El BMBF financia un proyecto de investigación sobre inteligencia artificial en el diseño

El Ministerio Federal de Educación e Investigación (BMBF) financia con aproximadamente 1,8 millones de euros un proyecto para investigar los fundamentos del desarrollo de productos digitalizado. El proyecto, que inicialmente tiene una duración de tres años, está dirigido por Daimler AG; participando con una financiación de aproximadamente 630.000 euros está el equipo del Prof. Dr. Klaus-Robert Müller, profesor de Aprendizaje Automático en la Universidad Técnica de Berlín.

Con la creciente digitalización de la industria, los prototipos digitales en Diseño Asistido por Computadora (CAD), Ingeniería Asistida por Computadora (CAE) o también Fabricación Asistida por Computadora (CAM) permiten analizar un nuevo producto mediante simulaciones. De esta manera, se pueden realizar ciertas pruebas ya antes de construir un primer prototipo únicamente en la computadora. Esto permite, por ejemplo, probar diferentes alternativas de diseño, sin que sea necesario construir un modelo físico.

El nuevo proyecto de investigación Artificial Intelligence Aided x (AIAx) busca ayudar a gestionar la digitalización del proceso de desarrollo de productos con grandes y complejos volúmenes de datos, y aliviar a los diseñadores y diseñadoras de tareas rutinarias que consumen mucho tiempo. La pregunta central de investigación es: ¿Cómo pueden desarrollarse los procedimientos existentes de inteligencia artificial para apoyar la fortaleza tradicional de la industria en el desarrollo de productos técnicos de alta calidad? El objetivo del proyecto es que, a medio plazo, de los términos conocidos en la industria como CAD, CAE y CAM surja el Artificial Intelligence Aided Design/Engineering/Manufacturing — en breve, AIAx.

En el proceso de diseño, los conocimientos adquiridos son un valioso know-how. Sin embargo, estos conocimientos son difíciles de formalizar y, por lo tanto, solo pueden transmitirse de manera limitada a las nuevas generaciones. Sin embargo, mediante el uso de ciertos procedimientos de aprendizaje automático, por ejemplo, podrían reconocerse patrones en los datos de un diseño CAD y utilizarse de manera más eficiente.

Cada simulación genera enormes volúmenes de datos, que actualmente aún deben ser analizados por ingenieros e ingenieras para detectar fallos y deficiencias en el diseño y mejorarlos progresivamente. Se prevén procedimientos de aprendizaje automático especialmente desarrollados para analizar automáticamente estos datos de manera inteligente y también sugerir posibles mejoras. Tal automatización del proceso de análisis no solo aceleraría el diseño, sino que también permitiría a los ingenieros y ingenieras disponer de más tiempo para desarrollar diseños e ideas innovadoras.

La TU Berlín aporta su amplia experiencia en investigación fundamental en procedimientos de aprendizaje automático (ML) e IA al nuevo proyecto AIAx. El grupo de trabajo de Klaus-Robert Müller ha realizado contribuciones importantes a las máquinas de vectores de soporte, así como a la llamada "Inteligencia Artificial Explicable" (Explainable Artificial Intelligence) y ha impulsado la incorporación de procedimientos de ML en la química cuántica. Nos centraremos en temas como "Aprendizaje Profundo Eficiente" y la "Explicabilidad y Robustez" de los procedimientos de ML que se desarrollen, explica Klaus-Robert Müller.

El objetivo es hacer que los procesos de decisión de los procedimientos de ML sean transparentes — es decir, explicables — para aumentar su aceptación en la práctica y, así, posibilitar su aplicación industrial. ¿Por qué toma una máquina de aprendizaje automático una determinada decisión? "Queremos investigar diferentes formas de presentar el proceso de decisión mediante un estudio con participantes. ¿Cómo debe presentarse la explicación? ¿Qué información es relevante? En cuanto a la aceptación de los procedimientos de ML, la explicabilidad es un aspecto importante. Porque la responsabilidad final recae en el diseñador", explica Klaus-Robert Müller.

AIAx combina, como proyecto conjunto, socios de la industria y diferentes institutos de investigación. El carácter interdisciplinario del proyecto se refleja en la composición del consorcio. Además de la TU Berlín, participan Daimler AG, DYNAmore GmbH, Endress+Hauser Maulburg SE & Co. KG, el Instituto de Tecnología de Karlsruhe y USU Software AG.