2023年：生成式AI的元年

今年，也就是 2023 年，很可能会被人们记住，成为生成式 AI 的「元年。」

以ChatGPT为代表的AI大模型，引领着人类向AGI通用人工智能迈进的方向。AI不仅已经成为全球经济增长的关键动力，更是为各个产业智能化注入全新活力的重要因素。

据 ABI Research 预测，到 2033 年，生成式 AI 将为全球制造业务增收 105 亿美元。

实际上，当前已有从业者开始采用AIGC（人工智能辅助设计）技术来助力工业设计和制造过程，而无需等待10年后才进行应用。

在当下，AI技术的发展已经渗透到了设计领域。例如，知名的国外工业设计师DIDEM GÜ RD Ü R，便利用AI工具，成功设计出了一款名为「水母机器人」的作品。与此同时，包括阿斯顿·马丁在内的跑车公司和NASA，也在借助AI技术的帮助下，打造出了各种创新产品。

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？

AI 造了一个水母机器人

生成式人工智能（Generative AI）在机器人制造领域的应用日益重要，工程设计师DIDEM GÜ RD Ü R的“AI尝试”便是一个典型的实例。

去年，G Ü RD Ü R 计划在实验室制造这样一个「水母机器人」，设想它可以从海洋中收集微塑料，并成为海洋生态系统的一部分。

GÜ RD Ü R的小组致力于研发机器人领域的「网络物理系统」，该技术应用范围广泛，涵盖了智能家居和自动驾驶汽车等多个领域。其运作原理主要依赖物理与计算组件的有机结合，并且各个组件之间会形成循环式的反馈机制。

在科学研究中，我们常常遵循一种称为「迭代过程」的方法来设计「网络物理系统」。这种方法主要包括一系列步骤，从最初的「头脑风暴」（ brainstorming session）开始，经过「草图绘制」（sketching）和「计算机建模」（computer modeling）等阶段，最终到达「模拟」（simulation）、「原型构建」（prototyping）以及「测试”（testing）等环节。这些步骤构成了一种循环往复的过程，旨在不断完善和优化设计方案，直至达到满足要求的最佳状态。

在这个「耗时」的过程中，设计师与工程师需要紧密协作，共同发挥创新思维。此外，通过大量的试验与检测，我们对系统的物理性能以及控制系统进行了全面的优化与提升。

GÜ RDÜ R于是着手开发两种人工智能工具:Midjourney和Stable Diffusion的结合,旨在实现更高效的迭代周期,同时寻找产生灵感的途径。

最初的「尝试」并不成功，因为她选择的关键词不够「具体」，也没有提供任何关于风格、背景或详细要求的信息。

在GÜ RD Ü R的初期探索阶段，当她试图生成水母机器人的图像时，所采用的提示包括：水下环境、自我依赖能力、微型机器人、珊瑚礁、生态系统以及超现实主义元素。

通过改进提示，她得到了更好的结果。

对于图片 2，她使用了以下提示：水母机器人、塑料、白色背景；对于图片 3，她使用了以下提示：未来派水母机器人、高细节、生活在水下、自给自足、速度快、受大自然启发。

图片来源：IEEE

随着她在提示中添加了具体细节，她得到的图像也更符合她对水母机器人的想象。

对于图片 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，技术设计，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，G Ü RD Ü R 建议，一个好的提示必须是具体的，可以涵盖很多属性，包括主题、媒介、环境、颜色甚至情绪等。「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，而且必须清楚地说明任何对你来说重要的背景或细节。你还可以在提示中说明图片的构成，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，她又尝试了不同的纹理和材料，直到对其中几种设计感到满意为止。

之后，G Ü RD Ü R 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发提供参考。

她们讨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，许多图片中弯曲的伞状顶部可以为机器人保护外壳材料的选择提供建议、流动的触手可以为实现与海洋环境互动的灵活操纵器提供设计线索等。

在这个过程中，G Ü RD Ü R 发现，「即使图像本身是不可行的设计，它们也能促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 生成的不同的材料和构图，以及抽象的艺术风格之中获得了「灵感」，并对机器人的整体外形和运动方式进行了更多的创造性思考，对此，G Ü RD Ü R 坦言，「AI 改变了设计，也许还改变了我的思维。」

虽然她们最终决定不直接复制任何 AI 的设计，但还是大方承认了，「AI 艺术对于激发灵感，以及深入研究和探索的重要价值，具体来说，AI 对于探索、激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，除了提供灵感外，生成式 AI 还能通过其他的创新方法帮助机器人研究取得进展，包括缩小模拟环境与现实世界的差距、促进机器人与人类的有效交流、创建更好的奖励模型等。

尽管，与 AI 的「共创」会收获不少「惊喜」，但这也需要一些毅力。

比如，根据最初的提示，在短短几分钟内，G Ü RD Ü R 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改、重申概念、尝试新的提示，并将成功的元素，组合成一个「完整」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 生成的「迭代」几乎没有控制权，结果也是不可预测的。

比如，当 G Ü RD Ü R 试图把水母改成章鱼时，就惨遭失败。

她输入提示词，未来派电子章鱼机器人、技术设计、透视工业设计、copic 风格、电影般的高细节、情绪调色、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，因为水母和章鱼看起来都非常相似，那么，为什么 AI 生成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，而且在解剖学上也不正确呢？

这是大概是因为，AI 只会遵循它从训练数据中识别出的的「模式」，而「模式」形成背后就是 AI 的「黑箱（black box）」。

因此，AI 图像生成器有可能放大训练数据中的人口统计偏差和其他偏差，生成的内容可能会传播错误信息，侵犯隐私和知识产权，引发严重的伦理问题。

对此，G Ü RD Ü R 持乐观态度，她认为，「在未来，我们会看到一些 AI 工具能在明确的限制条件下实现可预测性。更重要的是，我期待看到图像生成器与许多工程工具集成，并看到人们使用这些工具生成的数据进行训练。」

从跑车到 NASA，AI 全面入侵

除了机器人，生成式 AI 也在其他领域辅助工业设计。

比如，在阿斯顿 · 马丁（ Aston Martin）的 DBR22 概念车中，设计师就依靠集成在 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观的后副车架，之后再通过快速成型技术生产车的实际部件。

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。公司计划在即将推出的小批量车型中采用相同的设计和制造工艺。」

Aston Martin 使用 AI 为其 DBR22 概念车设计零部件｜Aston Martin 官网

此外，AI 辅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 生成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结构载荷，重量却比传统组件更轻。此外，与传统组件相比，它们所需的设计时间很短。

McClelland 更是将这些 AI 新设计称为「进化结构」，其实就是指 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 将这些使用商业 AI 软件设计的 3D 打印部件称为「进化结构」| NASA

不可否认的是，在进行足够的探索之前，就开始实施是极具诱惑力的，而且，即使是天马行空或不切实际的 AI 生成概念，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 的首席执行官 Tim Brown 表示，「这种原型既让我们慢下来，又让我们快起来。通过花时间对我们的想法进行原型设计，我们可以避免代价高昂的错误，例如过早地变得过于复杂，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 并不能完全取代人们的工作，但它无疑为创意类人群提供了一个绝佳的创作工具，让设计师能更高效地「脑暴」，加快工作进程。

问题来了，看了这篇稿子的你们，想用 AI 设计一个什么出来？

查看原文