![](https://s4.itho.me/sites/default/files/styles/picture_size_large/public/field/image/mk.jpg?itok=d78_4dPe)
郭又華攝
【美國納什維爾現場直擊】如果ChatGPT能學習過往的文本數據,並成生符合使用者需求的答案,那SolidWorks是否能讓3D CAD學習過往生產數據,來生成符合使用者需求的設計呢?
SolidWorks CEO Manish Kumar面對這個問題,一臉冷靜的回答:「我可以告訴你,但我就必須做掉你。」接著語氣一轉笑道:「對啦,我們確實在開發這個技術。」
做出設計界ChatGPT前,生成式AI必經的3發展階段
雖然說著容易,但從設計界現有生成式AI應用走到開發出能用自然語言生成設計的「設計界ChatGPT」,確實無法一蹴而就。Manish Kumar也強調,這個計畫目前仍在開發中,無法給出任何承諾。他同時提出了在達到此技術水準前,生成式設計技術發展必須經過的3個階段。
第1階段是,根據設計師給予的一套物理限制或特性,做出各種變化。例如,設計師對AI提出一個參數式建模,要求AI在一定條件下優化既有設計的物料及結構。這種技術生成的設計,外觀特徵與原始設計模型相差不遠。達梭系統已經有這個技術階段的產品,也就是拓樸優化功能。
第2階段是根據設計意圖來生成具備不同外觀特徵的設計,達梭系統目前研發進度落在此階段。設計意圖指的是關鍵物件之間的關係,如螺絲孔間的距離、相對絕對位置、或尺寸比例等。更動設計外觀特徵時,必須考慮設計意圖,才不會導致設計失效。許多時候,設計意圖定義了一個產品或零件的功能,而設計特徵不會。舉例來說,筆蓋跟筆身接合處大小關係,決定了蓋子是否能蓋上,但筆身跟筆蓋接合處以外的地方,不論把筆蓋的尺寸、形狀、顏色、材質,或其他特性如何更動,通常都不會影響蓋子是否能蓋上。
反過來說,設計師定義完設計意圖,就能根據其他需求,要求AI生成不同特徵的設計。延續筆蓋的例子,設計師可能想要設計一個可以夾在衣服上不會掉的筆蓋,但不知道怎麼設計最省物料、最省空間或夾的最緊,就可以讓AI生成出許多種不同設計,再從中挑選或作為參考。筆蓋是相對簡單的設計,因此或許生成式設計技術派不上用場,不過隨著產品複雜度提升,設計的可能性也會變多,生成式AI生成大量設計的能力便會更顯重要。
Manish Kumar補充,屬於同一階段的生成式設計還有逆向設計分析,也就是從一個模型或圖片回推背後設計參數,並生成設計圖的技術。這是因為這種技術同樣使用設計意圖作為分析基礎。
第3階段,則是將既有零組件加入生成考量。生成式設計時常與3D列印掛勾,因為AI生成的設計通常與既有零件形狀相差甚遠。Manish Kumar表示,以既有零件為基礎生成設計,不僅能讓設計更容易投入生產,也能大幅減少物料及零件浪費,甚至能以常見回收廢棄物的零件做為生成設計基礎,進一步達到永續設計的目的。
Manish Kumar進一步以ChatGPT作為對比,說明對「設計界ChatGPT」技術的想像。ChatGPT是根據使用者提出的文本需求,修正AI給出的文本答案。「也就是你問一個問題,他回答,你再追問,他再修正答案。」
同理,「設計界ChatGPT」則是用文本需求修正生成式設計答案。他舉例,使用者可以對CAD說,「給我一張桌子。」CAD根據桌子的設計數據生成設計草圖後,使用者便能以此為基礎,用各式額外要求,要求CAD持續修改設計細節,直到滿意為止。
熱門新聞
2024-08-28
2024-08-26
2024-08-30
2024-08-26
2024-08-27
2024-08-29