精進工程設計需從創新學起，研究發現
作者: Jennifer Chu
發布時間：2023 年 10 月 19 日
簡介
麻省理工學院（MIT）的工程師進行了一項研究，結果顯示，生成式人工智慧（AI）在創新工程任務方面具有潛力。然而傳統的生成式模型只追求統計的相似性，在工程效能和需求方面表現不佳。研究人員提出，要讓 AI 在生成新的想法和設計方面更具創新力，必須超越"統計相似性"這一目標。
AI 在當前工程設計中的應用
生成式模型基於機器學習，可以從大量的資料中學習並生成與資料統計相似的內容。麻省理工學院的研究表明，這些生成式模型在當前工程設計中得到了廣泛應用，包括航空、建築等領域。然而大部分生成式模型只是模仿現有的設計，並未在現有設計上提升效能。
生成式 AI 的局限性
研究人員的實驗以腳踏車車架設計為例，展示了生成式模型在解決工程設計問題時的局限性。在初步學習階段，生成式模型只追求統計相似性，未考慮具體設計要求。例如，模型可能會將兩個尺寸相似的車架認為效能相似，而實際上存在細微差異使得一個車架比另一個更弱，這在統計相似性評估中並不明顯。
超越統計相似性
研究團隊由此呼籲，應該設計更多以效能、設計要求和創新性為優先的 AI 模型。研究結果顯示，當模型超越"統計相似性"的界限時，能夠生成比現有設計更優秀的設計。並且，研究團隊強調透過合理的規劃任務相關的度量標準，AI 模型能夠成為工程設計的有效"共同操作者"，有助於工程師更好地創新產品。
對生成式 AI 應用的啟示
這項研究揭示了僅僅追求統計相似性的生成式 AI 在工程設計中的局限性。研究人員希望透過這一研究激發在多媒體以外的生成式 AI 應用領域中開展新的途徑和策略。透過關注效能、設計要求和創新的 AI 模型的訓練，許多工程領域將獲益良多。
研究來源：https://techxplore.com/news/2023-10-excel-generative-ai.html
Innovation-生成式 AI,工程設計,優越,研究,創新
延伸閱讀
- 長壽專家彼得·阿提亞創立的新創公司終於揭開面紗！
- 「日本迎接新科技：Avride 的送貨機器人精彩登場！」
- 瑞典 AI 應用建立平臺 Lovable 成功籌集 1500 萬美元，成長勢頭驚人！
- 革新推進！Redalpine 與 Founders Fund 共同投資 Magdrive 的電推進事業
- Perfect 獲得 2300 萬美元資金，運用 AI 革新招聘流程！
- 「Patlytics 爆出 1400 萬美元新資金，革新專利分析平臺！」
- 「電動飛機創始人 Kyle Clark：打破矽谷常規，開創新紀元！」
- 「OpenAI CEO Sam Altman 指控馬斯克的行動意在‘拖延我們的進步’！」
- Stripe 計畫以超過 850 億美元的估值出售員工股份，未來將如何影響科技界？
- 開源精神：超越授權的深層意義!
