واقعاً هوش مصنوعی برای پرینت سه بعدی چه کاری می تواند انجام دهد؟ «فابالو

نگاهی عمیق به چگونگی تأثیر ChatGPT و سایر LLM ها بر چشم انداز تولید افزودنی.

رشد تولید افزودنی (AM) با جهش های باورنکردنی در طراحی دیجیتال از جمله طراحی مولد و نظارت محاسباتی همراه بوده است. پلتفرم‌های هوشمند رایانه‌ای داخلی مدتی است که در حال توسعه هستند، با طراحی مولد انواع جدیدی از فایل‌ها را ایجاد می‌کنند که تنها از طریق فناوری‌های دیجیتال مانند چاپ سه بعدی می‌توانند به واقعیت تبدیل شوند.

اما آیا این طرح‌های «هوشمند» فقط آغاز راه هستند؟

هوش مصنوعی (AI) ظاهراً امروزه در همه جا وجود دارد، از زمانی که ChatGPT OpenAI در پایان نوامبر 2022 به شدت به صحنه آمد. چت ربات رایگان در دسترس، دسترسی به مدل زبان بزرگ (LLM) را برای عموم مردم باز کرد و راه‌های جدیدی را برای ایجاد، ایده‌پردازی، تکرار، احتمال سرقت ادبی – و سؤال ایجاد کرد.

• برای چه چیزی به هوش مصنوعی نیاز داریم؟
• _اصلا نیاز داریم؟
• هوش مصنوعی چگونه و کجا در جریان کار زیر چتر Industry 4.0 قرار می گیرد؟
• به طور خاص برای AM به عنوان یک صنعت چطور؟

ویژگی ها و معایب AI LLM

هوش مصنوعی مزایای باورنکردنی را ارائه می دهد که می تواند از طریق اتوماسیون باعث صرفه جویی در ساعات واقعی کار انسان شود. به طور خاص LLM ها مکالمات مجازی را ارائه می دهند که می توانند برای خودکارسازی کدنویسی، تولید ایده ها از اعلان های خاص یا مرتب کردن سریع کوه هایی از داده ها برای هدف قرار دادن یافته های خاص استفاده شوند.

با این حال، مانند هر مکالمه‌ای، هوش مصنوعی مستعد عدم دقت است. LLM ها مستعد “توهمات” هستند، که پاسخ های مطمئنی هستند که با داده های آموزشی توجیه نمی شوند. چنین توهماتی بر بی ثباتی تکیه بر هوش مصنوعی تأکید می کند. در چنین روزهای اولیه قابلیت‌های LLM به طور گسترده در دسترس، حتی آموزش و آزمایش بسیار کامل انجام شده تا به امروز برای جلوگیری از اشتباهات کافی نیست.

ChatGPT و برنامه های مشابه از نظر به موقع بودن نیز محدود هستند: برای مثال نسخه رایگان ChatGPT فقط تا سال 2021 اطلاعات دارد. وقتی صحبت از صنایع پیشرفته و سریع در حال حرکت می شود، داده های دو ساله و دو ساله ممکن است قبلاً منسوخ شده باشند. پیشرفت‌ها، اکتشافات و اولین فعالیت‌ها در دو سال گذشته چندین بخش صنعت 4.0 مانند تولید مواد افزودنی را به جلو برده است.

هوش مصنوعی برای AM

به عنوان یک فناوری ساخت پیشرفته، AM به همان اندازه که سخت افزار به نرم افزار متکی است. تولید فایل‌های طراحی، برش آن طرح‌ها، آماده‌سازی کارهای چاپی، قابلیت ردیابی خودکار، گردش کار، پس پردازش. هر مرحله از فرآیند AM به نرم افزار پیشرفته و برنامه نویسی قابل اعتماد نیاز دارد.

اخیراً، شاهد بودیم که نرم‌افزارهای تولیدی با طراحی برای تولید افزودنی (DfAM)، مانند ارائه‌های «هوشمند» در طراحی مولد، منفجر شده‌اند.

طراحی مولد در نرم افزار برای پرینت سه بعدی چیز جدیدی نیست. ما در دهه گذشته اعلامیه ها و بحث هایی را از شرکت هایی مانند Autodesk، Frustum، ANSYS، MIT، Jabil، Shapeways، Dassault Systèmes، Siemens، Desktop Metal و بسیاری دیگر دیده ایم.

رایانه‌ها می‌توانند هزاران سناریو طراحی بالقوه، از جمله تست استرس مجازی را اجرا کنند، در زمانی که ممکن است طراحان انسانی چندین گزینه را بررسی کنند. با مزیت افزوده ایجاد اساساً در پیچیدگی طرح‌هایی که فقط با فرآیندهای افزایشی قابل انجام هستند، هوش مصنوعی در DfAM یک پیشنهاد وسوسه‌انگیز است.

3DGPT

با چرخش مستقیم به آخرین موج علاقه LLM، ارائه‌دهنده نرم‌افزار گردش کار تولیدی Authentise اخیراً راه‌حل هوش مصنوعی خاص خود را برای تولید افزودنی با 3DGPT معرفی کرده است.

این نسخه که در حال حاضر بیشتر یک آزمایش است تا یک محصول فی نفسه، به صورت رایگان در دسترس علاقه‌مندان است تا آن را بررسی کنند. همانطور که Authentise آن را توصیف می کند، الگوریتم های آن بر اساس «قدرت بیش از 12000 مقاله و استانداردهای مجلات تولید افزودنی» ساخته شده اند.

راه‌های زیادی وجود دارد که فکر می‌کنیم این ابزار ممکن است در سبد محصولات ما مفید باشد – چه برای کمک به ایجاد گردش‌های کاری قابل اعتماد و کارآمد یا قابل نفوذتر کردن RFQ با بسیاری از مراجع استاندارد. قبل از آن – ما، Authentise و همچنین شرکای مانند ASTM، طبیعتاً باید فرصت ها و محدودیت های فناوری را درک کنیم. ما می‌دانیم که الگوریتم‌های GPT گاهی اوقات توهم دارند، به عنوان مثال، آندره وگنر، مدیر عامل Authentise، پس از انتشار آزمایش گفت.

مدت کوتاهی پس از معرفی 3DGPT، Authentise با معرفی Threads دنبال شد. این ابزار گردش کار جدید قرار است ابزارهای ارتباطی و مدیریت پروژه را در یک مجموعه همکاری رشته کاری جدید ادغام کند. Threads نشان‌دهنده انتشار محصول ملموس‌تری است که قبلاً توسط بررسی‌های کاربران اولیه پشتیبانی شده است.

وگنر در مورد انگیزه پشت انتشار 3DGPT و Threads می گوید: «افزودن در حال بلوغ است. حل دو مشکل بزرگ، شناسایی/مهندسی برنامه و تکرارپذیری، نیازمند انتشار سریع دانش و همکاری است. 3DGPT و Threads هر دو را حل می کنند. در نهایت، آنها ادغام خواهند شد – همکاری موقت با پشتیبانی هوش مصنوعی. اما علاقه به 3DGPT و نتایج نشان‌داده‌شده Threads نشان می‌دهد که ارزش فردی را نیز ارائه می‌کنند!»

بنابراین، یک نقشه راه وجود دارد و 3DGPT آزمایش است. همانطور که اغلب با آزمایش های تولید افزودنی اتفاق می افتد، ممکن است از بین نرود. اما – و اینجاست که چرا ارزش نگاه کردن را دارد – می تواند به جایی برسد عمده.

در کنار نسخه‌های قابل اجراتر مانند Threads و همچنین نرم‌افزارهای مدیریت پروژه موجود، کاربران آگاه که قادر به تشخیص توهمات هوش مصنوعی از نتایج بررسی‌شده همتا هستند، می‌توانند از ابزارهایی مانند 3DGPT برای پیشبرد گردش‌های کاری AM خود استفاده کنند.

تردید در صنعت

اما حتی اگر چیزی مانند 3DGPT کار کند … چه چیزی است؟ برای شرکتی مانند Authentise خوب و خوب است که بتواند اولین بار در بازار ChatGPT hullabaloo ادعا کند، اما آیا برای کسانی که امروز در این صنعت کار می کنند مرتبط است؟

راشل پارک، کارشناس صنعت، که از سال 1997 در AM بوده، می‌گوید: «من فکر می‌کنم حدود پنج سال طول خواهد کشید تا هوش مصنوعی به شیوه‌ای معنی‌دار کیفیت قابل اعتمادی را ارائه دهد.

مکالمه با پارک در مورد موضوعاتی مانند 3DGPT یک گام بسیار ضروری به عقب را ارائه می دهد. پتانسیل وجود دارد – و او شاهد چندین دهه افزایش و افزایش پتانسیل چاپ سه بعدی (و همچنین سقوط و سوختن) بوده است. او خاطرنشان می کند که برخی از نتایج 3DGPT به سادگی «مانند رگورژیتاسیون خوانده می شوند»، و «برای هر شرکتی که می خواهد متمایز شود، (استفاده از هوش مصنوعی) دقیقا برعکس کاری است که باید انجام دهد. اگر این چیزی است که یک شرکت برای محتوای بازاریابی خود به آن تکیه می کند، آنها شکست خواهند خورد.

در واقع، تولید محتوای بازاریابی – به‌ویژه در میان اخراج‌های بسیار گسترده در کل بخش فناوری که به ندرت تیم‌های بازاریابی کامل را دست نخورده باقی می‌گذارد – به نظر می‌رسد میوه‌ای کم ارزش برای استفاده از LLM در شرکت‌های فناوری باشد.

کپی رایتینگ ورود به ظاهر واضحی را برای بهره برداری از قابلیت های جدید هوش مصنوعی و به کار بردن آنها در عمل ارائه می دهد. با این حال، اگر محتوا واقعاً بازگردانده شود، تازه به نظر نمی رسد – زیرا اینطور نیست. به وضوح از منابع موجود استخراج شده است.

خوشبختانه، در مورد 3DGPT، این منابع به وضوح در توضیح «مرجع» در پایان هر بخش پاسخ مشخص شده‌اند.

دیگران به طور کلی تر استفاده، قابلیت اطمینان و قابلیت اطمینان ابزاری مانند 3DGPT را که قرار است به طور خاص برای AM طراحی شده است، زیر سوال ببرند.

Shawn Miely، یک بازاریاب باتجربه محصول و محتوا AM می گوید: «مطمئن نیستم که واقعاً ارزش یک ربات چت با پوسته چاپ سه بعدی را درک کنم. “(من دوست دارم) مورد استفاده ای را بدانم که در آن ارزش بیشتری در این ابزار نسبت به ChatGPT وجود دارد که بر اساس چند پرس و جوی من، به نظر می رسد نتایج بهتری ایجاد می کند.”

Authentise مستقیماً به اظهارات Miely پاسخ داد و توضیح داد (با ملاحظات کمی پاک شده):

مدل های کاملا تخصصی آینده هستند…. کارشناسانی که خواهان پاسخ های واقعی هستند، به چیزی بیش از ابهامات عمومی یا در واقع مزخرفات کاملی که LLM های عمومی اغلب ارائه می دهند، نیاز دارند.

اگر آنها واقعاً برای متخصصان ارزشمند باشند، LLM های تخصصی نیز می توانند در سیستم های خبره ادغام شوند. ما به چت‌بات‌هایی فکر می‌کنیم که می‌دانند چه مشکلی در ساختی مبتنی بر داده‌های چاپگر وجود دارد و از دانش تخصصی خود برای پیشنهاد استراتژی‌های اصلاح استفاده می‌کنند.

البته ما هنوز خیلی با آن فاصله داریم. این فقط یک شروع است – بدون آن ما نمی‌توانیم یاد بگیریم چه چیزی کار می‌کند و چه چیزی نه، بنابراین لطفاً به پاسخ‌ها امتیاز دهید تا سیستم بهتر شود…”

3DGPT در مقابل ChatGPT

بنابراین، چگونه 3DGPT با ChatGPT ساده قدیمی مقایسه می شود؟

3DGPT که به طور خاص در مورد مواد ساخت افزودنی متخصص آموزش دیده است، مراجع ارائه می دهد – و با یک هشدار شروع می شود:

در زیر کادر ورودی سوال، Authentise بیشتر هشدار می دهد:

3DGPT ممکن است اطلاعات نادرست یا توهین‌آمیز ایجاد کند که نمایانگر دیدگاه‌های Authentise نباشد. لطفاً با مسئولیت خود از آن استفاده کنید و همیشه مراجع ارائه شده را بررسی کنید.”

ChatGPT همچنین هشدارها و درخواست بازخورد را دارد، همانطور که همه LLM ها باید انجام شوند. یادگیری ماشینی باید فرا گرفتن برای بهبود، بنابراین چنین سلب مسئولیت و حلقه های بازخورد نباید تعجب آور باشد.

با این اوصاف، من برای تجربه تفاوت‌ها و شباهت‌های بین این دو LLM، درخواست‌هایی را به 3DGPT و ChatGPT ارائه کردم. فوراً قابل توجه ترین نکات این است که 3DGPT پاسخ های کوتاه تری را پس از اعلان هایی که AM فرض است و همچنین شامل جزئیات DOI برای مواد مرجع ارائه می دهد.

ChatGPT در پاسخ‌هایش طولانی‌تر است و از آنجایی که پلتفرم بسیار تعمیم‌یافته است، در نوشتن اعلان به AM اختصاصی بیشتری نیاز است. همچنین هیچ مرجعی ارائه نمی دهد.

به عنوان پایه اولیه، از هر LLM خواستم که به من بگوید هفت فرآیند فناوری چاپ سه بعدی چیست. برای مرجع، ما به طبقه‌بندی‌های تعریف‌شده توسط ASTM به‌عنوان استاندارد طلایی روی می‌آوریم – در غیر این صورت به نظر می‌رسد که بیش از هفت نوع فرآیند چاپ سه‌بعدی وجود دارد که برخی از آنها به برندسازی ساده ختم می‌شوند.

ادامه این داستان را در ENGINEERING.com بخوانید