بهره‌وری از قدرت طراحی محاسباتی
طراحی محاسباتی (Computational Design) چیست؟
طراحی محاسباتی حاصل تجمیع ترفندهای طراحی و تکنولوژی‌های محاسباتی است.
ورود تکنولوژی‌های محاسباتی به حوزه طراحی باعث تغییر در شیوه ساخت ساختمان‌ها و ارائه خدمات شده است. طراحان به جای ارائه یک فرم ثابت، می‌توانند فرایند ایجاد یک فرم را مدریت کنند. این فرایند مولّد بوسیله الگوریتم‌ها و با استفاده از پارامترها و متغیرهای مختلف هدایت می‌شود و خروجی بوسیله انسان و با استفاده از وسایل طراحی تولید نمی‌شود. طراحی محاسباتی می‌تواند به طور چشمگیری شرایط اقتصادی، فرهنگی و اجتماعی را طی سالهای آینده تغییر دهد.
John Maeda نویسنده کتاب «چگونه با ماشین‌ها صحبت کنیم.» سه نوع از طراحی را معرفی میکند:
- طراحی سنتی: فعالیت‌هایی مرتبط با طراحی یک شیء که در جهان مادی استفاده می‌شود.
- تفکر طراحی: فعالیت‌هایی که شرکت‌ها را قادر می‌سازد تا مصرف کننده را در مرکزتصمیمات و تفکرات طراحی قرار دهند و محصولاتی خلاقانه و بر اساس نیاز انسان تولید کنند.
- طراحی محاسباتی: فعالیت‌هایی که پردازنده‌ها، سنسورها، اطالاعات و شبکه‌ها را در طراحی درگیر میکند.
Maeda طراحی محاسباتی را مهم‌ترین مورد از این دسته بندی می‌داند و بیان میکند که بزرگترین تاثیر را بر آینده خواهد گذاشت. طراحانی که قصد دارند در زمینه طراحی محاسباتی فعالیت کنند باید با ادبیات کار با ماشین‌ها آشنایی داشته باشند. اضافه بر آن آنها باید بر روی فرایند مولّد ایده‌های خود متمرکز شوند و بیشتر از همه نیاز دارند تا قدرت طراحی محاسباتی را در فعالیت‌های خود به کار بگیرند تا از مزیت‌های آن بهره‌مند شوند.
طراحان اساسا برای شکل بخشیدن به ایده‌های خود از ابزارهای طراحی مانند راینو، Sketchup و 3DMax استفاده می‌کنند. فرایندی که با یک ایده شروع می‌شود و این ابزارها به طراح کمک می‌کنند تا ایده‌ی اولیه‌ی خود را به درستی ارائه دهند. این فرایند پایه‌ای در بسیاری از حوزه‌ها به کار گرفته می‌شود تا نتیجه فرایند مولد تفکر طراح نمایش داده شود. به منظور دست یابی به طراحی محاسباتی، فرایند مولد باید با ماشین‌ها پشتیبانی شود. به جای ترسیم خطوط و اشکال، برای رسیدن به خروجی طراحان باید تمام دستورالعمل‌های محاسباتی را تعریف کنند.
معماری
طراحی مولد مفهوم جدیدی در حوزه معماری نیست. ابزارهای زیادی برای مدلسازی سه بعدی و رندرینگ از فرایندی مشابه استفاده می‌کنند. زمانی که برای ساختن یک ساختمان از ابزارهای دیجیتالی استفاده می‌کنیم، معماران باید متغیرها، پارامترها و محدودیت‌ها را تعریف کنند. در نتیجه کامپیوتر خروجی را براساس آنها تولید میکند. نرم‌افزارهای رندرینگ هم برای به تصویر کشیدن نتیجه این فرایند پارامتریک استفاده می‌شوند. در فرایند طراحی مولّد نیز ابزارهایی مانند گرسهاپر با استفاده از برنامه نویسی تصویری، طراحان را در تولید فرم کمک می‌کنند. نتیجه این فرایند طراحی، ساختمان‌های خیره کننده‌ای مانند آثار زاها حدید و نورمن فاستر است.
در گزارشی از Chaos Group، گروه معماری زاها حدید از ترکیبی از نرم‌افزارها (مانند Maya، Rhino و گرسهاپر) استفاده میکند تا بتواند فرایند طراحی پارامتریک را در هر پروژه‌ای اجرا کند. Jose Pareja Gomez در گزارشی درمورد گرسهاپر بیان می‌دارد که:
”در چهارسال گذشته، ما افزونه‌هایی را تولید کرده‌ایم که اجازه انجام خودکار برخی فرایندها را به ما می‌دهند. به طور مثال من دکمه‌ای را در گرسهاپر فشار می‌دهم و گرسهاپر به طور خودکار یک mesh را تولید میکند[…] ما انسان‌های تنبلی هستیم و از انجام کارهای تکراری بیزاریم. در نتیجه ما زمان دوبرابری را سرمایه گذاری می‌کنیم تا یک افزونه را تولید کنیم و بعداز آن دیگر نگران عملکرد آن نیستیم.“
هنر
طراحی محاسباتی در زمینه تغییرات اخیر هنر نیز نقش بزرگی را ایفا کرده است. فراهم کردن ابزاری قدرتمند برای هنرمندان تا بتوانند خود را ارائه کنند.
Universal Everything بستری برای کارهای هنری ویدیویی بوجود آورده تا هنرمندان بتوانند آثار خود را در این بستر ارائه کنند. هنرمندان در این بستر آثار خود را که در آن الگوریتم‌ها را با فرایند خلاقانه خود ترکیب کرده‌اند ارائه می‌کنند که نتیجه آن پروژه‌هایی است که قدرت ترکیب برنامه نویسی را با خلاقیت انسان نمایش می‌دهد.
در سال ۲۰۱۹، Barbican نمایشگاهی با عنوان ‘’هوش مصنوعی: بیشتر از انسان’’ راه‌اندازی کرد که در آن از کاربران دعوت می‌شد تا رابطه بین خودشان و هوش مصنوعی را کشف کنند. در طول این نمایشگاه، Universal Everything اِلمان تعاملی با نام “Future You” ساخت. این المان قادر بود بازخوردی تصویری به حرکات هر کاربر ارائه دهد و قابلیت تولید ۴۰۰۰۰ خروجی مختلف را داشت.
از دیگر هنرمندانی که از قابلیت تکنولوژی‌های مولد برای کشف خلاقیت استفاده کردند می‌توان Quayola و Gmunk را نام برد. Quayola هنرمندی ایتالیایی است که با ترکیب برنامه نویسی، طراحی و عکاسی یک اجرای صوتی-تصویری ساخت. در پی کشف شاهکارهای سنتی، وی اشکال، رنگ‌ها و بافت‌ها را بوسیله شکست محدودیت‌های بین آنچه واقعی است و آنچه واقعی نیست، باز تعریف کرد. در پروژه کارخانه مجسمه‌سازی، Quayola با بکارگیری ربات‌ها و هوش مصنوعی، سعی در بازسازی مجسمه‌های رنسانس داشت.
Quayola اخیرا در مصاحبه‌ای بیان می‌دارد که:
‘’آنچه مرا مجذوب خود میکند کُدهای تکنولوژی است، نه بعنوان وسیله‌ای برای بازتولید یا ارائه یک سوژه بلکه بعنوان سوژه‌ای برای تحقیقات.’’
محصولات دیجیتال
می‌توان گفت طراحی محاسباتی بزرگترین تاثیر را بر محصولات دیجیتال گذاشته است. جایی که با وجود سنسورها، پردازنده‌ها و قابلیت‌های شبکه و فضای ابری ابزار لازم برای بهره‌وری از منافع طراحی محاسباتی حتی در زندگی روزمره موجود می‌باشد.
دوربین iPhone 11 هوش مصنوعی را در هربار عکاسی به کار می‌گیرد بدین معنا که می‌توانید حتی با لرزش دست یا در فضایی با نور کم، عکس‌هایی با کیفیت بگیرید. وقتی کاربر عکسی می‌گیرد، دوربین در اصل ۸ عکس تهیه میکند تا با مقایسه و ترکیب آنها با یکدیگر بهترین نتیجه را خروجی بدهد. این فرایند “deep fusion” نام دارد که Phil Schiller، معاون رییس بازاریابی اپل، آنرا ‘’علم دیوانه عکاسی محاسباتی’’ نامید. این فرایند فقط یک ترکیب ساده از چند عکس نیست بلکه حاصل ترکیب عملکرد پردازنده(A13 Bionic) و تکنیک‌های یادگیری ماشین است که می‌تواند نتیجه خروجی تمامی تولید کنندگان دوربین را منسوخ کند.
فعالیت Apple در زمینه هوش مصنوعی موضوع جدیدی نیست. هنگام کار با کیبورد Apple، بدون متوجه شدن کاربران، دکمه‌های خاصی هنگام تایپ از بقیه بزرگتر می‌شوند. این سیستم می‌تواند حرف بعدی را پیش بینی کند و سطح دکمه آن حرف را افزایش دهد.
کامپیوترها به طرز چشمگیری نحوه واکنش محصولات دیجیتال به انسان را تغییر داده‌اند. زمانی طراحان باید بازخوردها را با وقفه و پیچیدگی دریافت می‌کردند اما امروزه می‌توانند به سرعت بازخورد طراحی خود را مشاهده کنند. اضافه بر آن کامپیوترها می‌توانند زودتر از اتمام فرایند طراحی واکنش نشان بدهند. سرچ کردن در گوگل نمونه خوبی از این واکنش سریع است. با جستجو کردن هر موضوعی در گوگل در کسری از ثانیه میلیون‌ها نتیجه مرتبط با آن به نمایش در می‌آید. همچنین در هنگام تایپ، گوگل موضوع یا متن کامل عنوان سرچ شما را پیش بینی میکند و می‌تواند به طور خودکار آنرا کامل کند. آنچه در اینجا مورد توجه است این است که این قابلیت بر اساس پیش بینی عمل میکند نه حدس زدن. برای این کار گوگل از تاریخچه جستجوی افراد و همچنین موضوعات پرطرفدار کمک می‌گیرد تا با ترکیب آنها پیش بینی درستی داشته باشد.
فهم ماشین‌ها
هر طراحی که می‌خواهد از تکنیک‌ها طراحی محاسباتی استفاده کند نیاز دارد تا اطلاعات جامعی از کامپیوترها و نحوه کار آنها داشته باشد.
امروزه تفکر طراحانه در هر مدرسه معماری تدریس می‌شود. اما همچنان در این مدارس فاصله زیادی تا تدریس صحیح طراحی مولد وجود دارد و فقط مقدار کمی از نحوه به کار گیری الگوریتم‌ها در معماری تدریس می‌شود. آن طور که John Maeda در کتابش توضیح می‌دهد؛ هر طراحی که قصد دارد با ماشین‌ها طراحی کند باید بر روی ایجاد شرطها و Loop ها تسلط داشته باشد. ماشین‌ها می‌توانند یک فرایند را تا زمانی که یک شرط صحیح است تا بی‌نهایت ادامه بدهند. ماشین‌ها می‌توانند عملی را بدون استرس تکرار کنند یا به تناسب اطلاعاتی که بر روی آن کار می‌کنند منبسط شوند.
کامپیوترها این قابلیت را دارند که تفکراتی به پیچیدگی تفکرات انسان را انجام بدهند. آنها می‌توانند در مقیاس‌های مختلفی عمل بکنند در حالی که در عملکرد آنها تغییری ایجاد نمی‌شود. توانایی انجام تکرار فرایندهای مختلف در ابعاد مختلف این اجازه را به طراحان می‌دهد که اثرگذاری بیشتری را با محصول دیجیتال خود تجربه کنند.
Manda در کتابش بیان میکند که ماشین‌ها “زنده‌اند”، می‌توانند جهان اطرافشان حس کنند و به هر متحرکی واکنش بدهند. اینترنت اشیاء(IoT) به ماشین‌ها اجازه می‌دهد که جهان اطرافشان را بفهمند درحالی که هوش مصنوعی به آنها قابلیت واکنش نشان دادن و انجام اعمالی خاص را می‌دهد. در گذشته کامپیوترها باید برای انجام عملی خاص برنامه نویسی می‌شدند اما امروزه با یادگیری ماشین (Machine Learning)، کامپیوترها می‌توانند از خودشان بیاموزند، دقیقا مانند انسان.
تکامل طراحی
تحقیقات اخیر گوگل نتایج جالبی را نشان می‌دهد، آنها با استفاده از هوش مصنوعی به نجات نژاد نهنگ قاتل کمک کرده‌اند. گوگل با استفاده از deep neural network توانسته عادات این نهنگ‌ها را مشاهده و ردیابی کند و با استفاده از این اطلاعات بیش از ۱۸۰۰ ساعت داده از اصوات زیر آب به منظور فرایند یادگیری ماشین جمع آوری شد. سیستم اکنون می‌تواند حضور این نهنگ‌ها را بفهمد و موقعیت آنها را تشخیص دهد. این برنامه بخشی از برنامه “AI for Social Good” است که هدف آن استفاده از هوش مصنوعی برای حل مشکلات بزرگ و پیشنهاد راه حل‌هایی با آثار مثبت اجتماعی است.
ما در زمان فوق العاده‌ای زندگی می‌کنیم؛ جایی که می توانیم به هرچیزی با ریسک پایین دست پیداکنیم آن هم با سرعت بالا و در ابعاد بی نهایت.
متاسفانه بیشتر طراحان تلاش عمده خود را بر تبلیغات گذاشته‌اند به جای اینکه به حل مشکلات بزرگی مانند آلودگی، بهداشت و انرژی پاکیزه بپردازند. این موضوع ما را به یاد جمله‌ای از Jeff Hammerbacher می‌اندازد:
”بهترین تفکر نسل ما این است که چگونه مردم را ترغیب کنند تا بر روی تبلیغات کلیک کنند. این شرم آور است.”
گوگل نشان داد در این زمانه بلاتکلیف، جهان به دنبال قهرمان است اما چه کسانی قهرمان هستند؟ قهرمانان دنیای مدرن انسان‌هایی هستند که توانایی تغییر جهان و حل مشکلات بزرگ را دارند. همچنین قهرمان‌ها کسانی هستند که از قدرت تکنولوژی‌های محاسباتی برای توانمند سازی زندگی دیگران بهره می‌برند.
منبع:
