Je li to isto, slično ili posve različito?
Kao sto je BIM sinonim za korištenje naprednih alata za upravljanje informacijama u našoj industriji, tako je i AI postao sinonim za sve što je automatizirano. Možda zbog jednostavnosti komunikacije a možda kako bi se svakakva rješenja provukla kao AI jer je danas jako popularno imati AI integriranu u svako rješenje koje postoji. Pa tako i neke velike kompanije reklamiraju da koriste AI iako ga nemaju niti u tragovima. Jer ono sto imaju je ipak nešto drugo.
Danas se često generativni dizajn pokušava “prodati” pod AI. Je li to opravdano?
Upotrebom generativnog dizajna stvarno ćemo dobiti rezultate kojim nismo sami nacrtali, kao sto ćemo to dobiti i sa AI. Točnije rečeno generative AI, jer ono sto mi danas uglavnom koristimo u kreativnim industrijama je taj generativni od AI. To dobivanje nečega iz “ničega” je po meni jedina bitna sličnost ova dva koncepta.
Generativni dizajn
U generativnom dizajnu proces teče tako da imamo neki problem i za njega želimo najbolje rješenje. Ono sto moramo napraviti mi je da preciziramo problem i da odredimo jasne kriterije koje želimo zadovoljiti kako bi mogli pronaći najbolje rješenje. Mi nismo ti koji dajemo varijante rješenja – to radi računalo – ali prema, s naše strane, jasno određenim kriterijima. Ideja korištenja računala je da ono može u kratkom vremenu generirati mnoštvo različitih rješenja. Još je jedna prednost što računalo nije opterećeno nekim našim “ograničenjima” pa će u toj gomili rješenja ponuditi i neka do koja nama možda i ne bi pala na pamet.
Drugi dio procesa je analiza tih rješenja i uspoređivanje sa zadanim kriterijima. Kriterijima koje smo mi zadali. Kako tih kriterija može biti više tako i rješenja neće u istoj mjeri zadovoljavati sve kriterije. Tako da ćemo dobiti vise kvalitetnih rješenja koja svako na svoj način zadovoljava pojedine kriterije. Ovim procesom sužavamo izbor na manji postotak rješenja od kojih onda odabiremo ono koje je za nas najpovoljnije tj. Koje u najboljem omjeru zadovoljava zadane kriterije. Omjer vrijednosti kriterija možemo, opet mi, zadati računalu kako bi ono za nas odabralo ono pravo rješenje. Tako, ovim procesom, na osnovu zadanih početnih uvjeta, preko mnoštva varijanti rješenja i analizom zadovoljavanja kriterija dobivamo optimalna rješenja. Sužavamo odabir sa mnoštva na nekoliko.
AI
Danas se i AI u našoj industriji uglavnom koristi za generiranje rješenja. U tom “čarobnom” procesu mi upisujemo opis što bi željeli kao rezultat i onda se pred nama pojavljuje neki tlocrt, 3D model ili vizualizacija objekta. Stvarno djeluje nestvarno kako je to moguće.
Za razliku od GD ovdje ne moramo jako precizno definirati problemski zadatak. U AI to može biti tek prompt od nekoliko rečenica. Naravno to je puno jednostavnije od konkretnog definiranja problemskog zadatka ali tako će i rezultat biti nešto sto će, iako impresivno, samo donekle odgovarati rješenju. To sto na taj način dobijemo je uglavnom neko „random“ rješenje. Možemo mi to još malo dorađivati finijim opisima željenog ali će to i dalje biti smo jedna od bezbroj varijanti bez neke prevelike kontrole s naše strane.
Jednostavnost korištenja
Problematika kod GD je to što je definiranje zadatka koje bi računalo moglo razumjeti i onda upotrijebiti za generiranje rješenja i definiranje kriterija za odabir optimalnog rješenja – uglavnom kompleksan posao za koji treba poznavati barem nešto kodiranja ili vizualnog programiranja. U nekim aplikacijama je to pojednostavljeno kako bi bilo primjenljivije za upotrebu ali ti me se izgubilo na šarolikosti dobivenih varijanti rješenja i sve se svelo na neke jednostavne varijacije u osnovnim dimenzijama rudimentarnih rješenja. S druge strane ovim procesom možemo uz taj trud postići to da na kraju imamo stvarno optimalno rješenje.
AI je puno jednostavniji. Jedino sto trebamo znati je napisati prompt po nekom šalabahteru i voila – rješenje je tu. Ali kakvo rješenje? Jedno od mnogih koje bi moglo donekle zadovoljiti neke od kriterija koje smo si postavili. Uz malo vještine i dodatnog “razgovora” sa AI rezultat će biti nešto precizniji ali i dalje jedno od mnogih mogućih rješenja. U ovom konceptu ćemo lako dobiti veliku širinu posve različitih rješenja i svako od njih će dodati neki novi sadržaj no ne nužno i bolje rješenje.
Od puno prema konkretnom ili od malo prema mnoštvu
GD nam na gore opisani način nudi da od mnoštva rješenja odaberemo ono optimalno, a AI da nam na osnovu grube ideje da neku širinu mogućnosti ili inspiraciju za nastavak rada. Pa bi ja zaključio ipak da su ta dva koncepta prije posve različita nego ista, i da bi ih ipak trebalo razlikovati u marketinškim prezentacijama pojedinih alata. Time ne umanjujem vrijednost niti jednog koncepta. Jer iako GD danas nije toliko marketinški efektan – po meni ima u mnogo slučajeva veću vrijednost. Jer inspiraciju možemo dobiti na razne načine i nas proces može teći na razne načine, ali optimalno rješenje nekog problema je obično samo jedno.
Dok ne postane jedno
Budućnost će nam vjerojatno donijeti približavanje ova dva koncepta. U trenutku kada će neki od problema koje trebamo riješiti biti jasno definirani u formatu čitljivom za računala i algoritme i kada će kriteriji biti normirani na isti taj način tada ćemo vjerojatno moći iskoristiti neki AI da iščita zadatak, iskoristi neki algoritam za GD, usporedi sa kriterijima i da nam optimalno rješenje. Rekao bih čak da su tehnička rješenja za to već i danas moguća, samo ih nekako treba uklopiti u jedan sustav. U tom slučaju će i dalje AI i GD biti dva koncepta, ali će AI biti sučelje za oba pa će ih biti puno teze, a možda i nepotrebno razlikovati.
