生成設計的方法闡述及應用研究

顧峰豪，潘雨沛

（1 常州大學美術與設計學院 江蘇 常州 213000）

（2 澳門城市大學創新設計學院 澳門 999078）

（3 廣州理工學院 廣東 廣州 510540）

0 引言

近年來，隨著計算機輔助設計（CAD）技術和人工智能技術的發展，一種新的設計方法開始受到設計者的關注。這種新方法就是生成設計。與傳統設計方法不同，傳統設計的流程起始于設計者的知識認知模型，而生成設計則起始于設計參數，其方法主要使用計算機輔助設計軟件及人工智能來生成模型并進行設計迭代與最優化選擇。

生成設計是計算機輔助設計中的前沿方法和研究領域。國外已有學者對此展開研究。米蘭理工生成設計實驗室主任，國際生成藝術協會主席克里斯蒂諾·索杜（Soddu）[1]在《New Naturality : A Generative Approach to Art and Design》中解釋生成設計方法，認為它是一種科學的設計創作過程，是通過一種類似生物基因編碼的轉換程序最終形成人造物的基礎理論。生成一種可以在計算機上執行的具有基因性質的編碼，在基因編碼不斷演化的過程中可以產生無窮的形式和功能。里斯本技術大學的Caldas[2]在文章《Generation of energy-efficient architecture solutions applying GENE_ARCH: An evolution-based generative design system》中重點介紹了GENE_ARCH生成設計自動化系統在建筑設計領域中的不同應用，旨在幫助建筑師在復雜的環境下實現節能和可持續的建筑解決方案。Wu等[3]在《Protein sequence design with deep generative models》一文中通過計算機編程語言根據自然規則或算法集讓電腦自動生成藝術設計、模型和動畫等設計輸出。此書也是生成設計在藝術領域的權威研究成果和參考書之一。

國內對于生成設計的研究主要還是以建筑設計為主，哈爾濱工業大學建筑學院孫澄等[4]提出基于條件生成對抗網絡（CGAN）的居住區強排方案生成設計方法，應用pix2pix算法，構建基于CGAN的居住區強排方案生成設計模型，生成任意居住區輪廓條件下的居住區強排設計方案，提高居住區強排設計精度與效率，推動城市土地的高效率利用。華南理工大學建筑學院、亞熱帶建筑科學國家重點實驗室的朱姝妍等[5]提出優化算法驅動的建筑生成設計思維和主要過程；從設計軟件的選取、不同設計階段優化目標的確定、算法優化的迭代過程等方面進行了總結，并對生成設計在建筑領域中的發展前景及其對建筑師的潛在影響進行了展望。近年來，朱洪萱等[6]、金家琴等[7]也相繼探討了生成設計在藝術領域中的創新應用，從生成設計探討科技與藝術的關系。

1 生成設計的方法及流程框架

生成設計是一個迭代的設計過程和方法，涉及生成器程序，程序依據算法或規則將滿足需求的參數設計進行可視化輸出，而設計者通過修改參數值來改變設計方案[8]。設計者不必是人類，它可以是測試環境中的測試程序，也可以是人工智能（例如，生成對抗網絡）中的測試程序。設計目標隨著時間的推移而得到逐步改善，設計者將在每次迭代時自我學習并且改進程序（通常涉及算法）。設計輸出可以是圖像、聲音、建筑模型、動畫等等形式。因此，它是一種探索設計在復雜條件下多種可能性的快速選擇方式，可用于各種設計領域，例如藝術、建筑、通信設計和產品設計等不同藝術設計創造領域。

生成設計方法利用計算機的運算功能使設計輸出不斷進化生成全新的迭代方案，超出人類單獨完成運算和設計的能力，以達到最優化的設計方案。它通過模擬自然進化或遺傳變異的邏輯方式讓計算機自動進化生成方案的設計方法，如圖1所示，這是生成設計方法框架。其流程為：

圖1 生成設計方法框架

（1）設計想法（idea）：首先對于設計的任務目標明確并且細化，把大量的信息文本化與參數化，為算法和規則的制定提供詳細的量化數據。

（2）規則算法（rule algorithm）：基于上述所獲得的數據邏輯進行梳理，進行算法的推導。

（3）源代碼（source code）：源代碼是算法規則的具體應用，也是計算機通過代碼語言來認知基于設計目的和算法規則的設計要求。

（4）設計輸出（output）：設計輸出由計算機通過算法規則和代碼，基于設計要求自動生成的解決方案。

（5）設計者（designer）：設計者可以是人工智能，在生成設計方法流程中，它不再是最終解決方案的直接設計者，其工作在設計流程中轉變為評估和決策。在算法規則、源代碼設計和設計輸出中分別對于不同的計算機結果進行判斷和評估，從而輔助算法代碼來完成最終解決方案。

2 生成設計和傳統設計方法的比較

生成設計提高了設計流程的運轉效率。如圖2所示，傳統的設計過程中，設計方案反饋周期較長，甚至有些情況方案被否決需要重新開始設計，而生成設計通過計算機智能探索數千種符合設計要求的方案可能性，并在最初就為設計者提供了可供選擇的潛在解決方案，原來耗時的人工迭代過程被算法取代，這極大地幫助了設計者進行創新并加快了市場進程。

圖2 生成設計和傳統設計方法比較（來源：CIMdata）

設計者的身份發生了轉變。傳統的現代設計流程中，人類是主要設計者。設計者在工作時會使用很多輔助工具，這些工具可以是標尺和畫筆，也可以是3D輔助建模和版式設計等計算機軟件。這些設計工具是被動的。它們接受設計者的指令，然后執行設計者所需求的命令。設計者利用這些工具的準確性和可重復性來增強自身的設計能力，但對于設計目標任務的認知思考和設計中的創造與解決問題的能力仍然依賴設計者本人，所以在面對復雜設計問題時，人類的認知限制了解決方案的精確性。在生成式設計的流程中，其生成器程序不僅增強了設計者對復雜環境和問題的認知能力，本身也成了一個協同人類工作的設計者。并且在生成設計中的設計者也不必為人類，人工智能已經變成趨勢，可以模擬環境動態系統和體驗生產模式，通過這種方式，設計輸出可以自動化地生成高性能的設計成品。

生成設計較之傳統設計方法存在以下優點：

（1）同一時間下的多模態協同探索：生成設計的一個顯著好處是它允許同時探索、驗證和比較數百或數千個不同的設計選項。 生成器可以顯示和比較多種模態下的設計方案，使工程師與設計者能夠快速有效地找到最能滿足項目參數和需求的選項。

（2）縮減設計時間流程，提高設計效率：當工程師與設計者利用AI人工智能快速、高效和大規模地精準探索和測試新的復雜設計迭代時，可以縮短新產品的研發時間，有效地節省時間和人力成本。因此，利用生成設計的公司可以在戰略上加快產品上市時間，獲得競爭優勢。

（3）科學利用先進的制造工藝，節約材料成本：生成設計可以創建更為復雜的設計造型，如有機特征和內部晶格，利用材料制造技術增加設計自由度。它還提供了整合零件功能的能力，因此由生成算法創建的單個復雜幾何圖形和3D打印模型通常可以替換數十個獨立零件，從而優化性能，減少不必要的材料浪費。

3 生成設計的應用研究

當今社會生活中，生成設計大量應用于航空航天、建筑設計、產品設計和平面設計等設計領域之中。設計者通過生成設計來解決苛刻的環境問題和工程挑戰。這些挑戰包括減少組件重量及制造成本、擴展組件定制及優化性能和需求大量設計方案等客觀設計難題。

在平面設計的領域中，最為出名的就是阿里巴巴智能設計實驗室自主研發的鹿班。它是為了應對大量商戶在網絡平臺對于自身產品的宣傳需求，特別是“雙十一”等購物節而提供的設計工具。鹿班基于圖像智能生成技術，使其在短時間內完成大量海報和會場圖甚至網店的banner圖的設計，大大提高了工作效率。用戶只需任意輸入想達成的風格、尺寸，鹿班就能代替人工完成素材分析、摳圖、配色等耗時耗力的設計流程，實時生成多套符合要求的設計解決方案[9]。

Blaise Agüera y Arcas教授是著名的人工智能視覺藝術創新領域的學者和專家，他在2017年TED演講中展示了基于人工智能神經網絡的Photosynth和神經風格遷移（NST）視覺生成的核心技術[10]。Photosynth是Microsoft Live Labs和華盛頓大學聯合研發的基于機器學習的視覺技術，Photosynth技術可以使計算機學習分析照片中的圖像，識別比較圖像的各個部分以創建不同的組件節點，自動完善生成2D或者3D模型[11]。神經風格遷移（NST）是一種生成算法，算法特點是在現有的數字圖像或視頻中融合采用另一幅圖像的外觀或視覺風格。神經風格遷移（NST）作為生成設計的一種算法生成程序，為藝術家和設計師提供了一種創新的方式和方法來改造新的藝術作品。

4 生成設計的軟件工具研究

生成設計的軟件工具是基于計算機輔助設計（CAD）軟件操作經驗而設計的。除了生成設計專用的軟件之外，許多CAD程序現在也提供集成的生成器。生成設計的生成器在CAD軟件的傳統功能上加入有關力學、材料、經濟成本等信息考量，根據設計目標多維度確定參數的優先級和需要細化的參數，進而可視化輸出。Processing是開源的圖形庫和集成開發環境（IDE），是生成設計在電子藝術、新媒體藝術和平面設計領域中應用最為廣泛的編程程序。目的是在視覺環境中應用計算機編程語言來實現圖形化視覺需求。Processing使用并簡化了Java語言，提供圖形用戶界面以簡化編譯和執行難度。Processing是交互設計中應用最多的基礎軟件之一。

本研究還通過對外文文獻庫web of science搜索，以各個軟件的名稱為關鍵詞查找文獻。發現生成設計的軟件在建筑設計、產品設計和視覺藝術設計領域的學術研究中都有使用。這些軟件在文獻中往往作為一種重要研究實驗工具來給出科學的數據分析圖表。可以發現，利用生成設計軟件的高質量學術論文開始于2008年，隨后逐年增加至今，這兩年更是成為計算機學科、藝術設計學科中的熱點研究方向。文獻中使用生成設計軟件的研究方向以產品建筑在復雜環境下的模擬問題，可持續設計問題，新材料新能源的使用問題，提高設計效率問題等等為主。所以基于生成設計的方法和軟件可以應用于設計學科的科學研究正在成為一種趨勢。

5 展望及問題

綜上所述，生成設計在各行各業的設計實踐、藝術展示和科學研究中發揮著越來越重要的作用。但是在對其進行研究的過程當中，本文發現由于生成設計跨學科的特點，它在國內的設計實踐和科學研究較少，生成設計理論也大多由國外引進，鳳毛麟角且不成體系。本文希望通過對生成設計方法、工具以及實踐應用的闡述研究，能夠讓更多的設計者和研究者認識了解并且使用這一新興的設計方法和理念，更好地完成設計實踐和科學研究。在創新浪潮的大背景下，隨著人工智能和材料尖端技術的不斷進步和發展，生成設計的潛力也將不斷增加，其優勢也會越來越大。