Ця стаття була надана Алі Макгрегор, керівником нерухомості в WSP
Ви чули той про AI, який не міг створити зображення велосипеда з квадратними колесами, оскільки всі його тренувальні дані мали велосипеди з круглими колесами? Ви можете сприймати це як жартівливу ілюстрацію обмежень AI – або застережливою казкою про обмеження інженерів -людських.
Більшість інженерів, яких я знаю, отримують ступінь задоволення, демонструючи, наскільки вони розумні, в даному випадку перехитрить ШІ. Тим не менш, я сумніваюся, чи це найкраща демонстрація інтелекту. Зрештою, порушення моделі не обов’язково такий важкий, якщо це ваша мета. Ми були б набагато розумнішими і краще служили для з'ясування нових способів використання AI для вирішення більш значущих питань.
Замість того, щоб розібратися, як зламати модель, інженери повинні запитувати, як оптимізувати дизайн, підвищити ефективність або вирішити складні проблеми. Наприклад, замість того, щоб запитувати про велосипеди з квадратними колесами, ми повинні запитувати про практичні виклики, такі як створення велосипедів, які використовують більш стійкі матеріали для поліпшення ваги до співвідношення потужності. Задаючи більше творчих питань, ми можемо дати ШІ можливість надати більш креативну та цінну відповідь.
Розблокування цього потенціалу вимагає фундаментального зсуву в тому, як інженери думають про те, як і чому.
Причинно
Від Арістотеля до Ньютона до Отмара Аммана та Чарльза Вітні, інженерія була побудована на застосуванні та інтерпретації правил про те, чому все працює так, як вони роблять. Глибоко аналізуючи, чому щось відбувається, лежить в основі кар’єрної подорожі кожного інженера, оскільки причинно -наслідкова причин є основоположним для нашої галузі.
Нас вчать знати, чому «галопування Герті» хитається, чому космічний човник вибухнув і чому лінії електропередач відчувають втрату навантаження. Зовсім недавно ми з колегами запитали, чому підлоги не можуть виробляти електроенергію від руху пішки, чому сейсмічна зона не може мати плаваючий міст для автомобілів та поїздів, і чому хмарочоси не можуть бути виготовлені з дерева. (Виявляється, вони можуть.)
Але що робити, якщо ми врівноважували свою увагу на тому, чому з більшою увагою до того, як? Ось де AI може допомогти звільнити нас, щоб стати ще розумнішими.
Наприклад, інженер може розглянути сонячне випромінювання, тиск повітря, опади та всі інші водії погоди. Однак більшість людей – і клієнтів – просто хочуть знати, чи носити куртку чи принести парасольку. Ось чому інженерам потрібно прийняти новий баланс фокусування, знаючи, коли зануритися в глибину, чому і коли це найважливіше дістатися до того, як якомога швидше дістатися до того, як якомога швидше.
Введіть свого партнера з дизайну AI.
Оскільки більшість нинішніх інструментів AI не зависають на причинність (чому) і можуть видобувати накопичення знань і раніше розроблені рішення, щоб представити цілий ряд «як», AI не має его, яке потребує підтвердження. Інструмент довіряє роботі інших (яку нам потрібно перевірити) і може забезпечити неупереджені рішення. AI та великі мовні моделі (LLM)-це (або незабаром) кидають виклик традиційним підходам до проектування та вирішення проблем. Оскільки більшість інженерів стереотипно не люблять змін, ці зміни можуть бути непростими – але цей виклик може бути цікавим.
Як ми можемо перейти на як?
По -перше, дозвольте мені зрозуміти: я не рекомендую втрати цікавості, розвідки чи допитування припущень, що лежать в основі того, ким ми є інженерами. Швидше, я думаю, що ми можемо сприймати це як можливість працювати по -новому, посилюючи свою увагу на сферах, де ми можемо забезпечити найбільшу цінність.
Корисною аналогією є автоматична промисловість. Для багатьох виробників 80% базового транспортного засобу однакові для моделей та оздоблень. Але диференціювання 20% дозволяє компанії продавати бренди, які говорять про дуже різні потреби та цінності клієнтів. AI може допомогти нам скористатися аналогічним підходом до інженерії.
Підвищуючи важливість оперативних відомостей, ми можемо забезпечити фактичну ефективність – не теоретичні результативність, – це рішення щодо “як”, роблячи наші рекомендації більш достовірними. На практиці це може означати використання AI для повторних дизайнерських зусиль. Трохи більше зосередившись на “що”, ми можемо реалізувати можливості для більшого рівня послідовності дизайну в різних проектах і дозволяємо нам скористатися перевагами більшої продукції.
Ми вже бачимо подібні переваги від нашого підходу до набору частин, який використовує технологію для кодифікації знань та сприяння створенню «пам’яті» для кожного проекту. Це допомагає вирішити робочу силу та навички, що дозволяє командам приймати невеликі рішення один раз – і дозволяючи їм швидше рухатися та звільнити їх зосередитись на більших проблемах, таких як круговості.
Якщо ми застосовуємо цей підхід на початку етапу дизайну, це може допомогти забезпечити, щоб наші проекти були більш майбутніми, оскільки ми надаємо достовірні віртуальні прототипування розуміння, щоб допомогти інформувати рішення сьогодні, на які можуть вплинути потенційні майбутні умови. Накладаючи AI, у нас також є ще один інструмент для QA/QC та оцінки конструктивності дизайнерських рішень.
Новий людський інтелект
Ця трансформація не просто потребує AI; Це також потребуватиме нових видів людського інтелекту. Інтеграція ШІ вимагатиме, щоб інженери посилили нашу здатність переходити між глибоким аналітичним мисленням, швидким вирішенням проблем та новими способами переведення потреб зацікавлених сторін у технічні терміни. Нам також потрібно знати все, від того, як надати ефективні підказки до здатності критично оцінювати рекомендації, що генеруються AI.
Якщо ми отримаємо це право, AI може бути необхідним інженерам-партнерами з дизайну, допомагаючи нам приймати більш обізнані, ефективні рішення, зберігаючи основний дух інженерії: розуміння, інновації, співпрацю та вирішення проблем.
Майбутнє інженерії полягає не в тому, щоб протистояти технологічним змінам, а в сприйняттях та формуванні технічних змін – і як!