基于生成网络(GAN)来辅助艺术家进行更具创意的设计项目.doc

基于生成网络(GAN)来辅助艺术家进行更具创意的设计项目chAIr是一个基于生成网络(GAN)来辅助艺术家进行更具创意的设计项目，将人类设计和AI设计融合在一起来进行椅子设计，旨在探索这二者在创造方面的合作能力。为了设计出各种富有创意的椅子，它首先需要对已有的椅子设计进行学习。它利用椅子数据集进行训练，目标是“创造出经典的椅子”。它最终会学习到一个可以生成各种椅子图像的模型，从而给人类设计师半抽象的视觉提示，他们将这些模型作为实际椅子设计的概念起点，设计出新的椅子。 该项目颠倒了人和机器在设计过程和工业生产中的角色。它利用椅子，这种典型家具来作为设计对象，探索人类和人工智能之间的共同创造力。 设计师一般通过上图所示的流程来利用AI来辅助设计：训练AI创造概念图->设计师基于AI草图进行设计->制造实物1.训练神经网络整个项目的核心是利用神经网络来生成椅子的概念图。训练数据集包含了562个20世纪的椅子设计图。 这一算法主要利用视觉特征进行学习，是个标准的外貌协会，它只从美学角度进行考虑。这就与其他的程序设计方法形成了对比，例如Autodesk的Project dream catcher，是个实用主义者，它针对功能需求优化设计，例如会寻求质量最轻时的最大稳定性。该研究主要使用了DCGAN(deep convolutional  generative adversarial networks)网络模型来进行训练，这一模型利用卷积的方式实现了生成对抗模型。DCGAN的网络结构该项目的目标不是制造一把功能性椅子，而是为人类设计师创造一个激发灵感的“视觉提示”，为了探索了如何让机器学习用作艺术和设计工具来启发人的思维，就像超现实主义的作品，展现的是潜意识，联想和想象力，而非理性实际的事物。 2.AI生成设计概念图神经网络设计了数百把椅子：有些椅子根本不能称之为家具，还有许多椅子缺乏作为椅子的结构基础，比如少了座位或者少了一条腿。而有些设计让人想起特定的标志性设计，还有一些设计似乎带有某种特定风格，某个时代或制造方法的烙印。  AI设计的一些椅子 神经网络试图从训练数据的共同特征中创建出抽象的东西(即图像共同的视觉特征)。所有的训练图像都显示了椅子，但是差别很大。他们的共同之处是带有20世纪时代风格的标志性设计元素。这让我们不禁感叹，人工智能能理解 “经典”并再创经典吗？！3. 人类设计师 在得到概念图以后，人类设计师将它们转变成草图，并最终制作成为真正的椅子。首先设计者手工绘制草图，然后将其转移到CAD（计算机辅助设计）中，以制作出更加直观和容易理解的3D模型。这个过程既不是简单地追踪生成的图像，也不是将其转换成传统的家具。相反，设计者将模糊的设计图变成具体的椅子，来帮助观众看到“想象”中的东西。  左：AI制作的抽象概念图；右：具象后的素描图 能在图像中看到椅子是一个思维发散和调动想象力的过程。它将设计师从惯有的思维方式推向了原本从来没有考虑过的方向。素描和3D建模等方法弥补了人工智能的不足(例如透视)，并为思维创造了天马行空的空间。 4.实物构建 基于草图，项目参与者将四个设计做成了迷你模型。这就面临着物理定律和材料特性方面的挑战：如何制造这种关节？这把椅子能站起来吗？我需要哪些工具？从2D图像到3D模型的转换也暴露出了其他问题：之前被隐藏在其他角度没有展现出来的部分该是什么样子呢。最后做成的四把椅子，按照现实1:8微缩，使用了轻木，黄铜管和铝网作为制作材料。该项目的实施者还利用3D打印制作了一把椅子。然而，印刷模型的独特美感不适合这个项目。随着人工智能参与到创作的初始阶段中，制造业可以重新回到个性化手工制造的轨道上来。  目前项目方正在寻找合作伙伴，来用该原型制造正常尺寸的家具。 5.意义 在19世纪之前，一个工匠设计师，通常也是一个训练有素的家具制造者，他可以自己设计并制造出一把独一无二的椅子。随着工业革命的到来，设计开始脱离制造过程。工业设计师设计好椅子，生产商根据这个规格量化生产数千把一模一样的椅子。20世纪后期，计算机辅助设计( CAD )成为设计和优化机器产物的重要工具。今天，材料和生产方法已经进一步多样化，但是人类仍然负责创意，而机器负责生产。chAlr项目颠覆了产品设计和生产过程，人工智能的存在不是为了优化或实现大规模生产，而是成为了激发想象力的第一步。 让计算机参与创造性的再混合可以为设计者节省时间，更重要的是，可以激发新的思维火花，让人类攀上思维更高的山巅。我们真的不知道灵感来自哪里，要进行奇思妙想把那些以前从未同框的东西摆在一起。我们可以利用人工智能来创造出令人惊讶的、激发人联想的提示，这种加强版的联想能力，即便是思维发散的人也难以企及。  经过几十年的自动化，创造力似乎是人类能够坚守的最后阵地。ChAIr项目并不意味着要推翻这一点，就像其他实验一样，人类和人工智能的联合创造力可能会进一步拓展我们的创造能力和想象力。