هوش مصنوعی با هزاران قطعه واقعی لگو، مدل‌های پیچیده طراحی می‌ کند

ابزار متن‌باز LDraw Nova با کمک مدل‌های پیشرفته هوش مصنوعی می‌تواند سازه‌های لگویی چند هزار قطعه‌ای را به فایل‌های CAD تبدیل کند.

به‌ گزارشسرویس هوش مصنوعیتک‌ناکاین ابزار از مدل‌های عمومی مانند GPT-6 Astra و Claude Opus 5.5 کمک می‌گیرد تا تنها بر اساس یک پرامپت، سازه‌های پیچیده‌ای مانند «باغ ساکورا» با ۲۱۷۵ قطعه طراحی شوند. مدل‌ها با استفاده از ابزارهای پایتون، برنامه‌هایی می‌نویسند که سازه نهایی را تولید می‌کنند و نیازی به تعریف موقعیت تک‌تک قطعات ندارند. با وجود این، هنوز هیچ‌یک از این طرح‌ها با آجرهای واقعی لگو ساخته نشده‌اند و کارلوس آنتلو، توسعه‌دهنده پروژه می‌گوید که حتی برای ساخت آنها «تلاش هم نکرده است».

بیشتر بخوانیددادگاه آمریکا ممنوعیت تولید تصاویر برهنه با هوش مصنوعی در مینه‌سوتا را متوقف کرد

عمکلرد ابزار متن‌باز LDraw Nova

در فایل راهنمای پروژه در گیت‌هاب آمده است: «یک ایده برای مدل به عامل هوش مصنوعی بدهید، آن را هدایت کنید و اجازه دهید خود آن را بسازد.» مدل باغ ساکورا نیز حاصل پرامپتی برای کلود اوپوس ۵.۵ بود که از آن خواسته شد «زیباترین مدلی را که به ذهنت می‌رسد» طراحی کند. آنتلو این پروژه را بعدازظهر جمعه منتشر کرد. این نخستین انتشار پروژه پس از سه تلاش قبلی برای راه‌اندازی موفق ابزار بود.

آنتلو توضیح می‌دهد که LDraw Nova یک قالب متنی است که موقعیت هر قطعه لگو در آن با یک خط تعیین می‌شود و نرم‌افزارهایی مانند LDView، LeoCAD و استودیو قادر به باز کردن فایل‌های آن هستند. هر مدل نیز در یک فایل مستقل ذخیره می‌شود. در این فرایند، عامل هوش مصنوعی ابتدا نقشه مدل و زیرمدل‌های آن را به‌طور کامل در قالب JSON توصیف می‌کند، سپس بر اساس این نقشه یک برنامه پایتون می‌نویسد و در نهایت خروجی متنی LDraw Nova را تولید می‌کند. مدل حاصل می‌تواند به تصویر رندر شود و عامل هوش مصنوعی با بررسی نتیجه، اصلاح آن و رندر مجدد، این چرخه را تا رسیدن به نسخه نهایی ادامه دهد. این روش نیاز مدل به انجام چیزی را که آنتلو «ریاضیات هندسی شیطانی!» می‌نامد کاهش می‌دهد، زیرا به گفته او عامل‌های هوش مصنوعی در تولید کد پایتون عملکرد بهتری دارند.

ابزار LDraw Nova به‌ عنوان یک وب‌اپلیکیشن مبتنی بر داکر اجرا می‌شود و از ارائه‌دهندگان هوش مصنوعی مختلفی مانند OpenAI، آنتروپیک و اوپن‌روتر پشتیبانی می‌کند. گالری این وب‌اپلیکیشن، هر سازه را به مدل هوش مصنوعی تولیدکننده آن و پرامپت مورد استفاده نسبت می‌دهد. باغ ساکورا و یک جرثقیل اطلس ناتمام به کلود اوپوس ۵.۵، یک کلیسا و رصدخانه جزرومدی به آسترا و مجموعه آپارتمان‌های کوپر بین به اوپوس ۵ نسبت داده شده‌اند. خود ابزار LDraw Nova نیز با کمک آسترا از OpenAI و کلود اوپوس ۵.۵ از آنتروپیک ساخته شده است.

برای مطالعه بیشترهوش مصنوعی با خواندن امواج مغزی اشتباه خود را تشخیص می‌ دهد

ساخت فیزیکی مدل‌های بزرگ‌تر مستلزم تهیه هزاران قطعه لگو خواهد بود؛ کاری که آنتلو آن را دشوار می‌داند. همچنین LDraw Nova محدودیت‌های فنی مشخصی دارد. به گفته او، این ابزار در حال حاضر فاقد قابلیت مدل‌سازی فیزیکی است، بنابراین می‌تواند برخورد میان قطعات را مدیریت کند، اما توانایی ارزیابی پایداری سازه را ندارد. اجرای مدل‌های هوش مصنوعی نیز هزینه‌بر است و آنتلو تخمین می‌زند طراحی یک مکانیزم تکنیک توسط آسترا حدود ۵ دلار هزینه توکن داشته باشد.

آنتلو می‌گوید که تجربه او تاکنون نشان داده است در شرایط فعلی، تنها مدل‌های پیشرفته و مرزی هوش مصنوعی توانایی تولید سازه‌های بزرگ و دقیق را دارند و فرایند طراحی نیز همچنان زمان زیادی می‌برد. پشتیبانی از واقعیت مجازی با هدستمتا کوئست ۳نیز در پروژه وجود دارد، اما به گفته او با «مشکلات متعدد، از جمله مشکلات عملکردی» مواجه است. همچنین این پروژه تفاوت مهمی با لگو جی‌پی‌تی دانشگاه کارنگی ملون دارد که اکنون با نام بریک جی‌پی‌تی در گیت‌هاب توسعه می‌یابد. لگو جی‌پی‌تی با استفاده از بیش از ۴۷ هزار سازه لگویی آموزش دیده است و برخلاف LDraw Nova، هم‌زمان با تولید طرح، اعتبار آن و پایداری فیزیکی سازه را بررسی می‌کند.

هوش مصنوعی مرزهای طراحی سه‌بعدی را پشت‌سر می‌گذارد

ابزار LDraw Nova امکان استفاده هم‌زمان از چند نوع مدل را نیز فراهم می‌کند. برای طراحی کلیسای تولیدشده توسط آسترا، ازJevاستفاده شده است؛ ابزاری برای جست‌وجوی معنایی همراه با رتبه‌بندی مجدد که از مدل هوش مصنوعی جو سیستم وان شرکت تایپ‌سیف بهره می‌برد. مدل تصمیم‌گیری جو می‌تواند نتایج جست‌وجوی قطعات را رتبه‌بندی کند، هرچند استفاده از آن اجباری نیست. در صورت وارد نکردن کلید ای‌پی‌آی تایپ‌سیف، عامل‌ها به جست‌وجوی متنی کامل بازمی‌گردند. این مدل پیش‌تر نیز در چنداجرای خودکار بازی پوکمونرد با موفقیت به کار گرفته شده است.

حتما بخوانیدپژوهشگران رازهای تازه‌ای از الگوهای نوشتاری هوش مصنوعی را فاش کردند

با وجود توصیه آنتلو به استفاده از مدل‌های قدرتمندتر، یکی از اهداف اصلی او ساخت «ابزارهایی است که عامل‌های رده‌پایین نیز بتوانند با آنها به‌ صورت تکرارشونده فرایند طراحی و ساخت را پیش ببرند». طراحی مینی‌فیگورها، همچنین ماشین‌ها و موتورهای تکنیک نیز در فهرست قابلیت‌های آینده پروژه قرار دارند.

استفاده از عامل‌های هوش مصنوعی برای انجام وظایف از طریق برنامه‌نویسی، پدیده جدیدی نیست، اما این رویکرد روزبه‌روز پیشرفته‌تر می‌شود. نمونه‌ای از این روند را می‌توان در آزمایشی دید که روز جمعه منتشر شد و در آن آسترا تنها با دریافت یک پرامپت توانستمنطقه آغازین اورک‌ها در وارکرفترا پشت سر بگذارد. آنتلو این پروژه را با هدف ایجاد عامل‌های هوش مصنوعی «قادر به طراحی اشیای فیزیکی و قابل ساخت» توسعه داده است. فعلا خروجی‌های این سیستم فقط در قالب فایل‌های CAD وجود دارند، اما آنتلو در حال بررسی امکان چاپ سه‌بعدی یک مدل کوچک است.

عامل‌های هوش مصنوعی حتی می‌توانند با فرایند چاپ سه‌بعدی نیز تعامل داشته باشند. این قابلیت از طریق سرورهای پروتکل زمینه مدل فراهم می‌شود. کیلن می‌تواند فایل مدل را به چاپگر ارسال و چاپ را آغاز کند، در حالی که سرور اوکتو اوری‌ور به عامل اجازه می‌دهد وضعیت فرایند چاپ را بررسی نماید و در صورت نیاز آن را متوقف، لغو یا از سر بگیرد. چنین زیرساختی می‌تواند فاصله میان تولید کد توسط مدل هوش مصنوعی و ساخت یک شیء فیزیکی واقعی را از بین ببرد. در آینده نیز ممکن است ربات‌های مجهز به هوش مصنوعی فیزیکی، مرحله ساخت را به‌طور کامل انجام دهند، هرچند آن‌وقت شاید بخش جذاب ماجرا از بین برود. اما فعلا هر کاربری می‌تواند تلاش کند مجموعه لگویی را طراحی کند که همیشه در ذهن خود داشته است.

نوشتههوش مصنوعی با هزاران قطعه واقعی لگو، مدل‌های پیچیده طراحی می‌ کنداولین بار درTechnoc. پدیدار شد.

برای ارزیابی پایداری، امنیت و نگهداری این زیرساخت، راهنمای پشتیبانی شبکه را نیز مطالعه کنید.