Los agentes de IA capacitados pueden adoptar estrategias de diseño humano para resolver problemas, de acuerdo con los hallazgos publicados en el Revista ASME de diseño mecánico .

Los grandes problemas de diseño requieren una toma de decisiones creativa y exploratoria, una habilidad en la que sobresalen los humanos. Cuando los ingenieros utilizan inteligencia artificial (IA), tradicionalmente lo han aplicado a un problema dentro de un conjunto definido de reglas en lugar de que generalmente siga estrategias humanas para crear algo nuevo. Esta novedosa investigación considera un marco de inteligencia artificial que aprende estrategias de diseño humano a través de la observación de datos humanos para generar nuevos diseños sin información explícita de objetivos. parcialidad, u orientación.

El estudio fue coautor de Jonathan Cagan, profesor de ingeniería mecánica y decano interino de la Facultad de Ingeniería de la Universidad Carnegie Mellon, Ayush Raina, un doctorado candidato a ingeniería mecánica en Carnegie Mellon, y Chris McComb, profesor asistente de diseño de ingeniería en la Universidad Estatal de Pensilvania.

"La IA no está simplemente imitando o regurgitando soluciones que ya existen, ", dijo Cagan." Se trata de aprender cómo la gente resuelve un tipo específico de problema y crear nuevas soluciones de diseño desde cero. "¿Qué tan buena puede ser la IA?" La respuesta es bastante buena ".

El estudio se centra en los problemas de truss porque representan desafíos complejos de diseño de ingeniería. Comúnmente visto en puentes, un truss es un conjunto de varillas que forman una estructura completa. Los agentes de IA fueron entrenados para observar la progresión en las secuencias de modificación del diseño que se habían seguido al crear un truss basado en la misma información visual que usan los ingenieros (píxeles en una pantalla) pero sin más contexto. Cuando fue el turno de los agentes para diseñar, imaginaron progresiones de diseño que eran similares a las utilizadas por los humanos y luego generaron movimientos de diseño para realizarlas. Los investigadores enfatizaron la visualización en el proceso porque la visión es una parte integral de cómo los humanos perciben el mundo y resuelven problemas.

El marco estaba formado por múltiples redes neuronales profundas que trabajaban juntas en una situación basada en predicciones. Usando una red neuronal, la IA examinó un conjunto de cinco imágenes secuenciales y predijo el próximo diseño utilizando la información que recopiló de estas imágenes.

"Intentábamos que los agentes crearan diseños similares a los que lo hacen los humanos, imitando el proceso que utilizan:cómo ven el diseño, cómo toman la siguiente acción, y luego crea un nuevo diseño, paso a paso, "dijo Raina.

Los investigadores probaron los agentes de IA en problemas similares y encontraron que, en promedio, se desempeñaron mejor que los humanos. Todavía, este éxito se produjo sin muchas de las ventajas que los humanos tienen disponibles cuando están resolviendo problemas. A diferencia de los humanos, los agentes no estaban trabajando con un objetivo específico (como hacer algo liviano) y no recibieron comentarios sobre qué tan bien lo estaban haciendo. En lugar de, solo usaban las técnicas de estrategia humana basadas en la visión para las que habían sido entrenados.

"Es tentador pensar que esta IA reemplazará a los ingenieros, pero eso simplemente no es cierto "dijo McComb." En cambio, puede cambiar fundamentalmente la forma en que trabajan los ingenieros. Si podemos descargar lo aburrido, tareas que requieren mucho tiempo para una IA, como hicimos en el trabajo, luego liberamos a los ingenieros para que piensen en grande y resuelvan problemas de manera creativa ".