Η διαστημική υπηρεσία της NASA έχει αρχίσει να χρησιμοποιεί την τεχνητή νοημοσύνη για την ανάπτυξη του υλικού των αποστολών της, δημιουργώντας εξαρτήματα που, όπως λέει, είναι σημαντικά ισχυρότερα από τα αντίστοιχα που έχουν σχεδιαστεί από τον άνθρωπο, ενώ εξοικονομούν τα 2/3 του βάρους.
Η διαδικασία Evolved Structures, που αναπτύχθηκε από τον ερευνητή μηχανικό Ryan McClelland, απαιτεί ένα κλάσμα του χρόνου που χρειάζονται οι ειδικοί σχεδιαστές της NASA και βασίζεται σε έναν γενετικό αλγόριθμο για τη δημιουργία μεταλλικών βραχιόνων και βάσεων για διάφορες αποστολές εξερεύνησης του διαστήματος.
«Η τεχνητή νοημοσύνη πραγματοποιεί περίπου μία επανάληψη το λεπτό για τον σχεδιασμό. Έτσι, έχουμε πολύ περισσότερους κύκλους επαναλήψεων, και λόγω των περισσότερων κύκλων επαναλήψεων, μπορούμε να έχουμε βέλτιστα σχέδια πολύ, πολύ πιο γρήγορα», εξήγησε ο McClelland στο podcast “Small Steps, Giant Leaps” της NASA.
Μέχρι στιγμής, το σύστημα έχει χρησιμοποιηθεί για τον σχεδιασμό πολλών πραγμάτων, από μια σκαλωσιά για το τηλεσκόπιο EXCITE της NASA που μεταφέρεται με αερόστατο έως έναν οπτικό πάγκο για ένα φασματόμετρο απεικόνισης υπεριώδους ακτινοβολίας για τη συγκράτηση των οπτικών εξαρτημάτων του.
«Από τις τρέχουσες εφαρμογές, ο οπτικός πάγκος είναι ίσως ο πιο εντυπωσιακός», δήλωσε ο McClelland στο Dezeen. «Αποτελεί ριζική απόκλιση από τους τυπικούς οπτικούς πάγκους και έχει πολύ καλύτερες δομικές επιδόσεις. Επίσης, ενοποίησε αυτό που θα ήταν περίπου 10 εξαρτήματα σε ένα ενιαίο εξάρτημα».
Όπως και το chatbot ChatGPT ή η γεννήτρια εικόνων τεχνητής νοημοσύνης DALL-E, το σύστημα της NASA εξακολουθεί να βασίζεται στην ανθρώπινη συμβολή με τη μορφή μιας ακριβούς ενημέρωσης, όπου περιγράφονται λεπτομερώς οι απαιτήσεις για το εξάρτημα, συμπεριλαμβανομένου του φορτίου που πρέπει να φέρει και των δυνάμεων στις οποίες θα εκτεθεί.
Τα δεδομένα αυτά εισάγονται στο λογισμικό γεννητικού σχεδιασμού, το οποίο είναι σε θέση να παράγει 30 έως 40 επαναλήψεις σε λίγες ώρες, κάθε μία από τις οποίες βελτιώνει την προηγούμενη για να εξελιχθεί μια βέλτιστη δομή.
«Η τεχνητή νοημοσύνη καταλήγει στον σχεδιασμό και στη συνέχεια τον δοκιμάζει τον ανάλυση πεπερασμένων στοιχείων για να βεβαιωθεί ότι λειτουργεί, για να επαληθεύσει τις απαιτήσεις και στη συνέχεια κάνει επίσης μια προσομοίωση κατασκευής για να βεβαιωθεί ότι μπορεί να κατασκευαστεί», εξήγησε ο McClelland στο podcast.
Αυτό σημαίνει ότι ο τελικός σχεδιασμός μπορεί να εισαχθεί απευθείας σε μια ψηφιακή διαδικασία κατασκευής και να επεξεργαστεί.
Από το σχεδιασμό έως την παραγωγή, η διαδικασία αυτή μπορεί να διαρκέσει μόλις μία εβδομάδα. Ο McClelland εκτιμά ότι αυτό είναι περίπου δέκα φορές ταχύτερο από την κανονική διαδικασία της NASA, η οποία περιλαμβάνει το σχέδιο να περνάει από έναν σχεδιαστή, έναν αναλυτή καταπόνησης που ελέγχει την απόδοσή του και έναν μηχανουργό που ελέγχει αν μπορεί να κατασκευαστεί.
«Αυτό που κάνει η διαδικασία Evolved Structures είναι να πάρει αυτό το μπρος-πίσω που γίνεται μεταξύ των ανθρώπων – και μπορεί να πάρει μήνες ή χρόνια ανάλογα με το έργο και το πόσο αφοσιωμένοι είναι οι άνθρωποι και αν εργάζονται σε άλλα πράγματα – και να το περιορίσει σε μία διαδικασία που που πραγματοποιείται από τον υπολογιστή», είπε.
Τα εξαρτήματα που προκύπτουν διαθέτουν οργανικά σχήματα που μοιάζουν σχεδόν με οστά και είναι σε θέση να αντέχουν υψηλότερα δομικά φορτία από τα εξαρτήματα που παράγονται από τον άνθρωπο.
Στην πραγματικότητα, ο McClelland διαπίστωσε ότι τα εξαρτήματα που σχεδίασε η τεχνητή νοημοσύνη έχουν έως και 10 φορές χαμηλότερες συγκεντρώσεις τάσης, ενώ εξοικονομούν έως και τα 2/3 του βάρους. «Η δομική τους κατασκευή τείνει να αποδίδει πολύ καλύτερα», δήλωσε. «Είναι της τάξης τριπλάσιων επιδόσεων».
Δεδομένου ότι η NASA κατασκευάζει χιλιάδες εξαρτήματα για τις διάφορες αποστολές της κάθε χρόνο, ο McClelland προβλέπει ότι η διαδικασία σχεδιασμού θα γίνει κοινή πρακτική κατά το σχεδιασμό δομικών εξαρτημάτων, ηλεκτρονικών και άλλων υποσυστημάτων στα όργανα και τα διαστημόπλοια της NASA.
Αυτό, με τη σειρά του, θα συμβάλει στη μείωση τόσο του χρόνου όσο και του κόστους που συνδέεται με τη διαστημική εξερεύνηση.
«Ο διαστημικός σταθμός χωράει έξι ή επτά άτομα, αλλά κοστίζει 100 δισεκατομμύρια δολάρια», εξήγησε. «Πραγματικά πιστεύω ότι η τεχνητή νοημοσύνη έχει τη δυνατότητα να μειώσει δραστικά το κόστος ανάπτυξης αυτών των πολύπλοκων συστημάτων, επειδή είναι πραγματικά σπουδαία σε τέτοιου είδους πράγματα».
Πηγή: Dezeen
