30 اکتبر 2024 -توسط Kaitlyn Landram، مهندسی مکانیک دانشگاه کارنگی ملون -اعتبار: تصویر ایجاد شده توسط هوش مصنوعی
یک محیط کاری که از حل‌کننده‌های مختلف مشکلات پشتیبانی می‌کند، برای تیم‌های طراحی موفق غیرقابل انکار است. کریس مک‌کامب، متخصص تیم‌سازی انسان-هوش مصنوعی، و تیم محققانش در حال پر کردن شکاف‌های شناختی بین اعضای یک تیم با ترکیب سبک‌های شناختی در مدل‌های زبانی بزرگ هستند و به تیم‌ها قدرت می‌دهند تا به راحتی از نقاط قوت منحصر به فرد افراد استفاده کنند.
مک‌کامب، دانشیار مهندسی مکانیک در کارنگی ملون، می‌گوید: «به‌طور کلی، ما بسیار درگیر ربات‌های انسان‌نما هستیم، زیرا بسیاری از جهان ما برای چیزهایی به شکل انسان ساخته شده است.بنابراین، وقتی به این فکر می‌کنیم که هوش مصنوعی برای طراحان چگونه باید باشد، باید به شکل طراح باشد، به این معنی که باید بازتابی از سبک‌های مختلف حل مسئله باشد.»
بر اساس تداوم شناختی که توسط نظریه انطباق-نوآوری کرتون معرفی شد، تیم مک‌کامب یک مدل زبان بزرگ را برای تقلید از دو سبک شناختی – تطبیقی و نوآور – در حالی که راه‌حل‌هایی برای مشکلات طراحی ایجاد می‌کند، برانگیخت. متفکران سازگارتر ترجیح می دهند مشکلات را با یک فرآیند بسیار ساختار یافته حل کنند، در حالی که متفکران نوآورتر ساختار انعطاف پذیرتر را برای حل مشکلات با ایده های پیشگامانه ترجیح می دهند.
واسوی آگاروال، اولین نویسنده مقاله منتشر شده در ASME Journal of Computing and Information Science in Engineering، توضیح داد که این تیم از یک روش تحریک شات صفر برای به دست آوردن راه حل های طراحی استفاده کرد و نشان داد که این مدل می تواند سبک شناختی را با راهنمایی کمی اتخاذ کند.
این طرح هم به عنوان یک متفکر سازگارتر و هم به عنوان یک متفکر مبتکرتر برای یک ظرف غذای درب دار که فقط با یک دست باز می شود، یک دستگاه ورزشی سبک وزن و قابل حمل که می تواند در سفر استفاده شود و راهی برای ایمن کردن وسایل افراد در ملاء عام ایجاد کرد .
محققان دریافتند که طرح‌هایی که تحت فرمان تطبیقی تولید می‌شوند، عملی‌تر هستند – درست همانطور که در طراحان انسانی دیده می‌شود. به همین ترتیب، طرح‌هایی که تحت دستور نوآورانه تولید می‌شوند، پارادایم‌شکنی‌تر بودند و دوباره ویژگی‌های انسانی را تقلید می‌کردند. Agarawl بر این باور است که اگرچه برخی از طرح های نوآورانه “خارج از جعبه” بودند، اما LLM ها را می توان برای نتایج بهتر تنظیم کرد.
او گفت: «هدف اصلی این مطالعه، پیشرفت تیم‌سازی هوش مصنوعی انسانی بود. با استفاده از هوش مصنوعی در تیم‌های طراحی، می‌توانیم حجم کاری را کاهش دهیم و راه‌حل‌های خلاقانه‌تری تولید کنیم.»
مک‌کامب می‌گوید: «جهان در حال حاضر وقتی صحبت از هوش مصنوعی به میان می‌آید بسیار هیجان‌انگیز است. ما به نقطه‌ای رسیده‌ایم که ساختن سیستم‌ها و آزمایش نحوه تعامل طراحان با آن‌ها بسیار آسان‌تر است». “این کار نشان‌دهنده یک الگوی تحقیقاتی است که سریع و تکراری است و با کاربران درگیر است. ما نه تنها مدل‌های زبانی را برای طراحی، بلکه الگوی جدیدی از تحقیقات طراحی را پیش می‌بریم.”
