Saltar al contenido
ReviewRamble

El boletín semanal

La IA, analizada, en tu bandeja de entrada.

  • Nuevas reseñas de herramientas, modelos, servidores MCP y repos, con el veredicto por delante
  • Precios y valoraciones revisados cuando algo cambia
  • Nuevos análisis en cuanto se publican

Modelos, agentes, servidores MCP y las herramientas que de verdad merecen tu tiempo.

Un correo a la semana. Date de baja con el enlace de cualquier boletín. Cómo usamos tu correo

Noticias e investigación de IA

Investigación ·

El copiloto de diseño del MIT deja a los ingenieros guiar la optimización topológica a mitad de proceso

Investigadores del MIT crearon un sistema que pausa la optimización topológica, el modelado algorítmico de una estructura, y señala al ingeniero zonas que conviene ajustar, elegidas por un modelo entrenado con críticas sintéticas. En demostraciones, la fabricabilidad y la carga de pandeo mejoraron un 39%, con un coste de unos 15 segundos frente a los procesos totalmente automáticos. El estudio se publica en Communications Engineering.

Los algoritmos que diseñan estructuras han producido piezas para aviones ultraligeros, antenas y coches de Fórmula 1, pero los ingenieros que diseñan edificios y puentes han tardado en confiar en ellos. Investigadores del MIT creen que una de las razones es que el ingeniero solo ve el resultado al final. Su nuevo sistema permite intervenir mientras el algoritmo sigue trabajando, y apenas añade tiempo.

La técnica es la optimización topológica, que decide dónde debe ir el material dentro de un espacio dado para soportar unas cargas. Normalmente funciona como una caja negra: planteas el problema, esperas y recibes una forma terminada que puede parecer extraña o ser difícil de fabricar. Si quieres cambios, muchas veces hay que empezar de nuevo. El sistema del MIT, descrito en un artículo de acceso abierto en Communications Engineering, se detiene en varios momentos de la ejecución y resalta zonas del diseño para que el ingeniero las ajuste.

La parte de aprendizaje automático decide qué zonas mostrar. Los intentos anteriores de añadir criterio humano ralentizaban mucho el proceso, así que el equipo entrenó un modelo para predecir dónde querría intervenir una persona. Para ello crearon un conjunto de datos sintético con comentarios humanos probables sobre miles de diseños, que abarcaban aspecto, rendimiento y facilidad de fabricación. En las demostraciones, los diseños guiados por personas eran más fáciles de fabricar y tenían una carga de pandeo lineal un 39 por ciento mayor, y solo añadían 15 segundos al tiempo total de diseño frente a las ejecuciones totalmente automáticas.

Es una idea de copiloto de IA distinta de la de los asistentes de programación que conocen la mayoría de los lectores. En lugar de que el modelo dé una respuesta que la persona acepta o rechaza, la persona corrige al modelo a mitad de camino, y el modelo aprende dónde son probables esas correcciones. La autora principal, Josephine Carstensen, sostiene que hay sitio para los enfoques totalmente automáticos y para los colaborativos, según la capacidad de cálculo de cada equipo y cuánta validación humana requiera el trabajo.

Los límites quedan claros en el anuncio. Por ahora el diseñador solo puede hacer zonas más gruesas o más finas; otros tipos de cambio se prevén para versiones futuras. Los comentarios usados para entrenar son sintéticos, no recogidos de ingenieros en ejercicio, así que sigue abierto si las predicciones del modelo coinciden con lo que quieren los diseñadores reales. Los resultados proceden de demostraciones del artículo, no de estructuras construidas y probadas sobre el terreno.

Nuestra opinión: Dejar intervenir a los ingenieros ataca la verdadera razón por la que desconfían de las formas de caja negra. Por ahora solo se puede engrosar o adelgazar zonas, lo que lo deja como herramienta de investigación y no como suite de diseño.

Fuente: MIT News

Más historias