Getrainde AI-agenten kunnen menselijke ontwerpstrategieën toepassen om problemen op te lossen, volgens bevindingen gepubliceerd in de ASME Journal of Mechanical Design .

Grote ontwerpproblemen vragen om creatieve en verkennende besluitvorming, een vaardigheid waarin mensen uitblinken. Wanneer ingenieurs kunstmatige intelligentie (AI) gebruiken, ze hebben het traditioneel toegepast op een probleem binnen een gedefinieerde set regels in plaats van dat het in het algemeen menselijke strategieën volgt om iets nieuws te creëren. Dit nieuwe onderzoek beschouwt een AI-raamwerk dat menselijke ontwerpstrategieën leert door observatie van menselijke gegevens om nieuwe ontwerpen te genereren zonder expliciete doelinformatie, vooroordeel, of begeleiding.

De studie was co-auteur van Jonathan Cagan, hoogleraar werktuigbouwkunde en interim-decaan van Carnegie Mellon University's College of Engineering, Ayush Raina, een doctoraat kandidaat werktuigbouwkunde bij Carnegie Mellon, en Chris McComb, een assistent-professor technisch ontwerp aan de Pennsylvania State University.

"De AI bootst niet alleen oplossingen na die al bestaan, "Zei Cagan. "Het is leren hoe mensen een specifiek type probleem oplossen en vanaf het begin nieuwe ontwerpoplossingen creëren." Hoe goed kan AI zijn? "Het antwoord is best goed."

De studie richt zich op truss-problemen omdat ze complexe technische ontwerpuitdagingen vertegenwoordigen. Vaak gezien in bruggen, een truss is een samenstel van staven die een complete structuur vormen. De AI-agenten werden getraind om de voortgang te observeren in ontwerpwijzigingsreeksen die waren gevolgd bij het maken van een truss op basis van dezelfde visuele informatie die ingenieurs gebruiken - pixels op een scherm - maar zonder verdere context. Toen de agenten aan de beurt waren om te ontwerpen, ze stelden zich ontwerpprogressies voor die vergelijkbaar waren met die van mensen en genereerden vervolgens ontwerpbewegingen om ze te realiseren. De onderzoekers legden de nadruk op visualisatie in het proces, omdat visie een integraal onderdeel is van hoe mensen de wereld waarnemen en problemen oplossen.

Het raamwerk bestond uit meerdere diepe neurale netwerken die samenwerkten in een op voorspellingen gebaseerde situatie. Met behulp van een neuraal netwerk, de AI keek door een reeks van vijf opeenvolgende afbeeldingen en voorspelde het volgende ontwerp met behulp van de informatie die het uit deze afbeeldingen verzamelde.

"We probeerden de agenten ontwerpen te laten maken die lijken op hoe mensen het doen, het imiteren van het proces dat ze gebruiken:hoe ze naar het ontwerp kijken, hoe ze de volgende actie ondernemen, en maak dan een nieuw ontwerp, stap voor stap, ' zei Raina.

De onderzoekers testten de AI-agenten op vergelijkbare problemen en ontdekten dat gemiddeld ze presteerden beter dan mensen. Nog, dit succes kwam zonder veel van de voordelen die mensen hebben bij het oplossen van problemen. In tegenstelling tot mensen, de agenten werkten niet met een specifiek doel (zoals iets lichtgewicht maken) en kregen geen feedback over hoe goed ze het deden. In plaats daarvan, ze gebruikten alleen de op visie gebaseerde menselijke strategietechnieken waarvoor ze waren opgeleid.

"Het is verleidelijk om te denken dat deze AI ingenieurs zal vervangen, maar dat is gewoon niet waar, "zei McComb. "In plaats daarvan, het kan de manier waarop ingenieurs werken fundamenteel veranderen. Als we saai kunnen ontlasten, tijdrovende taken naar een AI, zoals we deden in het werk, dan geven we ingenieurs de vrijheid om groot te denken en problemen creatief op te lossen."