Czym jest generatywna sztuczna inteligencja?

O używaniu modeli generatywnych w projektowaniu i różnicach między generatywną SI (ang. AI), a projektowaniem generatywnym, opowiada Ian Wright, redaktor portalu Engineering.com

Opracowanie: Maciej Stanisławski

Obserwowany od kilku lat „boom” na sztuczną inteligencję (SI, ang. AI) zapoczątkowany został właśnie przez tytułową generatywną sztuczną inteligencję, znaną również jako GenAI. Jej podstawy sięgają osiągnięć rosyjskiego matematyka Andrieja Markowa (1856-1922), profesora uniwersytetu w Petersburgu, który opracował m.in. proces stochastyczny znany jako łańcuch Markowa/proces Markowa do modelowania języka naturalnego. Ale sama technologia jest oczywiście dużo młodsza.
Połączenie złożonej matematyki i nowatorskiej technologii zwykle przesłania rzeczywiste możliwości GenAI, co skutkuje niedoszacowaniem lub, częściej, przeszacowaniem jej możliwości.
Dlatego też inżynierowie projektanci (ale nie tylko), którzy w nadchodzących latach będą widzieć coraz więcej odniesień do generatywnej sztucznej inteligencji, powinni poznać odpowiedzi na kilka pytań z nią związanych.

Jaka jest różnica między generatywną sztuczną inteligencją a projektowaniem generatywnym?

Wśród profesjonalistów z branży istnieje niefortunna tendencja do używania zamiennie terminów „projektowania generatywnego” i „generatywnej sztucznej inteligencji”, co w dużej mierze wynika z obecnego szumu marketingowego wokół sztucznej inteligencji. Istnieją jednak istotne różnice między tymi dwoma terminami, szczególnie w zakresie działania leżących u ich podstaw mechanizmów.

Projektowanie generatywne wykorzystuje reguły parametryczne do definiowania i wykonywania procedury poprzez iterację. Na przykład wykorzystanie projektowania generatywnego do utworzenia rozpórki nośnej wiązałoby się z ustawieniem odpowiednich ograniczeń dotyczących materiałów, wymiarów itd., co dałoby w rezultacie różnorodne projekty, które można dalej manualnie modyfikować.

Natomiast generatywna sztuczna inteligencja wykorzystuje modele statystyczne do “uczenia się” i następnie generowania treści. Wykorzystanie generatywnej sztucznej inteligencji do stworzenia projektu rozpórki nośnej wymagałoby zatem „wyszkolenia projektu” pod kątem określonego celu przy użyciu poprzednich projektów rozpórek, w wyniku czego powstałby jeden (lub więcej) model, który – w idealnym przypadku – łączyłby optymalne cechy poprzednich projektów i jako rezultat przedstawiałby jeden, gotowy, optymalny model wzorcowej rozpórki.

Kiedy użytkownik dokonuje wyboru w modelu CAD, wirtualny asystent może zasugerować szereg innych wyborów w oparciu o rozmiar, kształt i orientację geometrii. Z każdym kolejnym wyborem propozycja staje się bardziej trafna. To przykład tzw. uczenia maszynowego i SI w systemie CAD w praktyce. Na zdjęciu: platforma 3DEXPERIENCE | Dassault Systemes | Canadian Metalworking

W chwili pisania tego tekstu projektowanie generatywne jest znacznie bardziej powszechne w inżynierii niż generatywna sztuczna inteligencja, która odniosła największe sukcesy w obszarach przetwarzania języka naturalnego i generowania treści cyfrowych, głównie obrazów i tekstu. Jednak biorąc pod uwagę szerokie zainteresowanie i znaczne inwestycje w generatywną sztuczną inteligencję w różnych branżach, możemy spodziewać się, iż coraz częściej – i w coraz większym zakresie – będzie ona gościć w rozwiązaniach CAD/CAM/CAE.

Jak to adekwatne działa?

U podstaw generatywnej sztucznej inteligencji leży uczenie maszynowe, w szczególności zastosowanie uczenia się bez nadzoru lub samonadzoru do zbiorania danych. Ogólnie rzecz biorąc, systemy GenAI można sklasyfikować pod względem ich modalności oraz tego, czy są unimodalne (akceptują tylko jeden rodzaj danych wejściowych, takich jak np. tekst), czy multimodalne (akceptują wiele typów danych wejściowych, takich jak obrazy i tekst).

W każdym przypadku system jest szkolony na odpowiednich przykładach i w odpowiedniej modalności (słowach, zdaniach, obrazach itd.). Mając wystarczającą liczbę przykładów, system ostatecznie rozpoznaje wzorce, które umożliwiają mu rozróżnianie przykładów, a także – co najistotniejsze – generowanie własnych. W przypadku systemów multimodalnych wzorce te obejmują korelacje między różnymi modalnościami, które umożliwiają translację między nimi.

Pierwotnie wyniki te uzyskiwano na ogół za pośrednictwem ogólnej sieci kontradyktoryjnej (GAN*), w której jeden model próbował stworzyć nowe dane na podstawie danych szkoleniowych, podczas gdy inny próbował odróżnić wygenerowane dane od rzeczywistych. Im lepszy jest pierwszy model, tym wyniki systemu są bliższe pożądanym wynikom.

Schemat procesu „szkoleniowego” sieci GAN | unite.ai

Niedawno popularną architekturą alternatywną dla sieci GAN stały się transformatory**. Są one używane głównie do przetwarzania danych sekwencyjnych, na przykład w przetwarzaniu języka naturalnego, przy użyciu mechanizmów samouważności w celu identyfikacji zależności między elementami w całej sekwencji. To podejście okazało się znacznie bardziej skalowalne, co doprowadziło m.in. do powstania ChatGPT (przyznaję, korzystam – przyp. ms) i powiązanych narzędzi AI.

Co inżynierowie mogą zrobić dzięki generatywnej sztucznej inteligencji?

Praktyczna przydatność generatywnej sztucznej inteligencji w inżynierii, w porównaniu z projektowaniem generatywnym, jest stosunkowo ograniczona – przynajmniej na obecnym stanie rozwoju GenAI. Istnieją już jednak przykłady praktycznego i stosunkowo zaawansowanego wykorzystania generatywnej sztucznej inteligencji do automatyzacji części procesu modelowania 3D, chociażby poprzez konwersję obrazów 2D na modele 3D. Jednym z przykładów jest NeROIC (Neural Rendering of Objects from Online Image Collections), który wykorzystuje sieć neuronową do generowania modeli 3D z internetowych obrazów popularnych obiektów. Biorąc pod uwagę tempo, w jakim wydaje się rozwijać ta technologia, nietrudno wyobrazić sobie cały szereg narzędzi GenAI, które mogłyby usprawnić pracę w środowisku CAD/CAM.

Poniżej (na filmie) przykład projektowania generatywnego wspieranego przez SI w środowisku systemu NX (Siemens Digital Industries Software).

A co z CAE?

Otóż kolejnym zastosowaniem generatywnej sztucznej inteligencji w inżynierii jest opracowywanie danych syntetycznych do symulacji i walidacji. Zaletą danych syntetycznych jest to, iż mogą stanowić alternatywę dla danych generowanych przez zdarzenia ze świata rzeczywistego, które mogą być rzadkie i/lub niepożądane (np. klęski żywiołowe lub katastrofalne awarie systemów). Oczywiście użytkownicy muszą uważać na potencjalne ukryte błędy systematyczne i upewnić się, iż wszelkie syntetyczne dane utworzone dzięki GenAI są reprezentatywne dla rozkładu danych w świecie rzeczywistym.

Prawdopodobnie, w miarę dalszego rozwoju i skalowania technologii, pojawi się wiele innych przypadków użycia generatywnej sztucznej inteligencji w inżynierii. Automatyczne generowanie dokumentacji lub fragmentów kodu oraz identyfikowanie nietypowych wzorców w danych produkcyjnych na potrzeby chociażby kontroli jakości to tylko niektóre z potencjalnych zastosowań inżynieryjnych generatywnej sztucznej inteligencji…

Na podstawie: Ian Wright, What is Generative AI? www.engineering.com

Niniejsze opracowanie powstało w nawiązaniu do niedawno zamieszczonej informacji prasowej o podjęciu współpracy między Dassault Systemes – producentem rozwiązań m.in. do projektowania, wchodzących w skład platformy 3DEXPERIENCE, a firmą Mistral AI, dostawcą rozwiązań stricte związanych ze sztuczną inteligencją. Link do informacji tutaj

A do tematu SI, AI, genAI w zastosowaniach projektowych będę powracał.
(ms)

*Co to jest generatywna sieć kontradyktoryjna (GAN)?
**Czym są transformatorowe sieci neuronowe?