Faida:
- Kuwa na uwezo wa kutofautisha ambapo akili ya bandia hutoa muda halisi na utofauti wa mawazo katika mchakato wa kubuni viwanda, na ambapo maamuzi muhimu ya uzalishaji na usalama yanapaswa kubaki kwa mbuni na mhandisi, kulingana na kiwango cha hatari ya kazi.
- Uwezo wa kutumia taaluma ya uthibitishaji ambayo hujaribu kila picha na maandishi ya akili bandia dhidi ya uhalisia wa utayarishaji wa nyenzo, uamuzi wa wabunifu na uidhinishaji mahiri wa mtaalamu.
- Uwezo wa kupata tabia ya faragha, kutokutambulisha na uteuzi wa zana salama ili kulinda muhtasari, data ya mteja na faili za muundo.
Kazi ya mtengenezaji wa viwanda ni kuziba pengo kati ya hitaji na bidhaa inayozalishwa, nzuri na muhimu. Jinsi mpini wa kettle unafaa mkononi mwako, inachukua muda gani kuelewa jopo la kifaa cha matibabu, ikiwa kipande cha samani ni cha uzuri na kinaweza kuzalishwa kwa gharama nzuri katika kiwanda; Haya yote ni maamuzi ya mbunifu. Kazi hii inahitaji kutoa mawazo mengi ya kuona, kuelewa mtumiaji, kukubaliana na ukweli wa nyenzo na uzalishaji, na kufanya yote haya huku ukiendelea kuwa kweli kwa lugha ya chapa. Akili Bandia (AI kwa ufupi; mifumo ya programu inayofanya kazi na maandishi, picha na data ya nambari na imejifunza ruwaza kutoka kwa data kubwa) ni msaidizi mwenye nguvu katika hatua nyingi za mchakato huu wa ubunifu lakini wenye nidhamu. Sehemu hii inakufundisha mahali pa kutumia AI kwa usalama katika muundo wa viwanda, ambapo ni hatari, na kwa nini unapaswa kuthibitisha kila pato la AI kwa uamuzi wa mbunifu, ukweli wa utengenezaji wa nyenzo, na idhini ya mhandisi anayefaa inapohitajika.
Kanuni kuu utakayotumia katika moduli hii yote ni: AI ni jenereta msaidizi na wa wazo, si mtoa maamuzi. Picha ya dhana, pendekezo la fomu, kipimo cha ergonomic, pendekezo la nyenzo au uwasilishaji haiwi sahihi, inayoweza kuzalishwa au halisi kwa sababu "ilitolewa na AI". Ni dhana tu hadi ithibitishwe. Katika muundo wa viwanda, picha isiyo sahihi mara nyingi humaanisha ukungu ambao hauwezi kuzalishwa, mpini usiolingana na mkono wako, uwekezaji unaoporomoka, au onyo la kisheria la kuiga muundo wa mtu mwingine. Ndio maana uthibitishaji sio "hatua ya ziada" lakini ni sehemu muhimu ya kazi.
Akili ya bandia ya kuona ni nini na inafanya nini katika muundo?
Zana nyingi za kuona za AI zinazotumiwa katika muundo leo zinategemea teknolojia inayoitwa uundaji wa usambazaji. Muundo wa uenezaji ni mfumo unaofanya kazi na mantiki ya "kutoa picha kutoka kwa kelele" kwa kujifunza kutoka kwa mamilioni ya picha: huanza kutoka kwa doa la kelele la nasibu na hatua kwa hatua inakaribia picha inayolingana na maelezo ya maandishi (haraka) unayotoa. Hii ni injini ya zana kama vile Midjourney, Stable Diffusion, DALL·E, Firefly. Miundo mikubwa ya lugha inayozalisha maandishi (kama vile LLM; ChatGPT, Claude, Gemini) hutumika katika usanisi wa utafiti, hoja ya nyenzo, uandishi mfupi na upangaji wa mtiririko wa kazi.
Jambo muhimu ni kwamba mifano hii sio "misingi ya maarifa" lakini "makadirio ya uwezekano". Huzungumza lugha ya muundo kwa ufasaha, hutoa taswira nzuri, lakini haipimi uundaji wa kipande; hutoa taswira au sentensi inayoonekana zaidi. Kwa hiyo, inaweza kuzalisha makusanyiko yasiyowezekana kimwili, fomu za nje ya kiwango, maadili ya ergonomic yaliyotengenezwa, au mali ya nyenzo isiyopo. Hii inaitwa hallucination (uzushi). Hallucination sio malfunction, lakini kipengele cha asili cha teknolojia hii.
Kazi ambapo AI ina nguvu katika muundo wa viwanda:
- Uanuwai wa dhana na michoro: Kuzalisha mielekeo mingi tofauti ya umbo/mtindo kwa muda mfupi.
- Msukumo na moodboard: Ugunduzi wa anga ya kuona inayofaa kwa lugha ya bidhaa.
- Usanisi wa utafiti: Muhtasari wa kutoa mada na maarifa kutoka kwa data ya mahojiano na uchunguzi.
- Uchunguzi wa nyenzo/uzalishaji: Kujifunza kwa haraka vikwazo vya mbinu (ili kuthibitishwa).
- Utoaji na uwasilishaji: tofauti za CMF (rangi-nyenzo-uso), picha za muktadha.
- Kazi za maandishi: Fupi, maandishi ya uwasilishaji, rasimu ya uhalalishaji wa muundo.
Ambapo AI ni dhaifu na hatari:
- Ukubwa halisi, uvumilivu, thamani ya ergonomic na nguvu.
- Dhamana ya kweli ya utengenezaji (DFM).
- Uhalisi na uhakikisho wa mali miliki (unaweza kuiga muundo mwingine).
- Uamuzi muhimu wa usalama: hatari ya kunyonya ya toy, kufuata kifaa na kiwango.
Uainishaji unaotegemea hatari: kichujio kabla ya kutumia AI
Sio kila kazi ya kubuni iko kwenye kiwango sawa cha hatari. Panga kazi kwa kiwango cha hatari kabla ya kutumia AI. Jedwali hapa chini ni mfumo wa maamuzi utakayotumia katika moduli nzima.
Kiwango cha hatari
kazi ya sampuli
Jukumu la AI
Uthibitishaji wa lazima
chini
Moodboard, taswira ya msukumo, rasimu ya maandishi ya uwasilishaji
matumizi ya bure
Uhakiki unatosha
kati
Kizazi cha dhana/mchoro, rasimu ya usanisi wa utafiti
Jenereta ya wazo / mwandishi mwenza
Kichujio cha mbuni + kinachofunga data
juu
Ukubwa wa ergonomic, pendekezo la nyenzo/uzalishaji, lugha ya bidhaa
jenereta ya wazo
Data ya anthropometric + DFM + uthibitisho wa mtoa huduma
muhimu
Idhini ya bidhaa muhimu kwa usalama, nguvu, uzingatiaji wa kawaida
Rasimu/changanua pekee
Idhini ya mhandisi/mtaalamu mwenye uwezo + majaribio halisi
Kidokezo: Ikiwa ulitia alama kazi kama "muhimu", matokeo ya AI sio hati ya mwisho. Kwa kiasi kikubwa ni rasimu ya awali au orodha hakiki; Mbuni/mhandisi stadi huchukua saini na wajibu.
Mtiririko wa mwisho hadi mwisho: kupachika AI katika mchakato wa kubuni
Mchakato wa kawaida wa muundo wa viwanda hupitia hatua zifuatazo, na AI huingia katika kila hatua lakini haifungi yoyote yenyewe:
- Muhtasari na utafiti: Haja, mtumiaji, vikwazo. (AI: inafafanua kwa ufupi, utafiti husanisi.)
- Uzalishaji wa dhana: Tofauti tofauti za mawazo. (AI: mchoro wa haraka/dimbwi la dhana.)
- Fomu na ergonomics: Uwiano, usawa, mtego. (AI: ugunduzi mbadala; kipimo kimethibitishwa.)
- Nyenzo na uzalishaji: DFM, gharama, njia. (AI: uchunguzi; uthibitisho wa msambazaji.)
- 3D na maelezo: CAD modelling. (AI: msaidizi; kipimo kinathibitishwa katika CAD.)
- Utoaji na uwasilishaji: Taswira. (AI: utoaji wa haraka; uwakilishi wa uaminifu ni lazima.)
- Mali miliki na utoaji: Uhalisi, usajili, faili. (AI iko kando; sheria na mbuni huamua.)
Zingatia hatua hizi saba akilini mwako; Sehemu iliyobaki ya moduli inakuonyesha jinsi ya kutumia AI na kazi za muundo thabiti katika kila hatua.
kesi tatu ndogo
Kesi ya 1 - dhana "Kubwa" ambayo imeshindwa kuzalishwa. Mbuni hutoa dhana 12 kutoka kwa AI kwa kifaa cha kichwa kisichotumia waya; Mmoja wao huvutia mteja sana na ameidhinishwa moja kwa moja. Hata hivyo, mchanganyiko wa bawaba na mlango katika utoaji hauwezekani kimwili: sehemu hizo mbili hupitia kila mmoja. Mtengenezaji wa ukungu anasema kwamba jiometri hii haiwezi kuzalishwa; Muundo umechorwa upya kutoka mwanzo na mradi unacheleweshwa kwa wiki 3. Mtazamo sahihi ni kuzingatia dhana ya AI kama mchoro wa msukumo na kutatua mkusanyiko na utengenezaji kama mbuni tangu mwanzo.
Kesi ya 2 - Thamani ya ergonomic isiyofaa. Kwa mshiko wa kifaa cha mkono, mwanafunzi wa ndani aliuliza AI "kipenyo cha mshiko wa watu wazima katika mm ni nini?" anauliza; AI inasema "karibu 40mm". Mwanafunzi anachakata hii moja kwa moja kwenye modeli. Hata hivyo, thamani halisi inatofautiana kati ya milimita 30-50 kulingana na idadi ya watu inayolengwa na usambazaji wa asilimia; 40 mm iliyochaguliwa ni nene sana kwa sehemu kubwa ya watumiaji wa kike. Tatizo linatokea katika majaribio ya kuiga. Mtazamo sahihi ni kuchukua kipimo kutoka kwa jedwali la data la anthropometri inayotegemewa na kuijaribu kwa mfano halisi.
Kesi 3 - Matumizi sahihi. Anapotafuta mwelekeo wa kichakataji chakula, mbuni huiambia AI "aina 8 tofauti za vifuniko vya juu huku zikiweka mwonekano sawa wa mwili, zote kwa lugha laini na ndogo, kwenye mwanga wa studio." AI inazalisha tofauti 8; Muumbaji huchagua maelekezo 2 kutoka kwao, huendeleza kwa kuchora kwa mikono, na kutatua ergonomics na uzalishaji mwenyewe. Hapa AI ilitumiwa kwa usahihi: iliharakisha ugunduzi, ilifanya uteuzi na uhandisi kuwa binadamu.
Violezo vya haraka vinavyoweza kunakiliwa
Unaweza kurekebisha violezo vilivyo hapa chini kwa biashara yako mwenyewe. Katika kila mmoja wao, kuna mantiki ya ufahamu ya "hii ni hypothesis, lazima idhibitishwe".
KIOLEZO CHA WAJIBU NA MPAKA (kwa maandishi AI) "Jukumu: Wewe ni msaidizi wa muundo wa viwanda mwenye uzoefu. Kazi: [andika somo]. Kanuni: Unapotoa kipimo halisi, uvumilivu, thamani ya ergonomic au vipimo vya nyenzo, taja kwamba ni lazima IMETHIBITISHWA; ikiwa huna uhakika, sema 'imethibitishwa kutoka kwa chanzo'. Mwishoni mwa data iliyothibitishwa, andika 'data iliyothibitishwa na anthrop uchambuzi au mtoaji' mwishoni mwa jibu."
CONCEPT GENERATION TEMPLATE (kwa AI inayoonekana)"Mchoro wa dhana ya [bidhaa]. Lugha ya fomu: [ndogo/kikaboni/kiufundi]. Maonyesho ya nyenzo: [plastiki ya matte/alumini iliyosuguliwa/mbao]. Pembe: 3/4 mbele. Mwanga: studio laini. Mandharinyuma: kijivu kisicho na rangi. Tofauti 8, muundo wa dhana ya bidhaa ya viwandani katika mtindo wa bidhaa wa kuhisi sawa.
KIOLEZO CHA ORODHA YA KUHAKIKI"Orodhesha KILA thamani ya nambari (kipimo, uvumilivu, kipimo cha ergonomic) na KILA dai la utengenezaji/nyenzo katika rasimu ya uamuzi wa muundo ulio hapa chini. Kwa kila moja, onyesha kutoka kwa chanzo gani (jedwali la anthropometric, laha ya data ya nyenzo, msambazaji, uchambuzi wa DFM, nakala halisi) inapaswa kuthibitishwa bila 'uthibitisho' bila kuthibitishwa. Maandishi: [bandika]."
KIOLEZO CHA KUANGALIA FARAGHA KABLA "Kabla ya kutoa muhtasari ufuatao kwa zana ya AI, weka alama kwenye sehemu nyeti za biashara na faragha: jina la mteja, dhana ya bidhaa bado haijafichuliwa, bei/mkakati, maelezo ya usajili wa mapema. Pendekeza jinsi ninavyoweza kuficha haya. Tuma maandishi: [bandika]."
Mwongozo dhaifu / Mwongozo thabiti
Kuwasilisha ombi sawa kwa njia mbili hutoa matokeo tofauti sana.
WEAK PROMPT: "Unda mashine nzuri ya kahawa."
STRONG PROMPT: "Mchoro wa dhana ya mashine ya kahawa ya chujio cha nyumbani. Mtumiaji anayelengwa: wataalamu wa vijana wenye jikoni ndogo. Lugha ya fomu: ndogo, laini-kuwili, wima na kompakt. CMF: mwili wa matte anthracite, maelezo ya kuni nyepesi. Angle: 3/4 mbele. Mwanga: studio laini. 6 tofauti, bidhaa sawa hisia ya familia. Kumbuka: hii ni dhana manufactu hutenganisha uwezo na ukubwa tofauti;
Mwongozo mbaya unasukuma AI kwa maneno mafupi na matokeo ya nasibu; Kidokezo chenye nguvu huileta karibu na dhamira ya muundo wako na kufanya matokeo yaweze kutathminiwa.
Makosa ya kawaida
- Kuzingatia dhana ya AI moja kwa moja kama "bidhaa ya mwisho". Uzalishaji, mkusanyiko na kiwango pia hutatuliwa.
- "Kuuliza" AI kwa maadili ya ergonomic / dimensional na kuzitumia moja kwa moja. Hizi zinatokana na data ya anthropometric na majaribio.
- Bila kuhoji uhalisi. AI inaweza kuiga muundo uliopo au mtindo wa msanii bila kutambua.
- Kubandika muhtasari nyeti kwenye zana ya wingu bila kuficha utambulisho huo. Utambulisho wa mteja na dhana ni siri za biashara.
- Inasubiri kidokezo kimoja na towe moja. Tumia AI mara kwa mara: toa, safisha, safisha, thibitisha.
Tahadhari: Kadiri picha ya AI inavyoonekana kuvutia zaidi na ya kweli, ndivyo hitaji la uthibitishaji linavyoongezeka katika suala la uundaji na uhalisi. Rufaa inayoonekana sio hakikisho la utengenezaji au uhalisi.
Kwa muhtasari
Katika kitengo hiki umeona kuwa AI ni jenereta msaidizi na wazo katika muundo wa viwanda, sio watoa maamuzi. Miundo ya mtawanyiko na mifano ya lugha hutoa taswira nzuri na maandishi ya majimaji; nguvu katika utofauti wa dhana, msukumo, usanisi wa utafiti na utoaji, lakini ni hatari katika kuhakikisha kipimo sahihi, kuzaliana na uhalisi (hallucination). Panga majukumu kuwa ya chini/kati/juu/muhimu na urekebishe kina cha uthibitishaji ipasavyo. Thibitisha kila kipimo kutoka kwa data inayoaminika, kila dai la utengezaji kutoka kwa DFM na mtoa huduma, pinga uhalisi na ufiche utambulisho nyeti. Maamuzi muhimu ya usalama daima hubaki na mtaalam mwenye uwezo.
Jukumu la maombi
Chagua kazi tano kutoka kwa biashara yako mwenyewe (au mradi wa bidhaa dhahania): ubao wa hali, kizazi cha dhana, kipimo cha ergonomic, swali la nyenzo/utengenezaji na suala la usalama. Weka kila moja kwenye jedwali la hatari hapo juu. Kisha AI inayoonekana ifanye kazi ya hatari ya chini/kati na kiolezo cha "Kizazi cha Dhana"; Tia alama kila dai la kipimo na la uzalishaji la matokeo kwa kiolezo cha "Orodha tiki ya Uthibitishaji" na uandike ni vipengele vipi haviwezi kutumika bila uthibitishaji.
orodha ya ukaguzi
- [ ] Niliweka dhamira katika kiwango cha hatari (chini/kati/juu/muhimu) kabla ya kuitumia.
- [ ] Nilizingatia dhana ya AI kama dhahania, sikuitumia moja kwa moja kama bidhaa ya mwisho.
- [ ] Nilithibitisha thamani za ergonomic/dimensional kutoka kwa data ya kuaminika na nakala.
- [ ] Nilitilia shaka uhalisi wa matokeo na uwezekano wa hatari ya kuiga.
- [ ] Nilificha utambulisho huo nyeti (jina la mteja, dhana ya siri).
- [ ] Niliacha uamuzi muhimu wa usalama kwa idhini ya mtaalam anayefaa, sio kulingana na matokeo ya AI.