重大的設(shè)計問題需要創(chuàng)造性和探索性的決策制定能力，這是人類擅長的技能。當(dāng)工程師使用人工智能(AI)時，他們傳統(tǒng)上將人工智能應(yīng)用于已定義規(guī)則集內(nèi)的問題，而不是讓人工智能通常遵循人類策略來創(chuàng)建新事物。這項新穎的研究考慮了一個AI框架，該框架通過觀察人類數(shù)據(jù)來學(xué)習(xí)人類設(shè)計策略，從而在沒有明確的目標(biāo)信息，偏見或指導(dǎo)的情況下生成新設(shè)計。

該研究由機(jī)械工程學(xué)教授，卡內(nèi)基梅隆大學(xué)工程學(xué)院臨時院長，醫(yī)學(xué)博士Ayush Raina共同撰寫?？▋?nèi)基·梅隆大學(xué)機(jī)械工程專業(yè)的候選人，賓夕法尼亞州立大學(xué)工程設(shè)計助理教授克里斯·麥康姆。

卡根說：“人工智能不僅僅是模仿或反駁已經(jīng)存在的解決方案。”“這是在學(xué)習(xí)人們?nèi)绾谓鉀Q特定類型的問題并從頭開始創(chuàng)建新的設(shè)計解決方案。”人工智能有多好?“答案是非常好的。”

該研究著重于桁架問題，因為它們代表了復(fù)雜的工程設(shè)計挑戰(zhàn)。桁架通常在橋梁中看到，是由桿組成的完整結(jié)構(gòu)。對AI代理進(jìn)行了培訓(xùn)，以觀察他們根據(jù)工程師使用的相同視覺信息(屏幕上的像素)創(chuàng)建桁架時遵循的設(shè)計修改順序的進(jìn)展，但無需更多上下文。當(dāng)輪到代理人進(jìn)行設(shè)計時，他們想象到與人類使用的設(shè)計過程相似的設(shè)計過程，然后產(chǎn)生了實現(xiàn)它們的設(shè)計動作。研究人員在過程中強(qiáng)調(diào)了可視化，因為視覺是人類感知世界并解決問題的有機(jī)組成部分。

該框架由多個深度神經(jīng)網(wǎng)絡(luò)組成，這些神經(jīng)網(wǎng)絡(luò)在基于預(yù)測的情況下協(xié)同工作。AI使用神經(jīng)網(wǎng)絡(luò)瀏覽了一組五個連續(xù)圖像，并使用從這些圖像中收集的信息預(yù)測了下一個設(shè)計。

“我們試圖讓代理商創(chuàng)建類似于人類的設(shè)計，模仿他們使用的過程：他們?nèi)绾慰创O(shè)計，如何采取下一步行動，然后逐步創(chuàng)建新設(shè)計，”他說。瑞娜

研究人員測試了類似問題的AI代理，發(fā)現(xiàn)它們的平均性能要優(yōu)于人類。但是，這種成功來自人類在解決問題時沒有的許多優(yōu)勢。與人類不同，代理商沒有達(dá)到特定的目標(biāo)(例如減輕重量)，也沒有收到關(guān)于他們做得如何的反饋。取而代之的是，他們只使用他們經(jīng)過訓(xùn)練可以使用的基于視覺的人類策略技術(shù)。

McComb說：“很容易想到這種AI將取代工程師，但這不是真的。”“相反，它可以從根本上改變工程師的工作方式。如果像我們在工作中一樣，可以將無聊的，費(fèi)時的任務(wù)卸載給AI，那么我們就可以解放工程師以進(jìn)行更大的思考并創(chuàng)造性地解決問題。”