El futuro de los bienes de consumo es generativo.

Hoy en día, los algoritmos generativos en cadena se utilizan principalmente en el ámbito de las artes visuales, ya que los artistas escriben código para crear piezas, animaciones e impresiones digitales e interactivas. Sin embargo, es probable que el arte sea sólo el primer medio aplicable para este nuevo proceso creativo en cadena. Creemos que los medios generativos en cadena proliferarán en todas las demás verticales de bienes de consumo y de lujo, y este proceso artístico permitirá de manera única una nueva clase de producciones físicas a través de la fabricación generativa.

El atractivo de las colecciones generativas es evidente: los consumidores anhelan productos distintivos que reflejen sus identidades únicas y al mismo tiempo los vinculen a una comunidad más grande. A través del modelo 1/1/x, los algoritmos generativos logran esto creando piezas singulares en una colección más amplia con una estética cohesiva. Estas creaciones únicas satisfacen los gustos específicos de los individuos, permitiendo una expresión granular dentro de una tribu, y su éxito en este esfuerzo se muestra en la creciente popularidad de los mercados de PFP y las comunidades de nicho que surgen en torno a rasgos generativos específicos.

Curiosamente, los algoritmos generativos y las distribuciones de rareza 1/1/x también abordan la tensión entre la producción en masa y la personalización. En la fabricación tradicional, la creación de productos personalizados a gran escala suele resultar poco práctica y costosa. Sin embargo, los algoritmos generativos se pueden integrar directamente en el hardware de fabricación, como impresoras 3D, máquinas CNC, impresoras láser, telares automáticos y otros dispositivos, lo que proporciona viabilidad en términos de producción y distribución, al tiempo que ofrece escasez y singularidad.

Esta interacción entre la dinámica social y la rareza, y la creación digital y la producción física, prepara el escenario para una nueva clase de bienes de consumo y de lujo que combinan aleatoriedad algorítmica, parametrización del usuario final y unicidad verificable para satisfacer los deseos de los consumidores.

Historia de la fabricación generativa

Los artistas han recurrido constantemente a la tecnología como medio para explorar nuevas dimensiones de la creatividad. Con el tiempo esta relación ha evolucionado notablemente, pasando de esfuerzos puramente artísticos a la confluencia del arte y la manufactura.

Década de 1960: Arte generativo temprano: los artistas comenzaron a experimentar con procesos algorítmicos para crear obras de arte. Utilizando las primeras computadoras y lenguajes de programación, junto con herramientas como el trazador de lápiz, artistas como Manfred Mohr, Vera Molnár y Harold Cohen comenzaron a crear obras de arte basadas en algoritmos.

Década de 1980: Revolución de las computadoras personales y el software: la aparición de las computadoras personales hizo que las herramientas digitales fueran más accesibles. Esto permitió que una gama más amplia de artistas experimentara con estos novedosos procesos artísticos.

Década de 1990 a 2000: nacimiento y expansión de la fabricación aditiva: a medida que la impresión 3D surgió y evolucionó, los artistas vieron nuevas oportunidades. Los artistas generativos comenzaron a experimentar con estas herramientas, creando esculturas e instalaciones directamente a partir de sus diseños basados en software.

Década de 2000 a 2010: el arte digital se encuentra con la fabricación digital: a medida que ambos campos maduraron, los artistas digitales colaborarían con creadores, arquitectos y diseñadores para realizar instalaciones a gran escala. Proyectos como la torre Hy-Fi de The Living, que utilizó ladrillos orgánicos cultivados a partir de tallos de maíz y hongos, incorporaron principios de diseño generativo en su concepción y utilizaron métodos de fabricación modernos para su creación. Fue en esta época que las herramientas de software adaptadas a los artistas, como Processing, les permitieron crear arte programático complejo sin necesidad de conocimientos profundos de programación.

Década de 2010: Maduración de herramientas y métodos: las plataformas y marcos de arte generativo como openFrameworks y TouchDesigner ganaron popularidad. Estas herramientas, combinadas con tecnologías de impresión 3D, corte por láser y fresado CNC más accesibles y sofisticadas, permitieron una producción perfecta. Por ejemplo, artistas como Nervous System utilizaron algoritmos generativos para diseñar joyas y prendas de vestir únicas que posteriormente se imprimieron en 3D.

Década de 2020: Convergencia y colaboración: la línea entre arte, diseño y fabricación se ha vuelto cada vez más borrosa. Instalaciones de arte, estructuras arquitectónicas e incluso objetos cotidianos ahora muestran la estética y las capacidades únicas que la combinación puede producir. En particular, el arte en cadena renovó el interés en el campo del arte generativo en este momento, utilizando entradas criptográficas como semillas aleatorias para colecciones en cadena. Junto con los nuevos primitivos en el espacio digifísico, estamos alcanzando una nueva punta de lanza en la unión de la creación digital y la producción física.

Los artistas generativos de hoy no sólo producen arte; están redefiniendo los bienes de consumo, fusionando el valor estético con el diseño funcional y ampliando las fronteras de lo que es posible tanto en el arte como en la industria.

Experimentos Web3

Dentro de web3, hay una variedad de experimentos iniciales con fabricación generativa.

Historia de la fabricación generativa

Los artistas han recurrido constantemente a la tecnología como medio para explorar nuevas dimensiones de la creatividad. Con el tiempo esta relación ha evolucionado notablemente, pasando de esfuerzos puramente artísticos a la confluencia del arte y la manufactura.

1. Década de 1960: Arte generativo temprano: los artistas comenzaron a experimentar con procesos algorítmicos para crear obras de arte. Utilizando las primeras computadoras y lenguajes de programación, junto con herramientas como el trazador de lápiz, artistas como Manfred Mohr, Vera Molnár y Harold Cohen comenzaron a crear obras de arte basadas en algoritmos.
2. Década de 1980: Revolución de las computadoras personales y el software: la aparición de las computadoras personales hizo que las herramientas digitales fueran más accesibles. Esto permitió que una gama más amplia de artistas experimentara con estos novedosos procesos artísticos.
3. Década de 1990 a 2000: nacimiento y expansión de la fabricación aditiva: a medida que la impresión 3D surgió y evolucionó, los artistas vieron nuevas oportunidades. Los artistas generativos comenzaron a experimentar con estas herramientas, creando esculturas e instalaciones directamente a partir de sus diseños basados en software.
4. Década de 2000 a 2010: el arte digital se encuentra con la fabricación digital: a medida que ambos campos maduraron, los artistas digitales colaborarían con creadores, arquitectos y diseñadores para realizar instalaciones a gran escala. Proyectos como la torre Hy-Fi de The Living, que utilizó ladrillos orgánicos cultivados a partir de tallos de maíz y hongos, incorporaron principios de diseño generativo en su concepción y utilizaron métodos de fabricación modernos para su creación. Fue en esta época que las herramientas de software adaptadas a los artistas, como Processing, les permitieron crear arte programático complejo sin necesidad de conocimientos profundos de programación.
5. Década de 2010: Maduración de herramientas y métodos: las plataformas y marcos de arte generativo como openFrameworks y TouchDesigner ganaron popularidad. Estas herramientas, combinadas con tecnologías de impresión 3D, corte por láser y fresado CNC más accesibles y sofisticadas, permitieron una producción perfecta. Por ejemplo, artistas como Nervous System utilizaron algoritmos generativos para diseñar joyas y prendas de vestir únicas que posteriormente se imprimieron en 3D.
6. Década de 2020: Convergencia y colaboración: la línea entre arte, diseño y fabricación se ha vuelto cada vez más borrosa. Instalaciones de arte, estructuras arquitectónicas e incluso objetos cotidianos ahora muestran la estética y las capacidades únicas que la combinación puede producir. En particular, el arte en cadena renovó el interés en el campo del arte generativo en este momento, utilizando entradas criptográficas como semillas aleatorias para colecciones en cadena. Junto con los nuevos primitivos en el espacio digifísico, estamos alcanzando una nueva punta de lanza en la unión de la creación digital y la producción física.

Los artistas generativos de hoy no sólo producen arte; están redefiniendo los bienes de consumo, fusionando el valor estético con el diseño funcional y ampliando las fronteras de lo que es posible tanto en el arte como en la industria.

Experimentos Web3

Dentro de web3, hay una variedad de experimentos iniciales con fabricación generativa.

Telar Neolice de Trame

Craft Nouveau de Trame x CPG es una serie de colecciones centradas en combinar la artesanía tradicional con el arte generativo, mostrando la capacidad del código generativo para preservar los estilos artísticos de las culturas de todo el mundo. Navette de Alexis André fue la colección debut de Craft Nouveau, en la que Alexis escribió un algoritmo que genera imágenes diseñadas para ser tejidas automáticamente por Neolice Loom, un telar automático que puede ingerir código para tejer piezas físicas.

El ecosistema fx(hash) ha sido objeto de mucha experimentación en el lado de la fabricación, probablemente debido a su enfoque sin permiso para la autoedición. Klangteppich, un NFT dinámico en evolución proporciona instrucciones para un telar y permite al coleccionista recibir una pieza física de cualquier marco generado. Las Mini Dalias contienen dentro de los metadatos del NFT las instrucciones para crear una escultura de bolsillo de 3,5” x 2,0” a partir de 14 capas de tablero de alfa-celulosa cortado con láser. Nuages ​​Possible crea variaciones de la serie de nubes de Joanie Lemercier con los resultados del código recreados por una máquina trazadora en el espacio físico.

Nuages posibles en fx(hash)

Más allá de la artesanía y el arte, la moda es una de las vías más exploradas para la fabricación generativa. La producción de Iteration-002 por parte de 9dcc es un ejemplo temprano de combinación de diseños generativos y productos físicos. Las camisetas Iteration-002 se produjeron en vivo utilizando una impresora conectada al algoritmo Squiggles de SnowFro. El impresor se basó en la aleatoriedad algorítmica del código fuente para determinar las características del diseño impreso en la camiseta, y siguió la misma distribución de características que la colección original de 10k.

9dcc ITERACIÓN-002

Tribute Brand también remezcló recientemente el algoritmo Chromie Squiggle para crear ropa manufacturada. Los poseedores de Chromie Squiggle podrían generar suéteres personalizados utilizando su exclusivo Chromie Squiggle, mientras que otros pueden generar suéteres únicos a través del algoritmo original de Chromie Squiggle. El lanzamiento incluía un suéter ODDS tanto digital como físico derivado del código fuente de Chromie Squiggle. Los objetos digitales sirven como planos para futuras ediciones de suéteres y se pueden usar como máscaras en entornos inmersivos, y cada objeto digital ODDS único se puede canjear por un suéter físico ODDS correspondiente, hecho a mano por Waste Yarn Project.

Otros proyectos de moda generativa notables incluyen mmERCH y RSTLSS, los cuales planean experimentar en torno a diseños y aleatoriedad algorítmica.

Adoptando un enfoque ligeramente diferente a los bienes generativos, Deep Objects utilizó un motor de curación comunitaria para reducir un millón de diseños generados por su modelo GAN AI en una sola pieza. Esta pieza final ahora se imprimirá en 3D en una muestra de creación de productos generativos impulsada por la comunidad.

La pila de fabricación generativa

La pila de fabricación generativa se puede dividir en 5 capas:

Creación: etapa inicial en la que se genera un diseño o concepto mediante procesos algorítmicos o de inteligencia artificial.

Curación: El proceso de seleccionar y refinar los diseños generados para lograr los resultados o especificaciones deseados.

Traducción: La conversión del diseño digital en instrucciones o códigos legibles por máquina para ser utilizados por el equipo de fabricación.

Fabricación: El proceso de producción física o fabricación del diseño utilizando diversos materiales y equipos.

Autenticación/Vinculación: La verificación de la autenticidad del producto fabricado y vincularlo a su gemelo digital para garantizar su procedencia.

Capa de creación

La creación de un bien generativo comienza con el código. Bibliotecas como p5.js y Processing brindan herramientas poderosas para que artistas y diseñadores creen arte generativo. Estas bibliotecas se amplían mediante la aleatoriedad en cadena utilizando semillas generadas a partir de hashes de transmisión, datos de tokens, encabezados de bloques y más. Los motores de arte en cadena como ArtBlocks Engine y fx(hash) permiten a los artistas insertar fácilmente estas semillas aleatorias en su código y crear una obra de arte directamente en la cadena.

Para los artistas de IA, esta capa se centra en el desarrollo y ajuste del modelo para crear la estética deseada. Por lo general, comienzan seleccionando como base un modelo de IA preexistente, como una red generativa adversarial (GAN). A través de la retropropagación, los pesos del modelo se mejoran gradualmente para generar arte que se alinee con el estilo deseado. El artista brinda retroalimentación seleccionando los resultados más atractivos e incorporándolos nuevamente al conjunto de datos de capacitación. Este proceso iterativo continúa, refinando el desempeño del modelo y permitiendo al artista explorar diferentes posibilidades. Fuera de los modelos personalizados o LoRA de difusión estable, también existen herramientas para simplificar este proceso, como Scenario.gg.

Capa de curación

Después de la capa de creación, los resultados del código se pueden refinar aún más para que coincidan con las preferencias del usuario. En el contexto de la codificación creativa, esto suele ser en forma de parametrización multijugador como la que está disponible con fx(params) de fx(hash).

En el contexto de los modelos generativos de IA, la curación generalmente se ha realizado a través de una comunidad más amplia de poseedores de tokens, como es el caso del algoritmo generativo de Botto y el proceso de diseño comunitario de Deep Objects.

Los estudios o la autoedición son el tramo final del proceso de curación. Aquí es donde entran los estudios generativos como Trame y ArtBlocks para presentar piezas al público, o fx(hash) como autoeditor.

Capa de traducción

Una vez que se establecen el algoritmo y el diseño, el bien generativo debe traducirse en instrucciones legibles por máquina para el hardware de fabricación. La traducción es un proceso relativamente sencillo cuyo objetivo es recrear una pieza en el espacio físico con la mayor fidelidad posible al original.

La traducción se puede realizar de diferentes maneras, entre ellas:

Interpretación Artista/Coleccionista. La forma más sencilla de traducir un objeto es dejar las especificaciones de diseño físico en manos del artista o coleccionista. Tomarían decisiones sobre cómo se debe realizar una pieza, el material a utilizar, las dimensiones específicas, etc.

Rasgos incorporados. Un enfoque mucho más escalable e interesante es incorporar la información física necesaria para la fabricación en el propio NFT. Los rasgos dentro de los metadatos de la NFT definen las áreas de interpretación (por ejemplo, el número de hilos, el tamaño del hilo, las instrucciones de tejido y más para una pieza de tapiz).

Instanciación directa. Un tercer enfoque es la generación del activo interpretable directamente: el algoritmo generativo ya está adaptado para el hardware de fabricación, o la salida del algoritmo es un archivo imprimible en 3D o los vértices de una malla 3D.

Capa de fabricación

Después de la traducción, los bienes generados se fabrican. ​​La fase de fabricación es un paso crítico que implica convertir el diseño virtual en un objeto físico. Se utilizan varias técnicas, como la impresión 3D, el fresado CNC, el corte por láser, las impresoras automáticas y el tejido automático, para crear objetos con diferentes materiales y formas.

La cerámica generativa de Trame

Para la primera entrega de Trame con Alexis Andre mencionada anteriormente, se utilizó Neolice Loom como hardware de fabricación. Neolice Loom toma el guión personalizado del artista y reinterpreta el código en un espacio 3D a través del tejido. Trame también se está extendiendo a nuevos medios: la imagen de arriba destaca un experimento con cerámica generativa.

Si bien es específico para la producción de arte generativo actual, Artmatr destaca lo que las herramientas de fabricación avanzadas pueden hacer para la producción física de artículos digitales. Los artistas trabajan con el equipo de Artmatr para enviar varios formatos de archivos digitales, como código, modelos 3D, archivos PSD (Photoshop), vectores y animaciones. A continuación, definen los "hilos" físicos, incluidos parámetros como el medio (aceite, UV, acrílico), el sustrato, las dimensiones y más. Por último, esto se materializa mediante el uso de máquinas como brazos robóticos e impresoras de 6 ejes. Se utilizan diferentes técnicas, como impresión por inyección de tinta, aerografía y extrusión, y las topologías resultantes pueden ser 2D, 2,5D o 3D.

Capa de autenticación/enlace

Una vez creado el objeto físico, es necesario vincularlo nuevamente a su gemelo digital. Esto sería similar a los procesos digifísicos en otros espacios como la moda. El uso de chips de comunicación de campo cercano como los fabricados por Kong e IYK, la estenografía y los códigos QR son sólo algunas de las técnicas para vincular lo digital con lo físico y proporcionar certificación en torno a la procedencia.

Consulte nuestra publicación reciente sobre infraestructura digifísica aquí, o nuestro artículo sobre moda digital que profundiza en estrategias digifísicas específicas de la moda.

Posibilidades futuras

En el futuro, anticipamos que el arte generativo en cadena existente actuará como programas para derivados. Hemos visto esto mediante el uso de Squiggles en una variedad de proyectos de moda, y otro ejemplo temprano de esto es Terraflows, un estudio de campo de flujo construido sobre el programa de arte Terraforms. Este tipo de arte en red puede conducir a fascinantes reinterpretaciones del arte generativo en el espacio físico. Por ejemplo, se podría utilizar el guión artístico de Fidenza para crear diseños arquitectónicos para casas impresas en 3D.

Otra posibilidad futura interesante es la tokenización de instalaciones de fabricación descentralizadas para producir bienes generativos a escala en una especie de red de infraestructura física. Los aficionados y los fabricantes comerciales con el equipo adecuado pueden imprimir o crear piezas ofertando para trabajos publicados por coleccionistas o artistas. Un token puede medir esta red de hardware y ayudar a cubrir los costos iniciales de las instalaciones de fabricación. Esto combina especialmente bien con un paradigma CC0 junto con un código en cadena.

Mirando aún más lejos, la fabricación de biología y/o química sintética también podría ser una vía interesante para las cualidades generativas: por ejemplo, el código generativo podría usarse para determinar algorítmicamente los rasgos de cristales cultivados en laboratorio, fenotipos de plantas y más.

Descargo de responsabilidad:

1. Este artículo se reimprime de [Espejo]. Todos los derechos de autor pertenecen al autor original [1kx]. Si hay objeciones a esta reimpresión, comuníquese con el equipo de Gate Learn y ellos lo manejarán de inmediato.
2. Descargo de responsabilidad: los puntos de vista y opiniones expresados en este artículo son únicamente los del autor y no constituyen ningún consejo de inversión.
3. Las traducciones del artículo a otros idiomas están a cargo del equipo de Gate Learn. A menos que se mencione, está prohibido copiar, distribuir o plagiar los artículos traducidos.