1700550537
图4–1举出了一个例子。正如你现在可能猜到的那样，它是由一台电脑设计的。
1700550538
1700550539
1700550540
1700550541
1700550542
图4–1 使用生成式设计软件设计的热交换器
1700550543
1700550544
图片来源：欧特克有限公司。
1700550545
1700550546
自然而然的设计
1700550547
1700550548
图4–1所示的热交换器是生成式设计的一个例子，在这种设计流程中，软件完全自动化地做完所有工作，并提出一个或多个满足所有要求的完整设计方案，而不是帮助人类设计师绘制图纸、执行计算并权衡决策。
1700550549
1700550550
这部分工作是通过3D打印制作的。事实上，用传统制造工艺不可能实现同样的效果。但既然3D打印已是现实，那么生成式设计软件就不再受制于旧的生产方式，它可以自由想象，提出多种多样的形态。与大多数（如果不是全部）人类设计师不同，软件不会有意识地或下意识地偏向现有方法，因此它确实是更自由的探索。
1700550551
1700550552
生成式设计软件真的有“创意”吗？这是一个很难回答的问题。创意本是人工智能先驱马文·明斯基所说的“手提箱里的词汇”的一个很好的例子。正如他所说，“我们用来形容人脑的大多数词语，如意识、学习或记忆等，是犹如手提箱物品混搭一样的不同观念”。从创意一词的不同定义中，我们看到一个这样的混搭例子。例如，《牛津英语词典》说创意是“想象力或原创思想的运用，尤其是在艺术作品的制作中”。
1700550553
1700550554
由生成式设计软件制成的热交换器并不真正符合这一定义，因为它既不是一件艺术作品，也不是任何人的想象力所致。然而，梅里厄姆–韦伯斯特（Merriam-Webster）对创意的定义大不相同：“它是创造新事物或思考新想法的能力。”根据这个定义，我们认为生成式设计软件显然是有创意的。
1700550555
1700550556
人类在图4–1所示部件的设计工作中无所作为，但是就指引生成式设计软件去设计何种部件而言，人类是必不可少的。人定义了部件必须完成的工作，因而确定了对软件的输入。要做到这一点，他们必须了解该部件必须安装的地方，运作所需的环境，必须能够转移的能量，等等。简言之，这些“人类说明师”具有大量的相关领域知识和技能，与提出热交换器设计的人类设计师相比，可能都不遑多让。
1700550557
1700550558
人竞机择的设计
1700550559
1700550560
如果上述相关知识至少有一部分可以自动生成，那会怎么样？如果可以在生成式设计软件和3D打印的组合中加入其他工具，从而将创意方面的数字化技术向前再推进一步，那么又会发生些什么？从2013年开始，欧特克有限公司与洛杉矶的一批汽车设计师和特技司机合作，试图寻找答案。他们的目标是建立一个自动化系统，它可以从头开始设计一款赛车底盘，并由自己确定底盘所需的性能指标，也就是规格。
1700550561
1700550562
为完成这项工作，该团队首先造了一辆简版的传统赛车，基本上，它只有底盘、变速箱、发动机、座椅和车轮。然后，团队在底盘铺上传感器，用传感器测量有关数值，包括应力、应变、温度、位移以及底盘必须能够实现的其他所有方面。正如我们上一章讨论的那样，数字化传感器现在变得更加小巧，同时也更加便宜，而且功能更强，所以该团队可以从这个仪表化的底盘中轻易获得大量的准确数据。
1700550563
1700550564
他们把这辆用传感器集成的汽车带到了莫哈韦沙漠，在那里，一名测试的司机检验其各种性能，在不发生碰撞的前提下，他全力地加速、制动和转向，而汽车的传感器则忙于搜集数据。这场极速测试结束时，团队获得了大约2 000万个关于汽车结构和作用力的数据点，这些数据点被置入Dreamcatcher项目（欧特克有限公司的生成式设计技术）之中，用于开发现有底盘的3D模型。图4–2显示了软件的生成结果。我们只能模糊地认出一个赛车底盘。它看起来更像是猛犸象或鲸鱼的头骨，或者是硅藻[1]在显微镜下显示的二氧化硅骨架。
1700550565
1700550566
这并非巧合。骨骼、外骨骼和其他自然界的结构是自古以来从未间断的进化竞争的赢家，竞争的结果关乎生死存亡。进化已经产生了奇妙的设计，即同时具有弹性、耐力、节能、复杂性、强壮和苗条等诸多特点的人体设计。鉴于此，如果生成式设计软件被赋予重任，设计一组符合性能要求的最佳结构，并且最终生成一些看起来好像来自大自然的东西，那么我们也许不应对此感到太惊讶。
1700550567
1700550568
1700550569
1700550570
1700550571
图4–2 赛车底盘模型
1700550572
1700550573
图片来源：欧特克有限公司。
1700550574
1700550575
你注意到另一个不寻常的特征吗？这种底盘是不对称的，它的左右两侧不是彼此的镜像。这是有道理的。因为赛车更频繁地沿着某个方向转圈，因此它的底盘两侧受力有很大不同。人类设计师已经意识到这个事实很久了，但是他们的作品很少达到生成式设计软件实现的深度不对称效果。
1700550576
1700550577
像赛车底盘这样的例子告诉我们，数字化的创意不仅仅是模仿和渐进。除了对人类已然做成的事情进行延伸和组合，电脑还能提出更多的创意。我们乐观地认为，近乎极端的事情可能会发生，当电脑熟谙我们累积的科学和工程知识，并且得悉具体情况的性能要求，或者有足够数据来确定这些要求时，它们就会提出我们根本想不到的新颖方案。
1700550578
1700550579
“找到了！”
1700550580
1700550581
在建立体验的过程中，数字化设计师不带有人类日积月累的偏见和盲从，这几乎是必然的。现在有数量惊人的计算能力可供使用，意味着数字化设计师可以又快又好地探索可能的解决方案，甚至可以说，它们提出的方案比一栋大楼的人类设计师所能提出的还要多。事实上，数字化的创作者已经这样做了。
1700550582
1700550583
在科学中，提出一个新理论，然后终于得到实验结果的支持，就是“找到了！”（Eureka! ）式创意的典型事例。拜勒医学院的计算生物学家和IBM的分析专家开展的一项精妙研究表明，IBM的人工智能沃森可以用于提出有用的科学假设。该团队正在寻找激活p53蛋白的激酶[2]，因为它能抑制癌细胞的生长。他们让沃森“阅读”[3]了针对该主题公开发表的7万篇科学论文，然后要求它预测可以激活或关闭p53蛋白活性的激酶。沃森提出了7个假设选项。
1700550584
1700550585
怎么判断这些选项是好是坏呢？我们知道，研究者只向沃森提供了2003年之前发表的论文。这意味着他们可以利用2003—2013年这10年的科学进展来检验沃森提出的假设，看看其中有哪些通过了理论审核并得到实验支持（如果有的话）。实际上，沃森提出的所有7种候选激酶都激活了p53蛋白。如果我们注意到在过去30年里，这一领域的科学研究每年大约只发现一种能激活p53蛋白的激酶，那么上述结果就更加令人印象深刻。这可不是一个玩玩而已的问题。
1700550586