今年，也就是 2023 年，很可能會被人們記住，成為生成式AI的「元年。」
以ChatGPT為代表的AI大模型，拉開了邁向 AGI 通用人工智能的序幕，AI成為了全球經(jīng)濟增長的重要驅動力，對各類產(chǎn)業(yè)的智能化注入全新的「動力」。
據(jù) ABI Research 預測，到 2033 年，生成式 AI 將為全球制造業(yè)務增收 105 億美元。
事實上，不用等到 10 年之后，現(xiàn)在就已經(jīng)有從業(yè)者在使用 AIGC，來幫助自己完成工業(yè)設計，甚至是制造問題。
例如，現(xiàn)在就有國外工業(yè)設計師 DIDEM GRDR，使用AI 工具，幫助自己設計了一臺「水母機器人」；而跑車公司阿斯頓馬丁，乃至于 NASA，也借助 AI，制作出了相應的產(chǎn)品。
他們是如何用 AIGC 造出這些東西的？人工智能離徹底取代工程師和設計師還有多久？
AI 造了一個水母機器人
生成式AI是如何「助力」機器人制造的呢？工程設計師DIDEM GRDR 的「AI嘗試」就是一個很好的例子。
去年，GRDR計劃在實驗室制造這樣一個「水母機器人」，設想它可以從海洋中收集微塑料，并成為海洋生態(tài)系統(tǒng)的一部分。
GRDR的小組負責開發(fā)機器人的「網(wǎng)絡物理系統(tǒng)」應用廣泛，包括智能家居和自動駕駛汽車，它們依賴于物理和計算組件的集成，組件之間通常有反饋回路。
按照慣例，研究人員通常通過「迭代過程（ iterative process）」來設計「網(wǎng)絡物理系統(tǒng)」，包括頭腦風暴、草圖繪制、計算機建模、模擬、原型構建和測試等。
這是一個「耗時」的過程，需要設計師和工程師通力合作，發(fā)揮創(chuàng)造性思維。同時，通過廣泛的測試，改進系統(tǒng)的物理特性和控制系統(tǒng)。
于是，GRDR開始嘗試生成式AI工具 Midjourney 和 Stable Diffusion 的組合，尋求「靈感」，試圖實現(xiàn)更高效的迭代周期。
最初的「嘗試」并不成功，因為她選擇的關鍵詞不夠「具體」，也沒有提供任何關于風格、背景或詳細要求的信息。
比如，在GRDR早期嘗試生成水母機器人圖像1時，她使用了這一提示：水下、自力更生、迷你機器人、珊瑚礁、生態(tài)系統(tǒng)、超現(xiàn)實。
通過改進提示，她得到了更好的結果。
對于圖片 2，她使用了以下提示：水母機器人、塑料、白色背景；對于圖片 3，她使用了以下提示：未來派水母機器人、高細節(jié)、生活在水下、自給自足、速度快、受大自然啟發(fā)。
圖片來源：IEEE
隨著她在提示中添加了具體細節(jié)，她得到的圖像也更符合她對水母機器人的想象。
對于圖片 4、5 和 6 ，她給的提示包括：自給自足、生活在海底的未來派電動水母機器人，水或彈性玻璃狀材料，形狀變換器，技術設計，透視工業(yè)設計，臨摹風格，電影般的高細節(jié)，超細膩，情調(diào)調(diào)色，白色背景。
圖片來源：IEEE
對此，GRDR建議，一個好的提示必須是具體的，可以涵蓋很多屬性，包括主題、媒介、環(huán)境、顏色甚至情緒等�！溉绻阆Ｍ诮Y果中包含一些特定的內(nèi)容，那么你就必須在提示中寫明，而且必須清楚地說明任何對你來說重要的背景或細節(jié)。你還可以在提示中說明圖片的構成，這對設計工程產(chǎn)品有很大幫助。」「但如果你想讓某個屬性給你驚喜，那么你可以不說�！�
然后，她又嘗試了不同的紋理和材料，直到對其中幾種設計感到滿意為止。
之后，GRDR與團隊又一起對幾款相對「靠譜」的AI設計進行了審查，以確定是否可以為實際原型的開發(fā)提供參考。
她們討論了哪些美學和功能元素可以很好地轉化為物理模型。例如，許多圖片中彎曲的傘狀頂部可以為機器人保護外殼材料的選擇提供建議、流動的觸手可以為實現(xiàn)與海洋環(huán)境互動的靈活操縱器提供設計線索等。
在這個過程中，GRDR發(fā)現(xiàn)，「即使圖像本身是不可行的設計，它們也能促使我們想象出我們可能從未考慮過的新方向。」
此外，她們還從AI生成的不同的材料和構圖，以及抽象的藝術風格之中獲得了「靈感」，并對機器人的整體外形和運動方式進行了更多的創(chuàng)造性思考，對此，GRDR坦言，「AI改變了設計，也許還改變了我的思維。」
雖然她們最終決定不直接復制任何AI的設計，但還是大方承認了，「AI藝術對于激發(fā)靈感，以及深入研究和探索的重要價值，具體來說，AI對于探索、激發(fā)靈感和快速制作插圖以便在頭腦風暴會議上與同事分享非常有用。」
事實上，除了提供靈感外，生成式AI還能通過其他的創(chuàng)新方法幫助機器人研究取得進展，包括縮小模擬環(huán)境與現(xiàn)實世界的差距、促進機器人與人類的有效交流、創(chuàng)建更好的獎勵模型等。
盡管，與AI的「共創(chuàng)」會收獲不少「驚喜」，但這也需要一些毅力。
比如，根據(jù)最初的提示，在短短幾分鐘內(nèi)，GRDR就看到了AI產(chǎn)出的結果，但之后她還是花費了數(shù)小時來進行修改、重申概念、嘗試新的提示，并將成功的元素，組合成一個「完整」的設計。
而且，如果你并不想要「驚喜」，而是尋求「特定」的結果，那么這些AI工具就會變得難以管理。畢竟，人類對AI生成的「迭代」幾乎沒有控制權，結果也是不可預測的。
比如，當GRDR試圖把水母改成章魚時，就慘遭失敗。
她輸入提示詞，未來派電子章魚機器人、技術設計、透視工業(yè)設計、copic 風格、電影般的高細節(jié)、情緒調(diào)色、白色背景，但是得到了一個「怪異」的章魚狀機器人圖像。
圖片來源： IEEE
這令她十分不解，因為水母和章魚看起來都非常相似，那么，為什么AI生成器對水母的設計結果很好，而對章魚的設計卻很僵硬、像外星人，而且在解剖學上也不正確呢？
這是大概是因為，AI只會遵循它從訓練數(shù)據(jù)中識別出的的「模式」，而「模式」形成背后就是AI的「黑箱（black box）」。
因此，AI圖像生成器有可能放大訓練數(shù)據(jù)中的人口統(tǒng)計偏差和其他偏差，生成的內(nèi)容可能會傳播錯誤信息，侵犯隱私和知識產(chǎn)權，引發(fā)嚴重的倫理問題。
對此，GRDR持樂觀態(tài)度，她認為，「在未來，我們會看到一些AI工具能在明確的限制條件下實現(xiàn)可預測性。更重要的是，我期待看到圖像生成器與許多工程工具集成，并看到人們使用這些工具生成的數(shù)據(jù)進行訓練�！�
從跑車到 NASA，AI 全面入侵
除了機器人，生成式AI也在其他領域輔助工業(yè)設計。
比如，在阿斯頓馬�。� Aston Martin）的 DBR22 概念車中，設計師就依靠集成在 Divergent Technologies 的數(shù)字三維軟件中的AI工具，來探索車的形態(tài)，優(yōu)化后副車架部件的形狀和布局，從而設計出了具有有機骨架外觀的后副車架，之后再通過快速成型技術生產(chǎn)車的實際部件。
對此，阿斯頓馬丁公司透露，「這種方法大大減輕了部件的重量，同時保持了其剛性。公司計劃在即將推出的小批量車型中采用相同的設計和制造工藝�！�
Aston Martin 使用AI為其 DBR22 概念車設計零部件｜Aston Martin官網(wǎng)
此外，AI輔助工業(yè)設計的其他例子，還可以在NASA 的太空硬件中找到，包括行星儀器、太空望遠鏡和火星取樣返回任務等。
NASA 工程師 Ryan McClelland 也公開表示，AI生成的新設計可能看起來有些異類和怪異，但它們能承受更高的結構載荷，重量卻比傳統(tǒng)組件更輕。此外，與傳統(tǒng)組件相比，它們所需的設計時間很短。
McClelland更是將這些AI新設計稱為「進化結構」，其實就是指AI軟件如何通過設計突變進行迭代，并匯聚到高性能的設計上。
NASA研究工程師 Ryan McClelland 將這些使用商業(yè)AI軟件設計的 3D 打印部件稱為「進化結構」| NASA
不可否認的是，在進行足夠的探索之前，就開始實施是極具誘惑力的，而且，即使是天馬行空或不切實際的AI生成概念，也能作為粗糙的「原型」為早期階段的工程設計帶來益處。
對此，設計公司 IDEO 的首席執(zhí)行官Tim Brown表示，「這種原型既讓我們慢下來，又讓我們快起來。通過花時間對我們的想法進行原型設計，我們可以避免代價高昂的錯誤，例如過早地變得過于復雜，以及長期堅持一個薄弱的想法�！�
這些前沿設計師和工程師的實踐證明，至少目前AI 并不能完全取代人們的工作，但它無疑為創(chuàng)意類人群提供了一個絕佳的創(chuàng)作工具，讓設計師能更高效地「腦暴」，加快工作進程。
問題來了，看了這篇稿子的你們，想用 AI 設計一個什么出來？
