Ζητήστε από ένα σύστημα παραγωγής τεχνητής νοημοσύνης να σχεδιάσει μια κούπα για τρισδιάστατη εκτύπωση και πιθανότατα θα λάβετε ένα όμορφο φλιτζάνι που δεν χωράει τον καφέ σας. Ερευνητές στο Εργαστήριο Επιστήμης Υπολογιστών και Τεχνητής Νοημοσύνης (CSAIL) του MIT, σε συνεργασία με την Google και το Northeastern University, κατασκεύασαν ένα εργαλείο για να διορθώσουν ακριβώς αυτό: το InstructMesh, ένα σύστημα σχεδίασης που επιτρέπει σε οποιονδήποτε — έμπειρο ή εντελώς αρχάριο — να επισκευάζει μοντέλα 3D που δημιουργούνται από την τεχνητή νοημοσύνη και να τα κατασκευάζει όπως πραγματικά σκόπευαν, σύμφωνα με το MIT News.
Το πρόβλημα που στοχεύει το InstructMesh είναι θεμελιώδες για το πώς λειτουργούν τα σημερινά μοντέλα παραγωγής. Τα συστήματα τεχνητής νοημοσύνης κατανοούν πώς πρέπει να φαίνεται ένα αντικείμενο, αλλά όχι πώς λειτουργεί, γεγονός που παράγει μη πρακτικά σχέδια που υπονομεύουν την προβλεπόμενη χρήση ενός αντικειμένου. Και ακόμη και όταν οι χρήστες εντοπίζουν το ελάττωμα, τα τρισδιάστατα μοντέλα είναι συνήθως δύσκολο να επεξεργαστούν, ειδικά για άτομα που είναι καινούρια στον τρισδιάστατο σχεδιασμό. Το InstructMesh, που ανακοινώθηκε από το MIT News την 1η Οκτωβρίου 2026, είναι μια διεπαφή βασισμένη σε τεχνητή νοημοσύνη, σχεδιασμένη για να κατανοεί τόσο πώς πρέπει να φαίνονται τα σχέδια όσο και ποιες τροποποιήσεις θέλουν να κάνουν οι χρήστες, κλείνοντας το χάσμα μεταξύ αυτού που ζητάτε και αυτού που εκτυπώνετε. Για τις ομάδες που παρακολουθούν τις [τελευταίες εξελίξεις της τεχνητής νοημοσύνης] (https://aibuzzwire.news), είναι ένα σπάνιο παράδειγμα γενετικής τεχνητής νοημοσύνης που χρησιμοποιείται για την αστυνόμευση των λαθών της ίδιας της τεχνητής νοημοσύνης.
Πώς λειτουργεί το InstructMesh
Το InstructMesh συνδυάζει το σύστημα TRELLIS της Microsoft, το οποίο δημιουργεί τρισδιάστατα μοντέλα από μηνύματα κειμένου και εικόνας, με το GPT-4, το μεγάλο μοντέλο γλώσσας πίσω από το ChatGPT — συνδυάζοντας οπτική και κειμενική γνώση σε μια ενιαία ροή εργασίας. Ένας χρήστης μπορεί να ζητήσει από το σύστημα να δημιουργήσει ένα τρισδιάστατο σχέδιο για, ας πούμε, ένα ζευγάρι γυαλιά, και στη συνέχεια να επισημάνει συγκεκριμένα μέρη του σχεδιαγράμματος που θέλει να τελειοποιήσει πριν από την εκτύπωση.
«Θέλαμε να συγκεντρώσουμε τα ταλέντα των γεννητριών 3D και τις συλλογιστικές δεξιότητες των LLM σε έναν διαδραστικό χώρο για να φτιάξουμε αντικείμενα που πραγματικά θέλουν οι άνθρωποι», δήλωσε ο Faraz Faruqi, επικεφαλής συγγραφέας στην εργασία που παρουσιάζει το έργο, πρόσφατος πτυχιούχος του MIT EECS και συνεργάτης της CSAIL που τώρα εργάζεται στη Google.
Η χειραγώγηση γίνεται στον λανθάνοντα χώρο του παραγωγικού μοντέλου: οι χρήστες περιγράφουν ζητήματα σε φυσική γλώσσα και το InstructMesh παράγει ερμηνευτικές αλλαγές στη γεωμετρία για να αξιολογήσει και να εγκρίνει ο χρήστης. Τα ρυθμιστικά προσθέτουν ακρίβεια για τροποποιήσεις όπως η μεγέθυνση ή η εξώθηση ενός συγκεκριμένου τμήματος του μοντέλου. Το αποτέλεσμα, είπε ο Faruqi, είναι ότι «αυτό που είδαν είναι αυτό που πήραν και τα αντικείμενα λειτούργησαν όπως διαφημίστηκαν».
Οι αριθμοί πίσω από την επίδειξη
Η ομάδα έβαλε το εργαλείο μέσω μιας δομημένης δοκιμής. Έβαλαν την TRELLIS να αναδημιουργήσει δημοφιλή τρισδιάστατα μοντέλα από το Thingiverse, μια πλατφόρμα που φιλοξενούσε εκατομμύρια εκτυπώσιμα σχέδια, και διαπίστωσαν ότι σχεδόν το 80 τοις εκατό των μοντέλων που δημιουργήθηκαν είχαν δομικά ελαττώματα κατά κάποιο τρόπο. Στη συνέχεια, οι ερευνητές του CSAIL ζήτησαν από αρχάριους να εντοπίσουν και να διορθώσουν αυτά τα ζητήματα χρησιμοποιώντας το InstructMesh — και οι νεοφερμένοι πέτυχαν και στις δύο περίπου το 90 τοις εκατό, όπως εξετάστηκε από έναν ειδικό.
Αυτό το ποσοστό επιτυχίας έχει σημασία γιατί υποδηλώνει ότι η ικανότητα που παρέχει το InstructMesh είναι η κρίση σχετικά με τη λειτουργία και όχι τα χρόνια εκπαίδευσης CAD. «Αυτό που έλειπε από αυτούς τους νεοφερμένους σε τεχνογνωσία, το αναπλήρωσαν με τη διαίσθηση», όπως το έθεσε το MIT News.
Τα κομμάτια επίδειξης δείχνουν το εύρος. Η InstructMesh παρήγαγε μια κούπα που τυλίχθηκε από έναν δράκο, με την ουρά του να σχηματίζει τη λαβή. μια γυαλιστερή μπλε σφυρίχτρα σε σχήμα κοχυλιού. γυαλιά με φτερά πεταλούδας που απλώνονται πάνω από τους φακούς. και μια δοσομετρική ποτών που μοιάζει με χταπόδι της οποίας τα πλοκάμια ρίχνουν το καθένα σε ένα ξεχωριστό φλιτζάνι. Πέρα από την ιδιοτροπία, οι επιστήμονες του MIT χρησιμοποίησαν το εργαλείο για να κατασκευάσουν ένα στήριγμα γονάτου σε όψη τζιν που ταιριάζει με το τζιν ενός ασθενούς και ένα πολύχρωμο "μποτάκι με τρίχες" σε σχήμα γαρίδας - ένα περίβλημα ρομπότ που κρύβει έναν κινητήρα που ωθεί τη συσκευή σε επιφάνειες σαν παιχνίδι που ανοίγει.
Γιατί έχει σημασία
Το Generative AI έχει ήδη μεταμορφώσει κείμενο, εικόνες και κώδικα, αλλά η φυσική κατασκευή παραμένει ένα επίμονο σύνορο. Η ερευνητική ομάδα πλαισιώνει το πρόβλημα με μια παλιά αρχή λογισμικού: "αυτό που βλέπετε είναι αυτό που παίρνετε" — προγράμματα όπου το περιεχόμενο που επεξεργάζεστε μοιάζει με το τελικό προϊόν. Τα παραγωγικά εργαλεία 3D σπάνε που υπόσχονται συνήθως, επειδή το μοντέλο που φαντάζεται μια κούπα δεν έχει εσωτερικό έλεγχο για το πάχος του τοίχου, τη δύναμη λαβής ή εάν το εσωτερικό μπορεί να κρατήσει καθόλου υγρό. Το χάσμα ανάμεσα σε ένα εύλογο πλέγμα και ένα αντικείμενο που επιβιώνει από την επαφή με τον πραγματικό κόσμο είναι εκεί που πεθαίνουν οι περισσότερες φιλοδοξίες των καταναλωτών για τρισδιάστατη εκτύπωση.
Κάνοντας την επισκευή διαδραστική και καθοδηγούμενη από τη γλώσσα, το InstructMesh επιτίθεται σε αυτό το τελευταίο μίλι πρόβλημα της κατασκευής με τη βοήθεια AI. Το σύστημα στηρίζει μια διαδικασία μοντελοποίησης που προηγουμένως απαιτούσε βαθιά τεχνογνωσία σε επαγγελματικά τρισδιάστατα εργαλεία, αντικαθιστώντας τα μενού και τους τροποποιητές με περιγραφές σε φυσική γλώσσα του τι είναι λάθος και ρυθμιστικά για λεπτές προσαρμογές. Τα σχέδια δεν απαιτούν πλέον έναν ειδικό για να γίνουν αληθινά και η ανασκόπηση των ειδικών στη μελέτη του MIT υποδηλώνει ότι οι επιδιορθώσεις δεν είναι καλλυντικές – τα αντικείμενα που πέρασαν από τα χέρια των αρχαρίων βγήκαν λειτουργικά.
Υπάρχει και μια εμπορική ουρά στην έρευνα. Ο Faruqi, τώρα στην Google, μπορεί να ενσωματώσει το InstructMesh σε μια πλατφόρμα επαυξημένης πραγματικότητας — το όραμα είναι ότι εξηγείτε τι χρειάζεστε χρησιμοποιώντας το περιβάλλον του περιβάλλοντος σας και το σύστημα το εκτυπώνει γρήγορα 3D, όπως μια θήκη τηλεφώνου που ταιριάζει με το πορτοφόλι σας.
Για τη βιομηχανία της τρισδιάστατης εκτύπωσης, το πιο προκλητικό εύρημα της μελέτης είναι το ποσοστό ελαττωμάτων 80% σε μοντέλα που δημιουργούνται με τεχνητή νοημοσύνη από ένα κορυφαίο σύστημα παραγωγής. Καθώς τα εργαλεία μετατροπής κειμένου σε 3D αγωνίζονται προς τα καταναλωτικά προϊόντα, το InstructMesh υποστηρίζει ότι η παραγωγή από μόνη της δεν αρκεί — η επαλήθευση και η επισκευή πρέπει να αποστέλλονται στο ίδιο κουτί.
---
Μείνετε μπροστά από την τεχνητή νοημοσύνηΛάβετε τα τελευταία νέα, αναλύσεις και ανακαλύψεις AI — όλα σε ένα μέρος.
Διαβάστε περισσότερα νέα AI →
