人類(lèi)擅長(zhǎng)解決大型設(shè)計(jì)問(wèn)題。這些問(wèn)題需要?jiǎng)?chuàng)造性和探索性的決策制定能力，才能使人脫穎而出。從歷史上看，計(jì)算機(jī)代理形式的人工智能(AI)不能與這些技能相提并論。

傳統(tǒng)上，使用AI進(jìn)行輔助的工程師將其應(yīng)用于已定義規(guī)則集內(nèi)的問(wèn)題，而不是通常遵循人類(lèi)策略來(lái)創(chuàng)造新事物?，F(xiàn)在，發(fā)表在《機(jī)械設(shè)計(jì)雜志》上的一項(xiàng)美國(guó)研究表明，可以訓(xùn)練AI代理采用人類(lèi)設(shè)計(jì)策略來(lái)解決問(wèn)題。

這項(xiàng)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。然后，它可以生成新設(shè)計(jì)，而無(wú)需明確的目標(biāo)信息，偏見(jiàn)或指導(dǎo)。

這項(xiàng)研究是由卡內(nèi)基梅隆大學(xué)的Jonathan Cagan和Ayush Raina與賓夕法尼亞州立大學(xué)的Chris McComb共同撰寫(xiě)的。

Cagan說(shuō)：“ AI不僅在模仿或反駁已經(jīng)存在的解決方案。”“它正在學(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。”

一位AI設(shè)計(jì)代理人有多好?“答案是相當(dāng)不錯(cuò)的，”卡根說(shuō)。該研究關(guān)注桁架問(wèn)題，因?yàn)樗鼈兇砹藦?fù)雜的工程設(shè)計(jì)挑戰(zhàn)。桁架是橋梁中常見(jiàn)的桁架，形成完整的結(jié)構(gòu)。