Diseño generativo: crear objetos con algoritmos

La idea de aplicar los principios de la evolución natural a la resolución de problemas nace con los primeros ordenadores y se desarrolla en los años 60 y 70 con la llamada computación evolutiva (evolutionary computation), que gracias a la impresión 3D ha dado el salto del software al hardware y lo que Agoston Eiben y Jim Smith (2015) denominan “objetos evolutivos.” En términos generales, el uso de algoritmos evolutivos permite generar rápidamente un amplio espectro de soluciones posibles para un problema. Tan sólo hay que determinar los parámetros del problema y el nivel de adecuación de las soluciones que nos ofrece el programa. Con todo, según advierten los investigadores, “no hay garantías de que esta búsqueda [de soluciones] será efectiva o eficiente” (Eiben y Smith, 2015, p.477). Esto no impide que los algoritmos evolutivos se empleen de forma cada vez más extendida, puesto que presentan una serie de ventajas:

  • Los algoritmos no suponen ideas preconcebidas acerca del problema.
  • Son flexibles, puesto que se pueden combinar con otros métodos.
  • Son robustos y adaptables a cambios.
  • No se centran en una única solución y permiten tomar decisiones una vez se hacen patentes qué opciones son posibles.
  • Pueden producir soluciones inesperadas pero efectivas.
    (Eiben y Smith, 2015, p.480)

Los investigadores concluyen que el uso de algoritmos evolutivos, combinada con sistemas de producción robóticos, pueden transformar el proceso de diseño y producción en uno de selección y reproducción, en el que la intervención humana podría dejar de ser necesaria (Eiben y Smith, 2015, p.480). Si bien este extremo no se ha dado aún, sí es cierto que los proyectos de diseño generativo son fruto de un proceso más cercano a la colaboración con la máquina que a su uso como mera herramienta.

Esta distinción es fundamental en la definición que hace Jordan Brandt, asesor tecnológico en Autodesk: mientras el diseño “explícito” consiste en dibujar una idea que el diseñador tiene en la cabeza, el diseño generativo consiste en indicar al ordenador los objetivos del diseño y dejar que el programa cree numerosas opciones, entre las cuales se escogerán las mejores para crear nuevas opciones hasta llegar al prototipo definitivo (Rhodes, 2015). Un cambio sustancial en el resultado de este proceso de diseño no es únicamente la participación más activa del ordenador, sino también la generación de soluciones totalmente inesperadas. Como señalan Eiben y Smith, los algoritmos no tienen ideas preconcebidas sobre el diseño que deben realizar, no se dejan llevar por cuestiones estéticas o ejemplos de grandes diseños del pasado, que sí son factores de peso en la mente de un diseñador. Aunque el diseñador participe en la selección y refinamiento del prototipo final, lo hace ya con formas que posiblemente no habría imaginado, y que curiosamente se parecen a las formas que crea la naturaleza: estructuras similares a esqueletos de animales o las ramificaciones de un árbol demuestran ser las más efectivas para distribuir las fuerzas que debe resistir una determinada estructura, empleando la mínima cantidad de materia posible. Estos diseños “huesudos” suelen ser posteriormente adaptados a modelos más regulares en el caso de piezas de maquinaria y otros elementos de diseño industrial, pero también se conservan en algunos diseños de objetos cotidianos que permiten jugar con la particular estética de unas formas que parecen orgánicas.

Diseñar con algoritmos

La empresa Autodesk, conocida por el programa AutoCAD, de uso ampliamente extendido en diseño y arquitectura, ha desarrollado una serie de aplicaciones que permiten trabajar con computación evolutiva en todo tipo de proyectos de diseño. La empresa destaca entre los beneficios del diseño generativo la posibilidad de explorar una amplia variedad de opciones, crear diseños que no podrían fabricarse con métodos tradicionales y optimizar el uso de los materiales, los métodos de fabricación y los costes. El software de Autodesk se emplea en cuatro tipos de procesos de diseño generativo:

  • Síntesis de formas: el programa produce una serie de alternativas a partir de los objetivos y limitaciones establecidos por los diseñadores.
  • Optimización de superficies y retículas: el programa crea entramados y retículas internas en un objeto para hacerlo más ligero y resistente.
  • Optimización topológica: el programa reduce el peso de un objeto realizando un análisis que permite eliminar material innecesario, sin perder fuerza o resistencia.
  • Estructuras trabeculares: el programa crea poros en estructuras sólidas para imitar huesos en implantes médicos.

A cada uno de estos procesos le corresponde un programa específico. Entre ellos, Dreamcatcher es el que resulta más interesante en cuanto a la posibilidad de generar nuevos diseños desde cero. Este programa permite a los diseñadores indicar los objetivos del diseño, sus requisitos, materiales a emplear, método de fabricación y coste máximo, entre otras variables. A partir de estos datos se generan numerosos prototipos que exploran diversas maneras de atender a las indicaciones iniciales. Estos prototipos son examinados por los propios diseñadores, quienes indican cuáles les parecen mejores, y así se inicia un nuevo proceso en el que el programa busca nuevas soluciones a partir de los prototipos escogidos. Para ajustarse mejor a situaciones reales, Dreamcatcher cuenta una extensa librería de objetos predefinidos cuyas características se asemejan a las de los objetos que se quieren diseñar. De esta manera, el diseño resulta de un proceso dialógico entre el diseñador y el programa, que se nutre de interacciones previas.

Estructura y función

Entre los diseños que se han realizado con computación evolutiva en los últimos años, destacamos los siguientes ejemplos en los que las soluciones facilitadas por el proceso algorítmico han dado lugar a piezas de mobiliario inusuales o particularmente eficaces:

Bone Chair (2006)
Creada por Joris Laarman, esta silla es el resultado de una colaboración entre el diseñador y el International Development Centre Adam Opel GmbH, un centro de investigación en el que Prof. Lothar Harzheim ha desarrollado un programa que aplica la computación evolutiva al diseño de piezas para automóviles. El programa, desarrollado en 1998, crea una simulación del objeto en la que calcula la presión que recibirá en diferentes partes y elimina todo el material que no es necesario. El diseño de Laarman se generó atendiendo a las especificaciones del aluminio, que permitió crear una pieza mucho más esbelta. La mayor dificultad, no obstante, no fue la que supuso desarrollar este modelo sino conseguir fabricar en un único molde, para no mostrar las juntas de las soldaduras entre diferentes piezas. Actualmente, la Bone Chair forma parte de las colecciones de diversos museos, como el Rijksmuseum, MoMA y Vitra Design Museum.

Lily (2009)
El estudio de arquitectura y diseño MOS Architecture encargó al desarrollador George Michael Brower que creara un programa de simulación de una estructura basada en una serie de círculos que se doblan a fin de generar una superficie elevada, a modo de banco o mesa. Los círculos se combinan doblando sus extremos de manera que toda la estructura se mantenga estable. Por medio de esta simulación es sencillo crear una estructura que se adapte a un determinado espacio y posteriormente encargar su producción, que se resume en cortar y doblar de forma precisa una serie de planchas metal y finalmente pintarlas.

Elbo Chair (2016)
Creada por Arthur HarsuvanakitBrittany Presten en el laboratorio de diseño generativo de Autodesk, esta silla inspirada en el diseño escandinavo surge de indicar a un programa a qué altura debe estar el asiento, cuánto peso debe soportar y en qué material se va a producir. Los diseñadores también facilitaron al programa un modelo 3D de una silla inspirada en los diseños de Hans Wegner, a fin de dirigir los prototipos hacia una configuración determinada. Entre los cientos de prototipos generados por el ordenador, Harsuvanakit y Presten escogieron algunos, a partir de los cuales el programa generó nuevos prototipos hasta llegar a la forma final (Rhodes, 2016).

 

Swish (2016)
Un proyecto del estudio de Carlo Ratti, director del Senseable City Lab de MIT, este taburete ha sido diseño para la empresa Cassina como una pieza de mobiliario útil y elegante. En este caso, Ratti partió de un diseño previo, un taburete formado por 27 láminas de madera que deberían poder plegarse y desplegarse con precisión para formar el asiento y sostener debidamente el peso de una persona. Lo que determinaron los algoritmos fue la forma de cada una de las juntas que unen estas láminas, y que tienen diferentes formas para colocar cada pieza en la posición que le corresponde. De esta manera, la computación evolutiva facilita resolver un complejo problema técnico, pero no determina la forma final del objeto, que parece haber sido creado de forma totalmente artesanal.

El diseño generativo introduce nuevas herramientas en el proceso de diseño y puede transformar el papel del diseñador, si bien como demuestra la silla Swift no siempre tiene que cambiar de forma radical el aspecto del objeto, sino que puede introducir mejoras en su estructura que resulten, en última instancia, invisibles.

 

Referencias

Eiben, Agoston E. y Smith, Jim (2005). From evolutionary computation to the evolution of things. Nature, Vol. 521, 28 mayo 2015, 476–482.

Rhodes, Margaret (2015, 23 septiembre). The Bizarre, Bony-Looking Future of Algorithmic DesignWired.
–– 
(2016, 3 noviembre). So. Algorithms Are Designing Chairs NowWired.
–– (2017, 25 mayo). The Lowly Folding Chair, Reimagined with Algorithms. Wired.