GitHub

  • Լուսանկարչություն և արտադրանք. CAD մոդելների նոր դարաշրջան

    Լուսանկարչություն և արտադրանք. CAD մոդելների նոր դարաշրջան

    Հետազոտողները հրապարակել են իսկական սենսացիա ճարտարագիտության և արհեստական ​​բանականության աշխարհում՝ GenCAD-ը՝ առաջին բաց կոդով նեյրոնային ցանցը, որը կարող է լուսանկարից ստեղծել լիարժեք ֆունկցիոնալ պարամետրիկ CAD մոդել։

    Բայց սա պարզապես գեղեցիկ ռենդերինգ չէ. մենք խոսում ենք սկրիպտի մասին, որը կարող է անմիջապես բեռնվել խմբագրիչի մեջ, փոփոխվել և... ուղարկվել արտադրության։.

    Մշակողները ընդգծում են, որ գոյություն ունեցող պատկերից ցանց լուծումները աշխատում են վոքսելների, կետային ամպերի և բազմանկյուն ցանցերի հետ՝ գեղեցիկ, բայց անօգուտ ինժեներիայի համար: GenCAD-ը գնում է ավելի հեռու: Այն ստեղծում է ոչ թե դատարկ մոդել, այլ հրամանների հաջորդականություն, որոնք կառուցում են լիարժեք ինժեներական մոդել:.

    GenCAD-ի սիրտը բարդ ճարտարապետությունն է

    • տրանսֆորմատոր-կոդավորիչ, որը սեղմում է հրամանները կոմպակտ միջուկի մեջ։
    • հակադրական ուսուցում, հրամանների լեզվի և տեսողական պատկերի համապատասխանեցում;
    • դիֆուզիոն մոդել, որը լուսանկարը վերածում է թաքնված ներկայացման։
    • դեկոդեր, որը վերակառուցում է պարամետրիկ հրահանգները այս հավաքածուից։.

    Հիմնական առանձնահատկությունը դրա խմբագրելիությունն է։ Արդյունքում ստացված սկրիպտը կարող է հարմարեցվել արտադրական կարիքներին, առանձին պարամետրերը կարող են փոփոխվել, և այն կարող է անմիջապես ինտեգրվել աշխատանքային հոսքերի մեջ։.

    GitHub-ում կոդի թողարկմանը զուգընթաց, հետազոտողները հասանելի դարձրին նաև տվյալների հավաքածուն և մարզված մոդելները: Սա պարզապես քայլ չէ դեպի նախագծման ավտոմատացում, այլ հեղափոխություն է ամբողջ արտադրական արդյունաբերության համար:.

  • Արհեստական ​​բանականությունը վնասո՞ւմ է ծրագրավորողներին։ METR-ի նոր ուսումնասիրությունը ցնցել է Սիլիկոնյան հովիտը։

    Արհեստական ​​բանականությունը վնասո՞ւմ է ծրագրավորողներին։ METR-ի նոր ուսումնասիրությունը ցնցել է Սիլիկոնյան հովիտը։

    Ամեն անգամ, երբ տեխնոլոգիական հսկաները խոստանում են «արագացնել զարգացումը 55%-ով», դուք ուզում եք հավատալ նրանց։.

    Սակայն, ինչպես METR ուսումնասիրությունը , իրականությունը հակառակն է. առաջադեմ արհեստական ​​բանականության օգնականները դանդաղեցնում են փորձառու մշակողներին… 19 տոկոսով։

    Փորձին մասնակցել են 16 բարձրակարգ որակավորում ունեցող բաց կոդով ծրագրավորողներ, որոնք աշխատում էին GitHub-ի հայտնի պահոցների հետ։ Պայմաններից մեկը Cursor խմբագրիչի օգտագործումն էր՝ GPT և Claude մոդելների ինտեգրմամբ։ Առաջադրանքների կեսը լուծվել է արհեստական ​​բանականության միջոցով, մյուս կեսը՝ ձեռքով։ Արդյունքը՝ արհեստական ​​բանականության միացման դեպքում առաջադրանքների վրա ծախսված ժամանակն ավելի երկար է եղել։.

    Սա տեղի ունեցավ այն բանի հետ մեկտեղ, որ մշակողներն իրենք սպասում էին ժամանակի 24%-ով կրճատման, մինչդեռ փորձագետները՝ գրեթե 40%-ով։ Արդյունքում, մասնակիցները ավելի շատ ժամանակ անցկացրին էկրանին նայելով, ավելի երկար ժամանակ ծախսեցին ստեղծված կոդը խմբագրելու վրա և բողոքեցին, որ արհեստական ​​բանականությունը շեղում է ուշադրությունը, հատկապես ծանոթ պահոցներում։.

    Պատճառներ՞։ METR-ը նշում է հինգը՝

    • Արհեստական ​​բանականության նկատմամբ չափազանց մեծ վստահություն;
    • Նախագծի բարձր իրազեկվածություն (արհեստական ​​բանականությունը տեղյակ չէ նրբություններին);
    • Կոդի բարդություն;
    • Սերունդների ցածր որակ (արհեստական ​​բանականության առաջարկների միայն 44%-ն է ընդունվել)։
    • Պահոցներում թաքնված կախվածություններ, որոնք արհեստական ​​բանականությունը չի որսում։.

    Ծրագրավորողները խոստովանեցին. «Երբեմն ավելի հեշտ է այն ինքներդ գրելը»։ Նույնիսկ գրախոսողները որակի որևէ աճ չնկատեցին, և արդյունքում առաջացած ուշացումը վիճակագրորեն նշանակալի էր։ Այնուամենայնիվ, 16-ից 11-ը շարունակեցին օգտագործել Cursor-ը փորձից հետո, ինչը ենթադրում է նկատելի օգուտ։.

    METR-ը ընդգծում է. նմուշի չափը փոքր է, և սա արհեստական ​​բանականության փլուզման նշան չէ: Հնարավոր է, որ մոդելների հաջորդ սերունդը լինի ավելի արագ, ավելի խելացի և չխանգարի նրանց, ովքեր գիտեն, թե ինչ են անում: Բայց առայժմ այն ​​ավելի քիչ աղմուկ է, ավելի շատ ձեռքով կոդավորված:.