系统，还是内容审核，问题往往不是模型不会算，而是它学到的世界，本来就不完整。Linda 把这种结构性问题，直接点名为一种“设计层面的暴力”，这也是这场演讲最刺痛人的地方。

一场集体觉醒：我们终于开始质疑“系统本身”

Linda 提到，从前一年开始，整个行业经历了一种“集体觉醒”。人们不再只讨论单个产品好不好用，而是开始反问：我们所依赖的系统，是谁设计的？为谁服务？又排除了谁？

这背后，其实是一种视角的转移。过去，设计被理解为界面、美感和流程优化；现在，它被拉回到更根本的问题——权力、历史和结构。她并没有把问题归咎于某个具体的人，而是强调：系统一旦成型，就会不断复制自身的价值观，哪怕设计者已经离开。

对 AI 从业者而言，这一点尤为重要。模型、数据集、评测基准，一旦成为“行业标准”，就会被无限复用。它们看起来客观、可量化，但实际上，早期的选择已经深深嵌入其中。Linda 的提醒是：如果我们不主动介入，这些系统只会把旧世界，自动放大成新世界。

从“血统”到“记忆情绪板”：把被忽略的经验带回设计

在演讲中段，Linda 把话题拉回到一个看似柔软、但极具力量的词：heritage（血统、文化根源）。她提醒，如果这些来自个人和社区的记忆不被记录、不被转译进设计，它们会悄无声息地消失。

她提出了一种方法，叫做“memory moodboarding”（记忆情绪板）。这不是常规的设计灵感收集，而是从个人成长经历、地方文化、生活细节出发，把那些不在主流设计参考里的元素，系统性地整理出来。她分享说，这个过程让她重新理解了自己成长环境的美，也让设计不再只是模仿“大师风格”。

对 AI 产品来说，这个方法有极强的隐喻意义。我们今天的训练数据、用户画像、使用场景，本质上也是一种“情绪板”。问题在于，它们是否只来自少数可量化、可获取的来源？如果数据本身就缺失了大量非主流经验，那么再强的模型，也只是在重复一种狭窄的世界观。

谁是“大师”？当设计权威变成隐形偏见

Linda 还专门谈到了“Masters”——那些被奉为经典、被反复引用的设计权威。她并不是否认他们的价值，而是提出一个尖锐的问题：当我们只学习这一小群人的方法时，我们是在继承经验，还是在无意识地复制偏见？

她把这种影响称为“imprints”（印记）。设计师往往能清楚说出自己受哪些人影响，却很少意识到：还有哪些声音，从一开始就没进入视野。久而久之，设计决策就会在“看得见的传承”和“看不见的缺失”之间，形成严重失衡。

放到 AI 领域，这几乎是同构的问题。我们熟悉的 benchmark、论文、最佳实践，塑造了什么是“好模型”“好产品”。但如果这些标准本身就来自高度同质化的群体，那么创新，很可能只是局部优化，而非真正突破。

从理念到落地：把包容性写进流程，而不是口号

在演讲最后，Linda 把视角从反思拉回行动。她强调，包容性不能停留在价值宣言里，而必须嵌入从构想到上线的每一个环节。她提出了一种叫“world builder”的方法，帮助团队在早期就构建一个更完整、多视角的使用世界。

她举例说明，一些原则必须被明确讨论，比如用户的知情与同意、设计决策对不同群体的影响等。重要的不是流程变复杂，而是让这些问题“不得不被看见”。她还强调，这个过程并非负担，反而是更有趣、更有创造力的设计方式。

对 AI 从业者来说，这几乎是在暗示：真正成熟的 AI 团队，不再只问“我们能不能做”，而是系统性地问“我们该不该这样做”“还漏掉了谁”。

总结

Linda Dounia Rebeiz 的这场演讲，并没有给出一套万能答案，但它成功做了一件更重要的事：逼迫我们正视那些被当成“默认设置”的前提。对 AI 从业者而言，最大的 takeaway 是——技术实力已经不再是唯一护城河，理解人、理解历史、理解结构，正在成为新的核心能力。下一次你设计模型、定义指标、选择数据时，不妨多问一句：这个世界，是谁的世界？被排除在外的，又是谁？答案，可能会直接决定你的产品能走多远。

关键词： 包容性设计， AI伦理， 系统性偏见， 设计方法论， Figma Config

事实核查备注： 需要核查：演讲者姓名 Linda Dounia Rebeiz 的拼写；Figma Config 2021 的举办时间；“memory moodboarding”“world builder”等方法是否为演讲中的原始表述；“不包容的设计是一种暴力”的原句语境