重大的設(shè)計(jì)問(wèn)題需要?jiǎng)?chuàng)造性和探索性的決策制定能力，這是人類(lèi)擅長(zhǎng)的技能。當(dāng)工程師使用人工智能(AI)時(shí)，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(wèn)題，而不是讓人工智能通常遵循人類(lèi)策略來(lái)創(chuàng)建新事物。這項(xiàng)新穎的研究考慮了一個(gè)AI框架，該框架通過(guò)觀察人類(lèi)數(shù)據(jù)來(lái)學(xué)習(xí)人類(lèi)設(shè)計(jì)策略，從而在沒(méi)有明確的目標(biāo)信息，偏見(jiàn)或指導(dǎo)的情況下生成新設(shè)計(jì)。

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(shí)院長(zhǎng)，醫(yī)學(xué)博士Ayush Raina共同撰寫(xiě)?？▋?nèi)基·梅隆大學(xué)機(jī)械工程專(zhuān)業(yè)的候選人，賓夕法尼亞州立大學(xué)工程設(shè)計(jì)助理教授克里斯·麥康姆。

卡根說(shuō)：“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(lèi)型的問(wèn)題并從頭開(kāi)始創(chuàng)建新的設(shè)計(jì)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(wèn)題，因?yàn)樗鼈兇砹藦?fù)雜的工程設(shè)計(jì)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(duì)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(jué)信息(屏幕上的像素)創(chuàng)建桁架時(shí)遵循的設(shè)計(jì)修改順序的進(jìn)展，但無(wú)需更多上下文。當(dāng)輪到代理人進(jìn)行設(shè)計(jì)時(shí)，他們想象到與人類(lèi)使用的設(shè)計(jì)過(guò)程相似的設(shè)計(jì)過(guò)程，然后產(chǎn)生了實(shí)現(xiàn)它們的設(shè)計(jì)動(dòng)作。研究人員在過(guò)程中強(qiáng)調(diào)了可視化，因?yàn)橐曈X(jué)是人類(lèi)感知世界并解決問(wèn)題的有機(jī)組成部分。

該框架由多個(gè)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(cè)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(gè)連續(xù)圖像，并使用從這些圖像中收集的信息預(yù)測(cè)了下一個(gè)設(shè)計(jì)。

“我們?cè)噲D讓代理商創(chuàng)建類(lèi)似于人類(lèi)的設(shè)計(jì)，模仿他們使用的過(guò)程：他們?nèi)绾慰创O(shè)計(jì)，如何采取下一步行動(dòng)，然后逐步創(chuàng)建新設(shè)計(jì)，”他說(shuō)。瑞娜

研究人員測(cè)試了類(lèi)似問(wèn)題的AI代理，發(fā)現(xiàn)它們的平均性能要優(yōu)于人類(lèi)。但是，這種成功來(lái)自人類(lèi)在解決問(wèn)題時(shí)沒(méi)有的許多優(yōu)勢(shì)。與人類(lèi)不同，代理商沒(méi)有達(dá)到特定的目標(biāo)(例如減輕重量)，也沒(méi)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(guò)訓(xùn)練可以使用的基于視覺(jué)的人類(lèi)策略技術(shù)。

McComb說(shuō)：“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?cè)诠ぷ髦幸粯?，可以將無(wú)聊的，費(fèi)時(shí)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(wèn)題。”