تخصص انسانی کارایی هوش مصنوعی را بالا می برد

دانشمندان MIT دریافته‌اند که ترکیب کارایی هوش مصنوعی با تخصص انسانی، می‌تواند مؤثرتر از سیستم‌های هوش مصنوعی مستقل عمل کند و ممکن است برای تولید زیرساخت‌های با کیفیت بالا سازنده تر باشد.

به گزارش تکناک، دات ها و جوزفین کارستنسن، مهندسان عمران و محیط زیست این رویکرد را “بهینه سازی توپولوژی با آگاهی انسانی” می نامند. سیستم‌های طراحی مولد مبتنی بر هوش مصنوعی به عنوان روشی برای تولید معماری پیچیده در مدت زمان کوتاه محبوبیت پیدا کرده‌اند. این سیستم ها اگرچه مفید اند اما بی‌نقص نیستند: آنها اغلب طراحی و محاسبات سازه را دست بالا میگیرند یا نمی توانند بیشترین مقاومت ممکن را متناسب با وزن مواد ارائه دهند. در همین حال، طراحی سازه های مشابه توسط انسان ها زمان‌بر است.

بهینه‌سازی توپولوژی با اطلاعات انسانی روشی بود که  مهندسین MIT برای ترکیب کارایی هوش مصنوعی با تخصص انسانی از آن استفاده کردند. ها و کارستنسن به جای اجازه دادن به یک سیستم طراحی خودکار برای تولید صفر تا صد  یک ساختار،  سیستم را به طور دوره‌ای متوقف می‌کردند تا طراحی آن را ارزیابی کرده و تنظیماتی را در صورت نیاز انجام دهند. ها و کارستنسن با استفاده از  تخصص خود در مراحل مختلف فرآیند طراحی، نتایج بهتری نسبت به زمانی که به هوش مصنوعی اجازه می‌دادند تا سازه ای را صورت مستقل خلق کند، به دست آوردند.

مهندسان رویکرد خود را با تیرهای باربر آزمایش کردند که معمولاً در ساختمان یا پل استفاده می شود. آنها با تغذیه سیستم طراحی خودکار تعدادی از معیارهای ضروری مانند طول مورد نیاز تیر، تکیه گاه ها و مقدار بار مجاز شروع کردند. سپس فرآیند طراحی سیستم را آغاز کردند. هنگامی که آنها متوجه ایرادات شدند، سیستم را متوقف کردند و در آن قسمت ها تجدید نظر کردند یا به سیستم دستور دادند که بازنگری های خود را انجام دهد.

قبل از اینکه یکپارچگی ساختاری ساختمان جدیدی را که به تازگی در شهر شما ساخته شده زیر سوال ببرید، مطئن باشید که مهندسان تمایل دارند از طراحی کاملاً دقیق که اصول فیزیک را برای سازه ها در نظر می‌ گیرند و آن را به دنیای واقعی می آورند، استفاده کنند. اما سیستم‌های خودکار تکمیل شده توسط مهندسین MIT کاربردهای خود را دارند.

مهندسان خاطرنشان می‌کنند که مناطق فاجعه‌بار، مناطق جنگی و کسب‌و  کارهایی که تجهیزات کوچک را طراحی می‌کنند، به دلیل هزینه کمتر و نیازهای آموزشی سبک‌تر، به سیستم‌های طراحی خودکار ساده‌تری نیاز دارند. با این حال، در مقایسه با طراحی های انسانی به نیروی کار کمتری نیاز دارند.