구조물을 설계하는 알고리즘은 초경량 항공기, 안테나, F1 자동차 부품을 만들어 냈지 만 건물과 다리를 설계하는 엔지니어들은 좀처럼 이를 신뢰하지 않았습니다. MIT 연구진은 그 이유 중 하나가 엔지니어가 결과를 마지막에야 본다는 데 있다고 봅니다. 이들의 새 시스템은 알고리즘이 아직 작동하는 중에 설계자가 개입할 수 있게 하며, 추가로 드는 시간은 거의 없습니다.
기법은 위상 최적화로, 주어진 공간 안에서 하중을 견디려면 재료를 어디에 두어야 할지 정합니다. 보통은 블랙박스처럼 돌아갑니다. 문제를 설정하고 기다리면 이상해 보이거나 만들기 어려운 완성된 형태가 나옵니다. 바꾸고 싶으면 처음부터 다시 시작해야 하는 경우가 많습니다. Communications Engineering의 오픈 액세스 논문에 소개된 MIT 시스템은 실행 도중 여러 번 멈춰 엔지니어가 조정할 수 있도록 설계의 일부 영역을 강조해 보여 줍니다.
어떤 영역을 보여 줄지는 머신러닝 부분이 정합니다. 사람의 판단을 넣으려던 이전 시도는 과정을 크게 늦췄기 때문에, 연구팀은 사람이 개입하고 싶어 할 가능성이 큰 곳을 예측하는 모델을 훈련했습니다. 이를 위해 외관, 성능, 제작 용이성에 대해 수천 개 설계에 나올 법한 사람의 피드백을 합성한 데이터 세트를 만들었습니다. 시연에서 사람이 이끈 설계는 만들기 더 쉬웠고 선형 좌굴 하중이 39퍼센트 높았으며, 완전 자동 실행보다 전체 설계 시간이 15초만 늘었습니다.
이는 대부분의 독자가 아는 코딩 어시스턴트와는 다른 AI 코파일럿 개념입니다. 모델이 답을 내고 사람이 받아들이거나 거절하는 대신, 사람이 중간에 모델을 바로잡고 모델은 그런 수정이 어디서 일어날지 배웁니다. 교신저자 Josephine Carstensen은 팀의 연산 자원과 작업에 필요한 사람의 승인 정도에 따라 완전 자동 방식과 협업 방식 모두 설 자리가 있다고 주장합니다.
한계는 발표에서 분명합니다. 지금은 설계자가 영역을 두껍게 하거나 얇게 하는 것만 할 수 있고, 다른 종류의 변경은 이후 버전에 넣을 계획입니다. 훈련에 쓴 피드백은 현직 엔지니어에게서 모은 것이 아니라 합성한 것이어서, 모델의 예측이 실제 설계자가 원하는 것과 맞는지는 아직 알 수 없습니다. 결과는 현장에서 짓고 시험한 구조물이 아니라 논문 속 시연에서 나온 것입니다.