از یک سیستم هوش مصنوعی مولد بخواهید یک لیوان برای چاپ سه بعدی طراحی کند و احتمالاً فنجان زیبایی دریافت خواهید کرد که نمی تواند قهوه شما را نگه دارد. به گزارش MIT News، محققان آزمایشگاه علوم کامپیوتر و هوش مصنوعی MIT (CSAIL) که با گوگل و دانشگاه نورث ایسترن همکاری می کنند، ابزاری را برای رفع این مشکل ساخته اند: InstructMesh، یک سیستم طراحی که به هر کسی - متخصص یا تازه کار - اجازه می دهد مدل های سه بعدی تولید شده توسط هوش مصنوعی را تعمیر کند و آنها را همانطور که در واقع در نظر داشت بسازد.

مشکلی که InstructMesh هدف گذاری می کند برای نحوه عملکرد مدل های مولد امروزی اساسی است. سیستم‌های هوش مصنوعی می‌دانند که یک شی چگونه باید به نظر برسد، اما نه اینکه چگونه کار می‌کند، که طراحی‌های غیرعملی ایجاد می‌کند که کاربرد مورد نظر یک مورد را تضعیف می‌کند. و حتی زمانی که کاربران متوجه این نقص می‌شوند، ویرایش مدل‌های سه‌بعدی به‌خصوص برای افرادی که تازه طراحی سه‌بعدی دارند، معمولاً سخت است. InstructMesh که توسط MIT News در 1 اکتبر 2026 معرفی شد، یک رابط مبتنی بر هوش مصنوعی است که برای درک اینکه هم طراحی‌ها باید چگونه به نظر برسند و چه ویرایش‌هایی را کاربران می‌خواهند انجام دهند، طراحی شده است، و شکاف بین آنچه شما درخواست می‌کنید و آنچه چاپ می‌کنید را کاهش می‌دهد. برای تیم‌هایی که [آخرین پیشرفت‌های هوش مصنوعی] (https://aibuzzwire.news) را ردیابی می‌کنند، این یک نمونه نادر از هوش مصنوعی مولد است که برای کنترل اشتباهات خود هوش مصنوعی مولد استفاده می‌شود.

چگونه InstructMesh کار می کند

InstructMesh سیستم TRELLIS مایکروسافت را که مدل‌های سه بعدی را از پیام‌های متنی و تصویری تولید می‌کند، با GPT-4، مدل زبان بزرگ پشت ChatGPT جفت می‌کند - دانش بصری و متنی را در یک گردش کار واحد ترکیب می‌کند. کاربر می‌تواند از سیستم بخواهد که یک طرح سه بعدی مثلاً برای یک جفت عینک ایجاد کند، سپس قسمت‌های خاصی از طرح اولیه را که می‌خواهد قبل از چاپ اصلاح شود، برجسته کند.

فراز فاروقی، نویسنده اصلی مقاله ارائه‌دهنده پروژه، فارغ‌التحصیل اخیر MIT EECS و وابسته به CSAIL که اکنون در Google کار می‌کند، گفت: «ما می‌خواستیم استعدادهای مولدهای سه بعدی و مهارت‌های استدلالی LLM را در یک فضای تعاملی برای ساختن اشیایی که مردم واقعاً می‌خواهند، گرد هم بیاوریم.

دستکاری در فضای پنهان مدل مولد اتفاق می افتد: کاربران مسائل را به زبان طبیعی توصیف می کنند و InstructMesh تغییرات تفسیری در هندسه ایجاد می کند تا کاربر ارزیابی و تایید کند. لغزنده ها برای بهینه سازی هایی مانند بزرگ کردن یا اکسترود کردن بخش خاصی از مدل دقت بیشتری می کنند. فاروقی گفت که نتیجه این است که "آنچه دیدند همان چیزی بود که به دست آوردند و اقلام همانطور که تبلیغ شده بود کار کردند."

اعداد پشت نسخه ی نمایشی

تیم این ابزار را از طریق یک آزمایش ساختاریافته قرار داد. آن‌ها از TRELLIS خواستند مدل‌های سه بعدی محبوب Thingiverse را بازسازی کند، پلتفرمی که میزبان میلیون‌ها طرح قابل چاپ است، و دریافتند که تقریباً 80 درصد از مدل‌های تولید شده از نظر ساختاری دارای نقص هستند. سپس محققان CSAIL از تازه‌کارها خواستند تا با استفاده از InstructMesh آن مشکلات را شناسایی و برطرف کنند - و تازه‌واردان در هر دوی این موارد، همانطور که توسط یک متخصص بررسی شد، در 90 درصد موارد موفق بودند.

این میزان موفقیت مهم است زیرا نشان می دهد مهارتی که InstructMesh فراهم می کند قضاوت در مورد عملکرد است، نه سال ها آموزش CAD. همانطور که MIT News می گوید: «آنچه که این تازه واردان فاقد تخصص بودند، با شهود جبران کردند.

قطعات نمایشی محدوده را نشان می دهد. InstructMesh لیوانی تولید کرد که توسط یک اژدها پوشانده شده بود و دم آن دسته را تشکیل می داد. سوت آبی براق به شکل صدف. عینک هایی با بال های پروانه ای که بالای لنزها پخش می شوند. و یک دستگاه نوشیدنی اختاپوس مانند که شاخک های آن هر کدام در یک فنجان جداگانه می ریزند. فراتر از هوس‌بازی، دانشمندان MIT از این ابزار برای ساختن زانوبند جین منطبق با شلوار جین بیمار، و یک «ربات موی» رنگارنگ به شکل میگو استفاده کردند - محفظه‌ای رباتی که موتوری را پنهان می‌کند که دستگاه را مانند یک اسباب‌بازی بادگیر بر روی سطوح می‌برد.

چرا مهم است

هوش مصنوعی مولد قبلاً متن، تصاویر و کد را تغییر داده است، اما ساخت فیزیکی یک مرز سرسخت باقی مانده است. تیم تحقیقاتی مشکل را با یک اصل نرم افزاری قدیمی تنظیم می کند: "آنچه می بینید همان چیزی است که به دست می آورید" - برنامه هایی که در آنها محتوایی که در حال ویرایش آن هستید شبیه محصول نهایی است. ابزارهای سه بعدی مولد به طور معمول وعده‌های خود را می‌شکنند، زیرا مدلی که یک لیوان را تصور می‌کند، هیچ بررسی داخلی برای ضخامت دیوار، استحکام دسته یا اینکه آیا داخل اصلاً می‌تواند مایع را در خود نگه دارد، ندارد. شکاف بین یک مش با ظاهر معقول و یک شی که از تماس با دنیای واقعی جان سالم به در می‌برد، جایی است که بیشتر جاه‌طلبی‌های پرینت سه بعدی مصرف‌کننده از بین می‌رود.

InstructMesh با ساختن تعمیرات تعاملی و مبتنی بر زبان، به این مشکل نهایی ساخت با کمک هوش مصنوعی حمله می کند. این سیستم دارای یک فرآیند مدل‌سازی است که قبلاً به تخصص عمیق حوزه در ابزارهای حرفه‌ای سه‌بعدی نیاز داشت، منوها و اصلاح‌کننده‌ها را با توصیف‌هایی به زبان طبیعی از موارد اشتباه و لغزنده‌ها برای تنظیمات دقیق جایگزین می‌کرد. این طرح‌ها دیگر نیازی به متخصص ندارند تا واقعی شوند، و بررسی تخصصی در مطالعه MIT نشان می‌دهد که اصلاحات آرایشی نیستند - اشیایی که از دست‌های تازه کار عبور می‌کنند، عملکردی دارند.

یک دنباله تجاری نیز برای تحقیق وجود دارد. فاروقی که اکنون در گوگل کار می کند، ممکن است InstructMesh را در یک پلتفرم واقعیت افزوده بگنجاند - این چشم انداز این است که آنچه را که نیاز دارید با استفاده از زمینه محیط اطراف خود توضیح دهید و سیستم به سرعت آن را به صورت سه بعدی چاپ می کند، مانند یک قاب گوشی که با کیف پول شما مطابقت دارد.

برای صنعت چاپ سه بعدی، یافته تحریک آمیزتر این مطالعه میزان نقص 80 درصدی در مدل های تولید شده با هوش مصنوعی از یک سیستم تولیدی پیشرو است. همانطور که ابزارهای تبدیل متن به سه بعدی به سمت محصولات مصرفی رقابت می کنند، InstructMesh این موضوع را مطرح می کند که تولید به تنهایی کافی نیست - تأیید و تعمیر باید در یک جعبه ارسال شود.

---

از هوش مصنوعی جلوتر بمانید

آخرین اخبار، تحلیل ها و پیشرفت های هوش مصنوعی را دریافت کنید - همه در یک مکان.

بیشتر بخوانید اخبار هوش مصنوعی →