KI-Sprachmodelle wie ChatGPT können verschiedenste Inhalte generieren, darunter Gedichte, Symphonien, Videos und Bilder. Doch laut einer Studie von MIT-Ingenieuren stoßen diese Modelle an ihre Grenzen, wenn es um technische Ingenieuraufgaben geht, die Innovation erfordern. Tiefgenerative Modelle (DGMs) sollen Datensätze nachahmen, während Ingenieure und Designer oftmals etwas Neues erschaffen wollen. Die statistische Ähnlichkeit, auf die viele KI-Modelle abzielen, führt möglicherweise nicht zur Innovation im Design. Die Studie belegt dies am Beispiel des Fahrradrahmen-Designs, bei dem DGMs Rahmen hervorbrachten, die bestehende Designs imitierten, aber in Bezug auf die technische Leistung versagten. Allerdings generierten die Modelle, wenn sie mit einer auf Ingenieurwesen ausgerichteten Zielsetzung konzipiert waren, innovativere und leistungsfähigere Rahmen. Die Forscher betonen, dass KI-Modelle effektive Hilfsmittel für das Design sein könnten, wenn sie sorgfältig mit aufgabenorientierten Metriken geplant werden. Die Studie wurde im Fachjournal Computer Aided Design veröffentlicht und ist das Ergebnis einer Zusammenarbeit zwischen Informatikern des MIT-IBM Watson AI Lab und Maschinenbauingenieuren im MIT DeCoDe Lab. Die Forscher sind der Ansicht, dass Ingenieure von der KI profitieren können, indem sie die Anforderungen verstehen und KI-Modelle explizit für Designaufgaben schulen.
Die Grenzen von KI-Sprachmodellen bei Ingenieuraufgaben
In einer Studie von MIT-Ingenieuren wurde festgestellt, dass KI-Sprachmodelle wie ChatGPT zwar in der Lage sind, verschiedene Arten von Inhalten zu generieren, jedoch Grenzen bei Ingenieuraufgaben haben, die Innovation erfordern. Diese Modelle, bekannt als Deep Generative Models (DGMs), sind darauf ausgelegt, bestehende Datensätze nachzuahmen, anstatt etwas völlig Neues zu schaffen. Diese Fokussierung auf statistische Ähnlichkeit kann die Fähigkeit zur Innovation im Design beeinträchtigen.
Das Problem der statistischen Ähnlichkeit
Die Studie zeigt, wie KI-Modelle innovative Fahrradrahmen-Designs nicht reproduzieren können. Wenn man bestehende Designs verwendet, sind die DGMs in der Lage, diese Designs zu replizieren, weisen jedoch geringe Ingenieursleistung auf. Das Problem liegt in der Abhängigkeit der Modelle von statistischer Ähnlichkeit, die Verbesserung und Innovation außer Acht lässt.
Fokus auf Ingenieurleistung legen
Als die Forscher KI-Modelle mit ingenieurbezogenen Zielen trainierten, beobachteten sie innovativere und leistungsfähigere Fahrradrahmen-Designs. Durch die Verschiebung der Metriken und Ziele der KI-Modelle hin zur Ingenieurleistung zeigten die generierten Designs ein größeres Innovationspotenzial.
Die Bedeutung von aufgabenadäquaten Metriken
Die Studie legt nahe, dass KI-Modelle wirksame Hilfsmittel für das Design sein können, wenn sie mit aufgabenadäquaten Metriken entwickelt werden. Durch das Verständnis der spezifischen Anforderungen einer Designaufgabe und das gezielte Training von KI-Modellen auf diese Ziele hin können Ingenieure die Vorteile von KI nutzen, um innovative Produkte zu schaffen.
Zusammenarbeit zwischen Informatikern und Maschinenbauingenieuren
Die Studie war eine gemeinsame Anstrengung von Informatikern im MIT-IBM Watson AI Lab und Maschinenbauingenieuren im MIT’s DeCoDe Lab. Dieser interdisziplinäre Ansatz ermöglichte eine umfassende Untersuchung der Rolle, die KI-Modelle bei der Designinnovation spielen können.
Zusammenführung von Expertise für bessere Ergebnisse
Die Zusammenarbeit zwischen Informatikern und Maschinenbauingenieuren betont die Bedeutung der Zusammenarbeit bei der effektiven Nutzung von KI-Modellen. Beide Fachrichtungen tragen wertvolle Erkenntnisse bei, die die Entwicklung von KI-Modellen ermöglichen, die den Anforderungen von Ingenieuraufgaben entsprechen und die Innovation fördern.
Fazit
Die Studie verdeutlicht die Grenzen von KI-Sprachmodellen bei Ingenieuraufgaben, die Innovation erfordern. Durch die Neudefinition der Ziele und des Trainingsprozesses von KI-Modellen mit aufgabenadäquaten Metriken können Ingenieure KI als wertvolle Designhilfe nutzen. Die Zusammenarbeit zwischen Informatikern und Maschinenbauingenieuren spielt eine entscheidende Rolle bei der Nutzung des Potenzials von KI für Designinnovationen.
