AIGC uygulamaları işimizi ve yaşamımızı derinden değiştiriyor ve iç mekan tasarımı da derinden etkileniyor. Yenilikçi yapay zeka teknolojileri sayesinde iç mekanlarımızı daha önce hiç olmadığı şekilde yeniden hayal edip tasarlayabiliyoruz ve yaşam deneyimi için tamamen yeni olanaklar yaratabiliyoruz.
Unbounded Talk'un bu sayısında "Designer's Toolbox" yöneticisi, AIGC yaratıcısı, algoritma tasarımcısı ve mimari tasarımcısı Jason, iç tasarım alanında yapay zekanın uygulamasını ve gizemini bize göstermesi için davet edildi!
Bu alanda paylaşılan heyecan verici içerikler aşağıdadır:
Önemli Noktalar - Özet
Yapay zeka destekli iç tasarımda ideal durum, yapay zekanın tasarımcıların tasarım sürecini 0'dan 1'e kadar tamamlamasına yardımcı olabilmesidir. Örneğin, basit bir duvar düzeni çizimi, yapay zeka araçları aracılığıyla tasarımcılar için inşaat ve ev dekorasyonu gibi çeşitli bilgileri içeren üç boyutlu bir çizimi doğrudan oluşturarak bir bilgi modeli oluşturabilir.
Ancak gerçek uygulama daha karmaşık olacaktır. Giriş terminalini erken aşamada örnek alırsak, temel duvar düzeni ve alan düzenine ek olarak, sahibinin tercihleri, proje bütçesi ve hatta özel zemin döşemesi, sert dekorasyon malzemeleri, yumuşak dekorasyon seçenekleri vb. gibi şeyler de vardır. ., her biri farklı çıktı türü. Bu yapay zeka araçlarını girdi ve çıktıyla nasıl daha iyi birleştirebiliriz?
Teknik seviyeye göre iç tasarım 3 farklı aşamaya ayrılabilir:
**1.Danışmanlık aşaması: **Planın devreye alınması ve üstlenilmesinin henüz tamamlanmadığı aşamadır.ChatGPT gibi geniş dil modellerinin kullanılması çok iyi olacaktır.
2. Konsept Tasarım: Müşteriler, bu aşamada kişisel tercihlerini karşılayan, farklı tarzlarda mümkün olduğunca çok sayıda özelleştirilmiş çözüm görmeyi umuyorlar. Tasarımcılara yardımcı olmak ve iş verimliliğini en üst düzeye çıkarmak için Stabil Difüzyon gibi yapay zeka çizim araçlarını kullanın.
3. Kavramsal modelleme: İç tasarımın benzersiz sahnesine dayalı olarak görüntüden 3 boyutlu modele dönüşüm için, basit bir düzlem taslağı veya yerleşim çizimi yoluyla bir 3 boyutlu model oluşturulabilir, ancak bu henüz yapay zeka tarafından gerçekleştirilmemiştir. İnce modelleme için çözüm.
4. Tasarımın derinleştirilmesi: Mevcut ana akım yapay zeka araçları tasarımcılara pek yardımcı olamaz ve geleneksel CAD veya BIM modelleri seçilebilir.
Jason ekibi, esas olarak tasarım danışmanlığının erken aşamasına, konsept tasarımına ve konsept modeline odaklanarak birkaç küçük araç yapmaya çalıştı ve tasarım geliştirmenin sonraki aşamalarında bazı girişimlerde bulundu.
Danışmanlık aşamasında, tasarım şirketleri için ChatGPT'nin temsil ettiği geniş dil modeli güçlü bir genellemeye sahiptir. Ancak uygulama düzeyinde uygulandığında işletmelerin, bir vektör kitaplığı halinde düzenlenebilen kendi veritabanları ve ilgili gereksinimleri olacak ve aynı zamanda kuruluş için dahili bir pazarlama veya veri alma platformu oluşturmak üzere yapay zeka temsilcileriyle işbirliği yapacak.
Tasarımcılar ayrıca kendi kaynaklarını daha iyi organize etmek, bunu bir vektör bilgi tabanına dönüştürmek ve daha sonra bilgi alma aşamasının zaman maliyetini iyileştirmek için daha etkili bir erişim yöntemi olan yapay zekayı kullanmak için bu tür küçük araçları da kullanabilirler.
Jason, büyük dil modelinin genişletilmesine dayalı bazı uygulama teknolojisi rotalarını paylaştı: hızlı kelime mühendisliği, kurumsal bilgi tabanı, yapay zeka aracısı, büyük model ince ayarı ve diğer dört husus:
**(1) Hızlı kelime projesi: **İnşaat maliyeti nispeten düşüktür. Büyük modele dayalı olarak, hızlı sözcükler girilerek sınırlandırılabilir, böylece bu model, tasarımcının bazı işleri tamamlamasına yardımcı olacak yardımcı bir tasarım aracı olarak kullanılabilir. Ancak şu anda roman yazmak veya bazı basit analizler yapmak gibi daha az titiz ve farklı senaryolar için daha uygun olabilir.
(2) Kurumsal Bilgi Tabanı: Maliyet biraz daha yüksek olacaktır ve bazı profesyonel Ar-Ge ekiplerine ihtiyaç duyulacaktır. Kuruluşun iç bilgi yapısına ilişkin belirli bir anlayışa sahip olmak ve bunları, kolay erişim için verimli bir şekilde vektör bilgi tabanına dönüştürebilmek gerekir. Satış uygulama senaryosuna çok uygundur.
(3) Yapay Zeka temsilcisi: Basit bir anlayışa göre bir aracı veya aracıdır, her aracı iyi olduğu bir şeyi yapacaktır. Belirlenen kurallar ve kısıtlamalar aracılığıyla bu farklı aracılar, eksiksiz bir iş akışı oluşturmak üzere birleştirilebilir. Önceki ikisiyle karşılaştırıldığında iş senaryolarını çok iyi anlayan Ar-Ge personeli gerektirir.
(4) Büyük modelde ince ayar: En yüksek maliyete sahip yön ve bilgi işlem gücünün maliyeti bunun büyük kısmını oluşturur. Yapay zeka ya da internet yönünde olmayan firmalar için bu yönde ince ayar yapılması uygun değildir, ilgili firmalarla iş birliği yapmayı düşünebilirsiniz.
Tasarımcı mesleğinde sıkıntılı bir nokta var: ezberlenmesi gereken çok sayıda spesifikasyon ve veri var.
Bu durumla karşı karşıya kalan tasarımcılar, web üzerinde ve hatta cep telefonlarında kullanılabilecek bir platform oluşturmak için yapay zekayı kullanabilir ve şirket içinde veya kişisel olarak biriken "Restoranlarda yaygın olarak kullanılan boyutlar nelerdir?" gibi tasarım verilerini girebilir. ve benzeri. Yapay zeka modeli, çok doğru bir yanıt elde etmek için girdi bilgi tabanını birleştirebilir. Yapay zeka, bazı tasarım spesifikasyonları için tasarımcılara daha doğru bir hatırlatma da sağlayabilir.
Büyük modeller daha önce bilgi veren veriler üzerinde eğitildiğinden, güçleri genellemede yatmaktadır. Ancak şirket içi belgeler, internete bile yayınlanmamış belgeler için bu yapay zeka modellerine doğru bir şekilde başvurulamaz. Bu nedenle, bilgi erişimine ilişkin uygulama senaryolarının hayata geçirilmesi için işletmelerin veya bireylerin benzersiz bilgi tabanının bu büyük modellere dayalı eğitim için kullanılması gerekmektedir.
Bu, çok umut verici bir beklentiye sahip olan AI aracısı adlı yeni bir uygulama senaryosunu genişletiyor.
Örneğin bir e-ticaret senaryosunda müşterilerle satış şeklinde soru-cevap diyalogları gerçekleştirebilir ve ayrıca arka planda farklı araçlar üzerinden arama yaparak kullanıcıların bilgi almasına yardımcı olabilir, kat planları, görseller oluşturulmasına yardımcı olabilir. ve hatta modeller oluşturma.
Aslında kat planları oluşturmak, görüntüler oluşturmak ve işleme modelleri oluşturmak üç farklı yapay zeka aracısıdır ve her iş akışı farklı görevlerden sorumludur.
Büyük modele ve endüstri iş senaryolarının işletmeler ve uygulayıcılar tarafından profesyonelce ayrıştırılmasına dayanarak, bu yapay zeka aracıları verimli bir sisteme entegre edilebilir ve birleştirilebilir.
Kullanıcılar bu arayüz aracılığıyla farklı bilgiler girebilir ve yapay zekanın farklı şemalar ve mobilya kombinasyonları vb. önermesine izin verebilir. Yapay zeka tarafından verilen mobilya kombinasyonu bile, kullanıcıların veya kuruluşların kendi işlerini yapay zeka derinlemesine senaryolarıyla entegre etmelerine gerçekten yardımcı olmak için girdi ürün kitaplığından ayarlanabilir ve seçilebilir.
İç tasarım sahnesine geri dönelim. Tasarımcı öncelikle tasarım stilini belirleyecektir, çünkü stilin kendisi çok çeşitlidir ve kullanıcıların ihtiyaçları sıklıkla değişmektedir. Aynı zamanda stilin kendisi de iç mekanın genel renk kompozisyonunu, mobilya seçimini ve yumuşak dekorasyonu vb. etkileyecektir. Tasarımcı, erken aşamada kullanıcıların stili belirlemesine izin vermezse sonraki iş yükü çok ağır olacaktır.
Bu nedenle günümüzde sektörde tasarım yaparken önce bir düzlem belirleniyor, sonra daha detaylı bir stil belirleniyor. Bu nedenle, bir AI modeli oluşturmak için öncelikle çeşitli stiller eğitilir. Kullanıcı bir kat planı getirdiğinde tasarımcı, stilleri hızlı bir şekilde oluşturmak ve değiştirmek için AI aracı Assisted Rendering'i kullanır.
Bu araç, müşterilerin erken aşamada hızlı geri bildirim ve deneyim kazanmalarına yardımcı olacak, işletmelerin ve uygulayıcıların iş verimliliğini artıracak, aynı zamanda kullanıcı deneyimini geliştirerek şirketin iş almasına yardımcı olacaktır.
Ek olarak, e-ticaret sahnesinin mobilya veya dekorasyon tanıtımına veya müşteriler veya tasarımcılar için referans resimlere de ihtiyacı var.
Bu senaryoda, SD kullanılarak hızlı bir şekilde oluşturulan resimlerin kullanılmadan önce yine de optimize edilmesi gerekir. Farklı senaryoları ve iş ihtiyaçlarını karşılamak üzere özelleştirilmiş bir yapay zeka modeli oluşturmak için ürün tonuyla birleştirilebilir ve hatta hedef ürün müşterilerine göre ayarlanabilir.
Yapay zeka, konsept oluşturmaya yardımcı olmanın yanı sıra modellemeye de yardımcı olabilir. Bu noktada tasarım, bilginin doğru ve uygulanabilir olmasını gerektirecek ve birçok tedarik zinciri devreye girecektir.
Her şeyden önce, basitçe metin veya ses yoluyla oluşturulabilecek bir model veya resimler, görseller, videolar vb. aracılığıyla oluşturulabilecek bir model olarak anlaşılabilecek çok modlu bir model tasarlayın. Tersine, bu model aynı zamanda bu farklı bilgi türlerini de çıkarabilir.
AI görüntü oluşturma sıfırdan başlayan bir süreçtir.Örneğin, birden fazla V şekilli saksının konsept tasarımını kullanarak ve açık kaynak algoritmaları kullanarak erken aşamada farklı kaba modeller oluşturabilirsiniz.Bunun şekli nispeten doğrudur ve Görüntü nesnesini yansıtabilir. yapı. Aynı zamanda, diğer bazı geleneksel optimizasyon algoritmaları aracılığıyla, bu nispeten kaba model, yeniden düzenlenebilen bir 3D ağa ve hatta retopolojiye dönüştürülebilir.
Bu şekilde, tasarımcı 10 saniyede birkaç yapay zeka konsept tasarımı oluşturabilir ve ardından bu küçük aracı kullanarak bunları 30 saniye içinde hızlı bir şekilde düzenlenebilir bir şeye dönüştürebilir; bu da modellemeye 0'dan başlamak için gereken zamandan büyük ölçüde tasarruf sağlayacaktır. Tasarımcının çalışmasını iyileştirin yeterlik.
Peki yapay zeka haritaların derinleştirilmesi konusunda ne yapabilir?
Belki de mevcut açık kaynak teknolojisinin, iç tasarımın daha sonraki uygulamalarıyla verimli bir şekilde birleşmesinin hiçbir yolu yoktur. Çünkü yapay zekanın şu anda iyi olduğu çizim teknolojisi hala 2 boyutlu alanı temel alıyor. Gerçek tasarım sahnesinde, birçok ayrıntının yanı sıra genel alanın ölçeği ve doğruluğu konusunda da çok yüksek gereksinimler vardır.
"3 boyutlu büyük modellerin ve çoklu modalitenin olgunlaşmasıyla birlikte bu verimliliğin yavaş yavaş artacağına ve giderek daha da olgunlaşacağına inanıyorum." Jason, bunun yardımcı olması için şu anda hala geleneksel teknolojiyle birleştirilmesi gerektiğini söyledi. tamamlamada Çizimi derinleştirin.
İlk uygulama senaryosu, şirketin dahili mobilya malzemeleri ve ürünlerine göre birleştirilmiş** başlangıçta gösterilen yapay zeka pazarlama senaryosuna biraz benzer. Örneğin yapay zeka, maliyet görselleri üretmek için kullanılabilir ancak bu görselde buna karşılık gelen ürün bağlantıları olacaktır.Bu, yapay zeka görsellerinin, içerdiği bilgileri ürün bilgisine dönüştürmek için kullanılması olarak değerlendirilebilir.
İkinci sahne maddi göç ile ilgilidir. İç mekan tasarımı basitçe görsel katman, geometrik katman ve hatta daha ince katmanlardan oluşan bir yapı olarak anlaşılabilir. Yapay zekanın avantajı, hızlı bir şekilde atmosfer hissi veren genel bir alan oluşturabilmesidir. Bu tür ışık ve gölge hatalı olsa da renk şemasını ve mekan kompozisyonunu hızlı bir şekilde bulmamıza yardımcı olabilir.
Yapay zeka tarafından oluşturulan görüntünün içerdiği bilgiler çıkarılıp modelimize dönüştürülebilirse tasarımcının modelleme sürecini hızlandırabilir.
Soru-Cevap - İnceleme
Ruiya: Sizce iç tasarım çalışmalarında yapay zekanın yer alacağı ilk alan ne olacak? Tasarım yaratıcı görselleştirme mi yoksa başka bir şey mi?
Jason: Tasarım yaratıcılığı olmalı ve erken aşamada daha yoğundur. Artık işletmelerin verimlilik potansiyelini belli ölçüde artırabilecek bir konu olan maliyet düşürme ve verimlilik artışından bahsediyoruz. İster çevrimiçi pazarlamaya ister SD tabanlı hızlı çizime dayalı olsun, müşterilerin müşteri deneyimini geliştirebilir. Daha fazla müşteri çekme şansı da daha yüksektir.
Ancak yapay zeka veya SD görüntüleri iç mekan ışığı ve oluşturulan gölge açısından hatalı olduğundan görüntü oluşturma gelecekte ana akım haline gelmeyebilir. Bu sapmalara bağlı olarak iniş etkisinde daha büyük sapmalar olacaktır.
**Ruiya: C-end kullanıcılarının kendi tasarım çizimlerini çok basit bir şekilde yapmalarına olanak tanıyan bir araç yapmayı düşündünüz mü? **
Jason: Aslında böyle bir ürün yapmak oldukça zor. Özellikle sektörde Kujiale ve Sanweijia gibi yıllar içinde birikim yapan şirketler var ve bu alanda daha iyi ürünler yapmayı kolaylaştırmak için yapay zeka teknolojisini kullanıyorlar. Küçük takımların bu konuda neredeyse hiç şansı olmadığını düşünüyorum.
Ama iş buna gelince, gelecekte bu tür ürünler mutlaka daha da basitleşecek ve tasarımcıların konsept tasarım aşamasındaki rolü büyük ölçüde azalacak, gelecekte tasarımcıların temel değerinin aktarılması gerekebileceğini düşünüyorum. . Daha çok sahibinin beğendiği kavram haritasının nasıl daha iyi uygulanabileceği ile ilgilidir.
**Ruiya: Şu anki gözlemlerinizde yapay zekayı kullanan tasarım örnekleri var mı? **
Jason: Eğer tamamen konseptten tamamlanmaya kadarsa bunu henüz görmedim. Ancak yapay zeka destekli bir konsept oluşturma işlemi ise, sahibi, konsept çizimi ve diğer uygulamalar aracılığıyla stili belirleyebilir.
**Ruiya: Destekli tasarım gerçekleştirirken yapay zekanın eğitim setinin önyargısından kolayca etkilendiğini ve bunun da tasarım sonuçlarında çeşitlilik eksikliğine yol açtığını mı düşünüyorsunuz? **
Jason: Böyle bir durum olsa gerek. Her ne kadar büyük model bazında kendi veri seti eğitim modelimizi de ekliyoruz. Ancak bu eğitim haritalarının kendisi de internette bulunabilecek haritalar olabilir ve diğer simyacılar da bunları bulabilir.
Ancak homojenleştirme sorunu tasarım açısından trendlerden veya trend faktörlerinden de etkilenebilir. Belirli bir eğilim altında, İnternet'in tamamındaki görsel materyaller bu tarza karşı önyargılı olabilir.
**Ruiya: Tasarımcılar nasıl hala yapay zeka oluşturma sırasında nihai sonucu kontrol etme ve ayarlama yeteneğine sahip olabiliyor? **
Jason: Bir tasarımcı için sonucu kontrol etmek o kadar da zor değil. Bence zorluk, tasarımcının düşündüğü planın sahibinin ihtiyaçlarını karşılayıp karşılayamayacağında yatıyor.
Jason: Kesinlikle. Yapay zeka araçlarının popülaritesiyle herkesin estetiği aslında daha yüksek bir seviyeye çıkacak. Dolayısıyla bu trend altında tasarımcıların kendi estetiklerini geliştirmeleri gerekiyor. Bu aynı zamanda tasarımcıların inovasyon gereksinimlerini de artıracaktır. Yeniliğin kaynaklarından biri, herkesin tasarım yapmak için referans resim aramanın geleneksel yolunu değiştirmesi gerektiğidir. Dolayısıyla geleceğin tasarımcılarının veya üst düzey tasarımcı olmak isteyenlerin bu şekilde değişmesi gerektiğini düşünüyorum.
**Ruiya: Eğitim setinin sürekli yinelenmesi yoluyla gelecekte yapay zekanın kullanıcıların gelecekteki ihtiyaçlarını ve eğilimlerini algılama ve tahmin etme yeteneğine sahip olacağını düşünüyor musunuz? **
Jason: Evet. Yapay zekanın iyi olduğu şey, özetlemek ve hatta bazı tahminlerde bulunmak için büyük miktarda veriyi işlemek.
**Ruiya: Şu ana kadar hala yapay zekanın işlerinin yerini alabileceğinden endişe duyan çok sayıda geleneksel iç mimar var. Bu durumda tasarımcıların yaratıcılık ve insan dokunuşu açısından vazgeçilmez olduğunu onlara nasıl savunursunuz? **
Jason: Yapay zekanın geleneksel tasarımcıların yerini alması sorunu, aslında tüm ekonomik toplumda maliyetleri düşürme ve verimliliği artırma arayışıdır. Yapay zeka devrimi aslında en tekrarlayan ve yaratıcı olmayan işlerden bazılarının yerini alıyor.
Yaratıcı tasarımcıların yerini asla araçlar alamaz. Daha teknik bir iç tasarımcıysanız, AI teknolojisini benimsemeniz ve onun temel ilkeleri hakkında daha fazla bilgi edinmeniz önerilir çünkü meslekten olmayan hiç kimse endüstri modeli eğitimi veya yüksek kaliteli veri kümelerinin paketlenmesini yapamaz.
Ayrıca iletişimi iyi olan tasarımcılar aslında kendi yeteneklerini güçlendirebilirler. Elbette, daha fazla müşteriyi daha iyi bulmanıza veya kişisel fikri mülkiyetinizi veya markanızı oluşturmanıza yardımcı olmak için bu araçları nasıl kullanacağınız konusundaki düşüncenizi değiştirmeniz gerekebilir.
Çeşitli endüstriler maliyetleri düşürmek ve verimliliği artırmaktan söz ediyor, şu anda yapay zekanın yardımıyla maliyetleri düşürmek hiç de zor değil. Ancak daha iyi verimlilik elde etmek için yapay zeka araçları kullanılırsa bu da uzun vadeli bir konudur ve bundan birçok yeni fırsat da doğacaktır.
View Original
The content is for reference only, not a solicitation or offer. No investment, tax, or legal advice provided. See Disclaimer for more risks disclosure.
Canlı inceleme | İç tasarım iş akışını yapay zeka ile yeniden şekillendirin!
AIGC uygulamaları işimizi ve yaşamımızı derinden değiştiriyor ve iç mekan tasarımı da derinden etkileniyor. Yenilikçi yapay zeka teknolojileri sayesinde iç mekanlarımızı daha önce hiç olmadığı şekilde yeniden hayal edip tasarlayabiliyoruz ve yaşam deneyimi için tamamen yeni olanaklar yaratabiliyoruz.
Unbounded Talk'un bu sayısında "Designer's Toolbox" yöneticisi, AIGC yaratıcısı, algoritma tasarımcısı ve mimari tasarımcısı Jason, iç tasarım alanında yapay zekanın uygulamasını ve gizemini bize göstermesi için davet edildi!
Önemli Noktalar - Özet
Yapay zeka destekli iç tasarımda ideal durum, yapay zekanın tasarımcıların tasarım sürecini 0'dan 1'e kadar tamamlamasına yardımcı olabilmesidir. Örneğin, basit bir duvar düzeni çizimi, yapay zeka araçları aracılığıyla tasarımcılar için inşaat ve ev dekorasyonu gibi çeşitli bilgileri içeren üç boyutlu bir çizimi doğrudan oluşturarak bir bilgi modeli oluşturabilir.
Ancak gerçek uygulama daha karmaşık olacaktır. Giriş terminalini erken aşamada örnek alırsak, temel duvar düzeni ve alan düzenine ek olarak, sahibinin tercihleri, proje bütçesi ve hatta özel zemin döşemesi, sert dekorasyon malzemeleri, yumuşak dekorasyon seçenekleri vb. gibi şeyler de vardır. ., her biri farklı çıktı türü. Bu yapay zeka araçlarını girdi ve çıktıyla nasıl daha iyi birleştirebiliriz?
**1.Danışmanlık aşaması: **Planın devreye alınması ve üstlenilmesinin henüz tamamlanmadığı aşamadır.ChatGPT gibi geniş dil modellerinin kullanılması çok iyi olacaktır.
2. Konsept Tasarım: Müşteriler, bu aşamada kişisel tercihlerini karşılayan, farklı tarzlarda mümkün olduğunca çok sayıda özelleştirilmiş çözüm görmeyi umuyorlar. Tasarımcılara yardımcı olmak ve iş verimliliğini en üst düzeye çıkarmak için Stabil Difüzyon gibi yapay zeka çizim araçlarını kullanın.
3. Kavramsal modelleme: İç tasarımın benzersiz sahnesine dayalı olarak görüntüden 3 boyutlu modele dönüşüm için, basit bir düzlem taslağı veya yerleşim çizimi yoluyla bir 3 boyutlu model oluşturulabilir, ancak bu henüz yapay zeka tarafından gerçekleştirilmemiştir. İnce modelleme için çözüm.
4. Tasarımın derinleştirilmesi: Mevcut ana akım yapay zeka araçları tasarımcılara pek yardımcı olamaz ve geleneksel CAD veya BIM modelleri seçilebilir.
Danışmanlık aşamasında, tasarım şirketleri için ChatGPT'nin temsil ettiği geniş dil modeli güçlü bir genellemeye sahiptir. Ancak uygulama düzeyinde uygulandığında işletmelerin, bir vektör kitaplığı halinde düzenlenebilen kendi veritabanları ve ilgili gereksinimleri olacak ve aynı zamanda kuruluş için dahili bir pazarlama veya veri alma platformu oluşturmak üzere yapay zeka temsilcileriyle işbirliği yapacak.
Tasarımcılar ayrıca kendi kaynaklarını daha iyi organize etmek, bunu bir vektör bilgi tabanına dönüştürmek ve daha sonra bilgi alma aşamasının zaman maliyetini iyileştirmek için daha etkili bir erişim yöntemi olan yapay zekayı kullanmak için bu tür küçük araçları da kullanabilirler.
**(1) Hızlı kelime projesi: **İnşaat maliyeti nispeten düşüktür. Büyük modele dayalı olarak, hızlı sözcükler girilerek sınırlandırılabilir, böylece bu model, tasarımcının bazı işleri tamamlamasına yardımcı olacak yardımcı bir tasarım aracı olarak kullanılabilir. Ancak şu anda roman yazmak veya bazı basit analizler yapmak gibi daha az titiz ve farklı senaryolar için daha uygun olabilir.
(2) Kurumsal Bilgi Tabanı: Maliyet biraz daha yüksek olacaktır ve bazı profesyonel Ar-Ge ekiplerine ihtiyaç duyulacaktır. Kuruluşun iç bilgi yapısına ilişkin belirli bir anlayışa sahip olmak ve bunları, kolay erişim için verimli bir şekilde vektör bilgi tabanına dönüştürebilmek gerekir. Satış uygulama senaryosuna çok uygundur.
(3) Yapay Zeka temsilcisi: Basit bir anlayışa göre bir aracı veya aracıdır, her aracı iyi olduğu bir şeyi yapacaktır. Belirlenen kurallar ve kısıtlamalar aracılığıyla bu farklı aracılar, eksiksiz bir iş akışı oluşturmak üzere birleştirilebilir. Önceki ikisiyle karşılaştırıldığında iş senaryolarını çok iyi anlayan Ar-Ge personeli gerektirir.
(4) Büyük modelde ince ayar: En yüksek maliyete sahip yön ve bilgi işlem gücünün maliyeti bunun büyük kısmını oluşturur. Yapay zeka ya da internet yönünde olmayan firmalar için bu yönde ince ayar yapılması uygun değildir, ilgili firmalarla iş birliği yapmayı düşünebilirsiniz.
Bu durumla karşı karşıya kalan tasarımcılar, web üzerinde ve hatta cep telefonlarında kullanılabilecek bir platform oluşturmak için yapay zekayı kullanabilir ve şirket içinde veya kişisel olarak biriken "Restoranlarda yaygın olarak kullanılan boyutlar nelerdir?" gibi tasarım verilerini girebilir. ve benzeri. Yapay zeka modeli, çok doğru bir yanıt elde etmek için girdi bilgi tabanını birleştirebilir. Yapay zeka, bazı tasarım spesifikasyonları için tasarımcılara daha doğru bir hatırlatma da sağlayabilir.
Büyük modeller daha önce bilgi veren veriler üzerinde eğitildiğinden, güçleri genellemede yatmaktadır. Ancak şirket içi belgeler, internete bile yayınlanmamış belgeler için bu yapay zeka modellerine doğru bir şekilde başvurulamaz. Bu nedenle, bilgi erişimine ilişkin uygulama senaryolarının hayata geçirilmesi için işletmelerin veya bireylerin benzersiz bilgi tabanının bu büyük modellere dayalı eğitim için kullanılması gerekmektedir.
Örneğin bir e-ticaret senaryosunda müşterilerle satış şeklinde soru-cevap diyalogları gerçekleştirebilir ve ayrıca arka planda farklı araçlar üzerinden arama yaparak kullanıcıların bilgi almasına yardımcı olabilir, kat planları, görseller oluşturulmasına yardımcı olabilir. ve hatta modeller oluşturma.
Aslında kat planları oluşturmak, görüntüler oluşturmak ve işleme modelleri oluşturmak üç farklı yapay zeka aracısıdır ve her iş akışı farklı görevlerden sorumludur.
Büyük modele ve endüstri iş senaryolarının işletmeler ve uygulayıcılar tarafından profesyonelce ayrıştırılmasına dayanarak, bu yapay zeka aracıları verimli bir sisteme entegre edilebilir ve birleştirilebilir.
Kullanıcılar bu arayüz aracılığıyla farklı bilgiler girebilir ve yapay zekanın farklı şemalar ve mobilya kombinasyonları vb. önermesine izin verebilir. Yapay zeka tarafından verilen mobilya kombinasyonu bile, kullanıcıların veya kuruluşların kendi işlerini yapay zeka derinlemesine senaryolarıyla entegre etmelerine gerçekten yardımcı olmak için girdi ürün kitaplığından ayarlanabilir ve seçilebilir.
Bu nedenle günümüzde sektörde tasarım yaparken önce bir düzlem belirleniyor, sonra daha detaylı bir stil belirleniyor. Bu nedenle, bir AI modeli oluşturmak için öncelikle çeşitli stiller eğitilir. Kullanıcı bir kat planı getirdiğinde tasarımcı, stilleri hızlı bir şekilde oluşturmak ve değiştirmek için AI aracı Assisted Rendering'i kullanır.
Bu araç, müşterilerin erken aşamada hızlı geri bildirim ve deneyim kazanmalarına yardımcı olacak, işletmelerin ve uygulayıcıların iş verimliliğini artıracak, aynı zamanda kullanıcı deneyimini geliştirerek şirketin iş almasına yardımcı olacaktır.
Ek olarak, e-ticaret sahnesinin mobilya veya dekorasyon tanıtımına veya müşteriler veya tasarımcılar için referans resimlere de ihtiyacı var.
Bu senaryoda, SD kullanılarak hızlı bir şekilde oluşturulan resimlerin kullanılmadan önce yine de optimize edilmesi gerekir. Farklı senaryoları ve iş ihtiyaçlarını karşılamak üzere özelleştirilmiş bir yapay zeka modeli oluşturmak için ürün tonuyla birleştirilebilir ve hatta hedef ürün müşterilerine göre ayarlanabilir.
Her şeyden önce, basitçe metin veya ses yoluyla oluşturulabilecek bir model veya resimler, görseller, videolar vb. aracılığıyla oluşturulabilecek bir model olarak anlaşılabilecek çok modlu bir model tasarlayın. Tersine, bu model aynı zamanda bu farklı bilgi türlerini de çıkarabilir.
AI görüntü oluşturma sıfırdan başlayan bir süreçtir.Örneğin, birden fazla V şekilli saksının konsept tasarımını kullanarak ve açık kaynak algoritmaları kullanarak erken aşamada farklı kaba modeller oluşturabilirsiniz.Bunun şekli nispeten doğrudur ve Görüntü nesnesini yansıtabilir. yapı. Aynı zamanda, diğer bazı geleneksel optimizasyon algoritmaları aracılığıyla, bu nispeten kaba model, yeniden düzenlenebilen bir 3D ağa ve hatta retopolojiye dönüştürülebilir.
Belki de mevcut açık kaynak teknolojisinin, iç tasarımın daha sonraki uygulamalarıyla verimli bir şekilde birleşmesinin hiçbir yolu yoktur. Çünkü yapay zekanın şu anda iyi olduğu çizim teknolojisi hala 2 boyutlu alanı temel alıyor. Gerçek tasarım sahnesinde, birçok ayrıntının yanı sıra genel alanın ölçeği ve doğruluğu konusunda da çok yüksek gereksinimler vardır.
"3 boyutlu büyük modellerin ve çoklu modalitenin olgunlaşmasıyla birlikte bu verimliliğin yavaş yavaş artacağına ve giderek daha da olgunlaşacağına inanıyorum." Jason, bunun yardımcı olması için şu anda hala geleneksel teknolojiyle birleştirilmesi gerektiğini söyledi. tamamlamada Çizimi derinleştirin.
İlk uygulama senaryosu, şirketin dahili mobilya malzemeleri ve ürünlerine göre birleştirilmiş** başlangıçta gösterilen yapay zeka pazarlama senaryosuna biraz benzer. Örneğin yapay zeka, maliyet görselleri üretmek için kullanılabilir ancak bu görselde buna karşılık gelen ürün bağlantıları olacaktır.Bu, yapay zeka görsellerinin, içerdiği bilgileri ürün bilgisine dönüştürmek için kullanılması olarak değerlendirilebilir.
İkinci sahne maddi göç ile ilgilidir. İç mekan tasarımı basitçe görsel katman, geometrik katman ve hatta daha ince katmanlardan oluşan bir yapı olarak anlaşılabilir. Yapay zekanın avantajı, hızlı bir şekilde atmosfer hissi veren genel bir alan oluşturabilmesidir. Bu tür ışık ve gölge hatalı olsa da renk şemasını ve mekan kompozisyonunu hızlı bir şekilde bulmamıza yardımcı olabilir.
Yapay zeka tarafından oluşturulan görüntünün içerdiği bilgiler çıkarılıp modelimize dönüştürülebilirse tasarımcının modelleme sürecini hızlandırabilir.
Soru-Cevap - İnceleme
Ruiya: Sizce iç tasarım çalışmalarında yapay zekanın yer alacağı ilk alan ne olacak? Tasarım yaratıcı görselleştirme mi yoksa başka bir şey mi?
Jason: Tasarım yaratıcılığı olmalı ve erken aşamada daha yoğundur. Artık işletmelerin verimlilik potansiyelini belli ölçüde artırabilecek bir konu olan maliyet düşürme ve verimlilik artışından bahsediyoruz. İster çevrimiçi pazarlamaya ister SD tabanlı hızlı çizime dayalı olsun, müşterilerin müşteri deneyimini geliştirebilir. Daha fazla müşteri çekme şansı da daha yüksektir.
Ancak yapay zeka veya SD görüntüleri iç mekan ışığı ve oluşturulan gölge açısından hatalı olduğundan görüntü oluşturma gelecekte ana akım haline gelmeyebilir. Bu sapmalara bağlı olarak iniş etkisinde daha büyük sapmalar olacaktır.
**Ruiya: C-end kullanıcılarının kendi tasarım çizimlerini çok basit bir şekilde yapmalarına olanak tanıyan bir araç yapmayı düşündünüz mü? **
Jason: Aslında böyle bir ürün yapmak oldukça zor. Özellikle sektörde Kujiale ve Sanweijia gibi yıllar içinde birikim yapan şirketler var ve bu alanda daha iyi ürünler yapmayı kolaylaştırmak için yapay zeka teknolojisini kullanıyorlar. Küçük takımların bu konuda neredeyse hiç şansı olmadığını düşünüyorum.
Ama iş buna gelince, gelecekte bu tür ürünler mutlaka daha da basitleşecek ve tasarımcıların konsept tasarım aşamasındaki rolü büyük ölçüde azalacak, gelecekte tasarımcıların temel değerinin aktarılması gerekebileceğini düşünüyorum. . Daha çok sahibinin beğendiği kavram haritasının nasıl daha iyi uygulanabileceği ile ilgilidir.
**Ruiya: Şu anki gözlemlerinizde yapay zekayı kullanan tasarım örnekleri var mı? **
Jason: Eğer tamamen konseptten tamamlanmaya kadarsa bunu henüz görmedim. Ancak yapay zeka destekli bir konsept oluşturma işlemi ise, sahibi, konsept çizimi ve diğer uygulamalar aracılığıyla stili belirleyebilir.
**Ruiya: Destekli tasarım gerçekleştirirken yapay zekanın eğitim setinin önyargısından kolayca etkilendiğini ve bunun da tasarım sonuçlarında çeşitlilik eksikliğine yol açtığını mı düşünüyorsunuz? **
Jason: Böyle bir durum olsa gerek. Her ne kadar büyük model bazında kendi veri seti eğitim modelimizi de ekliyoruz. Ancak bu eğitim haritalarının kendisi de internette bulunabilecek haritalar olabilir ve diğer simyacılar da bunları bulabilir.
Ancak homojenleştirme sorunu tasarım açısından trendlerden veya trend faktörlerinden de etkilenebilir. Belirli bir eğilim altında, İnternet'in tamamındaki görsel materyaller bu tarza karşı önyargılı olabilir.
**Ruiya: Tasarımcılar nasıl hala yapay zeka oluşturma sırasında nihai sonucu kontrol etme ve ayarlama yeteneğine sahip olabiliyor? **
Jason: Bir tasarımcı için sonucu kontrol etmek o kadar da zor değil. Bence zorluk, tasarımcının düşündüğü planın sahibinin ihtiyaçlarını karşılayıp karşılayamayacağında yatıyor.
Jason: Kesinlikle. Yapay zeka araçlarının popülaritesiyle herkesin estetiği aslında daha yüksek bir seviyeye çıkacak. Dolayısıyla bu trend altında tasarımcıların kendi estetiklerini geliştirmeleri gerekiyor. Bu aynı zamanda tasarımcıların inovasyon gereksinimlerini de artıracaktır. Yeniliğin kaynaklarından biri, herkesin tasarım yapmak için referans resim aramanın geleneksel yolunu değiştirmesi gerektiğidir. Dolayısıyla geleceğin tasarımcılarının veya üst düzey tasarımcı olmak isteyenlerin bu şekilde değişmesi gerektiğini düşünüyorum.
**Ruiya: Eğitim setinin sürekli yinelenmesi yoluyla gelecekte yapay zekanın kullanıcıların gelecekteki ihtiyaçlarını ve eğilimlerini algılama ve tahmin etme yeteneğine sahip olacağını düşünüyor musunuz? **
Jason: Evet. Yapay zekanın iyi olduğu şey, özetlemek ve hatta bazı tahminlerde bulunmak için büyük miktarda veriyi işlemek.
**Ruiya: Şu ana kadar hala yapay zekanın işlerinin yerini alabileceğinden endişe duyan çok sayıda geleneksel iç mimar var. Bu durumda tasarımcıların yaratıcılık ve insan dokunuşu açısından vazgeçilmez olduğunu onlara nasıl savunursunuz? **
Jason: Yapay zekanın geleneksel tasarımcıların yerini alması sorunu, aslında tüm ekonomik toplumda maliyetleri düşürme ve verimliliği artırma arayışıdır. Yapay zeka devrimi aslında en tekrarlayan ve yaratıcı olmayan işlerden bazılarının yerini alıyor.
Yaratıcı tasarımcıların yerini asla araçlar alamaz. Daha teknik bir iç tasarımcıysanız, AI teknolojisini benimsemeniz ve onun temel ilkeleri hakkında daha fazla bilgi edinmeniz önerilir çünkü meslekten olmayan hiç kimse endüstri modeli eğitimi veya yüksek kaliteli veri kümelerinin paketlenmesini yapamaz.
Ayrıca iletişimi iyi olan tasarımcılar aslında kendi yeteneklerini güçlendirebilirler. Elbette, daha fazla müşteriyi daha iyi bulmanıza veya kişisel fikri mülkiyetinizi veya markanızı oluşturmanıza yardımcı olmak için bu araçları nasıl kullanacağınız konusundaki düşüncenizi değiştirmeniz gerekebilir.
Çeşitli endüstriler maliyetleri düşürmek ve verimliliği artırmaktan söz ediyor, şu anda yapay zekanın yardımıyla maliyetleri düşürmek hiç de zor değil. Ancak daha iyi verimlilik elde etmek için yapay zeka araçları kullanılırsa bu da uzun vadeli bir konudur ve bundan birçok yeni fırsat da doğacaktır.