Ключові слова
штучний інтелект
мультимедійний дизайн
алгоритм
проєктна діяльність
цифрове робоче середовище
Як цитувати
Анотація
Цифрове робоче середовище є одним з основних засобів проєктної діяльності у творчих індустріях. Зокрема, у мультимедійному дизайні традиційними засобами виконання дизайнерських завдань, серед інших можливих, визначається спеціалізоване цифрове програмне забезпечення з редагування мультимедійного контенту. Прикладами можуть бути програмне забезпечення з редагування векторної та растрової графіки, відеомонтажу, роботи з цифровою тривимірною графікою. Доцільним є формування функціонально орієнтованої типології моделей штучного інтелекту та більш прикладних схем інтеграції генеративних систем у дизайн-процес. Метою дослідження є розробка комплексного підходу інтеграції штучного інтелекту у проєктну діяльність з дизайну тривимірної анімації через формування узагальненої схеми застосування визначених за функціональним призначенням типів моделей штучного інтелекту на основних етапах виробничого процесу. У дослідженні визначено основні етапи проєктної діяльності у створенні тривимірної анімації, розроблено типологію користувацьких систем штучного інтелекту у контексті застосування у проєктній діяльності з дизайну, проведено аналіз можливостей застосування визначених типів систем штучного інтелекту на кожному з етапів проєктної діяльності, узагальнено результати дослідження у структурній схемі комплексної інтеграції штучного інтелекту у дизайн тривимірної анімації. У дослідженні обґрунтовано, що розвиток алгоритмічних систем обробки даних – систем «штучного інтелекту» – є джерелом поповнення інструментарію цифрового робочого середовища, зокрема як у вигляді окремих користувацьких інтерфейсів керування роботою штучного інтелекту, так і у вигляді інтеграції алгоритмічних систем у традиційне програмне забезпечення.
Посилання
1. Bobryshev, Ye. (2025). Zastosuvannia shtuchnoho intelektu v 3D-modeliuvanni na bazi Blender [The use of artificial intelligence in 3D modeling based on Blender]. Kiberbezpeka: Osvita, Nauka, Tekhnika, 3(31), 741–751. https://doi.org/10.28925/2663-4023.2025.31.1071 (in Ukrainian)
2. Chen, Y., Wang, Y., Yu, T., & Pan, Y. (2024). The effect of AI on animation production efficiency: An empirical investigation through the network data envelopment analysis. Electronics, 13(24), 5001. https://doi.org/10.3390/electronics13245001
3. Dellaert, F., & Yen-Chen, L. (2021). Neural volume rendering: NeRF and beyond (Version 2). arXiv. https://doi.org/10.48550/ARXIV.2101.05204
4. Elgammal, A., Liu, B., Elhoseiny, M., & Mazzone, M. (2017). CAN: Creative adversarial networks, generating “art” by learning about styles and deviating from style norms (Version 1). arXiv. https://doi.org/10.48550/ARXIV.1706.07068
5. Goodfellow, I. J., Pouget-Abadie, J., Mirza, M., Xu, B., Warde-Farley, D., Ozair, S., Courville, A., & Bengio, Y. (2014). Generative adversarial networks (Version 1). arXiv. https://doi.org/10.48550/ARXIV.1406.2661
6. Holden, D., Komura, T., & Saito, J. (2017). Phase-functioned neural networks for character control. ACM Transactions on Graphics, 36(4), 1–13. https://doi.org/10.1145/3072959.3073663
7. Huang, Y.-S., & Yang, Y.-H. (2020). Pop music transformer: Beat-based modeling and generation of expressive pop piano compositions (Version 3). arXiv. https://doi.org/10.48550/ARXIV.2002.00212
8. Jin, J., Yang, M., Hu, H., Guo, X., Luo, J., & Liu, Y. (2025). Empowering design innovation using AI-generated content. Journal of Engineering Design, 36(1), 1–18. https://doi.org/10.1080/09544828.2024.2401751
9. Kardianawati, A., Laksana, D. A. W., Yulianto, L., Banjaransari, T., Widjajanto, B., & Syarif, A. M. (2025). AI-driven animation systems for efficient and scalable production: Prototype study and user evaluation. https://ritecs.org/journal/index.php/IRCS/article/view/5
10. Kerlow, I. V. (2004). The art of 3D computer animation and effects (3rd ed.). Wiley.
11. McCormack, J., Hutchings, P., Gifford, T., Yee-King, M., Llano, M. T., & D’Inverno, M. (2020). Design considerations for real-time collaboration with creative artificial intelligence. Organised Sound, 25(1), 41–52. https://doi.org/10.1017/s1355771819000451
12. Park, J. J., Florence, P., Straub, J., Newcombe, R., & Lovegrove, S. (2019). DeepSDF: Learning continuous signed distance functions for shape representation (Version 1). arXiv. https://doi.org/10.48550/ARXIV.1901.05103
13. Ramesh, A., Dhariwal, P., Nichol, A., Chu, C., & Chen, M. (2022). Hierarchical text-conditional image generation with CLIP latents (Version 1). arXiv. https://doi.org/10.48550/ARXIV.2204.06125
14. Shaura, A. (2025). Intehratsiia shtuchnoho intelektu v protsesy stvorennia multymediinoho kontentu: Avtomatyzatsiia dyzainu ta heneratsiia kontentu [Integration of artificial intelligence into multimedia content creation processes: Design automation and content generation]. In Aktualni problemy suchasnoho dyzainu: Materialy VII Mizhnarodnoi naukovo-praktychnoi konferentsii (Vol. 2, pp. 121–124). KNUTD. https://er.chdtu.edu.ua/bitstream/ChSTU/6949/3/%D0%A2%D0%BE%D0%BC%202_2025%20%281%29.pdf (in Ukrainian)
15. Wahyudin, W., Nugroho, N., & Munawir, A. (2025). Designing AI-based 3D animation to inspire young entrepreneurs at Bina Bangsa. Brilliance: Research of Artificial Intelligence, 5(2), 636–645. https://doi.org/10.47709/brilliance.v5i2.5227
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial 4.0 International License.
Авторське право (c) 2026 Олексій В. Проскуряков, Данііл А. Дітковський