Les agents d'IA formés peuvent adopter des stratégies de conception humaine pour résoudre les problèmes, selon les conclusions publiées dans le Journal ASME de conception mécanique .

Les gros problèmes de conception nécessitent une prise de décision créative et exploratoire, une compétence dans laquelle les humains excellent. Lorsque les ingénieurs utilisent l'intelligence artificielle (IA), ils l'ont traditionnellement appliqué à un problème au sein d'un ensemble défini de règles plutôt que de le faire suivre généralement des stratégies humaines pour créer quelque chose de nouveau. Cette nouvelle recherche considère un cadre d'IA qui apprend des stratégies de conception humaine grâce à l'observation de données humaines pour générer de nouvelles conceptions sans informations d'objectif explicites, biais, ou d'orientation.

L'étude a été co-écrite par Jonathan Cagan, professeur de génie mécanique et doyen par intérim du Collège d'ingénierie de l'Université Carnegie Mellon, Ayush Raina, un doctorat candidat en génie mécanique chez Carnegie Mellon, et Chris McComb, professeur adjoint de conception technique à l'Université d'État de Pennsylvanie.

"L'IA ne se contente pas d'imiter ou de régurgiter des solutions déjà existantes, " a déclaré Cagan. " Il s'agit d'apprendre comment les gens résolvent un type spécifique de problème et de créer de nouvelles solutions de conception à partir de zéro.

L'étude se concentre sur les problèmes de fermes, car ils représentent des défis de conception technique complexes. Communément vu dans les ponts, un treillis est un assemblage de tiges formant une structure complète. Les agents d'IA ont été formés pour observer la progression des séquences de modification de conception qui avaient été suivies pour créer une ferme basée sur les mêmes informations visuelles que celles utilisées par les ingénieurs (pixels sur un écran), mais sans autre contexte. Quand c'était au tour des agents de concevoir, ils ont imaginé des progressions de conception similaires à celles utilisées par les humains, puis ont généré des mouvements de conception pour les réaliser. Les chercheurs ont mis l'accent sur la visualisation dans le processus, car la vision fait partie intégrante de la façon dont les humains perçoivent le monde et résolvent les problèmes.

Le cadre était composé de plusieurs réseaux de neurones profonds qui travaillaient ensemble dans une situation basée sur la prédiction. En utilisant un réseau de neurones, l'IA a examiné un ensemble de cinq images séquentielles et a prédit la prochaine conception en utilisant les informations qu'elle a recueillies à partir de ces images.

"Nous essayions de faire en sorte que les agents créent des conceptions similaires à la façon dont les humains le font, imiter le processus qu'ils utilisent :comment ils regardent le design, comment ils prennent la prochaine action, puis créer un nouveau design, pas à pas, " dit Raina.

Les chercheurs ont testé les agents d'IA sur des problèmes similaires et ont constaté qu'en moyenne, ils ont mieux performé que les humains. Encore, ce succès est venu sans bon nombre des avantages dont les humains disposent lorsqu'ils résolvent des problèmes. Contrairement aux humains, les agents ne travaillaient pas avec un objectif spécifique (comme faire quelque chose de léger) et n'ont pas reçu de retour sur leur performance. Au lieu, ils n'ont utilisé que les techniques de stratégie humaine basées sur la vision pour lesquelles ils avaient été formés.

"Il est tentant de penser que cette IA remplacera les ingénieurs, mais ce n'est tout simplement pas vrai, " dit McComb. " Au lieu de cela, cela peut changer fondamentalement la façon dont les ingénieurs travaillent. Si nous pouvons décharger l'ennui, tâches chronophages à une IA, comme nous l'avons fait dans le travail, Ensuite, nous libérons les ingénieurs pour qu'ils voient grand et résolvent les problèmes de manière créative."