作者 | 美漪编辑 | 靖宇
今年,也便是 2023 年,很可能会被人们记住,成为天生式 AI 的「元年。」
以 ChatGPT 为代表的 AI 大模型,拉开了迈向 AGI 通用人工智能的序幕,AI 成为了环球经济增长的主要驱动力,对各种家当的智能化注入全新的「动力」。
据 ABI Research 预测,到 2033 年,天生式 AI 将为环球制造业务增收 105 亿美元。
事实上,不用等到 10 年之后,现在就已经有从业者在利用 AIGC,来帮助自己完成工业设计,乃至是制造问题。
例如,现在就有国外工业设计师 DIDEM GÜRDÜR,利用 AI 工具,帮助自己设计了一台「水母机器人」;而跑车公司阿斯顿·马丁,乃至于 NASA,也借助 AI,制作出了相应的产品。
他们是如何用 AIGC 造出这些东西的?人工智能离彻底取代工程师和设计师还有多久?
01AI 造了一个水母机器人天生式 AI 是如何「助力」机器人制造的呢?工程设计师 DIDEM GÜRDÜR 的「AI 考试测验」便是一个很好的例子。
去年,GÜRDÜR 操持在实验室制造这样一个「水母机器人」,设想它可以从海洋中网络微塑料,并成为海洋生态系统的一部分。
GÜRDÜR 的小组卖力开拓机器人的「网络物理系统」运用广泛,包括智能家居和自动驾驶汽车,它们依赖于物理和打算组件的集成,组件之间常日有反馈回路。
按照老例,研究职员常日通过「迭代过程(iterative process)」来设计「网络物理系统」,包括头脑风暴、草图绘制、打算机建模、仿照、原型构建和测试等。
这是一个「耗时」的过程,须要设计师和工程师配合尽力,发挥创造性思维。同时,通过广泛的测试,改进系统的物理特性和掌握系统。
于是,GÜRDÜR 开始考试测验天生式 AI 工具 Midjourney 和 Stable Diffusion 的组合,寻求「灵感」,试图实现更高效的迭代周期。
最初的「考试测验」并不堪利,由于她选择的关键词不足「详细」,也没有供应任何关于风格、背景或详细哀求的信息。
比如,在 GÜRDÜR 早期考试测验天生水母机器人图像 1 时,她利用了这一提示:水下、独立重生、迷你机器人、珊瑚礁、生态系统、超现实。
通过改进提示,她得到了更好的结果。
对付图片 2,她利用了以下提示:水母机器人、塑料、白色背景;对付图片 3,她利用了以下提示:未来派水母机器人、高细节、生活在水下、自给自足、速率快、受大自然启示。
图片来源:IEEE
随着她在提示中添加了详细细节,她得到的图像也更符合她对水母机器人的想象。
对付图片 4、5 和 6,她给的提示包括:自给自足、生活在海底的未来派电动水母机器人,水或弹性玻璃状材料,形状变换器,技能设计,透视工业设计,临摹风格,电影般的高细节,超细腻,情调调色,白色背景。
图片来源:IEEE
对此,GÜRDÜR 建议,一个好的提示必须是详细的,可以涵盖很多属性,包括主题、媒介、环境、颜色乃至感情等。「如果你希望在结果中包含一些特定的内容,那么你就必须在提示中写明,而且必须清楚地解释任何对你来说主要的背景或细节。你还可以在提示中解释图片的构成,这对设计工程产品有很大帮助。」「但如果你想让某个属性给你惊喜,那么你可以不说。」
然后,她又考试测验了不同的纹理和材料,直到对个中几种设计感到满意为止。
之后,GÜRDÜR 与团队又一起对几款相对「靠谱」的 AI 设计进行了审查,以确定是否可以为实际原型的开拓供应参考。
她们谈论了哪些美学和功能元素可以很好地转化为物理模型。例如,许多图片中波折的伞状顶部可以为机器人保护外壳材料的选择供应建议、流动的触手可以为实现与海洋环境互动的灵巧操纵器供应设计线索等。
在这个过程中,GÜRDÜR 创造,「纵然图像本身是不可行的设计,它们也能匆匆使我们想象出我们可能从未考虑过的新方向。」
此外,她们还从 AI 天生的不同的材料和构图,以及抽象的艺术风格之中得到了「灵感」,并对机器人的整体形状和运动办法进行了更多的创造性思考,对此,GÜRDÜR 坦言,「AI 改变了设计,大概还改变了我的思维。」
虽然她们终极决定不直接复制任何 AI 的设计,但还是大方承认了,「AI 艺术对付引发灵感,以及深入研究和探索的主要代价,详细来说,AI 对付探索、引发灵感和快速制作插图以便在头脑风暴会议上与同事分享非常有用。」
事实上,除了供应灵感外,天生式 AI 还能通过其他的创新方法帮助机器人研究取得进展,包括缩小仿照环境与现实天下的差距、促进机器人与人类的有效互换、创建更好的褒奖模型等。
只管,与AI的「共创」会收成不少「惊喜」,但这也须要一些毅力。
比如,根据最初的提示,在短短几分钟内,GÜRDÜR 就看到了 AI 产出的结果,但之后她还是花费了数小时来进行修正、重申观点、考试测验新的提示,并将成功的元素,组合成一个「完全」的设计。
而且,如果你并不想要「惊喜」,而是寻求「特定」的结果,那么这些AI工具就会变得难以管理。毕竟,人类对 AI 天生的「迭代」险些没有掌握权,结果也是不可预测的。
比如,当 GÜRDÜR 试图把水母改成章鱼时,就惨遭失落败。
她输入提示词,未来派电子章鱼机器人、技能设计、透视工业设计、copic 风格、电影般的高细节、感情调色、白色背景,但是得到了一个「怪异」的章鱼状机器人图像。
图片来源:IEEE
这令她十分不解,由于水母和章鱼看起来都非常相似,那么,为什么 AI 天生器对水母的设计结果很好,而对章鱼的设计却很僵硬、像外星人,而且在解剖学上也禁绝确呢?
这是大概是由于,AI只会遵照它从演习数据中识别出的的「模式」,而「模式」形成背后便是 AI 的「黑箱(black box)」。
因此,AI 图像天生器有可能放大演习数据中的人口统计偏差和其他偏差,天生的内容可能会传播缺点信息,陵犯隐私和知识产权,引发严重的伦理问题。
对此,GÜRDÜR 持乐不雅观态度,她认为,「在未来,我们会看到一些 AI 工具能在明确的限定条件下实现可预测性。更主要的是,我期待看到图像天生器与许多工程工具集成,并看到人们利用这些工具天生的数据进行演习。」
02从跑车到 NASA,AI 全面入侵除了机器人,天生式 AI 也在其他领域赞助工业设计。
比如,在阿斯顿·马丁(Aston Martin)的 DBR22 观点车中,设计师就依赖集成在 Divergent Technologies 的数字三维软件中的 AI 工具,来探索车的形态,优化后副车架部件的形状和布局,从而设计出了具有有机骨架外不雅观的后副车架,之后再通过快速成型技能生产车的实际部件。
对此,阿斯顿·马丁公司透露,「这种方法大大减轻了部件的重量,同时保持了其刚性。公司操持在即将推出的小批量车型中采取相同的设计和制造工艺。」
Aston Martin 利用 AI 为其 DBR22 观点车设计零部件|Aston Martin 官网
此外,AI 赞助工业设计的其他例子,还可以在 NASA 的太空硬件中找到,包括行星仪器、太空望远镜和火星取样返回任务等。
NASA 工程师 Ryan McClelland 也公开表示,AI 天生的新设计可能看起来有些异类和怪异,但它们能承受更高的构造载荷,重量却比传统组件更轻。此外,与传统组件比较,它们所需的设计韶光很短。
McClelland 更是将这些 AI 新设计称为「进化构造」,实在便是指 AI 软件如何通过设计突变进行迭代,并汇聚到高性能的设计上。
NASA研究工程师 Ryan McClelland 将这些利用商业AI软件设计的 3D 打印部件称为「进化构造」| NASA
不可否认的是,在进行足够的探索之前,就开始履行是极具诱惑力的,而且,纵然是天马行空或不切实际的 AI 天生观点,也能作为粗糙的「原型」为早期阶段的工程设计带来益处。
对此,设计公司 IDEO 的首席实行官 Tim Brown 表示,「这种原型既让我们慢下来,又让我们快起来。通过花韶光对我们的想法进行原型设计,我们可以避免代价高昂的缺点,例如过早地变得过于繁芜,以及长期坚持一个薄弱的想法。」
这些前沿设计师和工程师的实践证明,至少目前 AI 并不能完备取代人们的事情,但它无疑为创意类人群供应了一个绝佳的创尴尬刁难象,让设计师能更高效地「脑暴」,加快事情进程。
问题来了,看了这篇稿子的你们,想用 AI 设计一个什么出来?
现在它们正被用于越来越繁芜的任务中,超出了最初的设想。在工业设计领域,通过利用 AI 的力量,工程师可以开始以不同的办法思考,更清楚地看到各种联系,考虑未来的影响,并设计出创新和可持续的办理方案,从而改进天下各地人们的生活。