L'avenir des biens de consommation est génératif.

Aujourd'hui, les algorithmes génératifs onchain sont principalement utilisés dans le domaine des arts visuels, où les artistes écrivent du code pour créer des œuvres numériques et interactives, des animations et des impressions. Cependant, l'art n'est probablement que le premier support applicable à ce nouveau processus créatif onchain. Nous pensons que les médias génératifs onchain vont proliférer dans toutes les autres verticales de biens de consommation et de luxe, et que ce processus artistique permettra de manière unique une nouvelle classe de productions physiques grâce à la fabrication générative.

L'attrait des collections génératives est évident : les consommateurs aspirent à des produits distinctifs qui reflètent leur identité unique tout en les rattachant à une communauté plus large. Grâce au modèle 1/1/x, les algorithmes génératifs y parviennent en créant des pièces singulières dans une collection plus large à l'esthétique cohérente. Ces créations uniques répondent aux goûts spécifiques des individus, permettant une expression granulaire au sein d'une tribu, et son succès dans cette entreprise est illustré par la popularité croissante des marchés PFP et les communautés de niche qui se développent autour de traits génératifs spécifiques.

Il est intéressant de noter que les algorithmes génératifs et les distributions de rareté 1/1/x abordent également la tension entre la production de masse et la personnalisation. Dans l'industrie manufacturière traditionnelle, la création de produits personnalisés à grande échelle est souvent peu pratique et coûteuse. Les algorithmes génératifs peuvent toutefois être directement intégrés dans le matériel de fabrication comme les imprimantes 3D, les machines à commande numérique, les imprimantes laser, les métiers à tisser automatiques et d'autres dispositifs, ce qui permet d'assurer la faisabilité en termes de production et de distribution tout en garantissant la rareté et l'unicité.

Cette interaction entre la dynamique sociale et la rareté, la création numérique et la production physique, ouvre la voie à une nouvelle catégorie de biens de consommation et de luxe qui combinent l'aléatoire algorithmique, le paramétrage de l'utilisateur final et l'unicité vérifiable pour répondre aux désirs des consommateurs.

Histoire de la fabrication générative

Les artistes se sont toujours tournés vers la technologie pour explorer de nouvelles dimensions de la créativité. Au fil du temps, cette relation a considérablement évolué, passant d'une démarche purement artistique à la confluence de l'art et de la fabrication.

1960 - Début de l'art génératif : Les artistes commencent à expérimenter des processus algorithmiques pour créer des œuvres d'art. En utilisant les premiers ordinateurs et langages de programmation, ainsi que des outils tels que le traceur, des artistes comme Manfred Mohr, Vera Molnár et Harold Cohen ont commencé à créer des œuvres d'art basées sur des algorithmes.

Années 1980 - Ordinateurs personnels & Révolution logicielle : L'apparition des ordinateurs personnels a rendu les outils numériques plus accessibles. Cela a permis à un plus grand nombre d'artistes d'expérimenter ces nouveaux procédés artistiques.

Années 1990 à 2000 - Naissance & Expansion de la fabrication additive : L'émergence et l'évolution de l'impression 3D ont ouvert de nouvelles perspectives aux artistes. Les artistes génératifs ont commencé à expérimenter ces outils, créant des sculptures et des installations directement à partir de leurs conceptions logicielles.

Années 2000 à 2010 - L'art numérique rencontre la fabrication numérique : Au fur et à mesure que les deux domaines mûrissent, les artistes numériques collaborent avec des fabricants, des architectes et des designers pour réaliser des installations à grande échelle. Des projets tels que la tour Hy-Fi de The Living, qui utilise des briques organiques cultivées à partir de tiges de maïs et de champignons, intègrent des principes de conception générative dans leur conception et utilisent des méthodes de fabrication modernes pour leur réalisation. C'est à cette époque que des outils logiciels conçus pour les artistes, comme Processing, leur ont permis de créer des œuvres d'art programmatiques complexes sans avoir besoin de connaissances approfondies en programmation.

Années 2010 - Maturation des outils & Méthodes : Les plateformes et cadres d'art génératif tels qu'openFrameworks et TouchDesigner ont gagné en popularité. Ces outils, combinés à des technologies plus accessibles et plus sophistiquées d'impression 3D, de découpe au laser et de fraisage CNC, ont permis une production sans faille. Par exemple, des artistes comme Nervous System ont utilisé des algorithmes génératifs pour concevoir des bijoux et des vêtements uniques qui ont ensuite été imprimés en 3D.

2020s - Convergence & Collaboration : La frontière entre l'art, la conception et la fabrication est de plus en plus floue. Des installations artistiques, des structures architecturales et même des objets de la vie quotidienne illustrent aujourd'hui l'esthétique et les capacités uniques que cette combinaison peut produire. L'art onchain a notamment ravivé l'intérêt pour l'art génératif à cette époque, en utilisant des données cryptographiques comme semences aléatoires pour les collections onchain. Avec les nouvelles primitives de l'espace numérique et physique, nous sommes en train de franchir une nouvelle étape dans le mariage de la création numérique et de la production physique.

Les artistes génératifs d'aujourd'hui ne se contentent pas de produire de l'art ; ils redéfinissent les biens de consommation, fusionnent la valeur esthétique avec la conception fonctionnelle et repoussent les frontières de ce qui est possible à la fois dans l'art et dans l'industrie.

Expériences Web3

Au sein de web3, il existe une variété d'expériences préliminaires de fabrication générative.

Histoire de la fabrication générative

Les artistes se sont toujours tournés vers la technologie pour explorer de nouvelles dimensions de la créativité. Au fil du temps, cette relation a considérablement évolué, passant d'une démarche purement artistique à la confluence de l'art et de la fabrication.

1. 1960 - Début de l'art génératif : Les artistes commencent à expérimenter des processus algorithmiques pour créer des œuvres d'art. En utilisant les premiers ordinateurs et langages de programmation, ainsi que des outils tels que le traceur, des artistes comme Manfred Mohr, Vera Molnár et Harold Cohen ont commencé à créer des œuvres d'art basées sur des algorithmes.
2. Années 1980 - Ordinateurs personnels & Révolution logicielle : L'apparition des ordinateurs personnels a rendu les outils numériques plus accessibles. Cela a permis à un plus grand nombre d'artistes d'expérimenter ces nouveaux procédés artistiques.
3. Années 1990 à 2000 - Naissance & Expansion de la fabrication additive : L'émergence et l'évolution de l'impression 3D ont ouvert de nouvelles perspectives aux artistes. Les artistes génératifs ont commencé à expérimenter ces outils, créant des sculptures et des installations directement à partir de leurs conceptions logicielles.
4. Années 2000 à 2010 - L'art numérique rencontre la fabrication numérique : Au fur et à mesure que les deux domaines mûrissent, les artistes numériques collaborent avec des fabricants, des architectes et des designers pour réaliser des installations à grande échelle. Des projets tels que la tour Hy-Fi de The Living, qui utilise des briques organiques cultivées à partir de tiges de maïs et de champignons, intègrent des principes de conception générative dans leur conception et utilisent des méthodes de fabrication modernes pour leur réalisation. C'est à cette époque que des outils logiciels conçus pour les artistes, comme Processing, leur ont permis de créer des œuvres d'art programmatiques complexes sans avoir besoin de connaissances approfondies en programmation.
5. Années 2010 - Maturation des outils & Méthodes : Les plateformes et cadres d'art génératif tels qu'openFrameworks et TouchDesigner ont gagné en popularité. Ces outils, combinés à des technologies plus accessibles et plus sophistiquées d'impression 3D, de découpe au laser et de fraisage CNC, ont permis une production sans faille. Par exemple, des artistes comme Nervous System ont utilisé des algorithmes génératifs pour concevoir des bijoux et des vêtements uniques qui ont ensuite été imprimés en 3D.
6. 2020s - Convergence & Collaboration : La frontière entre l'art, la conception et la fabrication est de plus en plus floue. Des installations artistiques, des structures architecturales et même des objets de la vie quotidienne illustrent aujourd'hui l'esthétique et les capacités uniques que cette combinaison peut produire. L'art onchain a notamment ravivé l'intérêt pour l'art génératif à cette époque, en utilisant des données cryptographiques comme semences aléatoires pour les collections onchain. Avec les nouvelles primitives de l'espace numérique et physique, nous sommes en train de franchir une nouvelle étape dans le mariage de la création numérique et de la production physique.

Les artistes génératifs d'aujourd'hui ne se contentent pas de produire de l'art ; ils redéfinissent les biens de consommation, fusionnent la valeur esthétique avec la conception fonctionnelle et repoussent les frontières de ce qui est possible à la fois dans l'art et dans l'industrie.

Expériences Web3

Au sein de web3, il existe une variété d'expériences préliminaires de fabrication générative.

Métier à tisser en néolice de Trame

Craft Nouveau de Trame x CPG est une série de collections axées sur la combinaison de l'artisanat traditionnel et de l'art génératif, mettant en évidence la capacité du code génératif à préserver les styles artistiques des cultures du monde entier. Navette d'Alexis André est la première collection de Craft Nouveau, dans laquelle Alexis a écrit un algorithme qui génère des images conçues pour être tissées automatiquement par le Neolice Loom - un métier à tisser automatique qui peut ingérer du code pour tisser des pièces physiques.

L'écosystème fx(hash) a fait l'objet de nombreuses expérimentations du côté de la fabrication - probablement en raison de son approche sans permission de l'auto-publication. Klangteppich, un NFT dynamique et évolutif, fournit des instructions pour un métier à tisser et permet au collectionneur de recevoir une pièce physique de n'importe quel cadre généré. Les Mini Dahlias contiennent dans les métadonnées du NFT les instructions pour créer une sculpture de poche de 3,5" x 2,0" à partir de 14 couches de carton alpha-cellulose découpé au laser. Nuages possibles crée des variations sur la série de nuages de Joanie Lemercier avec les sorties du code recréées par une machine à tracer dans l'espace physique.

Nuages possibles sur fx(hash)

En dehors de l'artisanat et de l'art, la mode est l'une des voies les plus explorées pour la fabrication générative. La production d'Iteration-002 par 9dcc est un premier exemple de combinaison de conceptions génératives et de produits physiques. Les chemises de l'itération-002 ont été produites en direct à l'aide d'une imprimante connectée à l'algorithme Squiggles de SnowFro. L'imprimeur s'est appuyé sur le caractère aléatoire algorithmique du code source pour déterminer les caractéristiques du motif imprimé sur la chemise, et il a suivi la même distribution de caractéristiques que la collection originale de 10 000 exemplaires.

9dcc ITERATION-002

Tribute Brand a également remixé récemment l'algorithme Chromie Squiggle pour créer des vêtements manufacturés. Les détenteurs de Chromie Squiggle peuvent créer des pulls personnalisés en utilisant leur Chromie Squiggle unique, tandis que d'autres peuvent créer des pulls uniques grâce à l'algorithme original de Chromie Squiggle. L'opération comprenait un pull ODDS numérique et physique, dérivé du code source de Chromie Squiggle. Les objets numériques servent de plans pour les futures éditions de pulls et peuvent être utilisés comme skins dans les environnements immersifs. Chaque objet numérique ODDS unique peut être échangé contre un pull physique ODDS correspondant, fabriqué à la main par Waste Yarn Project.

Parmi les autres projets de mode générative notables, citons mmERCH et RSTLSS, qui prévoient tous deux d'expérimenter autour de l'aléatoire algorithmique et des designs.

Adoptant une approche légèrement différente des biens génératifs, Deep Objects a utilisé un moteur de curation communautaire pour réduire à une seule pièce un million de dessins générés par son modèle d'IA GAN. Cette pièce finale est maintenant prête à être imprimée en 3D dans une vitrine de création de produits génératifs alimentés par la communauté.

La pile de fabrication générative

La pile de fabrication générative peut être décomposée en 5 couches :

Création : L'étape initiale au cours de laquelle un dessin ou un concept est généré à l'aide de processus algorithmiques ou d'IA.

Curation : Le processus de sélection et d'affinage des modèles générés pour obtenir les résultats ou les spécifications souhaités.

Traduction : La conversion de la conception numérique en instructions ou en codes lisibles par la machine et destinés à être utilisés par l'équipement de fabrication.

Fabrication : La production physique ou le processus de fabrication du dessin ou modèle à l'aide de divers matériaux et équipements.

Authentification / Liaison : La vérification de l'authenticité du produit fabriqué et sa mise en relation avec son jumeau numérique pour en garantir la provenance.

Couche de création

La création d'un bien génératif commence par le code. Des bibliothèques telles que p5.js et Processing fournissent des outils puissants aux artistes et aux concepteurs pour créer des œuvres d'art génératives. Ces bibliothèques sont étendues grâce à l'aléa onchain qui utilise des graines générées à partir de hachages tx, de données de jetons, d'en-têtes de blocs, etc. Les moteurs d'art onchain comme ArtBlocks Engine et fx(hash) permettent aux artistes d'intégrer facilement ces graines aléatoires dans leur code et de frapper une œuvre d'art directement sur la chaîne.

Pour les artistes de l'IA, cette couche se concentre sur le développement et l'ajustement du modèle afin de créer l'esthétique souhaitée. Ils commencent généralement par sélectionner un modèle d'IA préexistant, tel qu'un réseau accusatoire génératif (GAN). Grâce à la rétropropagation, les poids du modèle sont progressivement améliorés pour générer des œuvres d'art conformes au style souhaité. L'artiste fournit un retour d'information en sélectionnant les résultats les plus attrayants et en les réintégrant dans l'ensemble de données d'apprentissage. Ce processus itératif se poursuit, affinant les performances du modèle et permettant à l'artiste d'explorer différentes possibilités. En dehors des modèles personnalisés ou des LOD de la diffusion stable, il existe également des outils qui simplifient ce processus, tels que Scenario.gg.

Couche de curation

Après la couche de création, les résultats du code peuvent être affinés pour correspondre aux préférences de l'utilisateur. Dans le contexte du codage créatif, il s'agit typiquement d'un paramétrage multijoueur comme celui disponible avec fx(hash)'s fx(params).

Dans le contexte des modèles génératifs d'IA, la curation a généralement été effectuée par une communauté plus large de détenteurs de jetons, comme c'est le cas avec l'algorithme génératif de Botto et le processus de conception communautaire de Deep Objects.

Les studios ou l'auto-édition constituent la dernière étape du processus de curation. C'est là qu'interviennent les studios génératifs comme Trame et ArtBlocks pour présenter des œuvres au public, ou fx(hash) en tant qu'auto-éditeur.

Couche de traduction

Une fois l'algorithme et la conception définis, le bien génératif doit être traduit en instructions lisibles par la machine pour le matériel de fabrication. La traduction est un processus relativement simple dont l'objectif est de recréer une pièce dans l'espace physique aussi fidèlement que possible à l'original.

La traduction peut se faire de différentes manières, notamment :

Interprétation de l'artiste / du collectionneur. La manière la plus simple de traduire un objet est de laisser à l'artiste ou au collectionneur le soin d'en concevoir les caractéristiques physiques. Ils décidaient de la manière dont une pièce devait être fabriquée, du matériau à utiliser, des dimensions spécifiques, etc.

Traits intégrés. Une approche beaucoup plus évolutive et intéressante consiste à intégrer les informations physiques nécessaires à la fabrication dans le NFT lui-même. Les traits des métadonnées du NFT définissent les domaines d'interprétation (par exemple, le nombre de fils, la taille des fils, les instructions de tissage, etc. pour une pièce de tapisserie).

Instanciation directe. Une troisième approche consiste à générer directement l'actif interprétable : l'algorithme génératif est déjà adapté au matériel de fabrication, ou la sortie de l'algorithme est un fichier imprimable en 3D ou les sommets d'un maillage 3D.

Couche de fabrication

Après la traduction, les produits générés sont fabriqués. ​​La phase de fabrication est une étape critique qui consiste à convertir la conception virtuelle en un objet physique. Plusieurs techniques, telles que l'impression 3D, le fraisage CNC, la découpe au laser, les imprimantes robotisées et le tissage automatique, sont utilisées pour créer des objets avec différents matériaux et formes.

La poterie générative de Trame

Pour le premier projet de Trame avec Alexis Andre, mentionné ci-dessus, le métier à tisser Neolice a été utilisé comme matériel de fabrication. Le métier à tisser Neolice prend en charge le script personnalisé de l'artiste et réinterprète le code dans l'espace 3D par le biais du tissage. Trame s'étend également à de nouveaux supports - la photo ci-dessus illustre une expérience de poterie générative.

Bien que spécifique à la production d'art génératif aujourd'hui, Artmatr met en évidence ce que les outils de fabrication avancés peuvent faire pour la production physique d'objets numériques. Les artistes travaillent avec l'équipe d'Artmatr pour soumettre différents formats de fichiers numériques tels que des codes, des modèles 3D, des fichiers PSD (Photoshop), des vecteurs et des animations. Ensuite, ils définissent les "fils" physiques, y compris les paramètres tels que le médium (huile, UV, acrylique), le support, les dimensions, etc. Enfin, cela se matérialise par l'utilisation de machines telles que des bras robotisés et des imprimantes à 6 axes. Différentes techniques telles que l'impression à jet d'encre, l'aérographie et l'extrusion sont utilisées, et les topologies résultantes peuvent être en 2D, 2,5D ou 3D.

Couche d'authentification / de liaison

Une fois l'objet physique créé, il doit être relié à son jumeau numérique. Cela serait similaire aux processus digiphysiques dans d'autres espaces tels que la mode. L'utilisation de puces de communication en champ proche, comme celles fabriquées par Kong et IYK, la sténographie et les codes QR ne sont que quelques-unes des techniques permettant de relier le numérique au physique et de certifier la provenance.

Consultez notre récent article sur l'infrastructure numérique ici, ou notre article sur la mode numérique qui traite des stratégies numériques spécifiques à la mode.

Possibilités futures

À l'avenir, nous prévoyons que l'art génératif onchain existant servira de programme pour les produits dérivés. Nous l'avons vu avec l'utilisation de Squiggles dans une variété de projets de mode, et un autre exemple précoce est Terraflows, une étude de champ d'écoulement construite à partir du programme artistique Terraforms. Ce type d'art en réseau peut conduire à des réinterprétations fascinantes de l'art génératif dans l'espace physique. Par exemple, il est possible d'utiliser le script artistique Fidenza pour créer des plans architecturaux pour des maisons imprimées en 3D.

Une autre possibilité intéressante pour l'avenir est la tokenisation des installations de fabrication décentralisées pour produire des biens génératifs à grande échelle dans une sorte de réseau d'infrastructure physique. Les amateurs et les fabricants commerciaux disposant de l'équipement approprié peuvent imprimer ou créer des pièces en répondant à des appels d'offres lancés par des collectionneurs ou des artistes. Un jeton peut mesurer ce réseau matériel et aider à amorcer les coûts initiaux des installations de fabrication. Cela s'associe particulièrement bien à un paradigme CC0 couplé à un code onchain.

À plus long terme, la biologie synthétique et/ou la fabrication chimique pourraient également constituer une voie intéressante pour les qualités génératives : par exemple, le code génératif pourrait être utilisé pour déterminer algorithmiquement les caractéristiques des cristaux cultivés en laboratoire, les phénotypes des plantes, et bien d'autres choses encore.

Clause de non-responsabilité：

1. Cet article est repris de[Mirror]. Tous les droits d'auteur appartiennent à l'auteur original[1kx]. Si vous avez des objections à cette réimpression, veuillez contacter l'équipe de Gate Learn, qui s'en chargera rapidement.
2. Clause de non-responsabilité : Les points de vue et les opinions exprimés dans cet article sont uniquement ceux de l'auteur et ne constituent pas un conseil en investissement.
3. Les traductions de l'article dans d'autres langues sont effectuées par l'équipe de Gate Learn. Sauf mention contraire, il est interdit de copier, distribuer ou plagier les articles traduits.