이번 주 저널에 실린 논문 자연, Google 연구원 상세한 AI를 사용하여 차세대 텐서 처리 장치 (TPU), AI 워크로드에 최적화 된 회사의 애플리케이션 별 집적 회로. 작업이 참신하지는 않았지만 (구글이 수년 동안 기술을 개선해 왔지만) 하드웨어 설계에서 AI의 잠재력을 가장 분명하게 보여주었습니다. 이전 실험 상업적으로 실행 가능한 제품이 아니라 프로토 타입 만 생산했습니다. 하지만 자연 논문은 인공 지능이 적어도 인간 디자이너를 보강하여 브레인 스토밍 프로세스를 가속화 할 수 있다고 제안합니다.

칩 외에도 미국 및 벨기에에 본사를 둔 Oqton과 같은 회사는 적층 제조를 포함한 설계 영역에 AI를 적용하고 있습니다. 옥톤 플랫폼은 주조 가능한 보석 왁스 생성과 같은 CNC, 금속 및 폴리머 3D 프린팅과 하이브리드 가산 / 감산 워크 플로우를 자동화합니다. 다양한 최적화 및 수정 사항을 제안합니다. AI 검사 알고리즘, 부품 형상의 사전 분석 및 실시간 교정 예를 들어 Oqton은 필요한 공차 내에서 부품을 얻기 위해 형상을 자동으로 조정하여 티타늄, 코발트, 크롬, 지르코니아 및 기타 재료에 대한 변형, 수축 및 응력 완화와 같은 열처리 효과를 시뮬레이션 할 수 있습니다.

아직 연구 단계에있는 동안 MIT의 컴퓨터 과학 및 인공 지능 실험실은 AI 기반 도구를 개발했습니다. 레이저 팩토리 모든 기능을 갖춘 로봇과 드론을 인쇄 할 수 있습니다. LaserFactory는 사용자가 구조적 지오메트리를 생성하고, 트레이스를 인쇄하고, 센서, 회로 및 액추에이터와 같은 전자 부품을 조립할 수 있도록하는 XNUMX 가지 성분 레시피를 활용합니다. LaserFactory의 연구자들이 자신의 작업을 설명하는 논문에서 언급했듯이 이론적으로는 배달이나 수색 및 구조와 같은 작업에 사용될 수 있습니다.

르노에서 엔지니어들은 다음과 같이 만든 AI 기반 소프트웨어를 활용하고 있습니다. Siemens Digital Industries 소프트웨어 자동차의 자동 수동 변속기 (AMT) 시스템 설계를 자동화합니다. 자동 변속기처럼 작동하지만 운전자가 푸시 버튼을 사용하여 기어를 전자적으로 변속 할 수있게 해주는 AMT는 아이디어를 구상하고 개발하고 철저히 검증하는 데 최대 XNUMX 년의 시행 착오가 걸릴 수 있습니다. 그러나 Siemen의 도구를 통해 르노 엔지니어는 아이콘을 끌어서 놓기 및 연결하여 AMT 모델을 그래픽으로 만들 수 있습니다. 이 소프트웨어는 AMT 구성 요소의 동작과 성능을 예측하고 개발주기 초기에 필요한 수정을합니다.

Nutella조차도 수십 개의 패턴과 색상 데이터베이스에서 가져온 기술을 사용하여 다양한 버전의 포장을 만드는 기술을 사용하여 실제 제품에 AI를 활용하고 있습니다. 2017 년 광고 대행사 Ogilvy & Mather Italia와 협력하여 회사는 7 만 개의 독특한 디자인 한 달 만에 매진 된 이탈리아 전역의 "Nutella Unica"항아리에

철학적 변화

사람들은 이러한 응용 프로그램이 인간 디자이너로부터 에이전시를 빼앗는 것으로 인식 할 수 있지만 최근 Harvard Business School의 공동 저자는 작업 용지 AI는 실제로 디자이너가 규모와 범위에서 학습에 이르기까지 과거의 한계를 극복 할 수있게 해준다고 주장합니다.

“AI 공장의 맥락에서 솔루션은 제품의 전체 수명주기에 걸친 학습 반복을 통해 더욱 사용자 중심적이고 창의적이며 지속적으로 업데이트 될 수 있습니다. 그러나 우리는 AI가 디자인 관행을 근본적으로 변화 시킨다는 것을 발견했습니다.”라고 공동 저자는 썼습니다. “전통적으로 설계자가 수행하던 문제 해결 작업은 이제 볼륨과 속도의 제한없이 작동하는 학습 루프로 자동화됩니다. 이러한 루프는 디자이너와 근본적으로 다른 방식으로 생각합니다. 기하 급수적으로 반복되는 매우 간단한 작업을 통해 복잡한 문제를 해결합니다. "

최근 블로그 게시물에서 사용자 경험 디자이너 Miklos Philips 에코 된 Harvard Business Review 논문 기고자들은 AI로 작업하는 디자이너가 향상된 효율성으로 인해 프로토 타입을 빠르고 저렴하게 만들 수 있다는 점에 주목했습니다. AI의 힘은 방대한 양의 데이터를 분석하고 디자인 조정을 제안 할 수있는 속도에 있다고 그는 말합니다. 그러면 디자이너가 데이터를 기반으로 조정을 선택하고 승인하고 가장 효과적인 디자인을 만들어 편리하게 테스트 할 수 있습니다.

어쨌든 AI 지원 설계 도구의 ROI는 잠재적으로 상당합니다. 2020 PricewaterhouseCoopers에 따르면 측량, 제조업의 기업들은 다음과 같은 이유로 향후 XNUMX 년 동안 효율성 향상을 기대합니다. 디지털 변환, AI 및 기계 학습의 채택을 포함합니다. 당연히 Google Cloud 보고서에 응답자의 76 %가 이번 주에 출판 AI, 데이터 분석 및 클라우드와 같은 "파괴적인 기술", 특히 전염병으로 인한 문제를 해결하는 데 도움이되었다고 말했습니다.

비즈니스 가치를 감안할 때 AI 기반 설계는 여기에서 유지되고 성장할 가능성이 높습니다. 이는 일반적으로 디자이너뿐만 아니라 물리적 제품 생성 전반에 걸쳐 자동화의 이점을 누리고 자하는 기업과 소비자에게 희소식입니다.