Το αυτοκίνητο που έχει σχεδιαστεί με AI παίρνει σάρκα και οστά

Ο κόσμος της σχεδίασης αυτοκινήτων είναι γεμάτος από προηγμένα εργαλεία τρισδιάστατης απεικόνισης και πλατφόρμες γλυπτικής εικονικής πραγματικότητας, αλλά το μέσο νέο σας αυτοκίνητο εξακολουθεί να εισέρχεται στον κόσμο ως σκίτσο.

Αυτά τα σχέδια παραδοσιακά βλέπουν ατελείωτη επανάληψη και τελειοποίηση από όλες τις γωνίες προτού μετατραπούν σε τρισδιάστατα μοντέλα με το χέρι, μερικά χυτά στον ψηφιακό κόσμο, άλλα γλυπτά σε πηλό για καλύτερη οπτικοποίηση των γραμμών και των περιγραμμάτων. Αυτή είναι μόνο η αρχή της διαδικασίας σχεδιασμού και ανάπτυξης που συχνά διαρκεί μισή δεκαετία ή περισσότερο.

Αυτό σημαίνει ότι πολλά από τα νέα αυτοκίνητα που έφτασαν στις αντιπροσωπείες αυτό το καλοκαίρι είχαν αρχικά προγραμματιστεί για το 2020 ή το 2021. Οι πρωτοβουλίες ξεκίνησαν όταν τα κίνητρα εναλλακτικών καυσίμων έγιναν ευρέως διαδεδομένα, οι φορτιστές ηλεκτρικών οχημάτων εξαπλώθηκαν σαν φωτιά και οι μέρες εσωτερικής καύσης ήταν μετρημένες.

Σήμερα όλα έχουν αλλάξει. Ο δεύτερος νόμος της κυβέρνησης Τραμπ κατάργησε όλα τα είδη κινήτρων για ηλεκτρικά οχήματα, καταργώντας ταυτόχρονα τους δασμούς και τους περιορισμούς εισαγωγών και εξαγωγών. Οι αυτοκινητοβιομηχανίες που κάποτε υποσχέθηκαν να γίνουν πλήρως ηλεκτρικές μέχρι το τέλος της δεκαετίας, τώρα ρίχνουν τους κινητήρες σε οτιδήποτε κινείται και τα εργοστάσια επαναλειτουργούν βιαστικά για να αποφύγουν τους χειρότερους περιορισμούς εισαγωγής.

Μέσα σε όλα αυτά, έχουμε μια έκρηξη στην τεχνητή νοημοσύνη, την οποία ένας αυξανόμενος αριθμός κατασκευαστών εκμεταλλεύεται για να επωφεληθεί από το 60μηνο παράθυρο σχεδίασης και ανάπτυξης για νέα αυτοκίνητα. Όπως συμβαίνει με τις περισσότερες πτυχές της τεχνητής νοημοσύνης, οι δυνατότητες είναι τεράστιες. Κάνετε λοιπόν μερικές από τις πιο ανησυχητικές συνέπειες.

Στην GM, η διαδικασία ανάπτυξης νέου οχήματος λαμβάνει μια ένεση τεχνητής νοημοσύνης στο στάδιο του σχεδιασμού. Ο Creative Designer της GM Dan Shapiro με καθοδήγησε στη ροή εργασίας, η οποία ξεκινά πάντα με το ανθρώπινο σχέδιο. «Αυτό είναι το νόημα αυτών των σχεδίων και η τεχνητή νοημοσύνη μας βοηθά να τα δούμε νωρίτερα», είπε.

Εισάγοντας χειροποίητα γραφικά σε ένα εμπορικά διαθέσιμο εργαλείο που ονομάζεται Vizcom, ο Shapiro μπόρεσε να δημιουργήσει ένα τρισδιάστατο μοντέλο και να υλοποιήσει πλήρως το animation σε ώρες, μια διαδικασία που προηγουμένως είπε ότι χρειάστηκε “πολλές ομάδες μήνες”.

Το παράδειγμα του Shapiro ήταν ένα πρωτότυπο αυτοκίνητο με επιθετικές γραμμές που έμοιαζε στο σπίτι στους δρόμους της Night City. Γράφοντας προτροπές όπως: “Δημιουργήστε μια δυναμική λήψη κίνησης απόδοσης αυτού του πρωτότυπου αυτοκινήτου της Chevy… άδειους δρόμους. Μοντέρνα πόλη”, δημιούργησε ένα απλό κινούμενο σχέδιο. Σύντομα κύλησαν κατά μήκος των ειδών μονίμως υγρών δρόμων που είναι απαραίτητοι σε ένα μέλλον του κυβερνοπάνκ.

Σε ορισμένες επαναλήψεις, τα κατακόρυφα καλύμματα τροχών είχαν φύγει, αλλά αυτό διορθώθηκε γρήγορα με μερικές γρήγορες αναθεωρήσεις και επαναλήψεις.

Προς το παρόν, τουλάχιστον, αυτά τα κινούμενα σχέδια χρησιμοποιούνται μόνο εσωτερικά ως κυλιόμενοι πίνακες διάθεσης για να βοηθήσουν τις ομάδες GM να δουν τι λειτουργεί. Ο Shapiro ήταν ανένδοτος ότι πάντα οι άνθρωποι σχεδιαστές διαμορφώνουν τα πράγματα, όχι η τεχνητή νοημοσύνη: «Είμαστε ακόμα μοναχοί που αποφασίζουμε πώς είναι το Buick, η GMC, η Cadillac και σε αυτή την περίπτωση η Chevy».

Αλλά η τεχνητή νοημοσύνη έχει αντίκτυπο και εκεί.

Η Υπολογιστική Ρευστοδυναμική (CFD) είναι η επιστήμη του προσδιορισμού του τρόπου με τον οποίο ένα ρευστό ρέει γύρω από ένα δεδομένο σχήμα. Τα CFD βοηθούν τα EV να κινούνται λίγο πιο μακριά σε σχέση με τη φόρτιση και τα μεγαλύτερα φορτηγά προσφέρουν λίγο καλύτερη αντίσταση στον αέρα. Από το 2018, μια ελβετική εταιρεία που ονομάζεται Neural Concept φέρνει τη δύναμη των νευρωνικών δικτύων στην τέχνη του CFD. Εργασίες που προηγουμένως χρειάζονταν ώρες σε υπερυπολογιστές μπορούν να προσομοιωθούν σε λίγα λεπτά σε GPU όπως αυτές της Nvidia.

Η Neural Concept έχει εφαρμόσει την τεχνολογία της σε οτιδήποτε, από οικογενειακά σεντάν έως αγωνιστές Formula 1 (η Williams Racing είναι ένας από τους πελάτες της) και ενώ οι περισσότεροι πελάτες της προτιμούν να παραμένουν ανώνυμοι, διατηρώντας εμπιστευτικές τις λεπτομέρειες των εργαλείων και των διαδικασιών σχεδίασής τους, η Jaguar Land Rover (JLR) επαινούσε πρόσφατα την τεχνολογία. Στο φετινό Nvidia GTC, ο Chris Johnston, ανώτερος τεχνικός ειδικός στην JLR, είπε ότι οι εναέριες αποστολές που προηγουμένως διαρκούσαν 4 ώρες ολοκληρώνονται τώρα σε 1 λεπτό.

Η General Motors βρίσκεται στον ίδιο δρόμο, αναπτύσσοντας αυτό που αποκαλεί «εικονική αεροδυναμική σήραγγα που λειτουργεί με AI». Ο Scott Parrish, τεχνικός συνεργάτης και διευθυντής εργαστηρίου στο τμήμα R&D της GM, μου έδωσε ένα demo. «Έχουμε αναπτύξει ένα μοντέλο τεχνητής νοημοσύνης για να παρέχουμε σχεδόν σε πραγματικό χρόνο πρόβλεψη των νεφών», είπε. Οι σχεδιαστές και οι μηχανικοί μπορούν να σπρώξουν και να τραβήξουν επιφάνειες και να λάβουν σχεδόν άμεση ανατροφοδότηση.

Δεν είναι μόνο η αναμόρφωση των αυτοκινήτων. Αλλάζει επίσης η διαδικασία GM. Όπου προηγουμένως οι σχεδιαστές παρέδιδαν μοντέλα σε μηχανικούς CFD, οι οποίοι τα δοκίμαζαν για αρκετές ημέρες ή εβδομάδες πριν από την παροχή σχολίων, αυτό είναι τώρα πιο συχνό. Δεδομένου ότι οι σχεδιαστές μπορούν να παράγουν τρισδιάστατα μοντέλα γρήγορα, η εργασία CFD μπορεί να ξεκινήσει νωρίς.

Ωστόσο, αυτές οι αυτοματοποιημένες διαδικασίες δεν είναι τέλειες. «Χτίζουμε αυτόνομα συστήματα που σχεδιάζουν αυτοκίνητα με ισχυρή ανθρώπινη επίβλεψη», δήλωσε ο Pierre Paquet, Διευθύνων Σύμβουλος και συνιδρυτής της Neural Concept. «Η αξία προέρχεται από το συνδυασμό της ταχύτητας της τεχνητής νοημοσύνης με την ανθρώπινη κρίση, όχι από την αφαίρεση του ανθρώπου από την εξίσωση».

Η εμφάνιση του αυτοκινήτου και η διείσδυσή του στον αέρα δεν είναι οι μόνες πτυχές που συμβάλλουν στον οδικό χάρτη ανάπτυξης μισής δεκαετίας. Ο προγραμματισμός έχει γίνει ένα όλο και πιο μεγάλο έργο. Η ώθηση προς οχήματα που καθορίζονται από λογισμικό σήμαινε πιο περίπλοκες προσπάθειες ενοποίησης που καθυστέρησαν τις εκτοξεύσεις και κοστίζουν δισεκατομμύρια. Η τεχνητή νοημοσύνη θεωρείται και εδώ ως πιθανό όφελος.

Στη Nissan, η κύρια εστίαση είναι στην αυτοματοποίηση μερικών από τις απλές εργασίες ανάπτυξης λογισμικού, όπως οι δοκιμές μονάδων. Αυτά τα εργαλεία δημιουργίας κώδικα «βελτιώνουν την ταχύτητα ανάπτυξης καθώς και την ποιότητα», μου είπε ο Takashi Yoshizawa, ο υπεύθυνος της Nissan για οχήματα που καθορίζονται από λογισμικό.

Ένα κοινό θέμα μεταξύ των εταιρειών που ασχολούνται με την τεχνητή νοημοσύνη είναι ότι θα ενισχύσει την παραγωγικότητα των εργαζομένων, εξαλείφοντας τις επιπόλαιες εργασίες και όχι μειώνοντας τον αριθμό των εργαζομένων. Οι εκπρόσωποι της GM ήταν ανένδοτοι σε αυτό το σημείο. «Αυτό έχει αντίκτυπο σε κάτι που ανησυχεί αρκετούς ανθρώπους, αλλά ο τρόπος με τον οποίο πραγματικά ωφελούμαστε από αυτό είναι να επιτρέπουμε στους ανθρώπους να κάνουν αυτό που έχουν ήδη έρθει στη GM», είπε ο Brian Stiles. Είναι Διευθυντής Σχεδιαστικής Καινοτομίας και Επιχειρήσεων Τεχνολογίας στην GM Global Design.

Ο Pierre Paquet του Neural Concept είπε το ίδιο για τους πελάτες του: «Η πλατφόρμα μας έχει σχεδιαστεί για να ενισχύει τις ομάδες μηχανικών, όχι να τις μειώνει».

Ο Matteo Licata δεν είναι τόσο σίγουρος. Πρώην σχεδιαστής αυτοκινήτων, σήμερα είναι καθηγητής στο IAAD (Istituto di Arte Applicata e Design) στο Τορίνο. «Οι θέσεις εργασίας σε στούντιο σχεδιασμού μπορεί να μην εξαφανιστούν αμέσως, αλλά κατά την άποψή μου, μόνο ένας ανόητος θα πίστευε ότι μια τέτοια τεράστια αύξηση στην παραγωγικότητα δεν θα επηρέαζε τον αριθμό των στούντιο με τον ένα ή τον άλλο τρόπο», είπε.

Αυτό έχει μερικές από τις πιο ανησυχητικές συνέπειες για τους μαθητές της Licata. «Η ενασχόληση με το σχεδιασμό αυτοκινήτων ήταν πολύ δύσκολη πριν από την τεχνητή νοημοσύνη, και τώρα είναι ακόμα πιο δύσκολο», είπε.

Το αν η τεχνητή νοημοσύνη είναι ευλογία ή καταστροφή εξαρτάται σε μεγάλο βαθμό από το πόσο σοφά την χρησιμοποιούν οι κατασκευαστές. Κάποιοι δείχνουν καλύτερη κρίση από άλλους. Η Dodge δημοσίευσε πρόσφατα μερικές υποτιθέμενες «παλιές οικογενειακές φωτογραφίες» των πιο δημοφιλών μοντέλων της πριν από 20 χρόνια. Στην πραγματικότητα, οι εικόνες που δημιουργούνται από την τεχνητή νοημοσύνη μόλις και μετά βίας μοιάζουν με τις πραγματικές.

Εκτός από τα λάθη στο μάρκετινγκ, ο στόχος τώρα είναι η ταχύτητα. Η τεχνητή νοημοσύνη χρησιμοποιείται ήδη στη διαδικασία σχεδιασμού της GM σε οχήματα επόμενης γενιάς, αλλά κανείς δεν έχει σχολιάσει πότε θα κυκλοφορήσει στην αγορά. Από την πλευρά της, η Nissan εργάζεται για την επίτευξη ενός στόχου 30 μηνών για νέα οχήματα, καθώς προσπαθεί να ανακτήσει τη δυναμική στην αμερικανική αγορά.

Είναι αρκετά γρήγορο αυτό; Θα το μάθουμε το 2029.