Проблема «черного ящика» в инженерном дизайне
Топологическая оптимизация (topology optimization) позволяет алгоритмам находить оптимальные формы для деталей самолетов, антенн и гоночных болидов. Однако традиционные методы работают как «черный ящик»: инженер ждет завершения вычислений, получает результат и часто обнаруживает, что конструкцию невозможно изготовить (например, из-за чрезмерного количества соединений балок в одной точке) или она не соответствует эстетическим требованиям. Отсутствие контроля на этапе генерации снижает доверие инженеров к ИИ и ограничивает применение технологии в строительстве мостов и зданий.
Решение: AI-соавтор с предиктивной обратной связью
Команда MIT во главе с Датом Ха (Dat Ha) и профессором Джозефиной Карстенсен (Josephine Carstensen) разработала систему, которая прерывает процесс оптимизации для запроса обратной связи у человека. Вместо того чтобы ждать конца расчета, ИИ использует машинное обучение для прогнозирования тех зон конструкции, где инженер с наибольшей вероятностью захочет внести изменения. Для обучения модели был создан синтетический датасет с примерами правок, которые люди вносили в тысячи вариантов дизайна, оценивая их с точки зрения эстетики, производительности и технологичности.
Ключевые метрики и результаты
В ходе тестирования новая гибридная методика продемонстрировала значительное улучшение характеристик по сравнению с полностью автоматическим подходом. Система позволяет инженерам «вмешиваться» в процесс, делая элементы конструкции толще или тоньше в ключевых узлах, что приводит к более надежным и производимым результатам.
| Параметр | Полностью алгоритмический подход | AI-соавтор (Human-in-the-Loop) |
|---|---|---|
| Улучшение manufacturability (технологичности) | База (100%) | +39% |
| Улучшение линейной нагрузки на buckling (устойчивость) | База (100%) | +39% |
| Дополнительное время расчета | 0 секунд | +15 секунд |
Почему это важно для индустрии
Главное преимущество подхода — не только в улучшении физических характеристик, но и в психологическом аспекте принятия решений. Как отмечает Джозефина Карстенсен, вовлечение человека в процесс создает чувство ответственности (ownership) и доверия к результату. Это позволяет внедрять сложные алгоритмические решения в проектирование критической инфраструктуры, где финальное решение всегда остается за человеком. Система уже описана в открытой статье в журнале Communications Engineering и может быть масштабирована для академической среды и широкого круга инженеров.
Источник: MIT News AI ↗
