ASME Mekanik Tasarım Dergisi’nde yayınlanan bulgulara göre, eğitimli AI temsilcileri; sorunları çözmek için insan tasarım stratejilerini benimseyebilir.
Büyük tasarım problemleri, yaratıcı ve keşifli karar vermeyi gerektirir, ki bu, insanların en üstün becerisidir. Mühendisler yapay zekayı (AI) kullandıklarında, geleneksel olarak yeni bir şey yaratmak için insan stratejilerini izlemekten ziyade; tanımlanmış bir kurallar dizisinde bir probleme uygulamışlardır. Bu yeni araştırma; açık hedef bilgisi, önyargı veya rehberlik olmadan yeni tasarımlar üretmek için insan verilerini gözlemleyerek insan tasarım stratejilerini öğrenen bir AI çerçevesini ele almaktadır.
Carnegie Mellon Üniversitesi Mühendislik Fakültesi Makine Mühendisliği Profesörü Jonathan Cagan: “AI sadece mevcut olan çözümleri taklit etmiyor veya yetersizleştirmiyor. İnsanların belirli bir problemi nasıl çözdüklerini öğreniyor ve sıfırdan yeni tasarım çözümleri yaratıyor. AI ne kadar iyi olabilir? Cevap oldukça iyi…”
Çalışma Truss Problemleri’ne (kafes problemleri) odaklanıyor. Çünkü karmaşık mühendislik tasarım zorluklarını temsil ediyorlar. Genellikle köprülerde görülen kafes kirişi, komple bir yapı oluşturan çubukların bir araya getirilmesidir. AI ajanları; mühendislerin kullandıkları aynı görsel bilgiye dayanarak bir kafes oluşturmada izlenen tasarım modifikasyon dizilerindeki ilerlemeyi gözlemlemek için eğitildi. Araştırmacılar; temsilcilerin tasarıma dönüştüğü zaman, insanlar tarafından kullanılanlara benzer tasarım ilerlemelerini hayal ettiler ve sonra onları gerçekleştirmek için tasarım hamleleri ürettiler. Bu süreçte görselleştirmeyi vurguladılar. Çünkü vizyon, insanların dünyayı nasıl algıladıklarını ve sorunların çözülmesinin nasıl bir parçası olduğunu açıklıyor.
Çerçeve; tahmine dayalı bir durumda birlikte çalışan çoklu derin sinir ağlarından oluşuyordu. Yapay sinir ağı kullanarak, AI beş ardışık görüntü grubuna baktı ve bu görüntülerden topladığı bilgileri kullanarak bir sonraki tasarımı öngördü.
Raina: “Temsilcilere, insanların yaptıklarına benzer tasarımlar yaratmalarını, kullandıkları süreci taklit etmelerini sağlamaya çalışıyorduk.
Süreç:-Tasarıma nasıl baktıkları,
-bir sonraki eylemi nasıl gerçekleştirdikleri,
-ardından adım adım yeni bir tasarım oluşturduklarını içeriyor….”
Araştırmacılar AI ajanlarını benzer problemler üzerinde test etmiş ve ortalama olarak insanlardan daha iyi performans gösterdiğini bulmuşlardır. Yine de, bu başarı insanların problem çözerken sahip oldukları avantajların birçoğu olmadan ortaya çıktı. İnsanların aksine, ajanlar (temsilciler); belirli bir amaç için çalışmıyorlardı (hafif bir şey yapmak gibi) ve ne kadar iyi yaptıkları hakkında geri bildirim almıyorlardı. Bunun yerine; yalnızca kullanmak için eğitilmiş oldukları vizyon temelli insan strateji tekniklerini kullandılar.
McComb: ”AI’nin mühendislerin yerini alacağını düşünmek cazip geliyor, ancak bu doğru değil. Bunun yerine; mühendislerin çalışma şeklini temelden değiştirebilir. Çalışmada yaptığımız gibi sıkıcı, zaman alan görevleri AI’ya aktarabilirsek, çalışmada yaptığımız gibi, o zaman mühendisleri büyük düşünmek ve sorunları yaratıcı bir şekilde çözmek için serbest bırakırız.”