Τι είναι ο Γενετικός Σχεδιασμός; Ένας πλήρης οδηγός

Τι είναι ο Γενετικός Σχεδιασμός; Ένας πλήρης οδηγός
Rick Davis

Ο γεννητικός σχεδιασμός είναι μια διαδικασία διερεύνησης του σχεδιασμού που χρησιμοποιεί τεχνητή νοημοσύνη για να δημιουργήσει ένα ευρύ φάσμα λύσεων και ιδεών για πολύπλοκα προβλήματα. Σημαίνει όμως αυτή η τεχνολογία ότι οι άνθρωποι δεν χρειάζονται πλέον για το σχεδιασμό; Θα κατακτήσει η τεχνητή νοημοσύνη τον κόσμο του σχεδιασμού όπως τον ξέρουμε; Ας το μάθουμε.

Ο γεννητικός σχεδιασμός θεωρείται ευρέως ως το επόμενο σύνορο στον σχεδιασμό με τη βοήθεια υπολογιστή.

Αξιοποιεί τη δύναμη της Τεχνητής Νοημοσύνης για την ανάπτυξη υψηλής απόδοσης και εξαιρετικά εξελιγμένων επαναλήψεις σχεδιασμού που βοηθούν στην επίλυση σύνθετων προκλήσεων, όπως η μείωση του βάρους των εξαρτημάτων ή η βελτιστοποίηση των επιδόσεων και η απλούστευση των σχεδίων.

Με μια πρώτη ματιά, μπορεί να φαίνεται ότι ο γενεσιουργός σχεδιασμός χρησιμοποιείται μόνο από μηχανικούς. Δεν είναι έτσι. Η τεχνητή νοημοσύνη στο σχεδιασμό είναι μια δύναμη που έχει κατακλύσει πολλές δημιουργικές βιομηχανίες.

Αλλά μην ανησυχείτε, δεν χρειάζεται να πάθετε Matrix PTSD και δεν χρειάζεται να αισθάνεστε ότι η μηχανική μάθηση καταλαμβάνει τις σκληρά κερδισμένες δουλειές μας ως σχεδιαστές. Θα σας εξηγήσουμε τι είναι ο γεννητικός σχεδιασμός, πού μπορεί να εφαρμοστεί και (αναστεναγμός ανακούφισης) ποιοι είναι οι περιορισμοί του.

Καλλιτέχνης: Sofia Crespo. Έργο τέχνης: Reward system. Πηγή εικόνας: Stir World

Πού εφαρμόζεται ο Γενετικός Σχεδιασμός;

Το περιορισμοί του εφαρμοζόμενου αλγορίθμου ΤΝ είναι μια βασική έννοια στον γενεσιουργό σχεδιασμό.

Για να καταλάβετε καλύτερα το γιατί, σκεφτείτε το εξής: Ας πούμε ότι θέλετε να σχεδιάσετε ένα γήπεδο. Αλλά έχετε δύο αντιμαχόμενες αρχές: Θέλετε να βάλετε πολύ κόσμο στο γήπεδό σας, αλλά θέλετε επίσης όλοι τους να έχουν καλή θέα του αγώνα.

Για να καταλάβετε καλύτερα το γιατί, σκεφτείτε το εξής: Ας πούμε ότι θέλετε να σχεδιάσετε ένα γήπεδο. Έχετε όμως δύο αρχές που αντιμάχονται: Θέλετε να βάλετε πολύ κόσμο στο γήπεδό σας, αλλά θέλετε επίσης όλοι τους να έχουν καλή θέα του αγώνα.

Αντί να ανακαλύψετε εκ νέου το Κολοσσαίο και να σπαταλάτε το μυαλό σας προσπαθώντας να σχεδιάσετε κάτι που να ταιριάζει, υπάρχει ένας πολύ απλός μαθηματικός τύπος που μπορείτε να χρησιμοποιήσετε για να ποσοτικοποιήσετε την ποιότητα της θέας, η οποία μπορεί στη συνέχεια να τεθεί σε σχέση ή αντίθεση με το μέγεθος του σταδίου.

Έτσι, με ένα γενεσιουργό σύστημα, μπορείτε να θέσετε σε λειτουργία αυτές τις δύο αρχές για να βρείτε μια λύση με τέτοιο τρόπο που οι άνθρωποι μπορεί να μην έχουν δει ή σκεφτεί πριν.

Αν αναρωτιέστε "πότε θα σχεδιάσω ποτέ ένα γήπεδο;" ας δούμε ένα πιο πρακτικό παράδειγμα. Ας πούμε ότι θέλετε να τοποθετήσετε πλακάκια σε έναν πάγκο που έχει ακανόνιστο σχήμα και θέλετε να βρείτε το βέλτιστο σχέδιο και σχήμα των πλακιδίων σας, ώστε να ελαχιστοποιήσετε την ποσότητα των αποβλήτων. Εδώ είναι που μπορεί να βοηθήσει ο παραγωγικός σχεδιασμός.

Ο γεννητικός σχεδιασμός έχει σχεδόν άπειρες εφαρμογές, ιδίως σε βιομηχανικά πλαίσια, όπως η κατασκευαστική βιομηχανία. Η Airbus, ο διάσημος κατασκευαστής αεροσκαφών, χρησιμοποίησε τον γεννητικό σχεδιασμό για να επανασχεδιάσει ένα εσωτερικό διαμέρισμα του αεροσκάφους A320.

Πηγή εικόνας: Manufacturing Leadership Council

Αξιοποιώντας τη δύναμη του λογισμικού γεννητικού σχεδιασμού, κατέληξαν σε μια λύση που τελικά εξοικονόμησε το 45% του βάρους του εξαρτήματος, που αντιστοιχεί σε 30 κιλά. Αυτή η μείωση του βάρους σημαίνει ότι το αεροσκάφος χρησιμοποιεί λιγότερα καύσιμα, γεγονός που με τη σειρά του θα μειώσει το αποτύπωμα άνθρακα του κλάδου των αερομεταφορών στο σύνολό του. Η εξοικονόμηση 30 κιλών ανά αεροσκάφος σε ολόκληρο το στόλο τους ισοδυναμεί με την εξάλειψη των εκπομπών 96.000επιβατικών αυτοκινήτων κάθε χρόνο.

Στον τομέα της αεροδιαστημικής βιομηχανίας, η NASA χρησιμοποίησε τον παραγωγικό σχεδιασμό σε μια πλανητική προσεδάφιση επόμενης γενιάς που πρόκειται να φτάσει στα φεγγάρια του Δία και του Κρόνου.

Για να ολοκληρώσει την αποστολή της, η προσεδάφιση πρέπει να λειτουργήσει σε θερμοκρασίες πολύ κάτω από το μηδέν και να αντέξει επίπεδα ακτινοβολίας χιλιάδες φορές μεγαλύτερα από αυτά που βιώνουμε στη Γη. Με τη βοήθεια της τεχνολογίας γεννητικού σχεδιασμού, η Nasa μαζί με την Autodesk κατέληξαν σε μια σχεδιαστική λύση που αποδίδει καλά κάτω από όλες αυτές τις απαιτητικές παραμέτρους του έργου- μια λύση που ένας ανθρώπινος μηχανικός ίσως να μην είχεσε θέση να οραματιστούν, τουλάχιστον όχι στο ίδιο χρονικό διάστημα.

Η Autodesk είναι μία από τις κορυφαίες εταιρείες δημιουργικού λογισμικού στον κόσμο, και δεν πρωτοστατεί μόνο στη χρήση του δημιουργικού σχεδιασμού στο διάστημα. Πάρτε για παράδειγμα την αυτοκινητοβιομηχανία.

Στην περσινή εκδήλωση του Autodesk University, το Design & Manufacturing Keynote επικεντρώθηκε στο "Elevate". Μια ιδέα από τη Hyundai που χρησιμοποιεί την τεχνολογία γενετικού σχεδιασμού για να αναπτύξει ένα νέο όχημα που έχει την ικανότητα να "περπατάει". Διαβάσατε σωστά. Ένα όχημα που μπορεί να εναλλάσσεται μεταξύ των λειτουργιών οδήγησης και "περπατήματος" για να φτάσει σε εδάφη που ποτέ δεν θεωρούνταν δυνατά πριν.

Ενώ μια εφαρμογή γεννητικού σχεδιασμού μπορεί να βοηθήσει στη σύλληψη σύνθετων σχεδιαστικών λύσεων, η τρισδιάστατη εκτύπωση είναι η ιδανική τεχνολογία για να ζωντανέψουν αυτά τα περίπλοκα σχήματα.

Πηγή εικόνας: Autodesk

Όλα είναι καλύτερα σε 3D

Παραδόξως, οι αλγόριθμοι γεννητικού σχεδιασμού συχνά δημιουργούν ιδιαίτερα οργανικά σχήματα που είναι απαραίτητα για συγκεκριμένους τύπους εφαρμογών με ευαίσθητες επιδόσεις.

Αυτά τα μοντέλα είναι συχνά αδύνατο να κατασκευαστούν με συμβατικές τεχνολογίες κατασκευής, όπως η χύτευση με έγχυση. Αλλά η τρισδιάστατη εκτύπωση και η προσθετική κατασκευή έχουν ανοίξει διάπλατα την πόρτα.

Αν το καλοσκεφτείτε, ο γεννητικός σχεδιασμός και η τρισδιάστατη μοντελοποίηση είναι ένα ταίρι στον παράδεισο. Το PB&J της μηχανικής. Ο γεννητικός σχεδιασμός παρέχει στη βιομηχανία 3D γρήγορα και ευέλικτα μέσα για την παραγωγή τρισδιάστατων μοντέλων υψηλής ανάλυσης πολλαπλών επαναλήψεων σχεδιασμού για ένα οικονομικό τελικό προϊόν.

Μέσω των προσθετικών διαδικασιών που επιτρέπουν την εναπόθεση λεπτών στρωμάτων υλικών ξανά και ξανά, οι κατασκευαστές μπορούν να δημιουργήσουν εξαρτήματα με οποιοδήποτε είδος στερεού υλικού, από πλαστικό, ρητίνη (SLA), ακόμη και μέταλλο.

Αυτό το εσωτερικό πλέγμα μιας εξωτερικής σόλας που σχεδίασε η New Balance είναι ένα τέλειο παράδειγμα για το πώς μπορούν να φαίνονται τα οργανικά δημιουργικά σχέδια:

Πηγή εικόνας: Fourtune.com

Η τρισδιάστατη εκτύπωση και η προσθετική κατασκευή διαδραμάτισαν σημαντικό ρόλο στην ανάπτυξη των λύσεων παραγωγικής κατασκευής σε όλους τους κλάδους.

Δείτε επίσης: Ο οδηγός του Will Paterson για το σχεδιασμό ενός λογότυπου με το Shape Builder

Ωστόσο, θα ήταν παραπλανητικό να δηλώσουμε ότι ο γενεσιουργός σχεδιασμός περιορίζεται μόνο στην τρισδιάστατη εκτύπωση. Η προσθετική τεχνολογία είναι τις περισσότερες φορές η βέλτιστη μέθοδος παραγωγής. Αλλά σε ορισμένες περιπτώσεις, μπορείτε να χρησιμοποιήσετε πιο παραδοσιακές μεθόδους παραγωγής, όπως η κατεργασία με CNC, η χύτευση ή η χύτευση με έγχυση, εκτός από την προσθετική κατασκευή.

Ποια είναι τα οφέλη, λοιπόν, και πάλι;

Πρώτον, έχουμε ταυτόχρονη εξερεύνηση.

Ο τρόπος με τον οποίο λειτουργεί ο παραγωγικός σχεδιασμός είναι ότι ο σχεδιαστής καθορίζει και εισάγει όλα τα κριτήρια για το σχεδιασμό του εξαρτήματος, με βάση παραμέτρους όπως το βάρος, το υλικό, το μέγεθος, το κόστος, η αντοχή και οι μέθοδοι κατασκευής.

Το λογισμικό γεννητικού σχεδιασμού χρησιμοποιεί αλγόριθμους για να διερευνήσει τις δυνατότητες αυτών των παραμέτρων, για να δημιουργήσει χιλιάδες επιλογές σχεδιασμού. Στη συνέχεια, το λογισμικό με τεχνητή νοημοσύνη θα αναλύσει κάθε σχεδιασμό και θα καθορίσει τους πιο αποδοτικούς.

Ο γεννητικός σχεδιασμός είναι ικανός για την ταυτόχρονη διερεύνηση, επικύρωση και σύγκριση χιλιάδων εναλλακτικών λύσεων σχεδιασμού. Αυτές αξιολογούνται στη συνέχεια από τον μηχανικό ή τον σχεδιαστή, ο οποίος κάνει την τελική επιλογή.

Στη συνέχεια, φυσικά, έχουμε το επιταχυνόμενο χρονοδιάγραμμα σχεδιασμού. Μερικές φορές ο παραδοσιακός σχεδιασμός μπορεί να είναι σαν ένα παιχνίδι ναυμαχίας. Μπορεί να δοκιμάσετε το H3 και να έχετε ένα χτύπημα ή μια αστοχία και μετά να ξαναπροσπαθήσετε. Με τον παραγωγικό σχεδιασμό, μπορείτε να αξιολογήσετε όλες τις επιλογές ταυτόχρονα. Οι εταιρείες μπορούν να χρησιμοποιήσουν τον παραγωγικό σχεδιασμό για να αποκτήσουν ανταγωνιστικό πλεονέκτημα στην επιτάχυνση της κυκλοφορίας των προϊόντων στην αγορά.

Για να προσδιορίσουν τη γεωμετρία του σχεδίου τόσο γρήγορα, οι αλγόριθμοι γεννητικού σχεδιασμού χρησιμοποιούν διάφορες προσεγγίσεις, όπως:

Δείτε επίσης: Η ιστορία του Computer Animation

Βιομιμητική - μια πρακτική που μιμείται τη φύση για την επίλυση των προκλήσεων του ανθρώπινου σχεδιασμού

Μορφογένεση- η διαδικασία με την οποία ένας οργανισμός, ιστός ή όργανο αναπτύσσει το σχήμα του

Βελτιστοποίηση τυπολογίας- Συχνά συγχέεται με τον γενεσιουργό σχεδιασμό, ωστόσο, δεν είναι το ίδιο. Περισσότερα γι' αυτό παρακάτω 👇.

Βελτιστοποίηση τοπολογίας έναντι Γενετικής Σχεδίασης

Η βελτιστοποίηση τοπολογίας είναι μια μαθηματική μέθοδος που βελτιστοποιεί τη διάταξη των υλικών μέσα σε ένα δεδομένο χώρο σχεδιασμού, για ένα δεδομένο σύνολο περιορισμών.

Έχουμε επίσης τη βελτιστοποίηση μεγέθους με αυτή την έννοια, η οποία ασχολείται με την εύρεση του σχήματος που είναι βέλτιστο και ελαχιστοποιεί το κόστος, ενώ ικανοποιεί ένα δεδομένο σύνολο κανόνων.

Έτσι, αφού προκαθοριστεί το σχήμα, η βελτιστοποίηση τοπολογίας ασχολείται στη συνέχεια με τον αριθμό των συνδεδεμένων στοιχείων που ανήκουν ή μπορούν να χωρέσουν σε αυτό το σχήμα.

Ακόμα και μετά τον ορισμό τους, η βελτιστοποίηση τοπολογίας και ο γεννητικός σχεδιασμός μπορεί να εξακολουθούν να ακούγονται παρόμοιοι. Ωστόσο, η διαφορά έγκειται στη συνολική διαδικασία.

Η βελτιστοποίηση τοπολογίας ξεκινά με ένα πλήρες μοντέλο ανθρώπινου σχεδιασμού, το οποίο δημιουργείται σύμφωνα με τα προκαθορισμένα φορτία και τους περιορισμούς. Και αποδίδει μόνο μία βελτιστοποιημένη ιδέα για αξιολόγηση, με βάση την ιδέα ανθρώπινου σχεδιασμού. Δεν υπάρχει αυτοματοποιημένη ιδεολογία.

Σε αυτό το σημείο διαφέρει από τον παραγωγικό σχεδιασμό, ο οποίος ξεκινά με την εισαγωγή των περιορισμών, οι οποίοι στη συνέχεια αναλύονται από μια τεχνητή νοημοσύνη, για τον προσδιορισμό εκατοντάδων ή χιλιάδων τοπολογικών εννοιών.

Αλλά οι αριθμοί δεν είναι το μόνο πράγμα που διαφοροποιεί αυτές τις δύο διαδικασίες. Αυτό που η βελτιστοποίηση τοπολογίας δεν λαμβάνει υπόψη της είναι ότι κάθε σχεδιασμός που αναπτύσσεται με παραδοσιακά μέσα είναι ουσιαστικά προκατειλημμένος.

Πρόκειται ουσιαστικά για την καλύτερη εικασία του μηχανικού για το πώς θα λύσει ένα πρόβλημα. Αυτό αποτελεί μεγάλη απειλή για ένα σύστημα σχεδιασμού που δημιουργήθηκε για μια ποικιλόμορφη κοινωνία. Και όχι μόνο αυτό, αλλά το ανθρώπινο μυαλό έχει απλά μεγαλύτερη τάση να σκέφτεται ιδέες που είναι παρόμοιες με αυτό που έχει γίνει μέχρι τώρα.

Στο γενετικό σχεδιασμό, η τεχνητή νοημοσύνη δεν θα επηρεάζεται από προκαταλήψεις (τουλάχιστον όχι τόσο άμεσα) και μπορεί να εξερευνήσει πέρα από αυτό που μπορούμε να φανταστούμε. Απλά πρέπει να βεβαιωθούμε ότι οι προϋπάρχουσες συντομεύσεις, προκαταλήψεις και προκαταλήψεις μας δεν είναι σκληρά κωδικοποιημένες στην τεχνητή ευφυή τεχνολογία.

Θα με αντικαταστήσει η τεχνητή νοημοσύνη ως σχεδιαστή;

Πρώτον, πρέπει να καταλάβετε ότι ο γενεσιουργός σχεδιασμός δεν είναι ένα ολοκαίνουργιο φαινόμενο. Οι άνθρωποι χρησιμοποιούν τον γενεσιουργό σχεδιασμό ήδη από τη δεκαετία του '90. Αλλά ποτέ δεν είχε το επίπεδο χρήσης και εφαρμογής σε τόσους πολλούς διαφορετικούς κλάδους που έχει σήμερα. Έτσι, η απλή απάντηση στην ερώτηση είναι "όχι".

Αναμφίβολα, ο γενεσιουργός σχεδιασμός μοιάζει με μια δελεαστική επιλογή. Αντί να βάζετε έναν σχεδιαστή να δημιουργήσει με κόπο μια χούφτα έννοιες, μπορείτε να χρησιμοποιήσετε έναν αλγόριθμο για να δημιουργήσετε γρήγορα χιλιάδες επιλογές και να ζητήσετε από τον σχεδιαστή να επιλέξει την καλύτερη.

Ο σχεδιαστής μετατοπίζεται από τον δημιουργό στον συντάκτη. Τι να μην αρέσει; Βασικά, υπάρχουν μερικά προβλήματα.

Κατά τη χρήση του παραγωγικού σχεδιασμού, δεν υπάρχει ένας έτοιμος αλγόριθμος για τη δημιουργία όλων των επιλογών σχεδιασμού. Οι σχεδιαστές θα πρέπει να δημιουργήσουν το δικό τους σύστημα από το μηδέν, πράγμα που δεν είναι μικρό κατόρθωμα.

Για το λόγο αυτό, πολλά εργαλεία γεννητικού σχεδιασμού περιορίζονται σε περιορισμένο αριθμό θεμάτων σχεδιασμού ή σε ένα μόνο τμήμα της διαδικασίας σχεδιασμού. Έτσι, καθιστούν αυτό το στάδιο του σχεδιασμού ακριβό, ασύνδετο και κουραστικό.

Επίσης, η ποσότητα δεν σημαίνει ποιότητα. Τα γεννητικά σχέδια δημιουργούν χιλιάδες διαφορετικές επιλογές. Ενώ αυτό γιορτάζεται σαν αρετή, υπάρχει ένα μειονέκτημα: οι αλγόριθμοι δεν μπορούν πραγματικά να ξεχωρίσουν τις καλές ιδέες από τις κακές, εκτός αν τους πείτε εσείς τι είναι καλό και τι κακό. Εδώ είναι πάλι που παρεισφρέουν οι προκαταλήψεις μας.

Η σύγκριση των πολλών, πολλών επιλογών που παρουσιάζει το σύστημα είναι μια ακόμη πρόκληση. Χρειάζεται ένα πολύ εξειδικευμένο άτομο για να το κάνει αυτό- και για να περιπλέξουμε ακόμη περισσότερο τα πράγματα, οι άνθρωποι μισούν να έχουν πάρα πολλές επιλογές. Αντιμετωπίζουμε εδώ το "παράδοξο της επιλογής". Οι περισσότερες επιλογές μας δίνουν περισσότερες ευκαιρίες να πάρουμε τη λάθος απόφαση, κάτι που φοβόμαστε.

Και ας το παραδεχτούμε - οι σχεδιαστές (και οι άνθρωποι γενικά) δεν λειτουργούν έτσι.

Ο γενεσιουργός σχεδιασμός περιορίζει τη διαδικασία σχεδιασμού σε τρία βήματα: ενημέρωση, ιδεολογία και απόφαση. Αυτό είναι μια μεγάλη υπεραπλούστευση του τι πραγματικά κάνουν οι δημιουργοί.

Οι σχεδιαστές δεν ακολουθούν μια γραμμική διαδικασία και ο σχεδιασμός είναι στην πραγματικότητα αρκετά ακατάστατος. Δεν το ξέρουμε!

Για να λέμε την αλήθεια, υπάρχει λίγη συγκεκριμένη γνώση σχετικά με το σχεδιασμό ως γνωστική διαδικασία, αλλά ένα πράγμα είναι σίγουρο: η τεχνολογία δεν ήρθε για να μας αντικαταστήσει και πιθανότατα δεν θα μας αντικαταστήσει ποτέ.

Η ίδια η διαδικασία γεννητικού σχεδιασμού απαιτεί από τον σχεδιαστή όχι μόνο να κατανοήσει και να καθορίσει τις παραμέτρους, αλλά και να αναλύσει τις καλύτερες λύσεις στο τέλος. Μια τεχνητή νοημοσύνη απλά δεν έχει την ικανότητα να κατανοήσει το πρόβλημα από μόνη της. Εκτελεί με βάση τον στόχο σχεδιασμού που εισάγεται.

Ενώ το μυαλό σας μπορεί να τρελαθεί φανταζόμενο τι είναι πραγματικά ικανή να κάνει μια τεχνητή νοημοσύνη, στον γενετικό σχεδιασμό, δίνεται έμφαση σε μια ελαφρώς διαφορετική μορφή τεχνητής νοημοσύνης: μια κατηγορία που αναφέρεται ως "αλγόριθμοι αναζήτησης". Η οποία δεν είναι ακριβώς ένα νευρωνικό δίκτυο που είναι ικανό να μαθαίνει και να προσαρμόζεται από μόνο του.

Το πλεονέκτημα του αλγορίθμου αναζήτησης είναι ότι δεν χρειάζεται να γνωρίζει τίποτα για την εσωτερική λειτουργία του εξαρτήματος που σχεδιάζεται. Θα σχεδιάσει μια καρέκλα, χωρίς να γνωρίζει ουσιαστικά τι είναι μια καρέκλα.

Αυτοί οι αλγόριθμοι στην πραγματικότητα βασίζονται σε επαναλαμβανόμενες δοκιμές και όχι σε άμεση επίλυση. Έτσι, ο γενεσιουργός σχεδιασμός δεν λύνει το πρόβλημά σας, αλλά διερευνά το πρόβλημα έξω από το κουτί, ας πούμε. Οι σχεδιαστές και οι μηχανικοί είναι αυτοί που πρέπει να το βρουν.

Μπορεί το Generative Design να γίνει δημιουργικό;

Σίγουρα.

Τώρα που καταλάβαμε ότι δεν υπάρχει τίποτα να φοβηθούμε, ας ρίξουμε μια ματιά σε μερικά απροσδόκητα παραδείγματα γεννητικού σχεδιασμού που θα σας κάνουν να τον ερωτευτείτε. Ή τουλάχιστον να τον συμπαθήσετε ως φίλο.

Ακολουθεί ένα παράδειγμα ψηφιακού πίνακα που δημιούργησε η κολεκτίβα Obvious, με έδρα το Παρίσι, με τη βοήθεια της τεχνητής νοημοσύνης. Μπορείτε να μαντέψετε πόσο πωλήθηκε;

Πηγή εικόνας: LiveScience

Δημοπρατήθηκε για το ιλιγγιώδες ποσό των 432.000 δολαρίων στον οίκο Christie's - τον πρώτο οίκο δημοπρασιών που έβγαλε στο σφυρί ένα έργο τέχνης που δημιουργήθηκε από αλγόριθμο. Τον ίδιο οίκο δημοπρασιών που πούλησε το NFT του Beeple για 6,8 εκατομμύρια δολάρια.

Ο Obvious δημιούργησε το έργο χρησιμοποιώντας γεννητικό σχεδιασμό και εισάγοντας πληροφορίες από 15.000 πορτρέτα. Μπορείτε κυριολεκτικά να δείτε τη διαδικασία σχεδιασμού της τεχνητής νοημοσύνης. Το πορτρέτο απεικονίζει έναν άνδρα ντυμένο με σκούρο παλτό με ένα απλό λευκό γιακά που φαίνεται μέσα από αυτό. Αναμφισβήτητα το πιο ενδιαφέρον μέρος του έργου τέχνης είναι το γεγονός ότι υπογράφεται με τον μαθηματικό τύπο των αλγορίθμων που χρησιμοποιήθηκαν για τη δημιουργία του.

Ένα άλλο παράδειγμα είναι μια σειρά από μαρμάρινα βάζα και τραπέζια που δημιούργησε ο ιρακινής καταγωγής σχεδιαστής Layth Mahdi. Τα κομμάτια διαθέτουν όμορφα ρευστές μορφές και κυματιστές επιφάνειες που σχεδιάστηκαν από μια τεχνητή νοημοσύνη και κατασκευάστηκαν από πραγματικά ρομπότ. "Το ρομπότ για μένα λειτουργεί ως ψηφιακός, πολύ ευέλικτος αλλά ακριβής χαράκτης. Πιστεύω ότι το μέλλον είναι συνεργατικό", δήλωσε ο Mahdi σε συνέντευξή του στο Dezeen.

Πηγή εικόνας: Dezeen

Ακολουθεί μια τρισδιάστατα εκτυπωμένη μάσκα του Alessandro Zomparelli, ο οποίος ισχυρίζεται ότι η χρήση αλγορίθμων υπολογιστών στο σχεδιασμό είναι σαν να "σμιλεύεις με ένα νέο υλικό." Στο πλαίσιο του έργου του Carapace, η συλλογή αποτελείται από μια σειρά μασκών κατά παραγγελία, οι οποίες σχεδιάζονται και εκτυπώνονται σύμφωνα με την τρισδιάστατη σάρωση του προσώπου του χρήστη. Έτσι, κάθε μάσκα είναι σχεδιασμένη για ένα συγκεκριμένο άτομο.

Το όνομα του έργου δεν είναι τυχαίο - το carapace είναι το ανώτερο μέρος του εξωσκελετού των καρκινοειδών (καβούρια) ή των αραχνοειδών (αράχνες). Ο Alessandro Zomparelli ανέπτυξε τον δικό του αλγόριθμο για να δημιουργεί μοναδικά μοτίβα στις μάσκες με βάση τις μικροδομές που βρίσκονται στο κέλυφος αυτών των μικρών πλασμάτων. Ένα τέλειο παράδειγμα βιομιμητισμού.

Πηγή εικόνας: LinkedIn

Για να παρουσιάσουμε το εύρος του σχεδιασμού που δημιουργείται από ένα δημιουργικό λογισμικό, ας ρίξουμε μια ματιά σε κάτι που χρησιμοποιούμε καθημερινά στη ζωή μας.

Μια απλή καρέκλα μπορεί να μετατραπεί σε κάτι που μοιάζει με έργο τέχνης. Ρωτώντας έναν γενεσιουργό αλγόριθμο πώς ο άνθρωπος μπορεί να ξεκουράσει το σώμα του χρησιμοποιώντας ένα εργαλείο που χρησιμοποιεί τη μικρότερη δυνατή ποσότητα υλικού, ο σχεδιαστής Phillipe Starck δημιούργησε την πρώτη καρέκλα που σχεδιάστηκε ποτέ από τεχνητή νοημοσύνη.

Η διαδικασία του σχεδιασμού ήταν για τον Starck σαν μια συζήτηση με έναν αλγόριθμο που μπορεί να δει το πρόβλημα με φρέσκια ματιά. Αυτό είναι το αποτέλεσμα:

Πηγή εικόνας: Fast Company

Θα είναι ο γεννητικός σχεδιασμός ένα εργαλείο με το οποίο θα δουλεύετε ως σχεδιαστής; Είναι το μέλλον ή απλά μια μόδα; Πείτε μας τη γνώμη σας στα σχόλια!

Και μην ξεχάσετε να κατεβάσετε το Vectornator για να ξεκινήσετε τις νέες καινοτόμες ιδέες σας για το σχεδιασμό!




Rick Davis
Rick Davis
Ο Rick Davis είναι έμπειρος γραφίστας και εικαστικός με πάνω από 10 χρόνια εμπειρίας στον κλάδο. Έχει συνεργαστεί με διάφορους πελάτες, από μικρές νεοφυείς επιχειρήσεις έως μεγάλες εταιρείες, βοηθώντας τους να επιτύχουν τους σχεδιαστικούς τους στόχους και να ανυψώσουν το brand τους μέσω αποτελεσματικών και εντυπωσιακών γραφικών.Απόφοιτος της Σχολής Εικαστικών Τεχνών της Νέας Υόρκης, ο Rick είναι παθιασμένος με την εξερεύνηση νέων τάσεων και τεχνολογιών σχεδιασμού και συνεχώς υπερβαίνοντας τα όρια του δυνατού στον τομέα. Έχει βαθιά εξειδίκευση στο λογισμικό γραφιστικής και είναι πάντα πρόθυμος να μοιραστεί τις γνώσεις και τις γνώσεις του με άλλους.Εκτός από τη δουλειά του ως σχεδιαστής, ο Rick είναι επίσης αφοσιωμένος blogger και είναι αφοσιωμένος στην κάλυψη των τελευταίων τάσεων και εξελίξεων στον κόσμο του λογισμικού γραφιστικής. Πιστεύει ότι η ανταλλαγή πληροφοριών και ιδεών είναι το κλειδί για την ενίσχυση μιας ισχυρής και ζωντανής κοινότητας σχεδιασμού και είναι πάντα πρόθυμος να συνδεθεί με άλλους σχεδιαστές και δημιουργικούς στο διαδίκτυο.Είτε σχεδιάζει ένα νέο λογότυπο για έναν πελάτη, είτε πειραματίζεται με τα πιο πρόσφατα εργαλεία και τεχνικές στο στούντιό του είτε γράφει ενημερωτικές και συναρπαστικές αναρτήσεις ιστολογίου, ο Rick δεσμεύεται πάντα να προσφέρει την καλύτερη δυνατή δουλειά και να βοηθά άλλους να επιτύχουν τους σχεδιαστικούς τους στόχους.