Obscura No.7 - 一台能看见未来的望远镜

看见未来的望远镜

在构思UCL的硕士毕业设计的时候，我一直在想一个问题：

“为什么我们明知道气候变化的风险，却依然难以真正感受到它？”

在学术世界里，我们拥有大量预测模型和环境数据，但它们往往只停留在专家圈层。图表、指标、PDF报告——这些形式都无法让公众产生共鸣。

我想做一件事：让未来被看见、被想象、被讨论。

于是我开始构思一个不是去观察现实，而是去生成“未来的景象”的项目。
我把它命名为 Obscura No.7，一台能看见未来的望远镜。

背景：为什么我要做它

在学习“智慧城市”和“环境预测”时，我常被一个矛盾困扰：
我们拥有越来越多的气候数据、模型与政策工具，但这些信息往往停留在专家层面。
公众难以理解，也难以被触动。

很多预测模型能告诉我们“未来将升温2度”或“洪水风险提升10%”，但这些数字太抽象。
我开始思考——
能否让人们看见数据的后果，而不是只看数字？
能否让一台机器，把“预测”变成“体验”？

于是，我设计了 Obscura No.7：
一台能将环境数据、AI预测与生成艺术结合起来的望远镜。
我希望它不仅是一件设备，更是一种媒介——让人们在与AI互动的过程中，重新感知“未来”这件事。

概念设计：Obscura No.7 是什么？

Obscura No.7 的概念灵感最初来自 Paragraphica —— 一台由设计师 Bjørn Karmann 打造的“AI照相机”。

这台相机没有镜头，却能根据当前位置、天气和时间，通过提示词生成一张“此刻的影像”。
我非常喜欢它那种“用数据去看世界”的想法：它不是捕捉现实，而是让环境数据成为感知的媒介。

在这个基础上，我开始思考：

如果一台机器不只是“记录现在”，而是“生成未来”呢？

于是，我为 Obscura No.7 加入了两个全新的维度：时间（Time） 和 距离（Distance）。
用户可以通过旋转两个机械旋钮，选择未来的年份与观察的范围。
望远镜便会根据所选参数，调用环境与气候预测模型，生成一幅特定时间、特定地点的“未来图景”。

相比 Paragraphica 的“静态感知”，Obscura No.7 更像是一种“动态推演”——
它不是告诉你现在的样子，而是邀请你去想象未来可能的样子。

简单来说，Obscura No.7 是一个由三层系统组成的 AI 装置：

物理交互层(Physical Interaction Layer) —— 一台复古风格的望远镜，连接树莓派、编码器与触摸屏，用户可以通过旋钮选择“距离”和“时间”，并直接在屏幕上看到生成的画面；
预测建模层(Predictive Modelling Layer) —— 基于机器学习模型（随机森林、LSTM等）对未来气候、地理与经济环境进行预测；
叙事可视化层(Narrative Visualisation Layer) —— 将预测结果转化为图像、文字叙事与可解释性图表，让每一幅“未来画面”都附带“为什么是这样”的答案。

通过这三层的闭环，系统能够从用户的输入出发，生成可解释的未来场景。
而在交互层面，它不再是一串数据，而是一段故事——一个可被“观看”的未来。

工程实现：从代码到实体

1. 硬件层：让交互更直觉

整机的核心是一块 树莓派4B（4GB RAM），搭配 HyperPixel触摸屏 与两个 Adafruit旋钮编码器。
旋钮分别控制“距离”（0–50公里）和“时间”（0–200年），用户可以像调焦一样设定要观察的未来范围。

最初我计划用GPS模块实现定位，但在室内展览环境中信号极差。
于是我改为使用 电子罗盘（HMC5883L）+旋钮输入 的组合：罗盘负责方向，旋钮定义距离，两者共同确定一个空间点。
随后通过 Open-Meteo API 获取该点的气象数据，再调用 Google API 提取地理信息。
这种“混合定位”方法既绕过了信号限制，又保留了空间语境。

在外观设计上，我选择了复古蒸汽朋克风格：
主箱体在 Fusion 360 中建模，Bamboo 打印机打印，外层包裹镭雕纸板与仿旧色涂装。

望远镜与底座通过 Lazy Susan 转盘连接，既稳定又可旋转。
这一切都是为了让交互更自然——当你转动它时，感觉就像真的在“瞄准未来”。

2. 预测层：让AI变得“可解释”

我不希望系统只是一个“黑箱”。
因此我引入了 SHAP（Shapley Additive Explanations） 方法[1]，让预测结果可以被分解和解释。

预测层由三大维度构成：

气候与气象因子（温度、湿度、风速、蒸散量等）
人类活动与经济因子（NO₂、人口密度、GVA、基础设施等）
地理与地形因子（土壤温度、湿度、洪水风险等）

每个维度由不同模型预测，再通过加权公式融合成一个“环境变化指数（ECO）”。
SHAP 则负责追踪每个变量对预测结果的贡献，让“为什么会这样”变得可视化。

比如当系统预测“未来50年的斯特拉特福德，伦敦环境将恶化”，
SHAP会告诉你：

60%的影响来自CO₂上升，20%来自土壤干化，10%来自城市热岛效应。

这不仅是数据分析，更是一种“解释型设计”——AI不再只是输出结果，而是在对话。

3. 可视化层：把预测变成叙事

预测的结果会被输入到一个 Flask 构建的网站中。
它包含三种信息呈现形式：

AI生成图像 —— 由 DALL·E API 根据预测参数与艺术风格提示词生成。
叙事文字 —— 由语言模型（DeepSeek）根据 SHAP 结果自动生成，如“未来气候播报”或“未来旅人视角”。
交互式SHAP气泡图 —— 展示各因素的相对影响力，可点击查看细节。

网站既是展览界面，也是数据归档平台。
观众可以扫码查看自己生成的未来图像，下载并分享。
最终形成一个由公众共同生成的“未来图库”。

展示与反馈：观众的互动反馈

在UCL东校区的 Marshgate 图书馆展览期间，
这台望远镜和其他展品一起摆放在一楼大厅，连续运行了三周，供大众参观。

最初吸引人的是外观：复古望远镜搭配机械旋钮，像一件来自过去的未来机器。
但很多人上手后会花几分钟去“转动时间”，观察不同年份的图像变化。
有的图像是被水淹没的城市，有的则是一片金属森林。

不过我发现一个有趣的现象：

大多数人更关注“画面好不好看”，而不是“为什么会这样”。

他们乐于玩、乐于生成，却不太关心背后的数据。
这提醒了我——
一个有趣的交互并不等于有意义的交流。
如果Obscura No.7 的目标是“引发理解”，就必须在设计中考虑用户的动机路径。

反思

如果把Obscura No.7当作一个产品，它的表现其实非常典型。我借用了 Fogg行为模型[2] 来分析这个现象：

Trigger（触发）强：实体造型吸睛；旋钮 + 触控的物理交互能迅速把人“拉进来”。
Ability（能力）足：上手成本低、流程清晰，人人都能完成一次“生成”。
Motivation（动机）弱于前两者：当前交互主要唤起“审美愉悦”（好玩、好看），尚不足以驱动更深层的理解或长时停留。这与“Piano Stairs[3] → Social Stairs [4]”的研究脉络相似：外部刺激易吸引注意，却难以自然过渡到持久的内在动机。

这意味着：

场景化与在地化部署
把系统从短期展陈移到学校、公共空间、社区等场域；让生成结果绑定在地数据与日常语境，弱化“展览新奇感”，强化与使用者生活的关联。
信息分层设计（从感性到理性）
以图像先行降低进入门槛；随后分层揭示数字、因子与 SHAP 解释，控制信息节奏，避免“一屏灌输”。
共创机制与长期参与
让参与者贡献本地数据/叙事/解读，把“看图”升级为共同构建未来场景；并通过长期部署 + 纵向跟踪，观察是否从好奇转向反思，甚至影响行为。

结语：让未来变得可讨论

Obscura No.7 对我而言，不仅是一台机器，更是一个命题——

“如何用AI，让复杂的未来变得可以被讨论？”

它并不完美，但它让我重新理解了“产品”的含义：
不是把技术做到极致，而是让技术成为沟通的桥梁。

我希望这台望远镜能让人重新思考环境、技术与想象力的关系。
未来不是被预测出来的，而是被想象、被共创、被看见的。

引用

[1] Li, R., Sindikubwabo, C., Feng, Q. and Cui, Y. (2023), ‘Short-term climate prediction overchina mainland: An attempt using machine learning, considering natural and anthropicfactors’, Sustainability 15(10), 7801.

[2]Fogg, B. J. (2009), A behavior model for persuasive design, in ‘Proceedings of the 4th international Conference on Persuasive Technology’, pp. 1–7.

[3] https://www.youtube.com/watch?v=2lXh2n0aPyw

[4]Peeters, M., Megens, C., VanDenHoven, E., Hummels, C.andBrombacher, A.(2013), Social stairs: taking the piano staircase towards long-term behavioral change, in ‘International conference on persuasive technology’, Springer, pp. 174–179