Când inteligența artificială găsește acul în carul cu fân

Hai să ne jucăm un pic.

Imaginează-ți că ai o bibliotecă imensă cu peste 100 de milioane de cărți. Trebuie să găsești exact șase cărți care conțin secretul pentru a printa un metal super rezistent pentru motoare de rachete. Detaliul subtil? Nu poți să le răsfoiești repede. Fiecare „carte" te costă sute de dolari, durează zile să o citești, și unele chiar iau foc înainte să apuci să le termini.

Sună distractiv? Nu, nu prea.

Dar cam asta este provocarea pe care cercetătorii de la Washington State University tocmai au rezolvat-o — doar că de data asta aveau inteligență artificială în echipă. Și sincer, povestea lor e mult mai interesantă decât orice joc de puzzle pe care l-aș putea inventa eu.

Metalul de rachete care e cam mofturos

Așa că îți prezint GRCop-42. Sună ca un robot dintr-un film SF, nu? În realitate e un aliaj de cupru, crom și niobiu — și NASA l-a creat pentru că metalele normale nu făceau față căldurii. (Jocul de cuvinte e complet intenționat.)

Acest material e folosit în motoarele de rachete, mai exact în camerele de ardere unde combustibilul arde la temperaturi care ar face cuptoarele de acasă să plângă de invidie. GRCop-42 rezistă la căldură extremă ȘI elimină eficient căldura, ceea ce împiedică rachetele să se topească singure. Destul de important, zic.

Problema? Printarea acestui metal cu imprimante 3D e dificilă. Foarte dificilă. În mod normal necesită lasere puternice și multă energie — echipamente pe care doar marile companii aerospațiale și laboratoarele de cercetare mari și le pot permite.

Nouăzeci la sută dintre imprimantele 3D comerciale? Nu fac față. Pur și simplu nu sunt suficient de puternice.

Până acum.

Abordarea „încearcă tot" nu mai funcționa

Înainte să ajungem la magia AI, hai să vorbim despre de ce asta era o astfel de durere de cap.

Pentru a printa metal 3D, trebuie să setezi parametrii perfecți — puterea laserului, viteza, temperatura și o grămadă de alți factori. Greșești un singur lucru și fie nu se întâmplă nimic, fie (mai dramatic) întregul print se topește într-o băltoacă.

Abordarea tradițională? Pur și simplu... încearcă o grămadă de combinații până când ceva funcționează.

Sună rezonabil până îți dai seama că existau peste 100 de milioane de combinații posibile de testat. Fiecare încercare costă sute de dolari, durează timp să fie procesată și necesită pe cineva care să analizeze cu grijă rezultatele. Dacă ai fi încercat o combinație în fiecare zi, ai fi avut nevoie de 274.000 de ani. Nu prea practic.

„Uneori printau o anumită configurație, și produsul se topea pur și simplu", a spus Azza Fadhel, student doctorand care a lucrat la proiect. „Nu era chiar printabil, și chiar cu timp și bani, nu ar fi putut încerca toate cele 100 de milioane de opțiuni."

Regrețabil. E ca și cum ai încerca să găsești un bob de nisip specific pe o plajă, ridicându-i unul câte unul.

Intră AI: Căutătorul deșt

Iată unde echipa de cercetare a fost inventivă. În loc să bâjbâie orbește prin întuneric, au construit un sistem AI care învăța din fiecare experiment — chiar și din cele eșuate.

Gândește-te așa: imaginează-ți că încerci să găsești rețeta perfectă, dar în loc să urmezi fiecare pas orbește, AI-ul observă ce se întâmplă când ajustezi fiecare ingredient. Începe să învețe ce combinații fac lucrurile mai bune și care le fac mai rele.

Echipa a început cu doar 37 de configurații care deja eșuaseră. Nu tocmai o comoară de date, dar suficient pentru ca AI-ul să înceapă să facă presupuneri educate.

De acolo, AI-ul sugera mici grupuri de setări noi de încercat. Iată partea inteligentă: echilibra două lucruri. Uneori alegea setări care păreau cel mai probabil să funcționeze bazându-se pe ce învățase. Alteori, alegea deliberat setări despre care nu era sigur — pentru că acele experimente „orbulete" ar putea să-l învețe ceva nou și să facă întregul model mai inteligent.

„Îmi returnau rezultatele, și mie îmi plăceau toate — chiar dacă eșuau — pentru că fiecare rezultat îmbunătățea modelul nostru AI", a spus Fadhel.

Asta e o modalitate frumoasă de a privi eșecul, sincer.

Marea finală: Șase câștigători

După doar 40 de experimente în trei luni, AI-ul a găsit șase configurații de succes la diferite niveluri de putere a laserului. Unul dintre ele a fost printarea GRCop-42 folosind doar 500 de wați de putere laser — o premieră pentru acest aliaj.

Șase succese din 40 de încercări poate nu sună a fi ceva memorabil. Dar amintește-ți: căutam prin 100 de milioane de posibilități unde configurațiile de succes sunt extrem de rare. E ca și cum ai găsi șase ace într-un car cu fân de dimensiunea unei țări întregi, și ai face asta aproape fără să atingi fânul.

Și iată partea cu adevărat interesantă: aceste configurații de succes erau la puteri mai mici. Asta înseamnă că sunt compatibile cu acele imprimante 3D comerciale care nu puteau gestiona aliajul înainte. Cele 90% care nu puteau să-l printeze? Acum poate că pot.

De ce contează asta dincolo de rachete

Privește, sunt pasionat de spațiu, așa că printarea pieselor pentru rachete e deja destul de exciting pentru mine. Dar cercetătorii nu se opresc aici.

Această abordare AI ar putea ajuta cu tot felul de alte probleme complexe unde sunt milioane de posibilități de testat — ca descoperirea de medicamente, unde oamenii de știință caută combinațiile moleculare potrivite pentru a trata boli.

Aceeași logică se aplică: în loc să forțezi drumul prin fiecare opțiune, folosește AI pentru a căuta mai inteligent. Nu e vorba să înlocuiești creativitatea umană; e vorba să le oferi cercetătorilor o busolă mult mai bună când explorează peisaje enorme și confuze.

„Nouăzeci la sută dintre imprimantele comerciale nu pot printa acest aliaj metalic, așa că dat fiind că am reușit să găsim acești parametri viabili de proces, practic democratizăm printarea acestui aliaj", a spus Jana Doppa, care a condus cercetarea.

Cuvântul „democratizăm" face aici multă muncă. Când doar organizații enorme cu echipamente de milioane de dolari pot fabrica ceva, inovația încetinește. Când laboratoare mai mici, universități și startup-uri pot accesa aceleași materiale? Brusc, ai mult mai mulți creieri care lucrează la problemă.

Ce cred eu

Îmi place această poveste pentru că arată AI-ul la cel mai bun nivel: nu ca o înlocuire magică pentru efortul uman, ci ca un instrument puternic care face efortul uman să conteze cu adevărat.

Cercetătorii nu doar „au lăsat AI-ul să se ocupe". Au combinat expertiza lor din domeniu cu capacitatea AI-ului de a căuta eficient prin spații vaste. Au înțeles că chiar și experimentele eșuate erau valoroase. Știau ce întrebări să pună.

Asta e viitorul AI-ului în știință, cred eu — nu roboți care preiau laboratoarele, ci parteneriate inteligente unde mașinile se ocupă de coșmarurile combinațiilor în timp ce oamenii se concentrează pe munca creativă și interpretativă care chiar necesită un creier.

Acum doar vreau să știu: care e următoarea problemă cu 100 de milioane de opțiuni care așteaptă să fie rezolvată?

Sursă: ScienceDaily