近日,在国外网站eventbrite上有很多年轻的艺术家和设计师发起了许多对AI的讨论。
今天老工要给大家分享的是关于国外年轻设计师在做什么,以及他们如何看待AI对未来设计所产生的影响。
这次讨论会发生在去年11月11日,相比国内ChatGPT在今年3月份的爆火,目前国外整体工业设计领域对AI讨论的公开话题相对较少,但在技术实践和专业领域应用上却比我们早了许多,对AI技术的探索也早在去年7月就爆发了很多验证和讨论。
有很多讨论发生在一些视频会议预约平台,相比那些油管上几万人观看的大型研讨会,这些会议组织人员规模较小,会议内容比较前卫,会议人员也相对年轻。(对于想知道国外年轻人在做什么很有帮助,如果有兴趣的小伙伴也可以自行查找预约一些线上小型会议。)
这次会议的标题为Blurred Lines 3.0丨industrial Design & Emerging Technology (工业设计与新兴科技,模糊的界限3.0),此次会议是由IDSA (Industrial designers society of America美国工业设计师协会)发起的讨论。
参与讨论的人员有:
William Nickley :俄亥俄州立大学设计系的助理教授。拥有俄亥俄州立大学的设计硕士学位和工业设计学士学位,超过十年的专业实践经验。作为俄亥俄州立大学 DESIS 实验室的成员,他研究社会设计实践,并教授工业设计专业的课程。威廉的研究基于社会设计学、设计方法论和如何使设计进入社区。
Nicoline Van Enter :Footwearology 品牌和 Footwearology 实验室的创始人之一。技术预测专家,拥有工程、新闻、营销和设计方面的背景。曾与 Adidas、Timberland、Puma、Ecco 等品牌以及鞋类行业的各种制造商有过技术开发商合作。她的主要关注点和兴趣在于人工智能将如何为所有相关方改进设计和制造过程。
Kedar Benjamin:一位年轻工业设计师,他对 AI 和计算设计的痴迷促使他创建了新的工作流程,运用几何处理与 AI 相结合的方式去探索设计工作中的自动化进程。他运用AI的合作方式被解读为探索前沿技术生产力的有效过程。
Nikko Van Stolk:是印度 Infosys 旗下公司 Kaleidoscope Innovation 的首席工业设计师,他致力于为机器人和人类创造协作空间,共同发展。凭借工业设计背景和对人机交互的热情,Nikko 以用户对尖端技术的需求为驱动,创造了以用户为主的合理解决方案。他强调以用户为中心的设计,比喻设计是穿上别人的鞋子走一英里的过程,运用设计师的创造力去改善用户的生活质量。
此次活动的讨论内容将从如何让AI工具,比如 Midjourney,运用到 Gravity sketch 设计软件中去设计沉浸式空间与产品的工业设计实践,到设计师如何运用新的工具和软件来增强他们的设计技能。探索前沿设计师生产工具,工业设计师如何将新兴技术融入他们的日常实践当中。
首先来自俄亥俄州立大学的设计系助理教授 william 演示了其对AI工具的探索与研究,他的主要讨论方向为以 prompt 为基础的AI生成器以及其他用文字或者 prompt 提示词的工具。
其内容大致介绍了目前 AI 生成器的主要功能和逻辑,以输入文字或者图片,通过AI生成器生成对应的图片信息。比如输入 prompt:高亮(Bright shiny),开心(fun),有趣(playful)以及和平的未来(peaceful future)和给定的用于借鉴的logo图片。
AI 将生成以下更具创意的 logo
Midjourney输入/Blend命令,你将可以导入两张图片, 给AI生成器Midjourney输入一张猫咪和一张机器人图片,生成器将根据图片信息合成一张猫咪机器人图片。
之后,william也演示了和Midjourney类似的stable diffusion,它也可以导入建模软件Blender当中为设计师提供帮助。其stable diffusion在Blender中的主要功能为在3D场景中通过输入对应场景文字应用不同的画面风格,将复杂的3D模型场景转化为一个二维场景图片。
AI工具也可以应用于VR等视频软件,推特ScottieFox也在自己的推特频道演示了如何运用stable diffusion帮助VR创作的过程。运用基础工具绘制的草图在stable diffusion的介入后,stable diffusion在绘制的3D草图模型上新建了一个图层,用来自动给模型上色。
AR绘画3D模型 ----- AI上色
William之后还提到了他在俄亥俄州立大学也从事对于俄亥俄年轻人提供健康保障的研究,尤其是针对同性恋,变性人群体的自我认知以及身份认同。由此,William开始好奇AI工具Midjourney如何处理身份信息,以及如何输出标签化信息做出了疑问。
他在Midjourney上做出了几次实验,以公众所知的皮卡丘为例,输入了不同的prompt生成不同的特定图片以分析它们中间的区别,比如:男性皮卡丘,女性皮卡丘,以及LGBT皮卡丘做出对比。
其中涉及到一个冷知识,在动画片中雄性皮卡丘和雌性皮卡丘的主要区别在于尾巴,但Midjourney是不知道这一点的。
通过对比,很显然,以人类的视角,这些早期的 Midjourney 版本的输出图片会有些不对劲。其中男性的图片会有更加宽阔的身躯,女性的则会用添加头发来区分性别,LGBT则是用彩虹表示。
老工很好奇,也同样使用今天新版的 Midjourney 做了相同的实验,男性皮卡丘,女性皮卡丘,以及新加的 Non-Binary(非双性,无性别)皮卡丘和 LGBT 皮卡丘分别生成了图片。
结果显示 AI 依旧在特定标签上有着固定模式,新版 Midjourney 男性除了服装装饰也加入了部分职业特性作为描述男性词语的标签,如侦探,铠甲。女性的标签则直接添加了一个以视觉上的女性人物,第四个差分图则是更窄的脸部以及标致性的长发,延续了旧版 Midjourney 的标签。除了 Non-Binary 无性别则无法识别外,LGBT 这个词组的理解则是完全和 William 不同的。通过和其他同事的确认,Midjourney 可能在不同的地区收集的图片及数据会出现偏差,对某个词组的理解也可能由于不同的地区使用出现不同的差别。那么如果我们收集外网的一些特殊 prompt 提示词,最后可能无法还原和其它地区相同的图片。
通过这个小型实验,William 也提到AI 生成工具正在把我们抽象的身份标签视觉化,甚至AI工具也在逐渐鼓励抽象标签定向视觉化。在演讲的最后,他提出思考,作为人类,是否应该继续鼓励复杂的标签生成定向视觉外观?
从另一个角度说,老工认为目前AI已经在逐渐改变设计规则,复杂的抽象概念逐渐具象化,未来各种零闪信息也将被AI整合,合成信息和合成数据将逐渐变成主流趋势。其实作为工业设计师行业,已经经历了一次工业化的整合,从曾经百花齐放的诺基亚,黑莓,中兴,苹果,三星,摩托罗拉,拍立得等手机产品设计丰富多样,大哥大样式,翻盖,滑盖,旋转翻盖,按键,按压触动屏幕等等;到今天手机的设计趋势逐渐统一化,以曲面大屏幕,流畅机身,高清摄像头,背面多摄像头等,越来越扁平化,但整体的设计路线是非常清晰的。
未来AI是否又将给众多工业产品类的设计方向带来改变,以后对于某个产品的设计样式是否也将会有一个非常清晰的外观设计?整体大概的外观设计将趋于同质化,虽然带来了对设计行业的众多担忧,但其优势也很明显。由于AI对大众视觉审美的调教,未来设计师可能在完成外观设计图后,客户更容易接受更加先进且前卫的设计方案。在未来设计师由于AI的辅助,在设计方案上将获得更多的主动性,节省大量时间成本,设计师也能更多去关注产品的生态及环境搭配,还有实际测试产品和用户体验上。
来自鞋类设计制造商的 Nicoline Van Enter 也分享了其工厂对于AI工具的探索与实践。Nicoline 所创建的公司主要经营鞋类全线产品的设计到加工生产,主要方向为本地对本地鞋类制造商的业务。有时也作为其它公司的外部研究实验中心,研究如何运用AI去生产制造鞋类产品,为本地鞋类制造商提供解决方案。
Nicoline 的公司目前主要运用 Dall.E 和 Midjourney 作为主要的AI工具探索应用到鞋类的产品研发中。她提到,她们现在并不担心科技以及AI的飞速发展。她认为AI在未来短时间内快速发展是必然的。作为鞋类设计公司,她们更关心设计师所处的角色的改变,以及新的工作方式的改变。
她用公司的案例演示了公司在面对新的客户时,短时间内用相同的 prompt 提示词分别在Dall.E 和 Midjourney 上生成了图片(如上图)。这些图片很好的帮助客户去对运动鞋有一个直观的感受。
然而随之而来的问题也有出现,如在短时间内,10 分钟生成 1500 个设计图片后,对于设计师而言非常重要的一个角色变化将是如何根据客户喜好和要求输入准确的词汇与词组,然后在大量的图片中选择出需要进一步发展的设计图片。这时候,设计师就需要考虑到生产需求,了解参数化标准,以及产业链生态的可持续性。
其次的问题是设计师需要在众多相同设计的AI图片中,选择最好的设计作为产品方案,那么就需要设计师拥有比较强的商业角度考量和生产技术考量,不仅仅需要考虑到生产需求,了解参数化标准,还需要了解产业链生态的可持续性。
又如何从众多相同的设计中做出好的选择?
随后,Nicoline 进一步提到在技术实践过程中,有时候AI的发展可能并没有那么帮助优化生产与可持续性。其中面临的困难性,比如包括在实践过程中,一些人会利用AI工具创造了一些糟糕的鞋子产品设计,并要求生产加工。但是作为普通客户,他们并不具备对工业设计及流水线有一个完备的知识储存,这类鞋子产品的生产技术将导致其成本难以承受,并使整个生产链不可持续, 那么这些既不是工厂想要的结果,也不是客户想要的结果。
所以做一个总结,在AI飞速发展的今天,设计师需要快速正确的找到自己的角色变化,是了解未来工业设计必不可少的能力之一。对设计产品的准确判断力,对可持续生产的设计有敏锐的察觉,对设计词汇的精准了解,能够借助AI准确的给出相应设计提示词prompt,这些能力将给未来设计师行业带来质的改变。
第三位演讲者,Kedar Benjamin作为一位年轻的工业设计师,分享了自己在运动鞋设计过程中关于AI的应用。
他首先介绍了他使用hyperganic(一种基于体素算法的工程软件),其中hypergamic里面的一款Design to Mold工具能使用2D,bmps格式,位图图片建立模型,用于设计鞋类产品。
小哥的设计过程首先是通过Dall.E输入提示词,输出了一个波浪形鞋底面设计的运动鞋设计图。
然后他将矢量图导出,根据矢量图,推测出鞋的内侧面外观。
之后使用他所用的工程软件的鞋中底形状工具,将已生成的矢量图的鞋底进行了模具制作,生成了一个简单的鞋底模型。
最后通过Dall.E插件在鞋底模型上输入prompt提示词,生成了多样化的鞋底纹理。
Prompt 提示词:纹路灵感来自海洋,扎哈·哈迪德参数化建筑几何纹理,H.R.Giger灰阶色系,置换贴图。
最后对3D模型做进一步渲染。
然后一个完整的鞋子设计就这么简单的出来了!
在整个过程中,设计师利用了 stable Diffusion 和 Dall.E 以及其他AI引擎。他相信在以后的设计中,AI会逐渐了解关于工业生产的部分限制,比如工艺、技术、和产品与客户实际交互,如鞋类产品在实际生产后其舒适度的考量都会进一步完整。
除此之外,设计小哥在其另外一个实验室正在做另外一个研究项目text2mesh,他的text2mesh是基于Google collab,其功能是将纹理完整包裹3D模型。设计师提供基础3D模型,输出为一个完整的具有纹理结构的建模模型。
比如,设计师输入文字:运动跑鞋(running shoe)蓝绿相间华丽纹理(tealand blue ornate patterns)得到:
输入文字建立3D模型纹理,繁琐的贴图模型可能将被取代。利用文字一键生成模型纹理简单且高效,当然基于当时的技术原因,Text2Mesh 在实际应用中还是需要进行许多改善,如定向生成某个区域纹理,如何去设置纹理的包裹范围都需要进一步解决。
工业设计小哥后面也和 Zellerfeld 一家知名 3D 打印公司合作,利用AI研发设计运动鞋,再利用 Zellerfeld 的 3D 打印技术,生产出独一无二的鞋类产品。设计师利用 Maya 及AI插件快速设计鞋的模型,然后利用 3D 打印,打印出成品鞋。Zellerfeld 强调一双鞋一种材料的概念,可以将购买的鞋回收,其公司会寄送一双全新鞋子,他们也在探索客户以直接订购他们的打印机器,从而生产鞋的生产方式。
AI的介入,可能使生产方式也出现改变,未来部分工业产品也许并不需要大型工厂去生产,个人依靠AI就可以快速在电脑上生成设计模型,然后购买高质量3D打印机进行生产。这样一来,个体就可以成为一个小型生产加工工厂也许不是梦!