چکیده
در قرن حاضر دو حوزه تغییرات مثبت شگرف و بزرگی را تجربه کرده اند و شاید هیچ گاه در تاریخ به اندازه امروز ملموس، موثر و مهم نبوده اند، این دو حوزه عبارتند از طراحی(design) و هوش مصنوعی(artificial intelligence). در همان روزهایی که طراحی یا دیزاین متاثر از انقلاب صنعتی(1760-1840) دچار تحولات بزرگ شده بود، بارقه های آغازین پایه های فلسفی مفهومی انقلابی به نام هوش مصنوعی نیز در حال ظهور بود. حالا با گذشت چیزی حدود دو قرن و با پیشرفت های بزرگ و سریع تکنولوژیک و فناوری اطلاعات دو حوزه هوش مصنوعی و طراحی به نقطه بلوغ خوبی رسیده اند. نقطه بلوغی که میتواند سرآغاز تعاملات بزرگ وکاربردی بین این دو حوزه و از پی آن تحولات بنیادین مثبت در تاریخ زندگی بشر باشد.
آنچه که این مقاله سعی دارد به آن بپردازد، نقش هوش مصنوعی در طراحی است. پرداخت این موضوع با تمرکز بر پژوهش‌های پیشین یکی از افراد صاحب نام در این حیطه یعنی پروفسور جان جرو(john gero) بوده است. آقای جرو استاد و پژوهشگر دانشگاه کارولینای شمالی است و در تحقیقات حوزه طراحی و به طور اخص زمینه طراحی محاسباتی فرد مشهوری محسوب می‌شود.ذکر این نکته حائز اهمیت است که نگارش مقاله حاضر با بهره گیری از مطالعات متأخر جرو صورت گرفته و برای تدقیق بهتر مطالب از منابع دیگر نیز استفاده شده است.با این حال ذکر این نکته نیز ضروری است که به علت تمرکز بر مقالات یک شخص و در یک حوزه زمانی خاص شاید نتواند قابلیت تعمیم داشته باشد.
همچنین یکی از دلایل مهم اهمیت نگارش مقاله مروری با موضوع هوش مصنوعی در طراحی کمبود جدی مقالات مروری در این دسته یا موضوع است.از طرفی با اینکه اخیرا نگارش و چاپ مقالاتی که به نقش و تعاملات بین هوش مصنوعی و طراحی می‌پردازد رو به افزایش است، اما در یک نگاه اولیه پراکندگی موضوعات و محتوای مقالات محسوس است. شاید بتوان وسیع و گسترده بودن ذاتی هر دو حیطه هوش مصنوعی و طراحی را جزو مهم ترین دلایل این امر بیان کرد اما چالش های اساسی در پیدا کردن ادبیات مشترک و توافق شده را نیز از نظر نباید دور داشت. جان جرو در سرمقاله ایی در مجله AIEDAM(Artificial Intelligence for Engineering Design, Analysis and Manufacturing) و به مناسبت بیستمین سالگرد تاسیس مجله مینویسد:" یک جهت مهم در تحقیقات،آنتولوژی (هستی شناسی) در طراحی است. هستی شناسی نقش مهمی در توسعه یک زمینه تحقیقاتی ایفا می‌کند، یکی از سختی های تحقیقات هوش مصنوعی در طراحی فقدان آنتولوژی (هستی شناسی) توافق شده است[1]."
با این حال و با توجه به روند پیشرفت و افزایش دسترسی پذیری تکنولوژی و همچنین جهش درهمکاری های بین رشته ایی در سال‌های اخیر بسیار امید می رود که تعاملات این دو حیطه گسترده و مهم روز به روز افزایش یافته و منجر به اتفاقات تحول برانگیز مثبت در جهت منافع عمومی انسان‌ها گردد.
مقدمه
انقلاب صنعتی به علت تغییر الگوی مصرف و تولید طراحی را در جایگاه مهمی نشاند و اهمیت آن را روزافزون گرداند. همچنین طراحی صنعتی که یکی از زمینه های مهم و پیشرانه های طراحی محسوب می‌شود خود زاده مستقیم انقلاب صنعتی است[2].
اهمیت انقلاب صنعتی در تاریخ تحول طراحی بسیار زیاد است به گونه ایی که مثلا توماس هاف (Thomas Hauffe) در کتاب تاریخ مختصر طراحی صنعتی فصلی مجزا در همون فصول اولیه برای انقلاب صنعتی اختصاص داده و این رخداد تاریخی را در تاریخ طراحی مهم می‌داند.
در همان سال‌ها پایه های فلسفی هوش مصنوعی با این علاقه و تفکر که بتوان چیزی مانند انسان ساخت که بتواند پاره ایی از اعمال انسانی را تقلید کند و انجام دهد در حال محکم شدن بود. حدود یک قرن قبل از انقلاب صنعتی و با پیشگامی فیلسوفی چون دکارت این تفکر به نوعی شکل گرفت[3]. گرچه که تمام متفکران و فیلسوفانی که به این مسئله می اندیشیدند نامی از هوش مصنوعی نیاوردند و آن را متصور نبودند اما به شکل غیرمستقیم در تولد تدریجی هوش مصنوعی دخیل بودند.
پیشرفت‌های علمی بزرگ در قرن بیستم تصور هوش مصنوعی را به میدان واقعیت آورد و در نهایت آنقدر توانست نگاه ها را به خود جلب کند که عده ایی آن را رکن اساسی انقلاب صنعتی چهارم بنامند. تحقیقات نظری هوش مصنوعی از دهه چهل میلادی قرن بیستم با نقش آفرینی عمده آلن تورینگ(Alan Mathison Turing) و کلود شانون(Claude Elwood Shannon) کلید خورد[4]. در اواسط دهه پنجاه، در کنفرانسی در دانشگاه دارتموث اتفاقی تاریخی و کلیدی درتاریخ هوش مصنوعی رخ داد و آن به کار بردن واژه "هوش مصنوعی" برای اولین بار توسط جان مک کارتی(John McCarthy) بود[5].
در دهه های پنجاه تا هشتاد میلادی عمده تحقیقات نظری و کارهای عملی در هوش مصنوعی مبتنی بر پارادایمی به نام هوش منصوعی نمادین(symbolic AI) بود. این پارادایم که مبتنی بر فرضیه سیستم نماد فیزیکی هربرت سایمون(Herbert Alexander Simon) و آلن نیوول(Allen Newell) بود بعدها منسوخ شد و پارادایم دیگری به نام پیوند گرایی(AI connectionist) به منصه ظهور رسید که تا به امروز همچنان جایگاه عمده خود را حفظ کرده است.
اهمیت هوش مصنوعی در عصر کنونی که عصر تکنولوژی نامیده می‌شود برهیچ کیس پوشیده نیست، از طرفی طراحی نیز که در عصر حاضر بیش از پیش به کاربران به عنوان هدف نهایی بها می‌دهد تبدیل به ابزاری ضروری برای شرکت‌ها و سازمان‌ها گشته است. از همین رو ترکیب و تعامل این دو حوزه بسیار مهم نباید از چشم پژوهشگران هر دو حوزه دور بماند.
به عقیده جان جرو هوش مصنوعی منطقه حاصل‌خیزی برای طراحی است که طراحان می‌توانند از آن الهام های گوناگونی بگیرند[1].
ترکیب هوش مصنوعی با طراحی و کاربردهای آن بسیار میتواند گسترده و چند منظوره باشد اما تاکنون بیشترین کاربرد و تعامل هوش مصنوعی با طراحی به عنوان یک ابزار کمکی در انجام تحقیقات و پژوهشها در حوزه طراحی بوده است. نایجل کراس(Nigel cross)، پژوهشگر و استاد طراحی، در کتاب خود یعنی تفکر طراحی مینویسد:"پیشرفت نسبتا جدیدی که در روش پژوهش ایجاد شده است، تلاش پژوهشگران هوش مصنوعی برای شبیه سازی اندیشه های انسانی با فنون هوش مصنوعی بوده است. گرچه شاید هوش مصنوعی بتواند جایگزینی برای تفکرات آدمی باشد، اما تحقیق به وسیله هوش مصنوعی میتواند ابزاری برای فهم تفکر انسان نیز باشد]6[."
امید می‌رود که پتانسیل های زیادی که در این حوزه مغفول مانده در همکاری های مشترک پژوهشگران این دو حوزه شناسایی و شکوفا شود. این مسئله مستلزم شناخت کافی پژوهشگران از فضا و چهارچوب فکری متفاوت یکدیگر و رسیدن به یک ادبیات مشترک است.
مقاله پیش رو سعی دارد با تمرکز بر مقالات جان جرو قسمتهایی کوچک از همکاری های مشترک و نقاط تلاقی هوش مصنوعی و طراحی را به بحث بگذارد.
روش کار
همانطور که پیش از این و به صورت اجمالی بیان شد پایه اصلی تحقیقات برای نگارش این مقاله را پژوهش‌های متاخر جان جرو تشکیل می‌دهد. در نگاه اول مقالات جان جرو بسیار زیاد و متعدد بود و به همین علت مقالات او از سال 2015 تا 2021 بررسی شد که تعداد این مقالات حدود صد مقاله بوده است. با این حال ودر پایان باتوجه به کمبود و پراکندگی محتوای مورد نظر از مقالات اندک دیگری خارج از این بازه تاریخی نیز استفاده شده، نحوه گزینش این مقالات قبل از این تاریخ نیز با جستجوی کلید واژه هوش مصنوعی و طراحی درعناوین دیگر مقالات جان جرو بوده است.
نحوه بررسی این صد مقاله این گونه بوده است که چکیده مقالات بررسی شده تا سطح ارتباط آن با موضوع انتخابی مشخص شود. همچنین در کنار بررسی چکیده، خود کلیدواژه هوش مصنوعی نیز در متن مقالات جستجو شده است.
پس از بررسی اولیه چکیده مقالات و با توجه به احتمال انطباق شان با موضوع مد نظر به دسته احتمال انطباق کم، متوسط و زیاد تقسیم شدند. تعداد این مقالات حدود پانزده مقاله شد. در بررسی بیشتر این مقالات به عدد شش رسید. با این حال چالشی اساسی در پایان بررسی ها خود را نشان داد. پراکنده بودن محتواهای مقالات به نوعی که محتواهای استحراج شده از مقالات به مانند جزیره هایی کاملا جداگانه بودند که اتصال آنها سخت جلوه می‌کرد. از طرفی بحث مستقیم درباره هوش مصنوعی بیشتر در حد اشاره هایی کوتاه و ارجاع گونه بود. همچنین بعضی الگوها و تکنیک‌ها که زیرمجوعه حوزه های مختلفی قرار می‌گیرد به خوبی آشکار نبود که میتواند در موضوع قرار گیرد یا خیر.
از این رو یکی از مقالات جان جرو که مربوط به سال 2007 و در واقع سرمقاله ایی برای بیستمین سالگرد تاسیس مجله AIEDAM(Artificial Intelligence for Engineering Design, Analysis and Manufacturing) بود به عنوان چهارچوب کلی اثر انتخاب شد تا تلاش شود مطالب استخراج شده در آن قالب به هم پیوند بخورند. با این حال ناچارا بخش قابل توجه ایی از مطالب استخراج شده نیز دچار حذف و تعدیل شد.
کلیدواژه ایی که عمدتا در عناوین و متون مورد جستجو قرار گرفته است هوش مصنوعی بود. همچنین در بعضی مقالات به صورت موردی کلماتی چون یادگیری ماشین و داده کاوی نیز مورد جستجو قرارگرفت.
جان جرو در متنی کنایه آمیز مینویسد:" هدف دیزاین یا طراحی تغییر دنیایی است که خود در آن فعالیت می‌کند(خودش را بصورت پویا تغییر می‌دهد) و همچنین طراحان عوامل (agents) را تغیر می‌دهند. از همین رو طراحی حتی برای انسان‌ها نیز دشوار به نظر می‌رسد چه برسد به ماشین‌ها[1]."
با این حال و با وجود موانع متعدد بر سر همکاری و همیاری ایده آل هوش مصنوعی و طراحی، تاکنون مسائل خوبی در تعاملات این دو حوزه رقم خورده است، موید این مسئله نیز میتواند مقالات مختلفی در این زمینه باشد که جان جرو نویسندگی و یا داوری آنها را برعهده داشته است.
اگر با دقت به پیشینه تاریخی طراحی و هوش مصنوعی در عصر گذشته به صورت جداگانه نگاه کنیم به اسامی مشترک جالبی برمیخوریم. یکی از اشخاصی که هم در تاریخ هوش مصنوعی و هم در تاریخ طراحی موثر بوده هربرت سایمون است. هربرت سایمون، دانشمند و استاد دانشگاه کارنگی ملون، پژوهشگری بود که در رشته های مختلف و در پژو هش‌های بین رشته ایی متعددی شرکت داشت. او با آنکه در زمینه هوش مصنوعی اثرات بیشتری برجای گذاشت و نام مطرح تری محسوب می‌شود اما تعاریفی هم که در حوزه طراحی پیشنهاد داد تأثیرات قابل توجهی بر این حوزه گذاشت.
در سال 1967، هربرت سایمون در سلسله سخنرانی های کامپتون (که به یادبود کارل تیلور کامپتون و در دانشگاه MIT برگزار می‌شد) برای توضیح ایده خود در زمینه هوش مصنوعی از دیزاین یا طراحی به عنوان مثال استفاده کرد. او با طراحی به عنوان نوعی از حل مسئله برخورد کرد. در عین حال سایمون طراحی را دسته بدساختار(ill-structured) یا سخت در دسته های حل مسئله تعریف می‌کرد[1].
به زعم جان جرو این مسئله و چهارچوبی که سایمون ارائه داد پایه و اساس هوش مصنوعی در طراحی را با فرض طراحی به عنوان جستجو(به عنوان عملیات جستجو) و به صورت کلی تر طراحی به مثابه حل مسئله شکل داد[1].
جان جرو در بررسی های سیر تاریخی کاربرد هوش مصنوعی در طراحی در عصر گذشته دو دسته بندی طراحی به مثابه حل مسئله و طراحی به مثابه طراحی را ارائه می‌دهد. او همچنین چهارچوب ارائه شده توسط سایمون را مبدا مناسبی برای بررسی های تاریخی نگاه طراحی به مثابه حل مسئله می‌داند. نگاه طراحی به مثابه حل مسئله، طراحی را نوعی جستجو از بین راه حل‌ها برای تبدیل وضعیت فعلی به وضعیت مطلوب می‌داند. هربرت سایمون بخش قابل توجه ایی از طراحی را تبدیل یک مسئله بدساختار به خوش ساختار برای حل آن می‌داند[7]. همچنین قابل ذکر است که سخنرانی مذکور و چهارچوب پیشنهادی سایمون باعث تخصیص دادن بودجه های قابل توجه به پژوهشها و تحقیقات حوزه روشهای(method) طراحی و همچنین تئوری طراحی در کشورهایی چون انگلیس،آمریکا و استرالیا شد[8].
اما نقش هربرت سایمون در این بحث فقط به ارائه یک چهارچوب پیشنهادی که طراحی را نوعی حل مسئله می‌دانست محدود نمی‌شود بلکه در همان برهه زمانی سایمون با ارائه فرضیه ایی به نام سیستم نماد فیزیکی تغییرات بزرگی را در هوش مصنوعی رقم زد. این همزمانی باعث همپوشانی های جالبی در روند مشترک هوش مصنوعی و طراحی در آن برهه تاریخی شد.
در دهه 1960 فرضیه سیستم نماد فیزیکی توسط هربرت سایمون و آلن نیوول مطرح شد. فرضیه سیستم نماد فیزیکی از زبان صاحبان این فرضیه به صورت خلاصه از این قرار است که"يك سیستم نمادهاي فيزيكي ابزارهاي لازم و كافي براي پياده سازي هوشمندي عمومي را داراست[4]. " این تعریف از هوشمندی باعث برآمدن پارادایمی در هوش مصنوعی شد که به نام هوش مصنوعی نمادین شهرت یافت. این پارادایم از دهه شصت تا هشتاد میلادی نگاه غالب در هوش مصنوعی بود اما با نقدهای متعددی که به آن وارد شد کنار رفت و پارادایم هوش محاسباتی جای آن را گرفت.سیستم های خبره(expert systems) از جمله نتایج مهم پارادایم هوش مصنوعی نمادین و همچنین شبکه های عصبی مصنوعی و سیستم‌های فازی (که امروزه کاربردهای بسیاری دارند) نیز از جمله نتایج مهم برآمده از پارادایم هوش محاسباتی هستند.
جان جرو در مقاله ایی که تغییرات پنجاه سال گذشته تحقیقات در طراحی را مورد بررسی قرار می‌دهد روند طراحی را این‌گونه و به این ترتیب تقسیم بندی می‌کند:"طراحی با استفاده از شبیه سازی، طراحی با استفاده از بهینه سازی، طراحی با استفاده از هوش مصنوعی و طراحی با استفاده از علوم شناختی[8]." جان جرو استفاده از مواردی چون بهینه سازی را نسبت به هوش مصنوعی در تحقیقات طراحی پر رنگ تر می‌داند و از کم بودن تحقیقات مبتنی بر هوش مصنوعی گلایه می‌کند:" به طور قابل توجه ایی فقط تعداد کمی تحقیقات مبتنی بر هوش مصنوعی در طراحی در مقایسه با تحقیقات مبتنی بر بهینه سازی در طراحی به صنعت طراحی راه پیدا کرده است. از آن سو بسیاری از تحقیقات بدون استفاده از هوش مصنوعی انجام می‌شود[1]."
اما همانطور که پیش از این نیز گفته شد جان جرو در روند بررسی تاریخی کاربرد هوش مصنوعی در طراحی دو دسته بندی طراحی به مثابه حل مسئله و طراحی به مثابه طراحی را ارائه می‌دهد.
عملیات جستجو در طراحی به مثابه حل مسئله نقشی اساسی را دارا بود. در سال1987 الگوی غالب مقالات هوش مصنوعی در طراحی، طراحی به عنوان یک سلسله عملیات جستجو فرض گرفته می‌شد. طراحی به عنوان عملیات جستجو بیشتر بر پایه تحقیقات قبلی منطبق با تحقیق در عملیات و بهینه سازی بود، اما هوش مصنوعی نمادین تغییرات مثبتی را ایجاد کرد. هوش مصنوعی با گسترده کردن دامنه جستجو از محاسباتی(numeric) به نمادین(symbolic) اجازه ظهور طیف وسیع‌تری از بازنمایی ها(representation) را می‌داد و همین امر باعث شد تا دامنه بیشتری از مسائل طراحی مورد توجه قرار گیرد. در آن برهه استفاده از مفاهیم و فناوری های در حال توسعه هوش مصنوعی مانند سیستم های خبره(expert systems)، سیستم‌های مبتنی بر محدودیت(constraint-based systems)، پارادایم برنامه نویسی منطقی(logic programming)، واستدلال مبتنی بر مورد(case-based reasoning) کمک شایانی به طراحی به مثابه حل مسئله کرد . از همین رو و با استفاده از بازنمایی های نمادین و همچنین پردازش(محاسبات) نمادین، دیگر عملیات جستجو برای تعدای از روندهای طراحی به خوبی قابل اجرا بود.[1]
طراحی به مثابه حل مسئله به عنوان تفکر غالب در بین محققان عرصه طراحی وجود داشت، اما با این حال این نگرانی وجود داشت که این پارادایم به خوبی وجوه مختلف و متمایز حوزه طراحی را پوشش نمی‌دهد. از طرفی از نتایج مطالعات شناختی در این پارادایم(طراحی به مثابه حل مسئله) این بود که طراحی نه فقط عمل جستجو بلکه شامل فرموله بندی فضای جستجو نیز می‌شود. البته اینها به معنای کنار گذاشتن طراحی به مثابه حل مسئله نیست و صرفا بیانگر نقاط ضعف این دیدگاه بود. به تدریج محققان به سوی دیدگاهی که جان جرو آن را طراحی به مثابه طراحی می‌نامد حرکت کردند. دیدگاهی که نگاه طراحی به مثابه حل مسئله را تکمیل می‌کرد. با این حال کاربرد هوش مصنوعی در طراحی دچار ضعف نشد و با همان قوت پیشین و حتی بیشتر به پیش رفت. تکنیک های هوش مصنوعی در این دیدگاه نیز همچنان نقش مهم و تاثیرگذاری را ایفا می‌کردند.با این حال طراحی به مثابه طراحی چالش‌هایی داشت که الگوی سنتی حل مسئله در هوش مصنوعی(traditional AI) که به نوعی می‌توان آن را وام گرفته هوش مصنوعی نمادین دانست جوابگوی آن مشکلات نبود. با این حال هوش محاسباتی که امروزه پارادایم غالب است میتواند در این چالش‌ها نقش آفرین باشد اما کمتر به آن در طراحی توجه شده است.
همچنین باتوجه به مقالات متاخر جان جرو امروزه هوش مصنوعی بیشتر به عنوان ابزار تحلیل داده ها و دستیاری برای ایده پردازی برای طراحان عمل می‌کند. می‌دانیم که هرچقدر ایده های بیشتری تولید شود ایده های خلاقانه تری خواهیم داشت که این نتایج از طریق انجام آزمایش از طریق ShapeStorm به دست آمده است. همانطور که در مقاله بیان شده استدلال دیورژانس(یک روش تفکر است که دنبال گسترش احتمالات و راه حل های مناسب) در پروسه تولید گزینه‌های متفاوت به عنوان اصلی ترین اجزا پروسه دیزاین(design process) است و استدلال دیداری(Visual reasoning) نیز به عنوان یکی از عمکردهای مهم خلاقیت طراحی شناخته شده‌است و باید گفته شود که استدلال‌های دیورژانس معمولا در قالب های زبانی به جای بصری ارزیابی می شود و استدلال دیداری بیشتر مواقع در ارتباط با ساخته‌ی شناختی مانند ادراک، رمزگشایی و تکه تکه کردن آن، حافظه بلند و کاری، دگرگونی و بازنمایی ذهنی است[9]. با توجه به نتایج بدست آمده خلاقیت محاسباتی(Computational creativity) به طراحی و اجرا سیستم هایی که یاد می‌گردند تا رفتار مصنوعی خلاق و یا پشتیان استدلال در رابطه با رفتار خلاق انسان را نشان دهند اشاره دارد. برای مطالعه خلاقیت طراحی نیاز به ماموری اتوماتیک(autonomous agents) دارد که پاسخ تولید کند و در تولید نتیجه کمک کند.کارهای طراحی که در این مقاله آمده سعی بر مشارکت دیورژانس انسانی و رایانه را دارد[9]. در آخر با توجه به یافته هایی که از این مقاله بدست آمده می‌توان گفت که از هوش مصنوعی برای کمک به تولید ایده و خلاقیت در طراحی (sketching) استفاده می‌شود.
جان جرو در مقالعه‌ای دیگر با این موضوع شروع می‌کند که طراحی به عنوان یکی از مهارت‌های خلاق است ولی این به این معنا نیست که طراحی با خلاقیت یکی است. در ادامه اشاره می‌کند تحقیقات خلاقیت یک مبحث جدید است، تحقیقات قبل تر بر این موضوع تمرکز داشتند که بتوانند طراحی و خلاقیت طراحی را از هم تشخیص دهند؛معمولا با تعییت کردن این موضوع که چه موقع و چگونه طراح خلاق می‌شد وقتی که مشغول طراحی بود. در طول 30 الی 40 سال یا بر روی مطالعات شناختی یا بر روی ساختن مدل های محاسباتی تمرکز شده است. ابزار هایی که در این راستا استفاده می‌شود به 2 دسته فعال و گذرا تقسیم می‌شود که گذرا باید به طور مستقیم به وسیله طراح فعال شود و در طول انجام بدون تغییر بماند ولی طراح با ابزار های فعال در تعامل می‌ماند و به طرح های او پیشنهاد هایی ارائه می‌دهد. در قسمت فعال دو موضوع جدید مورد بررسی قرار می‌گیرد: هوش مصنوعی که به عنوان هم‌آفرینی، پشتیبانی می‌کند و بهبودکننده خلاقیتی که پایه‌اش تاثیرات برروی اعصاب است. با توجه به گسترش و کار و تحلیل بر روی داده ها و همچنین رشد یادگیری ماشین، هوش مصنوعی در طراحی به عنوان یک هم آفرین(co-creation) نیز جلوه کرده است[11]. با استفاده از تکنیک های یادگیری عمیق می‌توان حجم زیادی از داده ها را به دانشی قابل فهم تبدیل کرد و همچنین شبیه سازی از ایده های مختلف طراحان را به آسانی و با کمترین هزینه برایشان به ارمغان آورد تا بتوانند صحیح ترین انتخاب‌ها را داشته باشند.
در سال 2015 مقاله ای که از طرف جان جرو منتشر شد که این مقاله یک دید چند بعدی (multi-dimensional perspective) برای مطالعه خلاقیت و چارچوبی (framework) را برای خلاقیت محاسباتی (computational creativity) تدوین می کند، که باعث فعال شدن معنا عملکردهای روابط بین مقیاس و تسخیر تاثیرات زمان، ارائه می‌دهد. فواید این روش، دسته بندی مطالعات قبلی خلاقیت محاسباتی و نشان دادن روش چند بعدی در مطالعات محاسبات خلاقیت با نمونه‌هایی از سناریوهای شبیه‌سازی است. بر اساس نوع و سطح موضوع مورد تحقیق، مطالعات محاسباتی چند مقیاسی ممکن است در برخی سطوح فرایندهای از پیش تعیین شده و یکنواختی را تعیین کنند، در حالی که ممکن است فرایند های دیگر هم سطح یا در سطوح مختلف را به صورت آزمایشی تنظیم کنند. به طور مثال، اگر محققان علاقمند به راه هایی احتمالی باشند که طی آن ها فعالسازی عصبی میزان کنار امدن افراد با شکست را تعیین می کند می توان سیستمی را ابداع کرد که در آن طیفی از پدیده های فرهنگی، اجتماعی، گروهی و فردی مرتبط با خلاقیت به عنوان معیاردستکاری می شود، در حالی که تغییرات فعالیت عصبی افرادی که موقعیت های خاص اجتماعی دارند را می توان به منظور کشف علل و اثرات احتمالی در تمامی سیستم ها بررسی کرد. به طور کلی MDC کمک به ایده سازی در حیطه‌های سیستم های محاسباتی عاملی، گروهی، و اجتماعی است و به این مباحث چهارچوب می‌دهد. بر اساس AI nomenclatus مدل‌های MDC ضعیف هستند و این مدل ها میتواند برای یافتن اطلاعات برای رشد تئوری یا فرضیه استفاده شود. در بعضی مراحل از MDC برای جمع آوری اطلاعات برای رشد تئوری استفاده می‌شود و کمک به استدلال و روش قیاسی در مطالعات خلاقیت دیده می‌شود[10].
همچنین در پایان گفتنی است علاقه روز افزونی به سوی هوش مصنوعی مبتنی بر شناخت(هوش مصنوعی و علوم شناختی) شامل مسائلی چون حافظه، تعاملات،یادگیری و نقش محیط در هنگام طراحی وجود دارد و به عقیده جان جرو ممکن است شاهد رشته ایی به نام طراحی عصبی(نورودیزاین) باشیم که مطالعاتی برگرفته از تلاقی علوم اعصاب و طراحی باشد. این مسئله یک مبنای عصب شناختی برای طراحی فراهم می‌کند و در نتیجه میتواند دامنه تحقیقات هوش مصنوعی در طراحی را با ارائه نوع جدیدی از داده ها گسترش دهد[1].
نتیجه گیری
در عصر گذشته همکاری و تعامل دو حوزه هوش مصنوعی و طراحی با سرعت بهتری به پیش رفته است و نتایج بسیار خوبی با توجه به حجم فعلی این همکاری رقم زده است. اما با وجود تمام همکاری های موثر و مفید بین دو حوزه مهم و تاثیر گذار هوش مصنوعی و طراحی همچنان زمینه های زیادی از این دو حوزه مهم هست که مغفول و نادیده انگاشته شده اند.
به نظر می‌رسد در تعامل هوش مصنوعی و طراحی بیشتر به کاربرد ابزاری هوش مصنوعی در طراحی توجه شده و زمینه هایی که این دو حوزه می‌توانند برای توسعه مفاهیم همدیگر الهام بخش باشند مورد غفلت قرار گرفته است.
از طرفی کاربرد هوش مصنوعی در زیرشاخه های طراحی به صورت متساوی نیست و دارای تفاوت‌های قابل توجه ایی است.
با این حال در همان کاربرد ابزاری هوش مصنوعی نیز مسیر تکاملی اکنون هوش مصنوعی در طراحی صرفا به عنوان هم آفرین(co-creation) و به تعبیری یک دستیار کمک کننده نقش ایفا می‌کند و تا ایفای نقش اساسی در طراحی فاصله دارد.
از سوی دیگر به کاربرد طراحی در توسعه بهتر سیستم های هوش مصنوعی نیز کمتر بها داده شده است گرچه که اخیرا بارقه هایی از آن نیز به چشم می‌خورد.
نبود یک ادبیات مشترک یا آنچه که جان جرو آن را فقدان آنتولوژی(هستی شناسی) مشترک می‌نامد نیز از موانع و چالش‌هایی اساسی است که بر سر راه پژوهش‌های مشترک این دو حوزه احساس می‌شود.
با این وجود آینده بسیار روشنی در پیش روی هوش مصنوعی در طراحی دیده می‌شود، دستاوردهای علوم شناختی نیز سکوی پرتای مناسبی برای جهش این تعاملات فراهم کرده است.
فهرست منابع
1-Gero,john,2007, AI EDAM at 20: Artificial intelligence in designing, Artificial Intelligence for Engineering Design, Analysis and Manufacturing
2-Heskett, John,1980, Industrial Design, Thames & Hudson
https://www.abebooks.com/Industrial-Design-Heskett-John-Thames-Hudson/5557215996/bd
4-خلج،محمدحسین محمدعلی،1393،دریفوس و تاریخ فلسفی هوش مصنوعی،نشریه غرب شناسی بنیادی،ص103 تا128
5-Andy Peart,2020, Homage to John McCarthy, the Father of Artificial Intelligence (AI)
6-کراس،نایجل،مقیمی،مهدی،1398،تفکر طراحی:فهم چگونگی تفکر و کار طراحان،نشر وارش
7-مطلبی،قاسم،1399،طراحی به مثابه حل مسئله:مدلی مبتنی بر سوابق طراحی،نشریه علمی معماری و شهرسازی ایران،ص21-33
8-Gero,john,2017, Whither Design Theory and Methods?, Architectural Science Association,p563-572
9-Gero,john,2016, Visual divergence in humans and computers, Design Studies, p 56-85
10-Gero,john,2015, Multi-dimensional creativity: a computational perspective, International Journal of Design Creativity and Innovation, p 26-50
11-Gero,john,2020, Multi-dimensional creativity: a computational perspective, International Journal of Design Creativity and Innovation, p 144-146
مقالات مرتبط
.jpg)
تأثیر طراحی بسته‌بندی محصولات غذایی بر جلب توجه مشتری با استفاده از تکنولوژی ردیابی حرکات چشم (قسمت دوم)
تاریخ انتشار : ۲۳ شهریور ۱۴۰۱
مطالعه بیشتر