Целью исследования стала оценка практической применимости современных нейросетевых инструментов (DeepSeek-R1, Perplexity.ai, Microsoft Copilot, Sora, Hyper 3D) в качестве ассистентов промышленного дизайнера на примере разработки авиакресла эконом-класса. Методология включала сравнение ответов нейросетей на идентичные промпты, анализ сгенерированных планов исследований, визуализацию концептов и 3D-прототипирование. Результаты показали, что нейросети способны значительно ускорить этапы сбора данных, генерации идей и первичной визуализации, но требуют строгого контроля из-за риска «галлюцинаций» и поверхностной аналитики.

Ключевые слова :нейросетевые ассистенты, нейросеть, промышленный дизайн, дизайн-исследование, генеративный ИИ, DeepSeek-R1, Perplexity.ai, Microsoft Copilot, Sora, Hyper 3D, авиакресло эконом-класса, промпт-инжиниринг, галлюцинации ИИ.

Помните ли вы те первые вирусные картинки, созданные нейросетями всего несколько лет назад? Люди с семью пальцами, абсурдные пейзажи, искаженная перспектива — тогда это было скорее забавным курьезом, демонстрирующим сырую мощь новой технологии. Однако стремительное развитие искусственного интеллекта привело к появлению современных нейросетевых инструментов, демонстрирующих значительный потенциал в качестве функциональных ассистентов в профессиональной сфере. Несмотря на сохраняющиеся дискуссии о границах их применения и надежности, актуальным становится вопрос об интеграции этих инструментов в реальные исследовательские и проектные процессы для решения сложных задач.

Эта трансформация особенно актуальна для областей, где время, ресурсы и необходимость балансировать между противоречивыми требованиями становятся критическими факторами успеха. Так, особую актуальность этот вопрос приобретает в области промышленного дизайна, где специалисты сталкиваются с необходимостью оптимизации времени, ресурсов и поиска баланса между часто противоречивыми требованиями. Дизайнеру необходимо создавать продукты, которые должны сочетать:

— эргономику и комфорт пользователя;

— безопасность и надежность конструкции;

— экономическую эффективность производства и эксплуатации, включая выбор материалов, оптимизацию веса изделия и сложности изготовления.

Традиционные методы дизайн-исследований в подобных проектах часто отличаются высокой трудоемкостью, ресурсоемкостью и длительными временными затратами. Это объясняется необходимостью проведения комплексного анализа рынка и аналогов, изучения целевой аудитории, многократного создания и тестирования физических прототипов, выполнения сложных инженерных расчетов, оценки технологических возможностей производства, а также глубокого анализа эргономики и пользовательского опыта. Именно поэтому оценка потенциала современных нейросетевых инструментов для автоматизации рутинных задач и поддержки аналитической работы промышленного дизайнера является актуальной научно-практической задачей.

Целью данной работы является исследование практического потенциала различных типов нейросетевых инструментов для поддержки этапов дизайн-исследования на примере конкретной задачи — проектирования авиакресла эконом-класса. В исследовании применялись:

— Текстовые нейросетевые ассистенты (включая DeepSeek-R1, Perplexity AI, Microsoft Copilot) для анализа информации, генерации идей, сравнительного анализа данных (особенно по материалам и нормативам).

— Генеративные модели для создания изображений (Sora) для визуализации концептуальных решений.

— Инструменты для генерации 3D-геометрии (Hyper 3D) для построения базовых моделей.

Нейросеть DeepSeek-R1 [1] — большая языковая модель с открытым исходным кодом, которую разработала одноименная компания из Китая. С нейросетью можно общаться на нескольких языках, в том числе на русском, генерировать тексты в различных режимах (обычный, DeepThink (режим рассуждения), поисковой), генерировать промпты и коды. DeepSeek умеет работать с текстовыми файлами, распознавать текст с изображений, но не умеет генерировать мультимедийный материал.

Режим «Search» — основной режим, в котором нейросеть анализирует запрос и формирует ответ в реальном времени. Используется по умолчанию.

Режим рассуждения DeepThink(в DeepSeek-R1) — это специальный интеллектуальный режим работы нейросети, направленный на глубокий анализ, логические рассуждения и генерацию комплексных ответов без опоры на внешний поиск. В этом режиме нейросеть использует внутренние знания без обращения к интернету.

Режим поиска — это инструмент для работы со свежими или узкоспециальными данными, где нейросеть выступает «интеллектуальным поисковиком»: находит, фильтрует и суммирует информацию из открытых веб-источников в реальном времени.

Промпт (Prompt) — это текстовый запрос или инструкция, которую пользователь вводит в нейросеть для получения нужного результата. Это основной способ «общения» человека с искусственным интеллектом (ИИ).

Perplexity AI [3] — нейросеть с поисковой системой, разработанная одноименной компанией из США. Специализируется на поиске, анализе и структурировании информации из интернета в реальном времени. Поддерживает диалог на русском и других языках, сочетая функции ответа на вопросы, проверки достоверности информации и исследовательской аналитики. Осуществляет поиск с цитированием источников, способна предоставить ссылки на сайты с исследованиями. Поддерживает голосовой ввод и полноценное голосовое общение «пользователь — нейросеть».

Из интересного, в Perplexity AI есть несколько режимов поиска:

— Веб — осуществляет поиск по всему интернету

— Академический — осуществляет поиск научных работ.

— Социальный — осуществляет поиск в социальных сетях и неформальных источниках.

— Финансовые данные — режим, позволяющие работать с котировками акций в реальном времени, историческими отчетами о доходах и т. д.

Microsoft Copilot [2] — мультимодальный ИИ-ассистент, разработанный компанией Microsoft (США) на базе моделей GPT-4 и DALL·E 3. Имеет несколько инструментов для работы в виде отдельных приложений. Веб-версия поддерживает диалог на русском языке, сочетая текстовую генерацию, поиск с цитированием, анализ данных и создание изображений. В браузере есть два режима работы: быстрые ответы и Think Deeper (нейросеть будет проверять больше источников информации и подготовит развернутый ответ).

Sora [5] — это генеративная нейросеть для создания изображений и видео, разработанная компанией OpenAI (США). Специализируется на преобразовании текстовых запросов (промптов) в высокодетализированные изображения и видеоролики длиной до 1 минуты. Работает исключительно как мультимодальный визуализатор — без текстового диалога или поисковых функций.

Hyper 3D [4] — нейросетевой инструмент для генерации 3D-моделей, специализирующийся на преобразовании текстовых описаний или 2D-изображений в трёхмерные объекты. Разработан для ускорения концептуального моделирования в промышленном дизайне, архитектуре и игровой индустрии.

Центральной частью исследования стало сравнение качества ответов нейросетей на единую дизайнерскую задачу. Для этого DeepSeek-R1, Copilot и Perplexity получили одинаковый промпт. В промпте был задан контекст, чтоб цифровой ассистент понимал, с задачей из какой области ему предстоит работать и каких ответов от него ожидает пользователь:

«Ты промышленный дизайнер, тебе необходимо сделать дизайн-исследование кресла для самолета. Составь план исследования».

Три нейросети прописали планы для дизайн-исследования, заметно отличающиеся друг от друга (таблица 1).

Таблица 1

Планы для дизайн-исследования

Все три нейросети демонстрируют понимание ключевых компонентов дизайн-исследования и способны предложить осмысленную структуру плана. Это демонстрирует их потенциальную полезность как «ассистентов» на этапе планирования.

DeepSeek-R1 показал наивысшую готовность к комплексному планированию, предложив самый детализированный и логически полный план, охватывающий все существенные аспекты. Его план наиболее близок к профессиональному стандарту.

Perplexity AI показал сильный акцент на нормативные требования и документацию, что отражает его поисковую сущность. Его план лаконичен, но этапов для проведения дизайн-исследований и получения полной картины недостаточно.

Copilot продемонстрировал прагматичный подход с акцентом на анализ существующего, технологии, эстетику и стоимость, но его план менее последователен и упускает некоторые важные этапы (постановка целей, отчетность).

Ни одна нейросеть не предложила идеального плана, все они требуют адаптации и критической оценки экспертом-дизайнером (например, Copilot не учел цели, Perplexity упустил экономику и компоновку). Ответы отражают общее понимание процесса, но могут не учитывать специфические нюансы конкретной задачи (например, особые требования авиации к весу или протоколы сертификации), если это явно не заложено в промпт.

Качество плана сильно зависит от точности и полноты исходного промпта. При необходимости стоит упомянуть обязательные пункты, требования источники поиска информации в сети.

Дальнейшая работа с нейросетями велась по составленным ими планам дизайн-исследований.

Работа с Perplexity была самой быстрой, так как ее план содержит всего 4 общих пункта с несколькими подпунктами. Так, например, нейросеть сама упомянула оптимизацию пространства в самолете путем размещения двухъярусных конструкций сидений в салоне, и в дальнейшем постоянно прибегала к этой теме. На запрос «Изучи преимущества и недостатки новых форм и конструкций, их влияние на эргономику и безопасность» Perplexity дала такой ответ:

«На основе анализа современных нормативных требований и пользовательских предпочтений, а также с учётом инновационных концепций, включая двухъярусные кресла Airbus, предлагаю несколько концептов авиационных кресел для разных классов и задач.

Концепт 1. Двухъярусное кресло для эконом-класса (по мотивам Airbus и Chaise Longue)

Описание: Два уровня сидений, расположенных друг над другом с высотой между рядами около 1,3 м. Нижний ряд — стандартное кресло с увеличенным пространством для ног…»

На запрос провести анализ современных трендов в авиационном дизайне, Perplexity сразу зацепилась за использование экологичных материалов (шерсть мериноса), инновационных каркасов и интеграцию цифровых панелей управления. Заключением на запрос стал данный ответ: «Современный авиационный дизайн ориентирован на сочетание экологичности, инновационных материалов и цифровых технологий для повышения комфорта и эффективности. Использование шерсти мериноса и легких карбоново-полимерных каркасов снижает вес и улучшает экологический профиль кресел, а интеграция цифровых панелей управления расширяет возможности персонализации. Эти тренды отражают глобальные тенденции устойчивого и технологичного дизайна, которые будут доминировать в авиационной индустрии в ближайшие годы». При этом ссылками к ответу служили сайты, на которых размещались статьи о графическом дизайне, но никак не о трендах в авиапромышленности.

Итогом каждого исследования служило написание промпта на тему «Идеальное авиакресло эконом-класса на основе всех проведенных нейросетью исследований» для дальнейшей генерации изображений.

Промпты для генерации изображений нейросети пишут на английском языке (рис. 1), так как он своего рода «нейросетевой стандарт». Так он обеспечивает лучшую совместимость с архитектурой моделей, больше данных для обучения и стабильный результат. Но с развитием нейронных сетей использование русского становится также возможно.

Рис. 1. Промпт на генерацию изображения авиакресла от Perplexity

Итогом исследований Perplexity AI стали нелогичные и несуразные изображения двухъярусного кресла (рис. 2), которые были сгенерированы нейростеью Sora.

Рис. 2. Итоговая визуализация дизайн-исследования авиакресел от Perplexity AI

Неросети Perplexity не хватило исследований и данных для написания углубленного технического задания, из которого формировался промпт для генерации изображений. Если бы она предоставила более четкий и подробный план исследований, результат был бы приближенным к жизни.

Copilot на запросы отвечал последовательно и довольно подробно, но часто ошибался с источниками либо вовсе их не предоставлял. На запрос определить и описать целевые группы пользователей (пассажиры эконом-, бизнес- и первого класса) нейросеть самостоятельно построила сравнительную таблицу. После каждого своего ответа Copilot предлагает вопросы, которые позволят углубиться в тот или иной вопрос исследования.

Однако на запрос из плана «Проанализируй существующие кресла для пассажирских самолетов на рынке с точки зрения визуала» нейросеть предоставила следующий ответ:

«Вот несколько источников, где можно посмотреть визуальный анализ кресел для пассажирских самолетов:

— Галерея пассажирских кресел — подборка фотографий различных моделей кресел.

— Концепты новых кресел — идеи по улучшению дизайна кресел, включая варианты для обеспечения дистанции между пассажирами.

— Новые российские кресла — обзор современных российских разработок в области авиационных кресел.

Если тебе нужно более детальное сравнение визуальных особенностей или анализ конкретных моделей, дай знать!».

Ссылки из ответа вели на сайт со сборником фотографий разного качества самых разных моделей авиакресел. В промпте не были обозначены конкретные модели, требующие сравнения, вследствие этого нейросеть не смогла предоставить желаемый ответ.

Промпт для генерации изображения идеального авиакресла эконом-класса (по мнению Copilot) был более лаконичен по сравнению с Perplexity. Тем не менее, полученные изображения приближены к реальности (рис. 3). Они могут быть использованы для концептуального поиска и стать источником вдохновения в дизайн-проектировании авиакресла.

Рис. 3. Итоговая визуализация дизайн-исследования авиакресел от Copilot

Нейросеть DeepSeek имела самый подробный план, что позволило провести детальные исследования авиакресел. Зачастую стоит проверять, понимает ли нейросеть запрос пользователя, путем простых вопросов по теме. Так можно избежать ошибок в работе с нейросетью — галлюцинаций (генерация системой информации, которая не соответствует действительности или не имеет оснований в данных, на которых она обучалась).

Однако на вопрос: «Ты знаешь, кто такие стейкхолдеры?» нейросеть DeepSeek не только дала нужный ответ, но и сразу вписала заданный вопрос в проект и подобрала необходимые ответы:

«Стейкхолдеры — это все группы и лица, заинтересованные в проекте, прямо или косвенно влияющие на его успех. В контексте разработки авиакресел их можно разделить на 4 ключевые категории:

1. Основные стейкхолдеры — Пассажиры, авиакомпании, производители кресел, регуляторы <…>
2. Вторичные стейкхолдеры — Авиаперсонал, аэропорты, поставщики материалов…»

Тем не менее, на конкретный запрос «Опиши всех стейкхолдеров, относящихся к проектной работе и реализации авиационного кресла», DeepSeek выдал другой, более полный ответ:

«Проектирование авиакресла — сложный процесс, затрагивающий множество заинтересованных сторон. Их можно разделить на 6 ключевых групп по степени влияния и вовлеченности.

1. Внутренние стейкхолдеры (непосредственные участники проекта)

1.1. Команда разработчиков

— Промышленные дизайнеры — создание эргономичного и эстетичного дизайна.

— Инженеры-конструкторы — расчет нагрузок, выбор материалов, проектирование механизмов.

— Технологи производства — оптимизация процессов сборки и контроля качества.

— Менеджеры проекта — координация сроков, бюджета, коммуникации между отделами. <…>

2. Внешние стейкхолдеры (партнеры и контрагенты)

2.1. Клиенты и конечные пользователи

— Авиакомпании — основные заказчики, определяют требования к комфорту, весу, цене.

— Пассажиры — конечные пользователи, их комфорт и безопасность критичны для успеха продукта.

— Аэропорты — могут влиять на стандарты обслуживания (например, кресла для маломобильных пассажиров)…»

В своем ответе нейросеть также составила матрицу влияния и интересов (рис. 4), хотя ни в плане, ни в исследованиях ранее эта тема не затрагивалась.

Рис. 4. Матрица влияния и интересов от DeepSeek

В ходе работы нейросеть составляла много полезных таблиц даже без запроса пользователя, но в процессе все чаще уходила от источников, перестала давать ссылки на предлагаемую информацию. При взаимодействии с нейросетью очень важно постоянно проверять информацию, что бы не распространять ложные данные в жизни.

В написании финального технического задания DeepSeek отличился от остальных, присвоив проекту название и прописав цели исследования:

«Название проекта: «OptiFly EcoSeat»

Цель: Создать кресло, которое устраняет 90 % жалоб пассажиров при сохранении экономической эффективности для авиакомпаний…».

Итогом работы с нейросетью DeepSeek служит приятная визуализация проделанной работы (рис. 5).

Рис. 5. Итоговая визуализация дизайн-исследования авиакресел от DeepSeek

Конечно, в изображении есть ошибка в виде парящего столика, но такое концептуальное видение авиакресла эконом-класса может вдохновить дизайнера на красивый, продуманный проект, который можно воплотить в жизнь.

Финальный результат от DeepSeek был загружен в нейросеть Hyper 3D, для оценки результата (рис. 6)

Рис. 6. 3D-визуализация авиакресла от DeepSeek в нейросети Hyper 3D

Нейросеть справилась с базовым представлением модели, учла основные составляющие изображения. Такую модель можно скачать на устройство и доработать в различных 3D-программах.

Настоящее исследование подтвердило, что современные нейросетевые инструменты (текстовые ассистенты, генераторы изображений и 3D-моделлеры) уже сегодня способны стать ценными соавторами в работе промышленного дизайнера. На примере комплексного дизайн-исследования авиакресла эконом-класса продемонстрировано, как нейросеть:

— Ускоряет рутинные этапы (анализ нормативов, сбор данных о материалах, построение планов).

— Расширяет спектр исследуемых решений (неочевидные формы, экоматериалы, двухъярусные концепты).

— Автоматизирует визуализацию идей (от 2D-эскизов Sora до 3D-моделей Hyper 3D).

Однако критически важно понимать границы их возможностей: нейросети склонны к «галлюцинациям» (Perplexity AI навязывал тему двухъярусных кресел без достаточных оснований, Copilot выдавал непроверенные источники). Результаты требуют строгой верификации экспертов, а качество вывода напрямую зависит от глубины промпта и ясности задачи.

Главный посыл работы: нейросети — не «замена» дизайнеру, а интеллектуальные усилители его креативности.

Литература:

1. DeepSeek — Into the Unknown [Электронный ресурс]. — Режим доступа: https://chat.deepseek.com/ (Дата обращения: 19.06.2025).
2. Microsoft Copilot: ваш ИИ-помощник [Электронный ресурс]. — Режим доступа: https://copilot.microsoft.com/chats/EruG6kKtb76oLihyU1j6n (Дата обращения: 19.06.2025).
3. Perplexity [Электронный ресурс]. — Режим доступа: https://www.perplexity.ai/ (Дата обращения: 19.06.20205).
4. Rodin AI — Free AI 3D Model Generator For Everyone | Instantly Create Stunning 3D Assets, 3D Models, and 3D Objects — Create 3D Designs Powered by AI | Hyper3D [Электронный ресурс]. — Режим доступа: https://hyper3d.ai/ (Дата обращения: 19.06.2025).
5. Sora [Электронный ресурс]. — Режим доступа: https://sora.chatgpt.com/explore (Дата обращения: 19.06.2025).