構造物を設計するアルゴリズムは、超軽量航空機、アンテナ、F1マシンの部品を生み出してきましたが、建物や橋を設計するエンジニアはなかなかそれを信頼してきませんでした。MITの研究者たちは、その一因はエンジニアが結果を最後にしか見られないことにあると考えています。新しいシステムでは、アルゴリズムが動いている最中に設計者が介入でき、追加でかかる時間はごくわずかです。
使われている手法はトポロジー最適化で、与えられた空間の中で荷重に耐えるために材料をどこに置くべきかを決めます。通常はブラックボックスとして動きます。問題を設定して待つと、見た目が奇妙だったり製造が難しかったりする完成形が出てきます。変更したければ最初からやり直すことも少なくありません。Communications Engineeringのオープンアクセス論文で説明されたMITのシステムは、計算の途中で何度か止まり、エンジニアが調整できるよう設計の一部の領域を強調表示します。
どの領域を見せるかは機械学習の部分が決めます。人間の判断を取り入れようとしたこれまでの試みは処理を大きく遅くしていたため、チームは人が介入したくなりそうな場所を予測するモデルを訓練しました。そのために、外観、性能、製造しやすさについて何千もの設計に寄せられそうな人間のフィードバックを合成したデータセットを作りました。実演では、人間が導いた設計のほうが製造しやすく、線形座屈荷重が39パーセント高くなりました。完全自動の計算と比べて、設計にかかる時間の増加は合計15秒だけでした。
これは多くの読者が知るコーディングアシスタントとは異なるAIコパイロットの考え方です。モデルが答えを出して人が受け入れるか退けるかを決めるのではなく、人が途中でモデルを修正し、モデルはそうした修正が入りやすい場所を学びます。責任著者のJosephine Carstensen氏は、チームの計算資源や、作業にどれだけ人の承認が必要かに応じて、完全自動の手法と協調型の手法の両方に居場所があると主張しています。
限界は発表から明らかです。現時点で設計者ができるのは領域を厚くするか薄くすることだけで、ほかの種類の変更は今後のバージョンで予定されています。訓練に使ったフィードバックは合成されたもので、現役のエンジニアから集めたものではないため、モデルの予測が実際の設計者の望みと一致するかはまだわかりません。結果は論文中の実演によるもので、実際に建設され現場で試験された構造物によるものではありません。