近日，在國外網站eventbrite上有很多年輕的藝術家和設計師發起了許多對AI的討論。
今天老工要給大家分享的是關於國外年輕設計師在做什麼，以及他們如何看待AI對未來設計所產生的影響。
這次討論會發生在去年11月11日，相比國內ChatGPT在今年3月份的爆火，目前國外整體工業設計領域對AI討論的公開話題相對較少，但在技術實踐和專業領域應用上卻比我們早了許多，對AI技術的探索也早在去年7月就爆發了很多驗證和討論。
有很多討論發生在一些視頻會議預約平台，相比那些油管上幾萬人觀看的大型研討會，這些會議組織人員規模較小，會議內容比較前衛，會議人員也相對年輕。（對於想知道國外年輕人在做什麼很有幫助，如果有興趣的小夥伴也可以自行查找預約一些線上小型會議。）
這次會議的標題為 Blurred Lines 3.0丨industrial Design & Emerging Technology (工業設計與新興科技，模糊的界限3.0)，此次會議是由IDSA （Industrial designers society of America美國工業設計師協會）發起的討論。
參與討論的人員有：
William Nickley ：俄亥俄州立大學設計系的助理教授。擁有俄亥俄州立大學的設計碩士學位和工業設計學士學位，超過十年的專業實踐經驗。作為俄亥俄州立大學 DESIS 實驗室的成員，他研究社會設計實踐，並教授工業設計專業的課程。威廉的研究基於社會設計學、設計方法論和如何使設計進入社區。
Nicoline Van Enter ：Footwearology 品牌和 Footwearology 實驗室的創始人之一。技術預測專家，擁有工程、新聞、營銷和設計方面的背景。曾與 Adidas、Timberland、Puma、Ecco 等品牌以及鞋類行業的各種製造商有過技術開發商合作。她的主要關注點和興趣在於人工智慧將如何為所有相關方改進設計和製造過程。
Kedar Benjamin： 一位年輕工業設計師，他對 AI 和計算設計的痴迷促使他創建了新的工作流程，運用幾何處理與 AI 相結合的方式去探索設計工作中的自動化進程。他運用AI的合作方式被解讀為探索前沿技術生產力的有效過程。
Nikko Van Stolk：是印度 Infosys 旗下公司 Kaleidoscope Innovation 的首席工業設計師，他致力於為機器人和人類創造協作空間，共同發展。憑藉工業設計背景和對人機互動的熱情，Nikko 以用戶對尖端技術的需求為驅動，創造了以用戶為主的合理解決方案。他強調以用戶為中心的設計，比喻設計是穿上別人的鞋子走一英里的過程，運用設計師的創造力去改善用戶的生活質量。
此次活動的討論內容將從如何讓AI工具，比如 Midjourney，運用到 Gravity sketch 設計軟體中去設計沉浸式空間與產品的工業設計實踐，到設計師如何運用新的工具和軟體來增強他們的設計技能。探索前沿設計師生產工具，工業設計師如何將新興技術融入他們的日常實踐當中。
首先來自俄亥俄州立大學的設計系助理教授 william 演示了其對AI工具的探索與研究，他的主要討論方向為以 Prompt 為基礎的AI生成器以及其他用文字或者 prompt 提示詞的工具。
其內容大致介紹了目前 AI 生成器的主要功能和邏輯，以輸入文字或者圖片，通過AI生成器生成對應的圖片信息。比如輸入 prompt：高亮（Bright shiny），開心（fun），有趣（playful）以及和平的未來（peaceful future）和給定的用於借鑑的LOGO圖片。
AI 將生成以下更具創意的 LOGO
Midjourney輸入/Blend命令，你將可以導入兩張圖片, 給AI生成器Midjourney輸入一張貓咪和一張機器人圖片，生成器將根據圖片信息合成一張貓咪機器人圖片。
之後，william也演示了和Midjourney類似的stable diffusion，它也可以導入建模軟體Blender當中為設計師提供幫助。其stable diffusion在Blender中的主要功能為在3D場景中通過輸入對應場景文字應用不同的畫面風格，將複雜的3D模型場景轉化為一個二維場景圖片。
AI工具也可以應用於VR等視頻軟體，推特ScottieFox也在自己的推特頻道演示了如何運用stable diffusion幫助VR創作的過程。運用基礎工具繪製的草圖在stable diffusion的介入後，stable diffusion在繪製的3D草圖模型上新建了一個圖層，用來自動給模型上色。
AR繪畫3D模型 ----- AI上色
William之後還提到了他在俄亥俄州立大學也從事對於俄亥俄年輕人提供健康保障的研究，尤其是針對同性戀，變性人群體的自我認知以及身份認同。由此，William開始好奇AI工具Midjourney如何處理身份信息，以及如何輸出標籤化信息做出了疑問。
他在Midjourney上做出了幾次實驗，以公眾所知的皮卡丘為例，輸入了不同的prompt生成不同的特定圖片以分析它們中間的區別，比如：男性皮卡丘，女性皮卡丘，以及LGBT皮卡丘做出對比。
其中涉及到一個冷知識，在動畫片中雄性皮卡丘和雌性皮卡丘的主要區別在於尾巴，但Midjourney是不知道這一點的。
通過對比，很顯然，以人類的視角，這些早期的 Midjourney 版本的輸出圖片會有些不對勁。其中男性的圖片會有更加寬闊的身軀，女性的則會用添加頭髮來區分性別，LGBT則是用彩虹表示。
老工很好奇，也同樣使用今天新版的 Midjourney 做了相同的實驗，男性皮卡丘，女性皮卡丘，以及新加的 Non-Binary（非雙性，無性別）皮卡丘和 LGBT 皮卡丘分別生成了圖片。
結果顯示 AI 依舊在特定標籤上有著固定模式，新版 Midjourney 男性除了服裝裝飾也加入了部分職業特性作為描述男性詞語的標籤，如偵探，鎧甲。女性的標籤則直接添加了一個以視覺上的女性人物，第四個差分圖則是更窄的臉部以及標緻性的長髮，延續了舊版 Midjourney 的標籤。除了 Non-Binary 無性別則無法識別外，LGBT 這個詞組的理解則是完全和 William 不同的。通過和其他同事的確認，Midjourney 可能在不同的地區收集的圖片及數據會出現偏差，對某個詞組的理解也可能由於不同的地區使用出現不同的差別。那麼如果我們收集外網的一些特殊 prompt 提示詞，最後可能無法還原和其它地區相同的圖片。
通過這個小型實驗，William 也提到 AI 生成工具正在把我們抽象的身份標籤視覺化，甚至AI工具也在逐漸鼓勵抽象標籤定向視覺化。在演講的最後，他提出思考，作為人類，是否應該繼續鼓勵複雜的標籤生成定向視覺外觀？
從另一個角度說，老工認為目前AI已經在逐漸改變設計規則，複雜的抽象概念逐漸具象化，未來各種零閃信息也將被AI整合，合成信息和合成數據將逐漸變成主流趨勢。其實作為工業設計師行業，已經經歷了一次工業化的整合，從曾經百花齊放的諾基亞，黑莓，中興，蘋果，三星，摩托羅拉，拍立得等手機產品設計豐富多樣，大哥大樣式，翻蓋，滑蓋，旋轉翻蓋，按鍵，按壓觸動屏幕等等；到今天手機的設計趨勢逐漸統一化，以曲面大屏幕，流暢機身，高清攝像頭，背面多攝像頭等，越來越扁平化，但整體的設計路線是非常清晰的。
未來AI是否又將給眾多工業產品類的設計方向帶來改變，以後對於某個產品的設計樣式是否也將會有一個非常清晰的外觀設計？整體大概的外觀設計將趨於同質化，雖然帶來了對設計行業的眾多擔憂，但其優勢也很明顯。由於AI對大眾視覺審美的調教，未來設計師可能在完成外觀設計圖後，客戶更容易接受更加先進且前衛的設計方案。在未來設計師由於AI的輔助，在設計方案上將獲得更多的主動性，節省大量時間成本，設計師也能更多去關注產品的生態及環境搭配，還有實際測試產品和用戶體驗上。
來自鞋類設計製造商的 Nicoline Van Enter 也分享了其工廠對於AI工具的探索與實踐。Nicoline 所創建的公司主要經營鞋類全線產品的設計到加工生產，主要方向為本地對本地鞋類製造商的業務。有時也作為其它公司的外部研究實驗中心，研究如何運用AI去生產製造鞋類產品，為本地鞋類製造商提供解決方案。
Nicoline 的公司目前主要運用 Dall.E 和 Midjourney 作為主要的AI工具探索應用到鞋類的產品研發中。她提到，她們現在並不擔心科技以及AI的飛速發展。她認為AI在未來短時間內快速發展是必然的。作為鞋類設計公司，她們更關心設計師所處的角色的改變，以及新的工作方式的改變。
她用公司的案例演示了公司在面對新的客戶時，短時間內用相同的 prompt 提示詞分別在Dall.E 和 Midjourney 上生成了圖片（如上圖）。這些圖片很好的幫助客戶去對運動鞋有一個直觀的感受。
然而隨之而來的問題也有出現，如在短時間內，10 分鐘生成 1500 個設計圖片後，對於設計師而言非常重要的一個角色變化將是如何根據客戶喜好和要求輸入準確的詞彙與詞組，然後在大量的圖片中選擇出需要進一步發展的設計圖片。這時候，設計師就需要考慮到生產需求，了解參數化標準，以及產業鏈生態的可持續性。
其次的問題是設計師需要在眾多相同設計的AI圖片中，選擇最好的設計作為產品方案，那麼就需要設計師擁有比較強的商業角度考量和生產技術考量，不僅僅需要考慮到生產需求，了解參數化標準，還需要了解產業鏈生態的可持續性。
又如何從眾多相同的設計中做出好的選擇？
隨後，Nicoline 進一步提到在技術實踐過程中，有時候AI的發展可能並沒有那麼幫助優化生產與可持續性。其中面臨的困難性，比如包括在實踐過程中，一些人會利用AI工具創造了一些糟糕的鞋子產品設計，並要求生產加工。但是作為普通客戶，他們並不具備對工業設計及流水線有一個完備的知識儲存，這類鞋子產品的生產技術將導致其成本難以承受，並使整個生產鏈不可持續， 那麼這些既不是工廠想要的結果，也不是客戶想要的結果。
所以做一個總結，在AI飛速發展的今天，設計師需要快速正確的找到自己的角色變化，是了解未來工業設計必不可少的能力之一。對設計產品的準確判斷力，對可持續生產的設計有敏銳的察覺，對設計詞彙的精準了解，能夠藉助AI準確的給出相應設計提示詞prompt，這些能力將給未來設計師行業帶來質的改變。
第三位演講者，Kedar Benjamin作為一位年輕的工業設計師，分享了自己在運動鞋設計過程中關於AI的應用。
他首先介紹了他使用hyperganic（一種基於體素算法的工程軟體），其中hypergamic裡面的一款Design to Mold工具能使用2D，bmps格式，位圖圖片建立模型，用於設計鞋類產品。
關於hyperganic工程設計軟體的部分信息：
回到話題，小哥的設計過程首先是通過Dall.E輸入提示詞，輸出了一個波浪形鞋底面設計的運動鞋設計圖。
然後他將矢量圖導出，根據矢量圖，推測出鞋的內側面外觀。
之後使用他所用的工程軟體的鞋中底形狀工具，將已生成的矢量圖的鞋底進行了模具製作，生成了一個簡單的鞋底模型。
最後通過Dall.E插件在鞋底模型上輸入prompt提示詞，生成了多樣化的鞋底紋理。
Prompt 提示詞：紋路靈感來自海洋，扎哈·哈迪德參數化建築幾何紋理，H.R.Giger灰階色系，置換貼圖。
最後對3D模型做進一步渲染。
然後一個完整的鞋子設計就這麼簡單的出來了！
在整個過程中，設計師利用了 stable Diffusion 和 Dall.E 以及其他AI引擎。他相信在以後的設計中，AI會逐漸了解關於工業生產的部分限制，比如工藝、技術、和產品與客戶實際交互，如鞋類產品在實際生產後其舒適度的考量都會進一步完整。
除此之外，設計小哥在其另外一個實驗室正在做另外一個研究項目text2mesh，他的text2mesh是基於Google collab，其功能是將紋理完整包裹3D模型。設計師提供基礎3D模型，輸出為一個完整的具有紋理結構的建模模型。
比如，設計師輸入文字：運動跑鞋（running shoe）藍綠相間華麗紋理（tealand blue ornate patterns）得到：
輸入文字建立3D模型紋理，繁瑣的貼圖模型可能將被取代。利用文字一鍵生成模型紋理簡單且高效，當然基於當時的技術原因，Text2Mesh 在實際應用中還是需要進行許多改善，如定向生成某個區域紋理，如何去設置紋理的包裹範圍都需要進一步解決。
工業設計小哥後面也和 Zellerfeld 一家知名 3D 列印公司合作，利用AI研發設計運動鞋，再利用 Zellerfeld 的 3D 列印技術，生產出獨一無二的鞋類產品。設計師利用 Maya 及AI插件快速設計鞋的模型，然後利用 3D 列印，列印出成品鞋。Zellerfeld 強調一雙鞋一種材料的概念，可以將購買的鞋回收，其公司會寄送一雙全新鞋子，他們也在探索客戶以直接訂購他們的印表機器，從而生產鞋的生產方式。
AI的介入，可能使生產方式也出現改變，未來部分工業產品也許並不需要大型工廠去生產，個人依靠AI就可以快速在電腦上生成設計模型，然後購買高質量3D印表機進行生產。這樣一來，個體就可以成為一個小型生產加工工廠也許不是夢！
今天的分享就到這裡，你如何看待AI對未來設計所產生的影響？歡迎來評論區留言討論~
— END —