Los grandes problemas de diseño requieren la toma de decisiones creativas y exploratorias, una habilidad en la que los humanos somos especialmente hábiles. Cuando los ingenieros usan la Inteligencia Artificial (IA), tradicionalmente se ha aplicado a un problema dentro de un conjunto definido de reglas, en lugar de tener que seguir estrategias humanas que permita crear algo nuevo. Ahora, una nueva investigación considera un marco para la IA que aprende de estrategias de diseño humanas a través de la observación de datos humanos para generar nuevos diseños sin información explícita de objetivos, sesgo u orientación.
“La IA no es solo imitar o regurgitar soluciones ya existentes. Está aprendiendo cómo las personas resuelven un tipo específico de problema y creando nuevas soluciones de diseño desde cero” explica Jonathan Cagan, profesor de ingeniería mecánica y decano interino de la Universidad Carnegie Mellon y co-autor de la investigación.
Los humanos como diseñadores tienen estrategias de resolución de problemas bastantes versátiles. Los agentes informáticos, por otro lado, pueden acceder a recursos computacionales a gran escala para resolver ciertos problemas de diseño. Por lo tanto, si estos agentes pueden aprender del comportamiento humano, se puede crear un equipo realmente sinérgico de resolución de problemas. La nueva investigación, publicada en la revista científica ASME Journal of Mechanical Design, presenta un nuevo enfoque para extraer estrategias de diseño humanas y sus reglas implícitas, exclusivamente a partir de datos humanos históricos, y usarlo para la generación de nuevos diseños.
El estudio se centra en problemas estructurales porque representan desafíos complejos de diseño de ingeniería. Comúnmente empleado en la construcción de puentes, una armadura es un conjunto de varillas que forman una estructura compleja. Los agentes de IA fueron entrenados para observar la progresión en las secuencias de modificación del diseño que se habían seguido en la creación de una armadura basada en la misma información visual que usan los ingenieros, píxeles en una pantalla, pero sin más contexto. Cuando fue el turno de los agentes para diseñar, imaginaron progresiones de diseño similares a las utilizadas por los humanos y luego generaron los procesos de diseño necesarios para realizarlas. Los investigadores enfatizaron la visualización en el proceso porque la visión es una parte integral de cómo los humanos perciben el mundo y solucionan problemas.
El marco del proyecto estaba formado por múltiples redes neuronales que trabajaban juntas en una situación basada en predicciones. Utilizando la red neuronal, la IA examinó un conjunto de cinco imágenes secuenciales y predijo el próximo diseño utilizando la información que recopiló de las imágenes.
“Intentábamos que los agentes crearán diseños similares a los humanos, imitando sus procesos: cómo ven el diseño, cómo toman la siguiente acción y luego crean un nuevo diseño, paso a paso”, explica Ayush Raina, Ph.D. en ingeniería mecánica en Carnegie Mellon, y co-autor del estudio.
Los investigadores probaron los agentes de IA para la resolución de problemas similares y descubrieron que, en promedio, su desempeño era mejor que el de los humanos. Sin embargo, este éxito se produjo sin muchas de las ventajas que los humanos disponen cuando resuelven problemas. A diferencia de los humanos, la IA no está trabajando con un objetivo específicos (como por ejemplo hacer algo más liviano) y no recibieron comentarios sobre qué tan bien lo estaban haciendo. En cambio, solo usaron las técnicas de estrategia humana basadas en la visión para la que había sido entrenada.
“Es tentador pensar que esta IA reemplazará a los ingenieros, pero este no es el enfoque correcto. La IA puede cambiar la forma en que trabajan los ingenieros. Si podemos descargarnos de tareas aburridas y que consumen mucho tiempo gracias a esta, como lo hicimos en esta investigación, entonces liberamos a los ingenieros para pensar a lo grande y en resolver problemas de forma creativa”, concluyen los investigadores.