Manufaktur Generatif: Mentransmutasikan Kode menjadi Barang Fisik

Masa depan barang konsumsi bersifat generatif.

Saat ini, algoritme generatif onchain terutama digunakan dalam domain seni visual, saat seniman menulis kode untuk membuat karya, animasi, dan cetakan digital dan interaktif. Namun, seni kemungkinan hanya merupakan media pertama yang dapat diterapkan untuk proses kreatif onchain baru ini. Kami percaya media generatif onchain akan berkembang biak di setiap vertikal konsumen dan barang mewah lainnya, dan proses artistik ini secara unik akan memungkinkan produksi fisik kelas baru melalui manufaktur generatif.

Daya tarik koleksi generatif terlihat jelas: konsumen mendambakan produk unik yang mencerminkan identitas unik mereka sekaligus mengikat mereka ke komunitas yang lebih besar. Melalui model 1/1/x, algoritme generatif mencapai hal ini dengan menciptakan karya tunggal dalam koleksi yang lebih luas dengan estetika yang kohesif. Kreasi unik ini memenuhi selera spesifik individu, memungkinkan ekspresi terperinci dalam suatu suku, dan keberhasilannya dalam upaya ini ditunjukkan oleh semakin populernya pasar PFP dan komunitas khusus yang berkembang berdasarkan ciri-ciri generatif tertentu.

Menariknya, algoritme generatif dan distribusi kelangkaan 1/1/x juga mengatasi ketegangan antara produksi massal dan penyesuaian. Dalam manufaktur tradisional, menciptakan produk yang disesuaikan dalam skala besar sering kali tidak praktis dan mahal. Namun algoritme generatif dapat langsung diintegrasikan ke dalam perangkat keras fabrikasi seperti printer 3d, mesin CNC, printer laser, alat tenun otomatis, dan perangkat lainnya, memberikan kelayakan dalam hal produksi dan distribusi sekaligus menawarkan kelangkaan dan keunikan.

Interaksi antara dinamika sosial dan kelangkaan, serta kreasi digital dan produksi fisik, membuka jalan bagi kelas baru barang konsumen dan barang mewah yang menggabungkan keacakan algoritmik, parameterisasi pengguna akhir, dan keunikan yang dapat diverifikasi untuk memenuhi keinginan konsumen.

Sejarah Manufaktur Generatif

Seniman secara konsisten beralih ke teknologi sebagai sarana untuk mengeksplorasi dimensi baru dalam kreativitas. Seiring berjalannya waktu, hubungan ini telah berkembang pesat, beralih dari upaya artistik murni ke pertemuan antara seni dan manufaktur.

1960-an - Seni Generatif Awal: Seniman mulai bereksperimen dengan proses algoritmik untuk menciptakan karya seni. Dengan menggunakan komputer dan bahasa pemrograman awal, bersama dengan alat seperti plotter pena, seniman seperti Manfred Mohr, Vera Molnár, dan Harold Cohen mulai menciptakan karya seni berbasis algoritma.

1980-an - Revolusi Komputer Pribadi & Perangkat Lunak: Munculnya komputer pribadi membuat alat digital lebih mudah diakses. Hal ini memungkinkan lebih banyak seniman untuk bereksperimen dengan proses artistik baru ini.

1990an hingga 2000an - Kelahiran & Perluasan Manufaktur Aditif: Ketika pencetakan 3D muncul dan berkembang, para seniman melihat peluang baru. Seniman generatif mulai bereksperimen dengan alat-alat ini, membuat patung dan instalasi langsung dari desain berbasis perangkat lunak mereka.

2000-an hingga 2010-an - Seni Digital Bertemu Fabrikasi Digital: Seiring dengan semakin matangnya kedua bidang tersebut, seniman digital akan berkolaborasi dengan pembuat, arsitek, dan desainer untuk mewujudkan instalasi berskala besar. Proyek seperti menara Hy-Fi oleh The Living, yang menggunakan batu bata organik yang dibudidayakan dari batang jagung dan jamur, memasukkan prinsip desain generatif dalam konsepsinya dan menggunakan metode manufaktur modern untuk pembuatannya. Pada saat itulah perangkat lunak yang dirancang untuk seniman, seperti Processing, memberdayakan mereka untuk menciptakan seni terprogram yang kompleks tanpa memerlukan pengetahuan pemrograman yang mendalam juga.

2010-an - Pematangan Alat & Metode: Platform dan kerangka kerja seni generatif seperti openFrameworks dan TouchDesigner semakin populer. Alat-alat ini, dikombinasikan dengan pencetakan 3D, pemotongan laser, dan teknologi penggilingan CNC yang lebih mudah diakses dan canggih, memungkinkan produksi yang lancar. Misalnya, seniman seperti Nervous System menggunakan algoritme generatif untuk mendesain perhiasan dan pakaian unik yang kemudian dicetak 3D.

2020-an - Konvergensi & Kolaborasi: Batas antara seni, desain, dan manufaktur semakin kabur. Instalasi seni, struktur arsitektur, dan bahkan objek sehari-hari kini menampilkan estetika dan kemampuan unik yang dapat dihasilkan oleh kombinasi tersebut. Khususnya, seni onchain memperbarui minat pada bidang seni generatif saat ini, menggunakan masukan kriptografi sebagai benih acak untuk koleksi onchain. Ditambah dengan primitif baru dalam ruang digifisik, kita mencapai landasan baru dalam perkawinan antara kreasi digital dan produksi fisik.

Seniman generatif saat ini tidak hanya memproduksi karya seni; mereka mendefinisikan ulang barang-barang konsumen, menggabungkan nilai estetika dengan desain fungsional, dan mendorong batas-batas yang mungkin dilakukan baik dalam seni maupun industri.

Eksperimen Web3

Dalam web3, ada berbagai eksperimen awal dengan manufaktur generatif.

Sejarah Manufaktur Generatif

Seniman secara konsisten beralih ke teknologi sebagai sarana untuk mengeksplorasi dimensi baru dalam kreativitas. Seiring berjalannya waktu, hubungan ini telah berkembang pesat, beralih dari upaya artistik murni ke pertemuan antara seni dan manufaktur.

1. 1960-an - Seni Generatif Awal: Seniman mulai bereksperimen dengan proses algoritmik untuk menciptakan karya seni. Dengan menggunakan komputer dan bahasa pemrograman awal, bersama dengan alat seperti plotter pena, seniman seperti Manfred Mohr, Vera Molnár, dan Harold Cohen mulai menciptakan karya seni berbasis algoritma.
2. 1980-an - Revolusi Komputer Pribadi & Perangkat Lunak: Munculnya komputer pribadi membuat alat digital lebih mudah diakses. Hal ini memungkinkan lebih banyak seniman untuk bereksperimen dengan proses artistik baru ini.
3. 1990an hingga 2000an - Kelahiran & Perluasan Manufaktur Aditif: Ketika pencetakan 3D muncul dan berkembang, para seniman melihat peluang baru. Seniman generatif mulai bereksperimen dengan alat-alat ini, membuat patung dan instalasi langsung dari desain berbasis perangkat lunak mereka.
4. 2000-an hingga 2010-an - Seni Digital Bertemu Fabrikasi Digital: Seiring dengan semakin matangnya kedua bidang tersebut, seniman digital akan berkolaborasi dengan pembuat, arsitek, dan desainer untuk mewujudkan instalasi berskala besar. Proyek seperti menara Hy-Fi oleh The Living, yang menggunakan batu bata organik yang dibudidayakan dari batang jagung dan jamur, memasukkan prinsip desain generatif dalam konsepsinya dan menggunakan metode manufaktur modern untuk pembuatannya. Pada saat itulah perangkat lunak yang dirancang untuk seniman, seperti Processing, memberdayakan mereka untuk menciptakan seni terprogram yang kompleks tanpa memerlukan pengetahuan pemrograman yang mendalam juga.
5. 2010-an - Pematangan Alat & Metode: Platform dan kerangka kerja seni generatif seperti openFrameworks dan TouchDesigner semakin populer. Alat-alat ini, dikombinasikan dengan pencetakan 3D, pemotongan laser, dan teknologi penggilingan CNC yang lebih mudah diakses dan canggih, memungkinkan produksi yang lancar. Misalnya, seniman seperti Nervous System menggunakan algoritme generatif untuk mendesain perhiasan dan pakaian unik yang kemudian dicetak 3D.
6. 2020-an - Konvergensi & Kolaborasi: Batas antara seni, desain, dan manufaktur semakin kabur. Instalasi seni, struktur arsitektur, dan bahkan objek sehari-hari kini menampilkan estetika dan kemampuan unik yang dapat dihasilkan oleh kombinasi tersebut. Khususnya, seni onchain memperbarui minat pada bidang seni generatif saat ini, menggunakan masukan kriptografi sebagai benih acak untuk koleksi onchain. Ditambah dengan primitif baru dalam ruang digifisik, kita mencapai landasan baru dalam perkawinan antara kreasi digital dan produksi fisik.

Seniman generatif saat ini tidak hanya memproduksi karya seni; mereka mendefinisikan ulang barang-barang konsumen, menggabungkan nilai estetika dengan desain fungsional, dan mendorong batas-batas yang mungkin dilakukan baik dalam seni maupun industri.

Eksperimen Web3

Dalam web3, ada berbagai eksperimen awal dengan manufaktur generatif.

Alat Tenun Neolice Trame

Craft Nouveau Trame x CPG adalah serangkaian koleksi yang berfokus pada penggabungan kerajinan tradisional dengan seni generatif, menampilkan kemampuan kode generatif untuk melestarikan gaya seni budaya di seluruh dunia. Navette oleh Alexis André adalah koleksi debut Craft Nouveau, di mana Alexis menulis algoritma yang menghasilkan gambar yang dirancang untuk ditenun secara otomatis oleh Neolice Loom - alat tenun otomatis yang dapat memasukkan kode untuk menenun potongan fisik.

Ekosistem fx(hash) telah menyaksikan banyak eksperimen di sisi manufaktur - kemungkinan besar karena pendekatan penerbitan mandiri yang tidak memiliki izin. Klangteppich, NFT dinamis yang berkembang memberikan instruksi untuk alat tenun dan memungkinkan kolektor menerima bagian fisik dari setiap bingkai yang dihasilkan. Mini Dahlia menyimpan metadata NFT instruksi untuk membuat patung saku berukuran 3,5” x 2,0” dari 14 lapisan papan alas alfa-selulosa yang dipotong laser. Nuages ​​mungkin membuat variasi pada rangkaian cloud Joanie Lemercier dengan keluaran dari kode yang dibuat ulang oleh mesin plotter di ruang fisik.

Nuages dimungkinkan di fx(hash)

Di luar kerajinan dan seni, fesyen adalah salah satu jalur yang paling banyak dieksplorasi untuk manufaktur generatif. Produksi Iteration-002 oleh 9dcc adalah contoh awal penggabungan desain generatif dan produk fisik. Kaos Iteration-002 diproduksi langsung menggunakan printer yang dicolokkan ke algoritma Squiggles SnowFro. Printer mengandalkan keacakan algoritmik dari kode sumber untuk menentukan ciri-ciri desain yang dicetak pada kaos, dan mengikuti distribusi sifat yang sama seperti koleksi 10k asli.

9dcc ITERASI-002

Tribute Brand juga baru-baru ini me-remix algoritma Chromie Squiggle untuk membuat pakaian produksi. Pemegang Chromie Squiggle dapat membuat sweater yang dipersonalisasi menggunakan Chromie Squiggle mereka yang unik, sementara yang lain dapat membuat sweater unik melalui algoritma Chromie Squiggle yang asli. Drop tersebut mencakup sweter ODDS digital dan fisik yang berasal dari kode sumber Chromie Squiggle. Objek digital berfungsi sebagai cetak biru untuk edisi sweter masa depan dan dapat digunakan sebagai kulit di lingkungan yang imersif, dan setiap objek digital ODDS yang unik dapat ditukarkan dengan sweter fisik ODDS yang sesuai, buatan tangan oleh Waste Yarn Project.

Proyek mode generatif terkenal lainnya termasuk mmERCH dan RSTLSS, keduanya berencana bereksperimen seputar keacakan dan desain algoritmik.

Mengambil pendekatan yang sedikit berbeda terhadap barang generatif, Deep Objects menggunakan mesin kurasi komunitas untuk mengurangi satu juta desain yang dihasilkan oleh model GAN AI mereka menjadi satu bagian. Karya terakhir ini sekarang siap dicetak 3D dalam sebuah karya kreasi produk generatif berbasis komunitas.

Tumpukan Manufaktur Generatif

Tumpukan manufaktur generatif dapat dipecah menjadi 5 lapisan:

Penciptaan: Tahap awal dimana desain atau konsep dihasilkan menggunakan proses algoritmik atau AI.

Kurasi: Proses memilih dan menyempurnakan desain yang dihasilkan untuk mencapai hasil atau spesifikasi yang diinginkan.

Terjemahan: Konversi desain digital menjadi instruksi atau kode yang dapat dibaca mesin untuk digunakan oleh peralatan manufaktur.

Fabrikasi: Produksi fisik atau proses pembuatan desain menggunakan berbagai bahan dan peralatan.

Otentikasi / Tautan: Verifikasi keaslian produk yang diproduksi dan menghubungkannya dengan kembaran digitalnya untuk memastikan asalnya.

Lapisan Penciptaan

Penciptaan barang generatif dimulai dengan kode. Perpustakaan seperti p5.js dan Processing menyediakan alat canggih bagi seniman dan desainer untuk menciptakan seni generatif. Pustaka ini diperluas melalui keacakan onchain menggunakan benih yang dihasilkan dari hash tx, data token, header blok, dan banyak lagi. Mesin seni onchain seperti ArtBlocks Engine dan fx(hash) memungkinkan seniman dengan mudah memasukkan benih acak ini ke dalam kode mereka dan mencetak karya seni langsung di onchain.

Bagi seniman AI, lapisan ini difokuskan pada pengembangan model dan penyesuaian untuk menciptakan estetika yang diinginkan. Mereka biasanya memulai dengan memilih model AI yang sudah ada, seperti generative adversarial network (GAN) sebagai fondasinya. Melalui propagasi mundur, bobot model ditingkatkan secara bertahap untuk menghasilkan karya seni yang selaras dengan gaya yang diinginkan. Seniman memberikan masukan dengan menyusun keluaran yang paling menarik dan menggabungkannya kembali ke dalam kumpulan data pelatihan. Proses berulang ini berlanjut, menyempurnakan performa model dan memungkinkan seniman mengeksplorasi berbagai kemungkinan. Di luar model khusus atau LoRA Difusi Stabil, terdapat juga alat untuk menyederhanakan proses ini, seperti Scenario.gg.

Lapisan Kurasi

Setelah lapisan pembuatan, keluaran kode dapat disempurnakan lebih lanjut agar sesuai dengan preferensi pengguna. Dalam konteks pengkodean kreatif, ini biasanya dalam bentuk parameterisasi multipemain seperti yang tersedia dengan fx(params) fx(hash).

Dalam konteks model generatif AI, kurasi biasanya dilakukan melalui komunitas pemegang token yang lebih luas seperti halnya algoritma generatif Botto dan proses desain komunitas Deep Objects.

Studio atau penerbitan mandiri adalah bagian terakhir dari proses kurasi. Di sinilah studio generatif seperti Trame dan ArtBlocks hadir untuk menyajikan karya kepada publik, atau fx(hash) sebagai penerbit mandiri.

Lapisan Terjemahan

Setelah algoritma dan desain ditetapkan, barang generatif harus diterjemahkan ke dalam instruksi yang dapat dibaca mesin untuk perangkat keras fabrikasi. Penerjemahan adalah proses yang relatif mudah dengan tujuan untuk menciptakan kembali sebuah karya di ruang fisik seakurat mungkin dengan aslinya.

Penerjemahan dapat dilakukan dengan beberapa cara berbeda termasuk:

Interpretasi Artis / Kolektor. Cara paling sederhana untuk menerjemahkan suatu objek adalah dengan menyerahkan spesifikasi desain fisiknya kepada seniman atau kolektor. Mereka akan membuat keputusan tentang bagaimana suatu karya harus dibuat, bahan yang akan digunakan, dimensi spesifiknya, dll.

Sifat yang Tertanam. Pendekatan yang jauh lebih terukur dan menarik adalah dengan memasukkan informasi fisik yang diperlukan untuk fabrikasi ke dalam NFT itu sendiri. Ciri-ciri dalam metadata NFT menentukan bidang interpretasi (misalnya jumlah benang, ukuran benang, instruksi menenun, dan banyak lagi untuk potongan permadani).

Instansiasi Langsung. Pendekatan ketiga adalah pembuatan aset yang dapat diinterpretasikan secara langsung: algoritme generatif telah disesuaikan untuk perangkat keras fabrikasi, atau keluaran algoritme berupa file yang dapat dicetak 3d atau simpul jaring 3d.

Lapisan Fabrikasi

Setelah diterjemahkan, barang yang dihasilkan dibuat. ​​Tahap fabrikasi adalah langkah penting yang melibatkan pengubahan desain virtual menjadi objek fisik. Beberapa teknik, seperti pencetakan 3d, penggilingan CNC, pemotongan laser, printer robo, dan tenun otomatis, digunakan untuk membuat objek dengan bahan dan bentuk yang berbeda.

Tembikar generatif Trame

Untuk drop pertama Trame dengan Alexis Andre yang disebutkan di atas, Neolice Loom digunakan sebagai perangkat keras fabrikasi. Neolice Loom mengambil skrip khusus seniman dan menafsirkan ulang kode tersebut ke dalam ruang 3d melalui tenun. Trame juga meluas ke media baru - gambar di atas menyoroti eksperimen tembikar generatif.

Meskipun khusus untuk produksi seni generatif saat ini, Artmatr menyoroti apa yang dapat dilakukan oleh peralatan fabrikasi canggih untuk produksi fisik barang digital. Seniman bekerja sama dengan tim Artmatr untuk mengirimkan berbagai format file digital seperti kode, model 3D, file PSD (Photoshop), vektor, dan animasi. Selanjutnya, mereka menentukan 'benang' fisik, termasuk parameter seperti media (minyak, UV, akrilik), substrat, dimensi, dan banyak lagi. Terakhir, hal ini diwujudkan melalui penggunaan mesin seperti lengan robot dan printer 6 sumbu. Teknik yang berbeda seperti pencetakan inkjet, airbrushing, dan ekstrusi digunakan, dan topologi yang dihasilkan dapat berupa 2D, 2.5D, atau 3D.

Lapisan Otentikasi / Tautan

Setelah objek fisik dibuat, objek tersebut perlu dihubungkan kembali ke kembaran digitalnya. Hal ini serupa dengan proses digifisik di ruang lain seperti mode. Penggunaan chip komunikasi jarak dekat seperti yang diproduksi oleh Kong dan IYK, stenografi, dan kode QR hanyalah beberapa teknik untuk menghubungkan digital ke fisik dan memberikan sertifikasi berdasarkan asal usulnya.

Lihat postingan terbaru kami tentang infrastruktur digifisik di sini, atau artikel kami tentang mode digital yang membahas strategi digifisik khusus untuk mode.

Kemungkinan Masa Depan

Ke depannya, kami mengantisipasi seni generatif onchain yang ada akan bertindak sebagai program turunannya. Kami telah melihat hal ini melalui penggunaan Squiggles dalam berbagai proyek mode, dan contoh awal lainnya adalah Terraflows, sebuah studi lapangan aliran yang dibangun di atas program seni Terraforms. Seni berjejaring semacam ini dapat menghasilkan interpretasi ulang yang menarik terhadap seni generatif dalam ruang fisik. Misalnya, seseorang dapat menggunakan skrip seni Fidenza untuk membuat tata letak arsitektur untuk rumah cetakan 3d.

Kemungkinan menarik lainnya di masa depan adalah tokenisasi fasilitas manufaktur yang terdesentralisasi untuk memproduksi barang-barang generatif dalam skala besar dalam semacam jaringan infrastruktur fisik. Penghobi dan produsen komersial dengan peralatan yang sesuai dapat mencetak atau membuat karya dengan menawar pekerjaan yang dikirimkan oleh kolektor atau seniman. Token dapat mengukur jaringan perangkat keras ini dan membantu melakukan bootstrap pada biaya awal fasilitas manufaktur. Ini sangat cocok dipadukan dengan paradigma CC0 yang digabungkan dengan kode onchain.

Melihat lebih jauh lagi, manufaktur biologi sintetik dan/atau kimia juga bisa menjadi jalan yang menarik untuk kualitas generatif: misalnya, kode generatif dapat digunakan untuk secara algoritmik menentukan sifat-sifat kristal yang dikembangkan di laboratorium, fenotipe tanaman, dan banyak lagi.

Penafian:

1. Artikel ini dicetak ulang dari [Mirror]. Semua hak cipta milik penulis asli [1kx]. Jika ada keberatan terhadap cetak ulang ini, silakan menghubungi tim Gate Learn, dan mereka akan segera menanganinya.
2. Penafian Tanggung Jawab: Pandangan dan pendapat yang diungkapkan dalam artikel ini adalah sepenuhnya milik penulis dan bukan merupakan nasihat investasi apa pun.
3. Terjemahan artikel ke bahasa lain dilakukan oleh tim Gate Learn. Kecuali disebutkan, dilarang menyalin, mendistribusikan, atau menjiplak artikel terjemahan.