從人工智慧看3D列印
撰文 | 小熊
出品 | 創克加科技
歡迎關注創克加科技公眾號
引言
在人工智慧的熱潮下，眾多領域已經開始嘗試人工智慧。目前人工智慧比較可靠的應用領域包括：
1. 高級自動化，取代重複的手工勞動。
2. 在資料領域發揮作用，創造商業價值，輔助重大決策。
3. 在特定領域成為專業人士的助手。
4. 受限場景下的自然人機介面。
5. 娛樂業，玩具。
3D列印與人工智慧結合又將迸發出什麼樣的潛能？
人工智慧的特點：資料最為關鍵
之前我們提到，
第一：計算能力。
計算能力需要用GPU（圖形處理單元）來進行處理。在過去，如果需要提供人工智慧能力，要有很強大的財力支援，因為要買很多GPU，搭建一個完善的GPU計算平臺。但是現在，全球的IT企業巨頭，都紛紛把自己的計算能力開放出來了。現在有了雲計算和開放平臺，只要能夠接入互聯網，就能享受到穀歌、Facebook這樣的巨頭公司提供的最強大的計算能力的支援。
第二：演算法。
如今人工智慧演算法是開源的，而且隨著它的迅速擴散，會變得越來越開源，越來越通用。例如，穀歌開源了自己的人工智慧的開發系統（TensorFlow），當然是為了配合它的TPU（Tensor Processing Unit），也就是人工智慧處理的硬體。它是開源的，開發者可以直接使用。很多不懂人工智慧演算法的人，也可以調用很多人工智慧的複雜的處理方法去做人工智慧的開發了。
第三：大數據。
當計算能力和演算法都不再是門檻，
人工智慧在3D列印領域的應用
人工智慧的一大應用就是通過機器視覺來鑒定並篩選產品。
不同的黃瓜形態
機器視覺是人工智慧正在快速發展的一個分支。簡單說來，機器視覺就是用機器代替人眼來做測量和判斷。機器視覺系統是通過圖像攝取裝置將被攝取目標轉換成圖像信號，傳送給專用的影像處理系統，得到被攝目標的形態資訊，根據圖元分佈和亮度、顏色等資訊，轉變成數位化信號。圖像系統對這些信號進行各種運算來抽取目標的特徵，進而根據判別的結果來控制現場的設備動作。利用機器視覺技術的例子有很多，比如有大學生在社交網路上去識別社交網路裡的海量使用者上傳的圖片裡的野生動物，從而能夠製作出整個全球的野生動物遷徙的路線圖和遷徙的模型。
基於機器視覺和人工智慧的技術同樣可以應用在3D列印技術，實現金屬3D列印粉末的鑒定。在金屬融化過程中，每個鐳射點創建了一個微型熔池，從粉末融化到冷卻成為固體結構的過程中，多種因素會對最終產品的品質產生影響。卡內基梅隆大學工程學院的研究人員開發了針對金屬3D列印材料的機器視覺技術，可以自動識別和分類不同種類的3D列印金屬粉末，準確度達95％以上。
對不同種類的金屬粉末進行識別
卡內基梅隆（Carnegie Mellon）大學的材料科學和工程教授，研究領域的研究主管伊莉莎白·霍爾姆（Elizabeth Holm）解釋說：“在傳統的製造領域，通常通過破壞性測試來實現對零件的檢測。 一家公司可能會生產多種零件，並對其進行測試，看看這些零件如何忍受壓力和疲勞。”
Holm和她的研究團隊在八種不同的商業原料粉末上測試了機器視覺粉末分選系統，發現他們的系統能夠精確地分選進入3D印表機的粉末，這將使得一些破壞性測試變得多餘。在Holm看來，“破壞性測試花費大量的時間和金錢，拉低了增材製造的效率和自動化程度，另外破壞性測試使得3D列印的按需性質變得緩慢。”
在沒有手動監督的情況下通過電腦視覺來識別和分類粉末，電腦可以看出，金屬粉末是否具有零件要求的微觀結構品質、強度、抗疲勞度、韌性等。如果是這樣，一旦進行3D列印，金屬粉末就不太可能帶來零件裂紋或發生加工故障。
人工智慧的回饋方式有兩種，第一種是客觀結果，比如說3D列印金屬粉末，判斷是由客觀依據的；另一種是專家結果，就是並非完全客觀的東西，比如作曲，一個曲子是不是旋律優美並非完全客觀。所以需要用專家的判斷作為回饋依據。比如現在已經有人工智慧的畫家，一個俄羅斯的程式師編寫了一個小程式叫Ostagram，你只要輸入兩幅畫，一副是風格，一副是構圖，人工智慧系統就自動地把第一幅的風格疊加到第二幅的構圖上去，形成統一風格的作品。比如你在風格那副用梵古的《星空》，在構圖這幅隨便用一個風景畫，結果你的風景畫就被改造成了梵古的星空風格。
類似的，哥本哈根IT大學（IT University of Copenhagen）和懷俄明大學（University of Wyoming）的電腦科學家們在2016年開發出了一種能夠創作3D列印藝術品的人工智慧軟體，能夠在無人干涉的情況下使用深度學習和創新引擎來創建3D物件。據科學家們介紹，他們使用了圖像識別技術，可以用於高級別資料抽象的建模。深度神經網路會根據（1）可以列印、（2）是彩色的、（3）能夠突出有趣的特性等這幾條標準挑選出幾件3D作品然後將其送到線上3D列印平臺Shapeways上用彩色砂岩材料進行3D列印。
利用人工智慧軟體創建的三維藝術品
人工智慧同樣可以與三維掃描結合，體現出巨大價值。布朗大學的邁克爾·布萊克（Michael Black）教授創立了Body Labs，並開發了一種技術能夠將人體用更精確的方式資料化。與普通的人像掃描不同的是，Body Labs能夠通過人工智慧技術來實現自我學習，可以收集、資料化和整理關於人體外形、姿態和運動時的動態資料。更精准的資料意味著能夠通過3D列印技術製作服裝，或者用來支持3D列印人體假肢或其他醫療器械。
Body Labs的創立源於當地的執法人員找到布萊克教授，希望他找到一種解決辦法，通過電腦來識別罪犯。根據安全攝像機鏡頭所拍攝到的犯罪嫌疑人，執法人員希望能還原出嫌疑人正常姿態下的身高、身材和形狀。為了實現這個目標，布萊克教授通過機器學習演算法來研究成千上萬的3D掃描的真實生活的人在各種姿勢下的人體形狀，並創建了統計模型，這項研究持續了十年。
Body Labs的軟體依賴於初始網格範本和人工智慧，通過自動修復的演算法，能夠更準確地反映人體的三維資料。在修復三維資料方面，市場上的普遍做法只是將缺失的部位通過點陣的方式連接起來，而Body Labs的網格變形是基於人工智慧資料庫，可以更精確的按照人體組成的規律來修復三維網格。
通過Body Labs的線上平臺，僅僅需要輸入簡單的人體資料，就能夠線上訂購定制的、3D列印的服裝。Body Labs的一個主要用戶就是著名的美國麻省的設計工作室Nervous System。Nervous System通過該平臺，對客戶進行身體的三維掃描，讓客戶挑選服裝的樣式和版型，然後對尼龍花瓣的圖案密度進行調整，使衣服更加合身，接著採用選擇性鐳射燒結技術進行列印，一件精緻的3D概念服裝就成型了。
Nervous System設計的3D列印服裝
小結
美國《連線》雜誌前主編克裡斯·安德森在《創客》一書中寫道：“正如前兩次工業革命發生時，技術的影響力需要幾十年的時間方能顯現，此次數字計算發明本身的力量仍然單薄。第一台商業電腦取代了某些公司和政府的精算與統計工作，第一批IBM電腦取代了某些文秘職能，但兩者都未能改變世界。電腦的終極經濟影響並未體現在經由軟體改變的服務業中，而是體現在前兩次工業革命大顯神威的相同領域內：製造業。”近年來，在製造業的某些特定領域，人工智慧取得了顯著的進步，並取得了一系列突破性的成果，如機器視覺和人工智慧技術大大提高了增材製造的生產效率。人工智慧應大資料而生，給大資料提供了一個深度思考的大腦，而3D列印給了智慧數位化一個強健的軀體，三者共同引發了智慧時代浪潮的來臨。隨著智慧製造時代的到來，我們相信今後的3D列印與人工智慧聯手會實現更多意想不到的成果。
讓人工智慧自己學習什麼樣的黃瓜應該分到哪一級，然後在流水線上做自動分揀，大大提升了黃瓜的分揀效率。不同的黃瓜形態
機器視覺是人工智慧正在快速發展的一個分支。簡單說來，機器視覺就是用機器代替人眼來做測量和判斷。機器視覺系統是通過圖像攝取裝置將被攝取目標轉換成圖像信號，傳送給專用的影像處理系統，得到被攝目標的形態資訊，根據圖元分佈和亮度、顏色等資訊，轉變成數位化信號。圖像系統對這些信號進行各種運算來抽取目標的特徵，進而根據判別的結果來控制現場的設備動作。利用機器視覺技術的例子有很多，比如有大學生在社交網路上去識別社交網路裡的海量使用者上傳的圖片裡的野生動物，從而能夠製作出整個全球的野生動物遷徙的路線圖和遷徙的模型。
基於機器視覺和人工智慧的技術同樣可以應用在3D列印技術，實現金屬3D列印粉末的鑒定。在金屬融化過程中，每個鐳射點創建了一個微型熔池，從粉末融化到冷卻成為固體結構的過程中，多種因素會對最終產品的品質產生影響。卡內基梅隆大學工程學院的研究人員開發了針對金屬3D列印材料的機器視覺技術，可以自動識別和分類不同種類的3D列印金屬粉末，準確度達95％以上。
對不同種類的金屬粉末進行識別
卡內基梅隆（Carnegie Mellon）大學的材料科學和工程教授，研究領域的研究主管伊莉莎白·霍爾姆（Elizabeth Holm）解釋說：“在傳統的製造領域，通常通過破壞性測試來實現對零件的檢測。 一家公司可能會生產多種零件，並對其進行測試，看看這些零件如何忍受壓力和疲勞。”
Holm和她的研究團隊在八種不同的商業原料粉末上測試了機器視覺粉末分選系統，發現他們的系統能夠精確地分選進入3D印表機的粉末，這將使得一些破壞性測試變得多餘。在Holm看來，“破壞性測試花費大量的時間和金錢，拉低了增材製造的效率和自動化程度，另外破壞性測試使得3D列印的按需性質變得緩慢。”
在沒有手動監督的情況下通過電腦視覺來識別和分類粉末，電腦可以看出，金屬粉末是否具有零件要求的微觀結構品質、強度、抗疲勞度、韌性等。如果是這樣，一旦進行3D列印，金屬粉末就不太可能帶來零件裂紋或發生加工故障。
人工智慧的回饋方式有兩種，第一種是客觀結果，比如說3D列印金屬粉末，判斷是由客觀依據的；另一種是專家結果，就是並非完全客觀的東西，比如作曲，一個曲子是不是旋律優美並非完全客觀。所以需要用專家的判斷作為回饋依據。比如現在已經有人工智慧的畫家，一個俄羅斯的程式師編寫了一個小程式叫Ostagram，你只要輸入兩幅畫，一副是風格，一副是構圖，人工智慧系統就自動地把第一幅的風格疊加到第二幅的構圖上去，形成統一風格的作品。比如你在風格那副用梵古的《星空》，在構圖這幅隨便用一個風景畫，結果你的風景畫就被改造成了梵古的星空風格。
類似的，哥本哈根IT大學（IT University of Copenhagen）和懷俄明大學（University of Wyoming）的電腦科學家們在2016年開發出了一種能夠創作3D列印藝術品的人工智慧軟體，能夠在無人干涉的情況下使用深度學習和創新引擎來創建3D物件。據科學家們介紹，他們使用了圖像識別技術，可以用於高級別資料抽象的建模。深度神經網路會根據（1）可以列印、（2）是彩色的、（3）能夠突出有趣的特性等這幾條標準挑選出幾件3D作品然後將其送到線上3D列印平臺Shapeways上用彩色砂岩材料進行3D列印。
利用人工智慧軟體創建的三維藝術品
人工智慧同樣可以與三維掃描結合，體現出巨大價值。布朗大學的邁克爾·布萊克（Michael Black）教授創立了Body Labs，並開發了一種技術能夠將人體用更精確的方式資料化。與普通的人像掃描不同的是，Body Labs能夠通過人工智慧技術來實現自我學習，可以收集、資料化和整理關於人體外形、姿態和運動時的動態資料。更精准的資料意味著能夠通過3D列印技術製作服裝，或者用來支持3D列印人體假肢或其他醫療器械。
Body Labs的創立源於當地的執法人員找到布萊克教授，希望他找到一種解決辦法，通過電腦來識別罪犯。根據安全攝像機鏡頭所拍攝到的犯罪嫌疑人，執法人員希望能還原出嫌疑人正常姿態下的身高、身材和形狀。為了實現這個目標，布萊克教授通過機器學習演算法來研究成千上萬的3D掃描的真實生活的人在各種姿勢下的人體形狀，並創建了統計模型，這項研究持續了十年。
Body Labs的軟體依賴於初始網格範本和人工智慧，通過自動修復的演算法，能夠更準確地反映人體的三維資料。在修復三維資料方面，市場上的普遍做法只是將缺失的部位通過點陣的方式連接起來，而Body Labs的網格變形是基於人工智慧資料庫，可以更精確的按照人體組成的規律來修復三維網格。
通過Body Labs的線上平臺，僅僅需要輸入簡單的人體資料，就能夠線上訂購定制的、3D列印的服裝。Body Labs的一個主要用戶就是著名的美國麻省的設計工作室Nervous System。Nervous System通過該平臺，對客戶進行身體的三維掃描，讓客戶挑選服裝的樣式和版型，然後對尼龍花瓣的圖案密度進行調整，使衣服更加合身，接著採用選擇性鐳射燒結技術進行列印，一件精緻的3D概念服裝就成型了。
Nervous System設計的3D列印服裝
小結
美國《連線》雜誌前主編克裡斯·安德森在《創客》一書中寫道：“正如前兩次工業革命發生時，技術的影響力需要幾十年的時間方能顯現，此次數字計算發明本身的力量仍然單薄。第一台商業電腦取代了某些公司和政府的精算與統計工作，第一批IBM電腦取代了某些文秘職能，但兩者都未能改變世界。電腦的終極經濟影響並未體現在經由軟體改變的服務業中，而是體現在前兩次工業革命大顯神威的相同領域內：製造業。”近年來，在製造業的某些特定領域，人工智慧取得了顯著的進步，並取得了一系列突破性的成果，如機器視覺和人工智慧技術大大提高了增材製造的生產效率。人工智慧應大資料而生，給大資料提供了一個深度思考的大腦，而3D列印給了智慧數位化一個強健的軀體，三者共同引發了智慧時代浪潮的來臨。隨著智慧製造時代的到來，我們相信今後的3D列印與人工智慧聯手會實現更多意想不到的成果。