Creare immagini con l’intelligenza artificiale è ormai diventato relativamente semplice, ma trasformare una rappresentazione visiva in un programma CAD funzionante, utilizzabile dagli ingegneri per progettare componenti di automobili, aerei o prodotti industriali, resta una delle sfide più complesse. Anche un piccolo errore nella geometria può rendere inutilizzabile un progetto.
Per affrontare questo problema, ricercatori di MIT, IBM e Red Hat hanno sviluppato un nuovo framework chiamato Geometric Inference Feedback Tuning (GIFT), capace di migliorare sensibilmente la generazione automatizzata di modelli CAD. Il sistema sfrutta un principio innovativo: invece di eliminare gli errori prodotti dall’intelligenza artificiale, li utilizza come materiale per l’addestramento.
Secondo i ricercatori, questo approccio permette di ottenere progetti più accurati riducendo allo stesso tempo di circa l’80% il calcolo necessario durante la fase di elaborazione.
GIFT trasforma gli errori dell’IA in dati preziosi per il CAD
Uno dei principali ostacoli nello sviluppo di sistemi AI dedicati alla progettazione ingegneristica riguarda la disponibilità di dati di qualità. Gli attuali modelli image-to-CAD hanno bisogno di enormi quantità di esempi che colleghino immagini bidimensionali a programmi CAD funzionanti, ma creare manualmente questi dataset richiede molto tempo e risorse.
Il framework GIFT propone una strada alternativa: far imparare il modello direttamente dai propri errori.
“Vogliamo ottenere un aumento dei dati guidato dal modello stesso”, ha spiegato Giorgio Giannone, ricercatore di intelligenza artificiale e autore principale dello studio.
Il sistema utilizza modelli linguistici multimodali capaci di ricevere un’immagine 2D e una descrizione testuale per generare codice Python eseguibile all’interno di software CAD, con l’obiettivo di creare un oggetto tridimensionale.
Per capire quali siano le sue difficoltà, GIFT chiede all’intelligenza artificiale di risolvere lo stesso problema più volte in parallelo. Alcuni risultati sono corretti, altri sono molto lontani dall’obiettivo, mentre alcuni rappresentano dei quasi-successi, ovvero modelli molto simili a quello richiesto ma con piccoli difetti.
Sono proprio questi ultimi a essere considerati i più utili, perché mostrano con precisione quali aspetti il modello non ha ancora compreso.
Il sistema analizza i modelli quasi corretti per migliorare le capacità dell’IA
Dopo aver generato i programmi CAD, GIFT li esegue e confronta le geometrie 3D ottenute con il modello desiderato attraverso una metrica utilizzata nel settore ingegneristico chiamata Intersection over Union (IoU), che misura quanto due forme tridimensionali siano simili.
A differenza dei sistemi tradizionali, che tendono a scartare i risultati imperfetti, il framework sviluppato dai ricercatori MIT seleziona quelli vicini alla soluzione corretta e li trasforma in nuovi esempi di addestramento.
Il metodo si basa su due tecniche complementari.
La prima, chiamata GIFT-REJECT, permette di conservare programmi CAD alternativi che producono la geometria corretta anche quando il codice utilizzato è diverso dalla soluzione iniziale. Questo elemento è importante perché, nel mondo dell’ingegneria, lo stesso componente può essere progettato in molti modi differenti.
La seconda tecnica, denominata GIFT-FAIL, prende invece in considerazione i risultati imperfetti. Il sistema converte il modello 3D errato generato dall’IA nuovamente in un’immagine e lo abbina al programma CAD corretto. In questo modo crea nuovi dati capaci di insegnare al modello come correggere specifici errori.
Più precisione con meno risorse computazionali
Un altro elemento innovativo di GIFT riguarda il modo in cui migliora le prestazioni dell’intelligenza artificiale. Il framework sfrutta infatti una tecnica chiamata inference-time scaling, che consente di aumentare la qualità dei risultati durante la generazione senza dover necessariamente riaddestrare completamente il modello.
Questo permette di adattare il livello di calcolo alle esigenze dell’utente: chi dispone di maggiori risorse può effettuare più tentativi, mentre chi ha vincoli di tempo o budget può ridurre il numero di elaborazioni.
Nei test effettuati sul dataset GenCAD-Code, i modelli migliorati con GIFT hanno raggiunto un incremento del 12% nella precisione geometrica rispetto a un sistema avanzato basato sull’apprendimento supervisionato.
Allo stesso tempo, il framework ha ridotto di circa l’80% il calcolo necessario per ottenere prestazioni comparabili.
Un nuovo approccio per il futuro della progettazione industriale
Le potenzialità di questa tecnologia riguardano soprattutto i settori dove la progettazione digitale è fondamentale, come industria automobilistica, aerospazio, manifattura e ingegneria meccanica.
Un sistema CAD basato su un’intelligenza artificiale capace di correggersi autonomamente potrebbe consentire agli ingegneri di passare più rapidamente dagli schizzi iniziali ai prototipi tridimensionali, riducendo tempi di sviluppo e costi.
Secondo i ricercatori, però, il lavoro è solo all’inizio. Attualmente GIFT è concentrato principalmente sulla correttezza geometrica dei modelli, ma le prossime versioni potrebbero insegnare all’IA anche a progettare componenti più facili da produrre, più efficienti e maggiormente adatti alle condizioni reali di utilizzo.
Lo studio, pubblicato su arXiv, apre quindi una nuova prospettiva: nel futuro della progettazione assistita dall’intelligenza artificiale, anche gli errori potrebbero diventare una delle risorse più importanti per migliorare.
Fonte: Interesting Engineering
