AI -agenter efterligner ingeniører for at konstruere effektive nye designs ved hjælp af visuelle tegn som mennesker gør

Uddannede AI -agenter kan vedtage menneskelige designstrategier for at løse problemer, ifølge resultater offentliggjort i ASME Journal of Mechanical Design .

Store designproblemer kræver kreativ og undersøgende beslutningstagning, en færdighed, hvor mennesker udmærker sig. Når ingeniører bruger kunstig intelligens (AI), de har traditionelt anvendt det på et problem inden for et defineret regelsæt frem for, at det generelt følger menneskelige strategier for at skabe noget nyt. Denne nye forskning betragter en AI -ramme, der lærer menneskelige designstrategier gennem observation af menneskelige data for at generere nye designs uden eksplicit målinformation, partiskhed, eller vejledning.

Undersøgelsen var medforfatter af Jonathan Cagan, professor i maskinteknik og midlertidig dekan ved Carnegie Mellon University's College of Engineering, Ayush Raina, en ph.d. kandidat i maskinteknik hos Carnegie Mellon, og Chris McComb, en assisterende professor i ingeniørdesign ved Pennsylvania State University.

"AI efterligner ikke bare løsninger, der allerede findes, "sagde Cagan." Det er at lære, hvordan folk løser en bestemt type problem og skabe nye designløsninger fra bunden. "Hvor god kan AI være?" Svaret er ganske godt. "

Undersøgelsen fokuserer på truss -problemer, fordi de repræsenterer komplekse tekniske designudfordringer. Almindeligt set i broer, et fagværk er en samling af stænger, der danner en komplet struktur. AI -agenterne blev uddannet til at observere udviklingen i designmodifikationssekvenser, der var blevet fulgt ved at skabe et fagværk baseret på den samme visuelle information, som ingeniører bruger - pixels på en skærm - men uden yderligere kontekst. Da det var agenternes tur til at designe, de forestillede sig designprogressioner, der lignede dem, der blev brugt af mennesker, og genererede derefter designbevægelser for at realisere dem. Forskerne lagde vægt på visualisering i processen, fordi vision er en integreret del af, hvordan mennesker opfatter verden og løser problemer.

Rammerne bestod af flere dybe neurale netværk, der arbejdede sammen i en forudsigelsesbaseret situation. Ved hjælp af et neuralt netværk, AI kiggede igennem et sæt med fem sekventielle billeder og forudsagde det næste design ved hjælp af de oplysninger, det indsamlede fra disse billeder.

"Vi forsøgte at få agenterne til at skabe designs, der ligner, hvordan mennesker gør det, efterligne den proces, de bruger:hvordan de ser på designet, hvordan de tager den næste handling, og derefter oprette et nyt design, trin for trin, sagde Raina.

Forskerne testede AI -agenterne på lignende problemer og fandt ud af, at i gennemsnit de klarede sig bedre end mennesker. Endnu, denne succes kom uden mange af de fordele, mennesker har til rådighed, når de løser problemer. I modsætning til mennesker, agenterne arbejdede ikke med et specifikt mål (som at lave noget let) og modtog ikke feedback om, hvor godt de klarede sig. I stedet, de brugte kun de visionbaserede menneskelige strategiteknikker, de var blevet trænet til at bruge.

"Det er fristende at tro, at denne AI vil erstatte ingeniører, men det er simpelthen ikke sandt, "sagde McComb." I stedet for det kan fundamentalt ændre, hvordan ingeniører arbejder. Hvis vi kan aflade kedeligt, tidskrævende opgaver til en AI, som vi gjorde i arbejdet, så frigør vi ingeniører til at tænke stort og løse problemer kreativt. "