วิศวกรพึ่งพาการสร้างแบบจำลองพารามิเตอร์ (parametric modeling) มาอย่างยาวนานในการสร้างทุกอย่าง ตั้งแต่ขายึดเครื่องบินไปจนถึงตัวเรือนอุปกรณ์อิเล็กทรอนิกส์สำหรับผู้บริโภค กระบวนการนี้ทำงานโดยการกำหนดความสัมพันธ์ระหว่างคุณลักษณะทางเรขาคณิต เพื่อให้การเปลี่ยนขนาดหนึ่งจะอัปเดตส่วนที่เหลือของชิ้นงานโดยอัตโนมัติ แม้จะมีความแม่นยำสูง แต่ก็ทำงานได้ช้า ทุกการปรับปรุงแก้ไข (iteration) จำเป็นต้องมีคนมาปรับแต่งข้อกำหนด (constraints) สร้างเรขาคณิตใหม่ และตรวจสอบข้อผิดพลาดจากการซ้อนทับกัน (interference errors) ด้วยตนเอง เมื่อการทบทวนการออกแบบต้องการงานหกเวอร์ชันที่แตกต่างกันภายในเช้าวันรุ่งขึ้น ระยะเวลาที่จำกัดเช่นนั้นย่อมสร้างความลำบาก

ปัญญาประดิษฐ์ (AI) กำลังเริ่มขจัดคอขวดนั้น ด้วยการจับคู่ระหว่างอัลกอริทึมเชิงสร้างสรรค์ (generative algorithms) กับโครงสร้างทางคณิตศาสตร์ที่เข้มงวดของการสร้างแบบจำลองพารามิเตอร์ ระบบใหม่เหล่านี้จะช่วยทำงานออกแบบที่เคยใช้เวลาทั้งวันให้เป็นแบบอัตโนมัติ การสำรวจบางอย่างที่เคยต้องใช้เวลาหลายชั่วโมงในการคลิกและลากเมาส์ ปัจจุบันสามารถหาข้อสรุปได้ภายในไม่กี่วินาที การเปลี่ยนแปลงนี้ไม่ใช่แค่เรื่องของความเร็วเท่านั้น แต่ยังเป็นเรื่องของว่าใครจะเป็นคนใช้ความคิด และใครจะต้องติดอยู่กับงานจุกจิกที่ซ้ำซาก

ความหมายที่แท้จริงของการสร้างแบบจำลองพารามิเตอร์

การสร้างแบบจำลองพารามิเตอร์คือกระดูกสันหลังที่สำคัญของการออกแบบเชิงกลสมัยใหม่ หัวใจสำคัญของมันคือการใช้สมการทางคณิตศาสตร์เพื่อเชื่อมโยงชิ้นส่วนทางเรขาคณิตเข้าด้วยกัน หากคุณเพิ่มเส้นผ่านศูนย์กลางของรูยึด ส่วนโค้งมน (fillet) และรูปแบบการวางโบลต์ (bolt pattern) ที่อยู่รอบๆ จะปรับเปลี่ยนโดยอัตโนมัติ เนื่องจากพวกมันถูกผูกไว้ด้วยกฎเกณฑ์ ไม่ใช่ด้วยพิกัดที่คงที่ แนวทางนี้ช่วยให้การออกแบบมีความสอดคล้องกันเมื่อข้อกำหนดเปลี่ยนไป ซึ่งเป็นเหตุผลว่าทำไมมันจึงครองอุตสาหกรรมที่ความแม่นยำเป็นเรื่องสำคัญ

เครื่องมือแบบดั้งเดิมกำหนดให้วิศวกรต้องระบุทุกความสัมพันธ์ไว้ล่วงหน้า ซอฟต์แวร์ไม่ได้เป็นผู้ออกแบบ แต่มันทำหน้าที่เพียงแค่ปฏิบัติตามคำสั่งเท่านั้น ความสามารถในการปฏิบัติตามคำสั่งนี้เป็นทั้งจุดแข็งและข้อจำกัด เมื่อชิ้นงานมีคุณลักษณะที่สัมพันธ์กันหลายร้อยรายการ สมองของมนุษย์จะกลายเป็นคอขวด คุณจะใช้เวลาน้อยลงในการตั้งคำถามว่าชิ้นงานควรทำหน้าที่อะไร และใช้เวลามากขึ้นในการดูแลสเก็ตช์ (sketches) และโครงสร้างลำดับขั้นตอน (feature trees)

AI เปลี่ยนสมการนี้ได้อย่างไร

การเพิ่ม AI เข้าไปในสภาพแวดล้อมนี้จะเปลี่ยนความสัมพันธ์ระหว่างผู้ออกแบบและเครื่องจักร โครงข่ายประสาทเทียม (Neural networks) เรียนรู้จากข้อมูลการออกแบบที่มีอยู่ ทั้งชิ้นงานในอดีตนับพันหรือนับล้านชิ้น เพื่อจดจำว่าเรขาคณิตที่ใช้งานได้และมีประโยชน์ควรมีลักษณะอย่างไร พวกมันไม่ได้เข้ามาแทนที่เครื่องมือพารามิเตอร์ (parametric engine) แต่จะทำหน้าที่อยู่ก่อนหน้า (upstream) โดยการนำเสนอรูปแบบต่างๆ เพื่อให้ระบบพารามิเตอร์นำไปประเมินเทียบกับกฎทางวิศวกรรมอีกที

ผลลัพธ์ที่ได้คือเวิร์กโฟลว์แบบไฮบริด AI จะสร้างโมเดลต้นแบบตามรูปแบบที่สกัดมาจากชุดข้อมูลขนาดใหญ่ ในขณะที่โครงสร้างพารามิเตอร์จะช่วยรับประกันว่าโมเดลเหล่านั้นเป็นไปตามข้อกำหนดที่เข้มงวด เช่น ความหนาผนังขั้นต่ำ, มุมเอียง (draft angles) สำหรับการฉีดขึ้นรูป, และระยะห่าง (clearance zones) สำหรับชุดประกอบที่เคลื่อนที่ได้ คุณไม่ต้องวาดทุกเส้นอีกต่อไป แต่คุณกำลังกำหนดขอบเขตและปล่อยให้ระบบค้นหาพื้นที่คำตอบภายในขอบเขตเหล่านั้น

ประโยชน์ที่แท้จริงในหน้างาน

การผสมผสานนี้สร้างข้อได้เปรียบที่นำไปใช้งานได้จริงในทันที

การปรับปรุงแก้ไขที่รวดเร็วขึ้น (Faster iterations). วงจรการออกแบบที่เคยลากยาวหลายชั่วโมง ซึ่งวิศวกรต้องคอยปรับขนาดด้วยตนเองและรอการสร้างใหม่ สามารถย่อลงเหลือเพียงไม่กี่วินาที ระบบจะสำรวจความหลากหลายทางเรขาคณิตได้หลายสิบรูปแบบในเวลาที่เคยใช้เพียงเพื่ออัปเดตเซลล์เดียวในสเปรดชีต ความเร็วนั้นสำคัญมากเมื่อคุณต้องตอบสนองต่อคำติชมของลูกค้าในนาทีสุดท้าย หรือต้องรันลูปการเพิ่มประสิทธิภาพ (optimization loops) ก่อนการสร้างต้นแบบ

เรขาคณิตที่ชาญฉลาด (Smart geometry). เนื่องจาก AI ได้รับการฝึกฝนจากคลังการออกแบบที่กว้างขวาง มันจึงจดจำรูปแบบที่เกิดขึ้นซ้ำๆ ได้ มันรู้ว่าตัวเรือนสำหรับอุปกรณ์ที่เกิดความร้อนมักต้องการช่องระบายอากาศ หรือขายึดที่รับน้ำหนักมักจะใช้โครงสร้างแบบมีครีบ (ribbed structures) มันสร้างรูปทรงใหม่ๆ โดยการผสมผสานและปรับเปลี่ยนรูปแบบเหล่านี้ ซึ่งมักจะได้รูปแบบที่มนุษย์อาจมองข้ามไปหลังจากนั่งจ้องหน้าจอเดิมๆ มาตลอดทั้งบ่าย

การปฏิบัติตามกฎ (Rule following). เครื่องมือพารามิเตอร์ไม่รู้จักเหนื่อยหรือวอกแวก มันจะรักษาทุกการออกแบบให้อยู่ภายในขอบเขตทางวิศวกรรมที่กำหนดไว้ หากข้อกำหนดวัสดุระบุว่าต้องมีความหนาผนังขั้นต่ำสองมิลลิเมตร ระบบจะบังคับใช้กฎนี้กับทุกรูปแบบที่สร้างขึ้น ผู้ออกแบบที่เป็นมนุษย์ยังคงสามารถสั่งการทับ (override) การตัดสินใจได้เมื่อต้องการความคิดสร้างสรรค์ แต่การปฏิบัติตามมาตรฐานพื้นฐานจะเกิดขึ้นโดยอัตโนมัติ

การตระหนักถึงวัสดุ (Material awareness). การเปลี่ยนแปลงที่สำคัญที่สุดอาจเป็นการที่ซอฟต์แวร์สามารถตรวจสอบความแข็งแรงและ