Ask a generative AI system to design a mug for 3D printing and you will likely receive a handsome cup that cannot hold your coffee. MIT کی کمپیوٹر سائنس اینڈ آرٹیفیشل انٹیلی جنس لیبارٹری (CSAIL) کے محققین نے، گوگل اور شمال مشرقی یونیورسٹی کے ساتھ کام کرتے ہوئے، اس کو ٹھیک کرنے کے لیے ایک ٹول بنایا ہے: InstructMesh، ایک ایسا ڈیزائن سسٹم جو کہ کسی کو بھی - ماہر یا مکمل نوسکھئیے - AI سے تیار کردہ 3D ماڈلز کی مرمت کر سکتا ہے اور انہیں اس طرح بنا سکتا ہے جس طرح وہ اصل میں چاہتے تھے۔

InstructMesh کے اہداف کا مسئلہ بنیادی ہے کہ آج کے جنریٹیو ماڈلز کیسے کام کرتے ہیں۔ AI سسٹمز سمجھتے ہیں کہ کسی چیز کو کیسا نظر آنا چاہیے، لیکن یہ نہیں کہ یہ کیسے کام کرتا ہے، جو ایسے ناقابل عمل ڈیزائن تیار کرتا ہے جو کسی شے کے مطلوبہ استعمال کو نقصان پہنچاتا ہے۔ اور یہاں تک کہ جب صارفین خامی کو دیکھتے ہیں، 3D ماڈلز میں ترمیم کرنا عموماً مشکل ہوتا ہے، خاص طور پر 3D ڈیزائن میں نئے لوگوں کے لیے۔ انسٹرک میش، جس کا اعلان MIT نیوز نے 1 اکتوبر 2026 کو کیا، ایک AI سے چلنے والا انٹرفیس ہے جو دونوں کو سمجھنے کے لیے ڈیزائن کیا گیا ہے کہ ڈیزائن کیسا دکھنا چاہیے اور صارفین کون سی ترمیم کرنا چاہتے ہیں، جو آپ اشارہ کرتے ہیں اور جو آپ پرنٹ کرتے ہیں اس کے درمیان فرق کو ختم کرتے ہیں۔ تازہ ترین AI پیشرفت کو ٹریک کرنے والی ٹیموں کے لیے، یہ جنریٹو AI کی پولیس کے جنریٹیو AI کی اپنی غلطیوں کے لیے استعمال کیے جانے کی ایک نادر مثال ہے۔

InstructMesh کیسے کام کرتا ہے۔

InstructMesh مائیکروسافٹ کے TRELLIS سسٹم کو جوڑتا ہے، جو GPT-4 کے ساتھ ٹیکسٹ اور امیج پرامپٹس سے 3D ماڈل تیار کرتا ہے، جو ChatGPT کے پیچھے بڑا لینگویج ماڈل ہے - ایک ہی ورک فلو میں بصری اور متنی علم کو یکجا کرتا ہے۔ صارف سسٹم کو ایک 3D ڈیزائن تیار کرنے کے لیے کہہ سکتا ہے، کہتے ہیں، شیشے کے ایک جوڑے کے لیے، پھر بلیو پرنٹ کے مخصوص حصوں کو نمایاں کر سکتا ہے جسے وہ پرنٹ کرنے سے پہلے بہتر کرنا چاہتے ہیں۔

"ہم 3D جنریٹرز کی صلاحیتوں اور LLMs کی استدلال کی صلاحیتوں کو ایک انٹرایکٹو جگہ میں ایک ساتھ لانا چاہتے تھے تاکہ وہ چیزیں بنائیں جو لوگ درحقیقت چاہتے ہیں،" فراز فاروقی نے کہا، پراجیکٹ کو پیش کرنے والے مقالے کے لیڈ مصنف، حال ہی میں MIT EECS گریجویٹ اور CSAIL سے وابستہ جو اب گوگل میں کام کر رہے ہیں۔

ہیرا پھیری جنریٹو ماڈل کی پوشیدہ جگہ میں ہوتی ہے: صارف فطری زبان میں مسائل کو بیان کرتے ہیں، اور InstructMesh صارف کی جانچ اور منظوری کے لیے جیومیٹری میں تشریحی تبدیلیاں کرتا ہے۔ Sliders add precision for tweaks such as enlarging or extruding a particular part of the model. فاروقی نے کہا، نتیجہ یہ ہے کہ "جو کچھ انہوں نے دیکھا وہی حاصل کیا، اور اشیاء مشتہر کے طور پر کام کرتی تھیں۔"

ڈیمو کے پیچھے نمبر

ٹیم نے اس آلے کو ایک منظم ٹیسٹ کے ذریعے ڈالا۔ انہوں نے TRELLIS کے پاس Thingiverse سے مقبول 3D ماڈلز کو دوبارہ تیار کیا، ایک ایسا پلیٹ فارم جو لاکھوں پرنٹ ایبل ڈیزائنوں کی میزبانی کرتا ہے، اور پتہ چلا کہ تیار کردہ تقریباً 80 فیصد ماڈلز ساختی طور پر کسی نہ کسی طرح سے خراب تھے۔ CSAIL کے محققین نے پھر نوزائیدہوں سے InstructMesh کا استعمال کرتے ہوئے ان مسائل کی نشاندہی کرنے اور ان کو حل کرنے کے لیے کہا - اور نئے آنے والے تقریباً 90 فیصد دونوں میں کامیاب ہوئے، جیسا کہ ایک ماہر نے جائزہ لیا۔

اس کامیابی کی شرح اہمیت رکھتی ہے کیونکہ اس سے پتہ چلتا ہے کہ InstructMesh کی سپلائی مہارت فنکشن کے بارے میں فیصلہ ہے، CAD ٹریننگ کے سالوں کے نہیں۔ جیسا کہ MIT نیوز نے کہا، "ان نئے آنے والوں میں مہارت کی جو کمی تھی، وہ انہوں نے بصیرت کے ساتھ پوری کی۔"

مظاہرے کے ٹکڑے رینج دکھاتے ہیں۔ InstructMesh نے ایک پیالا تیار کیا جس میں ایک ڈریگن لپٹا ہوا تھا، اس کی دم ہینڈل بناتی تھی۔ ایک چمکدار نیلی سیٹی جس کی شکل ایک خول کی طرح ہوتی ہے۔ عینک کے اوپر پھیلے ہوئے تتلی کے پروں والے شیشے؛ اور ایک آکٹوپس جیسا ڈرنک ڈسپنسر جس کے خیموں میں سے ہر ایک الگ کپ میں ڈالتا ہے۔ سنسنی سے پرے، MIT کے سائنسدانوں نے اس آلے کا استعمال ایک ڈینم نظر آنے والے گھٹنے کے منحنی خطوط وحدانی کے لیے جو مریض کی جینز سے ملتا ہے، اور ایک رنگین جھینگے کی شکل کا "برسٹل بوٹ" - ایک روبوٹ انکلوژر جس میں ایک موٹر چھپائی جاتی ہے جو آلے کو ونڈ اپ کھلونے کی طرح سطحوں پر آگے بڑھاتی ہے۔

یہ کیوں اہمیت رکھتا ہے۔

جنریٹو اے آئی نے پہلے ہی متن، تصاویر اور کوڈ کو تبدیل کر دیا ہے، لیکن جسمانی ساخت ایک ضدی محاذ بنی ہوئی ہے۔ ریسرچ ٹیم اس مسئلے کو ایک پرانے سافٹ ویئر اصول کے ساتھ تیار کرتی ہے: "جو آپ دیکھتے ہیں وہی آپ کو ملتا ہے" — ایسے پروگرام جہاں آپ جس مواد میں ترمیم کر رہے ہیں وہ حتمی پروڈکٹ کی طرح ہی نظر آتا ہے۔ جنریٹو 3D ٹولز اس وعدے کو معمول کے مطابق توڑ دیتے ہیں، کیونکہ جو ماڈل ایک مگ کا تصور کرتا ہے اس میں دیوار کی موٹائی، ہینڈل کی مضبوطی، یا اس کے اندرونی حصے میں مائع بالکل بھی موجود ہے یا نہیں اس کی کوئی اندرونی جانچ نہیں ہوتی۔ قابل فہم نظر آنے والی میش اور حقیقی دنیا کے ساتھ رابطے میں رہنے والی چیز کے درمیان فاصلہ وہ جگہ ہے جہاں زیادہ تر صارفین کے 3D پرنٹنگ کے عزائم مر جاتے ہیں۔

مرمت کو انٹرایکٹو اور زبان پر مبنی بنا کر، InstructMesh AI کی مدد سے بنانے کے آخری میل کے مسئلے پر حملہ کرتا ہے۔ سسٹم ایک ماڈلنگ کے عمل کو ڈھانپتا ہے جس کے لیے پہلے پیشہ ورانہ 3D ٹولز میں ڈومین کی گہری مہارت کی ضرورت ہوتی تھی، مینوز اور موڈیفائرز کی جگہ قدرتی زبان کی وضاحت کے ساتھ کیا غلط ہے اور ٹھیک ایڈجسٹمنٹ کے لیے سلائیڈرز۔ ڈیزائنز کو حقیقی بننے کے لیے اب کسی ماہر کی ضرورت نہیں ہے، اور MIT کے مطالعہ میں ماہرانہ جائزے سے پتہ چلتا ہے کہ اصلاحات کاسمیٹک نہیں ہیں - وہ چیزیں جو نوزائیدہ ہاتھوں سے گزری ہیں فعال طور پر سامنے آئیں۔

تحقیق کا ایک تجارتی دم بھی ہے۔ فاروقی، جو اب گوگل میں ہے، InstructMesh کو ایک بڑھا ہوا حقیقت کے پلیٹ فارم میں شامل کر سکتا ہے - یہ نقطہ نظر یہ ہے کہ آپ اپنے ارد گرد کے سیاق و سباق کا استعمال کرتے ہوئے اپنی ضرورت کی وضاحت کرتے ہیں اور سسٹم تیزی سے 3D پرنٹ کرتا ہے، جیسے کہ فون کیس جو آپ کے بٹوے سے ملتا ہے۔

3D پرنٹنگ انڈسٹری کے لیے، مطالعہ کی زیادہ اشتعال انگیز تلاش ایک سرکردہ جنریٹو سسٹم سے AI سے تیار کردہ ماڈلز میں 80 فیصد خامی ہے۔ ٹیکسٹ ٹو 3D ٹولز صارفین کی مصنوعات کی طرف دوڑتے ہوئے، InstructMesh اس معاملے کو پیش کرتا ہے کہ اکیلے نسل ہی کافی نہیں ہے - تصدیق اور مرمت کو ایک ہی باکس میں بھیجنا پڑتا ہے۔

---

AI سے آگے رہیں

تازہ ترین AI خبریں، تجزیہ اور کامیابیاں حاصل کریں — سب ایک جگہ پر۔

مزید AI خبریں پڑھیں →