Przecław News

Informacje o Polsce. Wybierz tematy, o których chcesz dowiedzieć się więcej w Wiadomościach Przecławia.

Studium przypadku sztucznej inteligencji: Tworzenie modeli 3D na podstawie podpowiedzi tekstowych

Studium przypadku sztucznej inteligencji: Tworzenie modeli 3D na podstawie podpowiedzi tekstowych

M. Casey’a Rehma Jest dyrektorem MMR Studio w Los Angeles. Prace studia przodują w stosowaniu sztucznej inteligencji i fundamentalnego myślenia w architekturze, projektowaniu i mediach. Jest także koordynatorem programu studiów magisterskich w zakresie technologii architektonicznych i dyrektorem wydziału Laboratorium Platform i Automatyki w Instytucie Architektury Południowej Kalifornii (SCI-Arc).

Roland Snooks i Gwilym Gunn (redaktorzy gościnni): Czy możesz opisać, czego szukasz w tych modelach generowanych przez sztuczną inteligencję?

M. Casey Rehm: Od początku mojej pracy skupiałem się na konsekwencjach automatyzacji poprzez sztuczną inteligencję jako projekt estetyczny i kulturowy. Architektura jest intensywnie rozwijającą się dziedziną projektowania. Dlatego tworzone przez nas platformy integrują modele analityczne AI jako kluczowy element modeli generatywnych. W szczególności interesuje nas, jak te modele rozumieją kontekst i precedens przez pryzmat inny niż nasz. Spędzamy dużo czasu na badaniu, w jaki sposób specyficzne aspekty rozpoznawania wzorców w tych modelach mogą stworzyć projekt pozbawiony dyscyplinarnego rozumienia architektury.

W Studio MMR M. Casey Rehm tworzy drukowane modele 3D przy użyciu tekstu i rozprysków gaussowskich 3D.

Zdjęcie: M. Casey’a Rehma

Redaktorzy gościnni: Czy GAI ma swoją własną formalną jakość lub styl?

MCR: Jasne – każdy model ma określone walory formalne i estetyczne. Elementy te wynikają ze struktury samych modeli, zbiorów danych, na których są trenowane, oraz sposobów kodowania danych wejściowych dla każdego zastosowania. W naszym studiu i programie dla absolwentów, który koordynuję w SCI-Arc, podczas opracowywania pakietu AI kładziemy nacisk na kilka etapów, które są niezbędne do tworzenia autorstwa na poziomie projektowania oprogramowania. Obejmuje to sposób wykrywania i kodowania danych wejściowych w modelach, uczenie modeli, wzajemne oddziaływanie modeli oraz dekodowanie danych wyjściowych modelu na potrzeby produkcji fizycznej lub cyfrowej.

Każdy krok ma ogromny wpływ na wygenerowaną estetykę. Dlatego nie współpracujemy z produktami takimi jak Midjourney – dajesz dużą część autorstwa ich zespołowi programistów, który ma bardzo specyficzny sposób edytowania Twoich roszczeń, konfigurowania ustawień formularzy itp. Celem Midjourney jest stworzenie możliwie najkrótszej ścieżki pomiędzy użytkownikami a „wysokiej jakości” obrazem. Ponieważ platforma jest skonfigurowana w ten sposób (i jest nastawiona na szeroką akceptację kulturową i szybkie uwalnianie dopaminy), niemożliwe jest uzyskanie nowych rezultatów estetycznych.

Redaktorzy gościnni: Czym te narzędzia różnią się od innych procesów projektowania obliczeniowego?

MCR: Największą różnicą jest to, że modele te nie wymagają pełnego zrozumienia problemu, którego dotyczą. Zamiast tego skupiają się na określonych zachowaniach lub zestawach funkcji, które są niezbędne do stworzenia projektu. Jest to szczególnie istotne w dziedzinach projektowania, gdzie decyzje wymagane do stworzenia projektu są subiektywne, nawet dla autora.

Nadal używamy wielu semantycznych programów AI, które napisaliśmy w połączeniu z nowszymi modelami generatywnymi. Mogą one być bardziej odpowiednie dla bardziej widocznych aspektów projektu. (Obliczanie współczynnika powierzchni obiektu w oparciu o przepisy dotyczące zagospodarowania przestrzennego nie wymaga sieci neuronowej.) Chociaż połączenie prostszych procesów projektowania obliczeniowego z modelem klasyfikacji obrazu może uzyskać dokładniejszy wgląd w rzeczywiste ograniczenia terenu, biorąc pod uwagę potencjalne bariery dla budowy lub charakterystyki terenu, które są pomijane w innych formach geodezyjnych.

READ  „Szalona” funkcja bezpieczeństwa nowego telefonu