Pular para o conteúdo
ReviewRamble

A newsletter semanal

IA, analisada, na sua caixa de entrada.

  • Novas análises de ferramentas, modelos, servidores MCP e repositórios, com o veredicto logo no início
  • Preços e notas reconferidos quando algo muda
  • Novos artigos de análise assim que são publicados

Modelos, agentes, servidores MCP e as ferramentas que realmente valem seu tempo.

Um e-mail por semana. Cancele pelo link em qualquer edição. Como usamos seu e-mail

Notícias e pesquisa de IA

Pesquisa ·

Copiloto de projeto do MIT permite que engenheiros guiem a otimização topológica no meio do processo

Pesquisadores do MIT criaram um sistema que pausa a otimização topológica, a definição algorítmica do formato de uma estrutura, e aponta ao engenheiro regiões que valem ajuste, escolhidas por um modelo treinado com críticas sintéticas. Em demonstrações, a fabricabilidade e a carga de flambagem melhoraram 39%, ao custo de cerca de 15 segundos a mais que execuções totalmente automáticas. O estudo saiu na Communications Engineering.

Algoritmos que projetam estruturas já produziram peças para aviões ultraleves, antenas e carros de Fórmula 1, mas engenheiros que projetam prédios e pontes demoram a confiar neles. Pesquisadores do MIT acham que parte do motivo é que o engenheiro só vê o resultado no fim. O novo sistema deles deixa o projetista intervir enquanto o algoritmo ainda está trabalhando, quase sem tempo extra.

A técnica é a otimização topológica, que decide onde o material deve ficar dentro de um espaço para suportar determinadas cargas. Normalmente ela funciona como uma caixa-preta: você define o problema, espera e recebe uma forma pronta que pode parecer estranha ou ser difícil de fabricar. Para mudar algo, muitas vezes é preciso começar de novo. O sistema do MIT, descrito num artigo de acesso aberto na Communications Engineering, faz pausas durante a execução e destaca regiões do projeto para o engenheiro ajustar.

A parte de aprendizado de máquina decide quais regiões mostrar. Tentativas anteriores de incluir o julgamento humano deixavam o processo muito lento, então a equipe treinou um modelo para prever onde uma pessoa provavelmente iria querer intervir. Para isso montou um conjunto de dados sintético com feedback humano provável sobre milhares de projetos, cobrindo aparência, desempenho e facilidade de fabricação. Nas demonstrações, os projetos guiados por pessoas eram mais fáceis de fabricar e tinham carga de flambagem linear 39 por cento maior, acrescentando só 15 segundos ao tempo total de projeto em relação às execuções totalmente automáticas.

É uma ideia de copiloto de IA diferente dos assistentes de programação que a maioria dos leitores conhece. Em vez de o modelo entregar uma resposta para a pessoa aceitar ou recusar, a pessoa corrige o modelo no meio do caminho, e o modelo aprende onde essas correções costumam acontecer. A autora sênior, Josephine Carstensen, defende que há espaço para abordagens totalmente automáticas e colaborativas, conforme o poder de computação de cada equipe e o quanto o trabalho exige aprovação humana.

Os limites ficam claros no anúncio. Por enquanto, o projetista só pode deixar regiões mais grossas ou mais finas; outros tipos de mudança estão previstos para versões futuras. O feedback usado no treino é sintético, não coletado de engenheiros em atividade, então segue em aberto se as previsões do modelo batem com o que projetistas reais querem. Os resultados vêm de demonstrações do artigo, não de estruturas construídas e testadas em campo.

Nossa opinião: Deixar o engenheiro intervir ataca o motivo real da desconfiança em formas de caixa-preta. Por enquanto só dá para engrossar ou afinar regiões, o que mantém isso como ferramenta de pesquisa, não como suíte de projeto.

Fonte: MIT News

Mais matérias