دو مهندس OpenAI با کمک GPT-6 و Astra در کمتر از یک هفته طراحی یک گجت سخت‌افزاری واقعی را پیش بردند؛ دستگاهی کوچک که برای تعامل با Codex ساخته شده و بخش‌هایی مانند بدنه، قطعات الکترونیکی، برد مدار چاپی و نرم‌افزار آن با کمک هوش مصنوعی طراحی شده است. این پروژه نمونه‌ای جالب از ورود هوش مصنوعی به دنیای مهندسی فیزیکی محسوب می‌شود؛ جایی که مدل‌ها دیگر فقط متن و کد تولید نمی‌کنند، بلکه در طراحی محصولاتی مشارکت دارند که می‌توان آن‌ها را در دنیای واقعی ساخت. البته طراحی اولیه با تولید محصول نهایی تفاوت دارد و نمونه OpenAI نیز برای آماده‌شدن به‌منظور تولید، به بررسی و اصلاح انسانی نیاز داشته است. در ادامه می‌بینیم این گجت چگونه ساخته شد، GPT-6، Astra و Codex چه نقشی داشتند و آیا ساخت گجت با هوش مصنوعی می‌تواند آینده مهندسی سخت‌افزار را تغییر دهد.

🤖 ساخت گجت با هوش مصنوعی؛ OpenAI دقیقاً چه دستگاهی طراحی کرد؟

ساخت یک وسیله الکترونیکی معمولاً به همکاری چند تخصص مختلف نیاز دارد. طراحی ظاهر و بدنه، انتخاب قطعات، طراحی برد مدار چاپی، برنامه‌نویسی نرم‌افزار داخلی و هماهنگ‌کردن همه این بخش‌ها با یکدیگر، هرکدام فرایند جداگانه‌ای دارند. حتی اگر ایده اولیه ساده به نظر برسد، تبدیل آن به دستگاهی که واقعاً کار کند، به زمان، ابزارهای تخصصی و دانش مهندسی نیاز دارد.

حالا OpenAI می‌گوید در یک آزمایش داخلی توانسته بخشی از این مسیر را با کمک GPT-6 و Astra پیش ببرد. دو نفر از اعضای این شرکت به‌عنوان یک پروژه جانبی، در کمتر از یک هفته دستگاهی طراحی کردند که امکان تعامل با Codex را فراهم می‌کند. نکته قابل‌توجه این است که هوش مصنوعی در طراحی بخش‌های مختلف دستگاه نقش داشته و پروژه فقط به تولید چند خط کد یا طراحی یک تصویر مفهومی محدود نبوده است.

این آزمایش در گزارش رسمی OpenAI با عنوان «Accelerating engineering for the physical world» در تاریخ ۳ نوامبر ۲۰۲۶ منتشر شد. شرکت در این گزارش توضیح می‌دهد که هدف، بررسی توانایی مدل در انجام وظایف چندمرحله‌ای و استفاده از ابزارهای رایانه‌ای برای طراحی یک محصول فیزیکی بوده است.

گجت ساخته‌شده با هوش مصنوعی چه کاربردی دارد؟

دستگاهی که در این آزمایش طراحی شد، یک وسیله کوچک برای تعامل با Codex است؛ همان عامل برنامه‌نویسی OpenAI که می‌تواند در انجام وظایف مرتبط با کدنویسی به توسعه‌دهندگان کمک کند. این گجت قرار نیست جای رایانه یا لپ‌تاپ را بگیرد. ایده اصلی آن، فراهم‌کردن راهی ساده‌تر برای ارتباط با عامل‌های کدنویسی و بررسی وضعیت کار آن‌هاست.

بر اساس توضیحات منتشرشده درباره نمونه اولیه، دستگاه یک دکمه فشاری برای شروع تعامل و نمایشگری کوچک دارد. کاربر می‌تواند با فشردن دکمه با Codex صحبت کند یا از وضعیت عامل‌های کدنویسی خود مطلع شود؛ بدون اینکه برای هر بار بررسی، لزوماً به سراغ لپ‌تاپ برود.

یکی از اعضای تیم OpenAI این نمونه را نوعی همراه رومیزی Codex توصیف کرده است. چنین نامی نشان می‌دهد هدف پروژه ساخت یک محصول مصرفی عمومی نبوده، بلکه تیم می‌خواسته امکان ارتباط با یک عامل نرم‌افزاری را از طریق یک رابط فیزیکی آزمایش کند.

در نگاه اول شاید ساخت چنین وسیله‌ای چندان پیچیده به نظر نرسد؛ اما ارزش آزمایش در ظاهر گجت نیست. بخش مهم ماجرا این است که طراحی مکانیکی، الکترونیکی و نرم‌افزاری آن در یک جریان کاری به هم متصل شده‌اند و هوش مصنوعی در هرکدام از این مراحل سهم داشته است.

چرا ساخت گجت با GPT-6 Astra کمتر از یک هفته زمان برد؟

OpenAI اعلام کرده دو عضو تیم این دستگاه را در کمتر از یک هفته و در کنار وظایف معمول خود طراحی کردند. بنابراین نباید این زمان را با مدت‌زمان تولید یک محصول تجاری و آماده عرضه به بازار اشتباه گرفت.

در واقع، کمتر از یک هفته به فرایند طراحی این نمونه آزمایشی مربوط می‌شود. پس از آن، یک تولیدکننده قراردادی توانست نمونه‌های اولیه را در کمتر از یک ماه بسازد. آماده‌سازی طرح برای تولید نیز به چند مرحله بررسی و اصلاح نیاز داشت.

این تفکیک اهمیت زیادی دارد: طراحی اولیه، ساخت نمونه فیزیکی و آماده‌سازی برای تولید انبوه سه مرحله متفاوت‌اند. سرعت بالای مرحله اول خبرساز شده، اما مراحل بعدی نشان می‌دهند که هنوز نمی‌توان طراحی با هوش مصنوعی را معادل تولید مستقل یک محصول کامل دانست.

⚙️ مراحل ساخت گجت با هوش مصنوعی؛ از طراحی بدنه تا برد الکترونیکی

برای درک اهمیت این پروژه باید ببینیم طراحی یک گجت از چه بخش‌هایی تشکیل می‌شود. یک دستگاه الکترونیکی فقط مجموعه‌ای از قطعات کنار هم نیست. بدنه باید فضای کافی برای قطعات داشته باشد، برد باید در ابعاد مناسب طراحی شود، اجزا باید به‌درستی به یکدیگر متصل شوند و نرم‌افزار نیز باید بتواند با سخت‌افزار ارتباط برقرار کند.

در پروژه OpenAI، Astra در چند مرحله از این فرایند مشارکت داشت. شرکت می‌گوید این مدل ظاهر دستگاه، ساختار مکانیکی، قطعات الکترونیکی، برد مدار چاپی، رابط کاربری، Firmware و اتصال نرم‌افزاری آن به Codex را طراحی کرد.

طراحی بدنه و ساختار داخلی گجت

اولین مرحله، مشخص‌کردن شکل ظاهری گجت بود. طراحی بدنه فقط به زیبایی مربوط نمی‌شود؛ ابعاد، شکل و ساختار آن باید با قطعات داخلی هماهنگ باشد. اگر نمایشگر، دکمه، برد یا سایر اجزا فضای کافی نداشته باشند، دستگاه حتی با وجود طراحی ظاهری جذاب نمی‌تواند به‌درستی مونتاژ شود.

OpenAI می‌گوید Astra برای طراحی ظاهر دستگاه از همکاری اخیر این شرکت با برند Work Louder و همچنین نمونه‌هایی از بازی‌ها و اسباب‌بازی‌ها الهام گرفت. پس از شکل‌گیری ظاهر کلی، مدل به سراغ طراحی محفظه و ساختارهای داخلی رفت؛ بخش‌هایی که قطعات را در جای خود نگه می‌دارند.

این مرحله از نظر مهندسی اهمیت زیادی دارد. برای مثال، محل قرارگیری نمایشگر باید با بدنه هماهنگ باشد و دکمه فشاری باید در نقطه‌ای قرار بگیرد که کاربر بتواند به‌راحتی از آن استفاده کند. در عین حال، ساختار داخلی باید امکان نصب و اتصال قطعات را فراهم کند.

طراحی برد PCB در فرایند ساخت دستگاه با هوش مصنوعی

یکی از بخش‌های مهم این آزمایش، طراحی برد مدار چاپی یا PCB بود. تقریباً در تمام وسایل الکترونیکی امروزی، از تلفن همراه و ساعت هوشمند گرفته تا دستگاه‌های خانگی، برد مدار چاپی وظیفه اتصال قطعات الکترونیکی را بر عهده دارد.

PCB یک صفحه عایق است که مسیرهای رسانا روی آن قرار می‌گیرند. قطعاتی مانند پردازنده، مقاومت، خازن و کانکتورها روی این برد نصب می‌شوند و مسیرهای الکتریکی، ارتباط میان آن‌ها را برقرار می‌کنند.

طراحی چنین بردی فقط کنار هم قرار دادن قطعات نیست. مهندس باید بداند هر قطعه چه وظیفه‌ای دارد، چه فضایی اشغال می‌کند، چگونه به سایر اجزا متصل می‌شود و آیا مسیرهای ارتباطی با محدودیت‌های فیزیکی و الکتریکی سازگار هستند یا خیر.

در پروژه OpenAI، Astra قطعات الکترونیکی را انتخاب کرد و چیدمان و اتصالات آن‌ها را روی برد طراحی کرد. این طراحی باید با ابعاد محفظه دستگاه نیز هماهنگ می‌بود تا برد بتواند درون بدنه قرار بگیرد.

اهمیت این بخش زمانی روشن‌تر می‌شود که بدانیم طراحی برد به‌طور معمول با ابزارهای تخصصی مهندسی الکترونیک انجام می‌شود. مدل باید بتواند با محیط این نرم‌افزارها کار کند، اطلاعات قطعات را در نظر بگیرد و خروجی‌ای تولید کند که از نظر طراحی قابل بررسی باشد.

طراحی رابط کاربری و Firmware دستگاه

یک گجت حتی اگر از نظر مکانیکی و الکترونیکی درست طراحی شده باشد، بدون نرم‌افزار نمی‌تواند وظیفه موردنظر را انجام دهد. دستگاه مورد آزمایش OpenAI باید بتواند ورودی کاربر را دریافت کند، وضعیت را روی نمایشگر نشان دهد و با Codex ارتباط برقرار کند.

Astra در طراحی رابط کاربری یا UI/UX و تولید Firmware نیز نقش داشت. Firmware نرم‌افزاری است که عملکردهای پایه سخت‌افزار را کنترل می‌کند. برای نمونه، تشخیص فشرده‌شدن دکمه، مدیریت نمایشگر و هماهنگی میان اجزای دستگاه می‌تواند به این لایه نرم‌افزاری وابسته باشد.

در کنار Firmware، مدل باید یکپارچه‌سازی نرم‌افزاری لازم برای اتصال دستگاه به Codex را نیز فراهم می‌کرد. به بیان ساده، گجت باید می‌توانست اطلاعات را به سرویس موردنظر منتقل کند و پاسخ یا وضعیت آن را به شکلی قابل استفاده در اختیار کاربر قرار دهد.

این بخش نشان می‌دهد پروژه فقط به طراحی یک قاب یا برد الکترونیکی محدود نبوده است. نرم‌افزار و سخت‌افزار باید در نهایت مانند اجزای یک سیستم واحد با یکدیگر کار می‌کردند.

چرا هماهنگی بخش‌های مختلف طراحی گجت دشوار است؟

در طراحی محصولات فیزیکی، تغییر یک بخش می‌تواند روی چند بخش دیگر اثر بگذارد. اگر ابعاد نمایشگر تغییر کند، ممکن است لازم باشد محل قرارگیری آن در بدنه اصلاح شود. اگر قطعه الکترونیکی دیگری انتخاب شود، چیدمان PCB و حتی فضای داخلی دستگاه نیز ممکن است تغییر کند.

به همین دلیل، مهندسی سخت‌افزار معمولاً یک مسیر خطی و ساده نیست. طراحان بارها میان مدل سه‌بعدی، نقشه مدار، مشخصات قطعات و نیازهای نرم‌افزاری رفت‌وبرگشت می‌کنند تا همه اجزا با هم سازگار شوند.

نکته جالب پروژه OpenAI این است که Astra توانست بخش‌های مختلف این فرایند را در یک جریان کاری به هم مرتبط کند. چنین قابلیتی می‌تواند در آینده به مهندسان کمک کند زمان کمتری را صرف جابه‌جایی اطلاعات میان ابزارهای تخصصی کنند و سریع‌تر به سراغ آزمایش ایده‌های تازه بروند.

🧠 نقش GPT-6، Astra و Codex در ساخت گجت با هوش مصنوعی چیست؟

در تیتر این خبر نام GPT-6، Astra و Codex در کنار یکدیگر دیده می‌شود؛ اما این سه نام به یک وظیفه واحد اشاره نمی‌کنند. برای فهم درست ماجرا باید نقش هرکدام را جداگانه بررسی کنیم.

GPT-6 چه نقشی در طراحی گجت داشت؟

طبق گزارش رسمی OpenAI، از GPT-6 برای تعریف نیازمندی‌های عملکردی دستگاه استفاده شد. نیازمندی عملکردی یعنی مشخص‌کردن اینکه محصول باید چه کاری انجام دهد و برای برآورده‌کردن این هدف به چه قابلیت‌هایی احتیاج دارد.

برای مثال، اگر قرار باشد دستگاهی امکان صحبت‌کردن با Codex را فراهم کند، باید ورودی کاربر را دریافت کند، امکان تعامل را در اختیار او بگذارد و راهی برای نمایش یا انتقال پاسخ داشته باشد. این نیازها بر انتخاب قطعات، طراحی بدنه و ساختار نرم‌افزاری تأثیر می‌گذارند.

بنابراین GPT-6 در تعریف چارچوب عملکردی و هدایت نیازهای طراحی نقش داشت. در مقابل، Astra برای پیشبرد بخش‌های مختلف طراحی و کار با ابزارهای رایانه‌ای به کار گرفته شد.

Astra چگونه طراحی سخت‌افزار را پیش برد؟

GPT-6 Astra مدلی است که OpenAI توانایی‌های آن را در کار با رایانه، انجام وظایف چندمرحله‌ای، مهندسی نرم‌افزار و کار با محیط‌های تخصصی برجسته کرده است. در این آزمایش نیز موضوع فقط پاسخ‌دادن به پرسش‌های متنی نبود؛ مدل باید در ابزارهای طراحی و محیط‌های نرم‌افزاری کار می‌کرد و خروجی‌های مرتبط با یک دستگاه واقعی تولید می‌کرد.

Astra ظاهر و بدنه دستگاه را طراحی کرد، قطعات الکترونیکی را انتخاب کرد، چیدمان برد را انجام داد و بخش‌های نرم‌افزاری موردنیاز را آماده کرد. به همین دلیل، پروژه نمونه‌ای از استفاده چندوجهی از هوش مصنوعی است؛ یعنی مدلی که علاوه بر پردازش متن، می‌تواند با محیط‌های رایانه‌ای و اطلاعات بصری نیز تعامل داشته باشد.

البته نباید از این موضوع نتیجه گرفت که Astra مانند یک مهندس انسانی تمام تصمیم‌های فیزیکی را در دنیای واقعی اجرا کرده است. مدل خروجی‌های طراحی را تولید کرد و برای تبدیل آن‌ها به نمونه فیزیکی، از تولیدکننده قراردادی کمک گرفته شد.

Codex چه ارتباطی با دستگاه ساخته‌شده دارد؟

Codex عامل برنامه‌نویسی OpenAI است که برای کمک به توسعه‌دهندگان در انجام کارهای نرم‌افزاری طراحی شده است. در این پروژه، Codex هم مقصد تعامل دستگاه بود و هم بخشی از اکوسیستم نرم‌افزاری‌ای که گجت قرار بود به آن متصل شود.

هدف دستگاه این بود که کاربر بتواند از طریق یک رابط فیزیکی با Codex صحبت کند و وضعیت عامل‌های کدنویسی خود را بررسی کند. این ایده را می‌توان نمونه‌ای از گسترش تعامل با هوش مصنوعی فراتر از صفحه مرورگر یا محیط چت دانست.

به‌جای اینکه کاربر همیشه برای ارتباط با یک عامل نرم‌افزاری سراغ لپ‌تاپ برود، یک وسیله کوچک می‌تواند نقش رابطی اختصاصی را ایفا کند. البته این نمونه آزمایشی به‌تنهایی نشان نمی‌دهد که در آینده تمام عامل‌های هوش مصنوعی به چنین دستگاه‌هایی نیاز خواهند داشت؛ بلکه یک شیوه تازه برای تعامل را به نمایش می‌گذارد.

🏭 آیا ساخت گجت با هوش مصنوعی بدون دخالت انسان امکان‌پذیر است؟

یکی از جذاب‌ترین بخش‌های خبر این است که OpenAI گفته طراحی دستگاه بدون ویرایش مستقیم انسانی روی خروجی‌های طراحی انجام شده است. این عبارت در نگاه اول ممکن است چنین برداشتی ایجاد کند که هوش مصنوعی همه مراحل ساخت را به‌تنهایی انجام داده؛ اما واقعیت کمی متفاوت است.

باید میان طراحی خروجی‌های فنی و تولید فیزیکی دستگاه تفاوت قائل شویم. Astra در تولید طرح‌ها و فایل‌های موردنیاز نقش داشت، اما برای ساخت نمونه‌های فیزیکی از یک تولیدکننده قراردادی کمک گرفته شد. پس از آن نیز تیم برای آماده‌سازی طرح جهت تولید به بررسی و اصلاح نیاز داشت.

چرا نمونه اولیه گجت به اصلاح نیاز داشت؟

OpenAI در گزارش خود به محدودیت‌هایی اشاره کرده که هنگام آماده‌سازی دستگاه برای تولید مشخص شدند. Astra همیشه نمی‌توانست محدودیت‌های تولیدکننده، تلرانس‌های ساخت و جزئیات موردنیاز برای مونتاژ را به‌درستی در نظر بگیرد.

تلرانس یا محدوده مجاز خطا در ابعاد، یکی از مفاهیم پایه در تولید قطعات است. وقتی دو قطعه قرار است به یکدیگر متصل شوند، ابعاد آن‌ها باید در محدوده مشخصی قرار داشته باشد. اختلاف بسیار کم در اندازه‌ها ممکن است باعث شود قطعات به‌درستی روی هم قرار نگیرند یا مونتاژ آن‌ها دشوار شود.

برای مثال، ممکن است مدل سه‌بعدی یک محفظه از نظر ظاهری کامل و دقیق به نظر برسد؛ اما در زمان تولید مشخص شود فضای لازم برای نصب یک قطعه کافی نیست یا محل اتصال‌ها با محدودیت دستگاه‌های تولیدی سازگاری ندارد.

این تفاوت میان طراحی دیجیتال و ساخت واقعی اهمیت زیادی دارد. یک مدل رایانه‌ای ممکن است از نظر بصری یا حتی هندسی قابل قبول باشد، اما تولیدکننده برای ساخت آن به جزئیاتی نیاز دارد که در طراحی اولیه به‌درستی مشخص نشده‌اند.

چرا طراحی گجت با هوش مصنوعی لزوماً به معنی تولید محصول نیست؟

برای تولید یک محصول واقعی، فقط داشتن فایل سه‌بعدی یا نقشه مدار کافی نیست. قطعات باید در دسترس باشند، فرایند مونتاژ باید امکان‌پذیر باشد، مواد اولیه باید مشخص شوند و محصول باید از نظر عملکرد و ایمنی بررسی شود.

در تولید انبوه، حتی مواردی مانند هزینه ساخت، سرعت مونتاژ، دوام قطعات و کیفیت محصول نهایی اهمیت پیدا می‌کنند. طرحی که برای یک نمونه آزمایشی جواب می‌دهد، ممکن است برای تولید صدها یا هزاران دستگاه به تغییرات اساسی نیاز داشته باشد.

به همین دلیل، چند مرحله بازبینی و اصلاح در پروژه OpenAI موضوعی فرعی نیست؛ بلکه یکی از مهم‌ترین نتایج آزمایش محسوب می‌شود. این مرحله نشان می‌دهد مدل‌ها می‌توانند بخش بزرگی از طراحی را سرعت ببخشند، اما هنوز درک کامل و قابل اتکایی از تمام محدودیت‌های دنیای واقعی ندارند.

آیا دستگاه OpenAI وارد بازار می‌شود؟

تا زمان انتشار گزارش OpenAI، این دستگاه به‌عنوان یک نمونه آزمایشی معرفی شده است و شرکت عرضه عمومی یا فروش آن را اعلام نکرده است. بنابراین نباید آن را محصولی معرفی کنیم که کاربران می‌توانند برای خرید آن اقدام کنند.

هدف اعلام‌شده از پروژه، آزمایش توانایی Astra در طراحی یک دستگاه و بررسی امکان استفاده از مدل‌های هوش مصنوعی در مهندسی فیزیکی بوده است. در نتیجه، ارزش خبری آن بیشتر به قابلیت‌های طراحی و تجربه فنی به‌دست‌آمده مربوط می‌شود تا معرفی یک محصول تجاری جدید.

🔍 ساخت گجت با هوش مصنوعی چه کاربردهایی در آینده دارد؟

ساخت گجت با هوش مصنوعی فقط یک موضوع جذاب برای شرکت‌های بزرگ فناوری نیست. اگر مدل‌ها بتوانند در آینده بخش بیشتری از مراحل طراحی را با دقت و قابلیت اطمینان انجام دهند، افراد و تیم‌های کوچک نیز ممکن است راحت‌تر ایده‌های سخت‌افزاری خود را آزمایش کنند.

در حال حاضر، تبدیل یک ایده به دستگاه واقعی به دانش و ابزارهای تخصصی نیاز دارد. کسی که ایده‌ای برای ساخت یک وسیله هوشمند دارد، ممکن است مجبور شود برای طراحی بدنه، مدار، نرم‌افزار و نمونه‌سازی با چند متخصص همکاری کند. ابزارهای هوش مصنوعی می‌توانند بخشی از این مسیر را ساده‌تر کنند.

کمک به افرادی که ایده سخت‌افزاری دارند

فرض کنیم فردی می‌خواهد یک دستگاه کوچک برای کنترل دمای اتاق طراحی کند. این ایده در ظاهر ساده است، اما اجرای آن به انتخاب حسگر، پردازنده، نمایشگر یا چراغ وضعیت، منبع تغذیه، محفظه و نرم‌افزار نیاز دارد.

یک مدل هوش مصنوعی می‌تواند به بررسی گزینه‌ها، توضیح تفاوت قطعات، آماده‌سازی طرح اولیه و نوشتن بخش‌هایی از کد کمک کند. چنین کمکی به‌خصوص برای افرادی مفید است که ایده دارند، اما در تمام حوزه‌های موردنیاز تخصص یکسانی ندارند.

البته این موضوع به معنی بی‌نیازی از دانش مهندسی نیست. خروجی مدل باید از نظر عملکرد، ایمنی و سازگاری قطعات بررسی شود. در پروژه‌های واقعی، اشتباه در انتخاب قطعه یا طراحی مدار می‌تواند باعث خرابی دستگاه یا حتی ایجاد خطر شود.

سرعت‌بخشیدن به طراحی و نمونه‌سازی

یکی از زمان‌برترین بخش‌های توسعه محصول، رفت‌وبرگشت میان ایده، طراحی، بررسی و اصلاح است. مهندس ممکن است چندین نسخه از یک قطعه را طراحی کند تا به ابعاد مناسب برسد یا برای انتخاب ساختار بهتر، چندین حالت را آزمایش کند.

هوش مصنوعی می‌تواند بخشی از کارهای تکراری را سریع‌تر انجام دهد. برای نمونه، ممکن است در تولید مدل اولیه CAD، آماده‌سازی نقشه‌ها یا بررسی بعضی ناسازگاری‌ها کمک کند. در این حالت، مهندس فرصت بیشتری برای بررسی گزینه‌های مختلف و تصمیم‌گیری درباره مسائل مهم‌تر خواهد داشت.

OpenAI نیز در گزارش خود می‌گوید تیم‌های سخت‌افزار و زیرساخت این شرکت از Codex و ChatGPT برای ساخت و اصلاح مدل‌های CAD، آماده‌سازی نقشه‌های تولید، راه‌اندازی شبیه‌سازی‌ها و بررسی طراحی‌ها استفاده می‌کنند.

کاهش فاصله میان نرم‌افزار و سخت‌افزار

سال‌هاست که ابزارهای هوش مصنوعی در برنامه‌نویسی و تولید محتوای دیجیتال کاربرد دارند؛ اما طراحی محصولات فیزیکی به ترکیبی از نرم‌افزار، الکترونیک، مکانیک و فرایند تولید نیاز دارد.

پروژه Astra نشان می‌دهد مدل‌ها در حال ورود جدی‌تر به این حوزه‌ها هستند. اگر یک مدل بتواند در یک جریان کاری هم طراحی بدنه را پیش ببرد، هم برد مدار را آماده کند و هم نرم‌افزار داخلی را بنویسد، ارتباط میان تیم‌های مختلف مهندسی می‌تواند ساده‌تر شود.

البته این به معنی حذف تخصص‌های جداگانه نیست. طراحی مکانیکی، مهندسی برق و توسعه نرم‌افزار همچنان دانش‌های متفاوتی هستند و هرکدام معیارهای بررسی خاص خود را دارند. ارزش ابزارهای هوش مصنوعی در این مرحله بیشتر به هماهنگ‌کردن این حوزه‌ها و کاهش بخشی از کارهای تکراری مربوط می‌شود.

کاربردهای احتمالی در رباتیک و تجهیزات هوشمند

توانایی طراحی محصولات فیزیکی می‌تواند در حوزه‌هایی مانند رباتیک، تجهیزات هوشمند، ابزارهای آزمایشگاهی و دستگاه‌های صنعتی اهمیت پیدا کند. در این حوزه‌ها، طراحی مکانیکی و الکترونیکی باید با نرم‌افزار کنترل‌کننده هماهنگ باشد.

برای مثال، در ساخت یک ربات کوچک، طراح باید بدنه، موتور، حسگرها، منبع تغذیه و نرم‌افزار کنترل را در نظر بگیرد. هوش مصنوعی می‌تواند در بررسی گزینه‌ها و آماده‌سازی طرح اولیه کمک کند؛ اما عملکرد نهایی ربات باید در محیط واقعی آزمایش شود.

همین موضوع درباره دستگاه‌های پوشیدنی، حسگرهای محیطی و تجهیزات خانگی هوشمند نیز صدق می‌کند. هرچه مدل‌ها درک بهتری از محدودیت‌های فیزیکی و استانداردهای تولید پیدا کنند، امکان استفاده از آن‌ها در پروژه‌های پیچیده‌تر افزایش می‌یابد.

⚠️ آیا ساخت گجت با هوش مصنوعی جای مهندسان سخت‌افزار را می‌گیرد؟

وقتی یک مدل هوش مصنوعی می‌تواند در کمتر از یک هفته به طراحی بخش‌های مختلف یک گجت کمک کند، طبیعی است این سؤال مطرح شود که آینده شغلی مهندسان سخت‌افزار چه خواهد شد. آیا در آینده طراحی برد، مدل‌سازی سه‌بعدی و آماده‌سازی نقشه‌های تولید به‌طور کامل به هوش مصنوعی سپرده می‌شود؟

پاسخ فعلی این است که چنین نتیجه‌ای از یک آزمایش نمی‌توان گرفت. پروژه OpenAI نشان می‌دهد مدل‌ها می‌توانند در برخی وظایف مهندسی نقش پررنگی داشته باشند؛ اما هم‌زمان محدودیت‌هایی را نیز آشکار کرده است.

کدام وظایف مهندسان ممکن است خودکار شوند؟

بخشی از فعالیت‌های مهندسی شامل کارهای تکراری، جست‌وجوی اطلاعات، آماده‌سازی فایل‌ها، بررسی نسخه‌های مختلف و انتقال داده میان ابزارهاست. این وظایف می‌توانند از جمله حوزه‌هایی باشند که هوش مصنوعی در آن‌ها به افزایش سرعت کمک می‌کند.

برای نمونه، اگر مهندس بخواهد چند نسخه از یک قطعه را با ابعاد متفاوت بررسی کند، مدل می‌تواند در تولید طرح‌های اولیه یا مقایسه گزینه‌ها نقش داشته باشد. همچنین آماده‌سازی برخی نقشه‌ها و مستندات ممکن است با کمک ابزارهای هوشمند سریع‌تر انجام شود.

اما تولید یک خروجی اولیه با تأیید نهایی آن تفاوت دارد. مهندس باید تشخیص دهد آیا طراحی از نظر فیزیکی امکان‌پذیر است، قطعات انتخاب‌شده در بازار موجود هستند، استانداردهای لازم رعایت شده‌اند و دستگاه در شرایط واقعی عملکرد قابل قبولی دارد یا خیر.

چرا نظارت انسانی همچنان ضروری است؟

محدودیت‌هایی که OpenAI در پروژه خود گزارش کرده، اهمیت قضاوت مهندسی را نشان می‌دهند. مدل Astra در برخی موارد محدودیت‌های تولید، تلرانس‌ها و جزئیات مونتاژ را به‌درستی در نظر نگرفته است. این موارد ممکن است در صفحه نمایش چندان آشکار نباشند، اما هنگام ساخت قطعه مشکل ایجاد کنند.

علاوه بر این، در محصولات فیزیکی مسئله ایمنی اهمیت زیادی دارد. انتخاب نادرست قطعات الکتریکی، طراحی نامناسب مسیرهای جریان یا نادیده‌گرفتن شرایط حرارتی می‌تواند پیامدهایی فراتر از یک خطای نرم‌افزاری داشته باشد.

به همین دلیل، نقش مهندس فقط واردکردن اطلاعات به نرم‌افزار یا ترسیم قطعات نیست. او باید نیاز واقعی را تشخیص دهد، محدودیت‌ها را بشناسد، خروجی را ارزیابی کند و مسئولیت تصمیم نهایی را بپذیرد.

آینده مهندسی بیشتر به همکاری انسان و هوش مصنوعی شباهت دارد

احتمالاً یکی از تغییرات مهم در سال‌های آینده، جابه‌جایی بخشی از زمان مهندسان از انجام کارهای تکراری به سمت بررسی، ارزیابی و تصمیم‌گیری خواهد بود. در چنین شرایطی، آشنایی با ابزارهای هوش مصنوعی می‌تواند در کنار دانش پایه مهندسی اهمیت بیشتری پیدا کند.

مهندسی که بتواند نیازها را دقیق تعریف کند، خروجی مدل را بررسی کند و از ابزارهای تخصصی برای اعتبارسنجی استفاده کند، ممکن است از این فناوری بهره بیشتری ببرد. در مقابل، اتکا به خروجی مدل بدون بررسی فنی می‌تواند به طراحی‌های ناقص و هزینه‌های بیشتر منجر شود.

بنابراین پروژه OpenAI را بهتر است نشانه‌ای از تغییر ابزارهای مهندسی بدانیم، نه مدرکی برای پایان نقش مهندسان سخت‌افزار.

🚀 پروژه جدید OpenAI چه آینده‌ای برای طراحی سخت‌افزار با هوش مصنوعی ترسیم می‌کند؟

ساخت گجت با هوش مصنوعی GPT-6 Astra تنها بخشی از فعالیت‌هایی است که OpenAI برای گسترش کاربرد مدل‌های خود در دنیای فیزیکی معرفی کرده است. این شرکت در گزارش اخیرش از همکاری با تیم‌های مهندسی صنعتی نیز صحبت می‌کند؛ همکاری‌هایی که نشان می‌دهند هدف فقط طراحی یک دستگاه کوچک نیست.

همکاری با Chip Ganassi Racing برای طراحی قطعات

OpenAI اعلام کرده همکاری خود را با تیم Chip Ganassi Racing گسترش می‌دهد تا استفاده از مدل‌های هوش مصنوعی در مهندسی و نمونه‌سازی را بررسی کند.

یکی از کاربردهای مورد آزمایش، تبدیل اسکن سه‌بعدی قطعات موجود به مدل‌های CAD قابل ویرایش و نقشه‌های دوبعدی تولید است. این روش به‌ویژه زمانی اهمیت دارد که فایل‌های طراحی اصلی یک قطعه در دسترس نباشند.

برای مثال، ممکن است یک تیم مهندسی قطعه‌ای فیزیکی در اختیار داشته باشد، اما نقشه دیجیتال اولیه آن را پیدا نکند. تبدیل اطلاعات اسکن سه‌بعدی به یک مدل قابل ویرایش می‌تواند بخشی از فرایند بازسازی طراحی را ساده‌تر کند.

بااین‌حال، OpenAI تأکید کرده مهندسان Chip Ganassi Racing خروجی مدل‌ها را از نظر دقت و قابلیت تولید بررسی می‌کنند. بنابراین این همکاری نیز بر پایه استفاده از هوش مصنوعی در کنار ارزیابی متخصصان انجام می‌شود.

همکاری با Mazda برای طراحی خودرو

نمونه دیگر، همکاری پژوهشی OpenAI با شرکت خودروسازی Mazda است. دو مجموعه قصد دارند بررسی کنند مدل‌های هوش مصنوعی چگونه می‌توانند در توسعه و ارزیابی طراحی خودرو نقش داشته باشند.

طبق توضیحات OpenAI، این همکاری حوزه‌هایی مانند آیرودینامیک و ایمنی تصادف را در بر می‌گیرد. مدل‌ها می‌توانند در بررسی شکل‌های مختلف بدنه، شبیه‌سازی جریان هوا و ارزیابی رفتار سازه‌ای به مهندسان کمک کنند.

برای مثال، تغییر شکل بخش جلویی خودرو ممکن است روی مقاومت هوا و در نتیجه عملکرد خودرو تأثیر بگذارد. مهندسان می‌توانند چندین طرح را بررسی کنند و با شبیه‌سازی، اثر تغییرات را بسنجند. هوش مصنوعی در چنین فرایندی می‌تواند به تولید گزینه‌های بیشتر و سرعت‌بخشیدن به بررسی آن‌ها کمک کند.

البته شبیه‌سازی به‌تنهایی جای آزمایش‌های فیزیکی و تأییدهای مهندسی را نمی‌گیرد. نتایج باید با معیارهای واقعی و استانداردهای ایمنی سنجیده شوند.

آیا هوش مصنوعی می‌تواند کل چرخه تولید را مدیریت کند؟

چشم‌انداز بلندمدت این فناوری، کمک به بخش‌های بیشتری از چرخه توسعه محصول است؛ از تعریف نیازها و طراحی اولیه گرفته تا شبیه‌سازی، تهیه نقشه‌های تولید و بررسی کیفیت. اما رسیدن به چنین وضعیتی به پیشرفت‌های بیشتری نیاز دارد.

یک سیستم مهندسی هوشمند باید بتواند محدودیت‌های واقعی کارخانه، تفاوت مواد، دسترسی به قطعات، هزینه تولید و الزامات ایمنی را درک کند. همچنین باید در صورت تغییر یک بخش از طراحی، اثر آن را بر سایر بخش‌ها تشخیص دهد.

گزارش OpenAI نشان می‌دهد این شرکت در حال آزمایش چنین قابلیت‌هایی است، اما هنوز از مرحله‌ای که بتوان تمام چرخه تولید را بدون نظارت متخصصان به هوش مصنوعی سپرد فاصله داریم.

❓ سؤالات متداول درباره ساخت گجت با هوش مصنوعی

آیا GPT-6 Astra واقعاً یک دستگاه فیزیکی ساخته است؟

GPT-6 و Astra در طراحی یک دستگاه سخت‌افزاری برای ارتباط با Codex نقش داشتند. دو عضو تیم OpenAI در کمتر از یک هفته طراحی آن را پیش بردند و یک تولیدکننده قراردادی نمونه‌های فیزیکی را ساخت. بنابراین هوش مصنوعی در طراحی دستگاه مشارکت داشت، اما تولید فیزیکی با تجهیزات تولیدکننده انجام شد.

گجت ساخته‌شده توسط OpenAI چه کاربردی دارد؟

این دستگاه یک همراه کوچک برای تعامل با Codex است. دکمه فشاری و نمایشگر کوچک آن به کاربر امکان می‌دهند از طریق یک رابط فیزیکی با عامل کدنویسی تعامل کند و وضعیت کارهای خود را بررسی کند.

ساخت این دستگاه چقدر زمان برد؟

دو عضو تیم OpenAI طراحی دستگاه را در کمتر از یک هفته و به‌عنوان پروژه جانبی انجام دادند. پس از آن، یک تولیدکننده قراردادی در کمتر از یک ماه تعداد محدودی نمونه اولیه ساخت. آماده‌سازی طرح برای تولید نیز به چند مرحله بررسی و اصلاح نیاز داشت.

آیا Astra تمام مراحل طراحی سخت‌افزار را انجام داد؟

طبق گزارش OpenAI، Astra در طراحی ظاهر، محفظه، ساختار داخلی، انتخاب قطعات الکترونیکی، برد PCB، رابط کاربری و نرم‌افزار داخلی نقش داشت. بااین‌حال، آماده‌سازی طرح برای تولید به بررسی و اصلاح نیاز داشت و مدل در برخی محدودیت‌های تولید و جزئیات مونتاژ عملکرد کاملی نداشت.

آیا افراد عادی هم می‌توانند با هوش مصنوعی گجت بسازند؟

ابزارهای هوش مصنوعی می‌توانند در ایده‌پردازی، انتخاب قطعات، طراحی اولیه و برنامه‌نویسی کمک کنند. بااین‌حال، ساخت یک دستگاه واقعی همچنان به دانش فنی، قطعات مناسب، ابزارهای آزمایش و بررسی ایمنی نیاز دارد. استفاده از هوش مصنوعی به‌تنهایی تضمین نمی‌کند که یک طرح قابل ساخت یا ایمن باشد.

آیا گجت OpenAI برای خرید عرضه شده است؟

خیر. در گزارش منتشرشده، این دستگاه به‌عنوان یک نمونه آزمایشی معرفی شده و OpenAI عرضه عمومی یا قیمت آن را اعلام نکرده است. هدف پروژه، آزمایش توانایی مدل Astra در طراحی سخت‌افزار و اتصال آن به Codex بوده است.

تفاوت طراحی گجت با هوش مصنوعی و تولید گجت با هوش مصنوعی چیست؟

طراحی شامل تهیه مدل‌ها، نقشه‌ها، انتخاب قطعات و آماده‌سازی نرم‌افزار است. تولید به ساخت واقعی قطعات، مونتاژ و آزمایش دستگاه نیاز دارد. یک مدل هوش مصنوعی ممکن است در طراحی کمک کند، اما تولید فیزیکی همچنان به تجهیزات، مواد اولیه و فرایندهای صنعتی وابسته است.

🔚 ساخت گجت با هوش مصنوعی؛ یک قدم تازه از دنیای نرم‌افزار به مهندسی فیزیکی

پروژه جدید OpenAI نشان می‌دهد نقش هوش مصنوعی به تولید متن، تصویر و کد محدود نمی‌ماند. در این آزمایش، GPT-6 و Astra به طراحی دستگاهی کمک کردند که بدنه، برد الکترونیکی، رابط کاربری و نرم‌افزار آن باید در کنار یکدیگر کار می‌کردند. دو عضو تیم توانستند طراحی اولیه را در کمتر از یک هفته پیش ببرند و نمونه‌های فیزیکی نیز در کمتر از یک ماه ساخته شدند.

بااین‌حال، بخش مهم خبر فقط سرعت طراحی نیست. مشکلاتی که هنگام آماده‌سازی برای تولید به وجود آمدند، نشان می‌دهند هنوز میان تولید یک طرح دیجیتال و ساخت محصولی که در کارخانه به‌درستی مونتاژ شود فاصله وجود دارد. محدودیت‌های تولید، تلرانس قطعات و جزئیات مونتاژ همچنان به بررسی دقیق نیاز دارند.

به همین دلیل، این پروژه را نباید به‌معنای جایگزینی کامل مهندسان با هوش مصنوعی دانست. اتفاق مهم‌تر این است که مدل‌هایی مانند Astra می‌توانند بخشی از کارهای تخصصی و زمان‌بر را بر عهده بگیرند و به مهندسان فرصت دهند سریع‌تر ایده‌های خود را بررسی و آزمایش کنند.

اگر این قابلیت‌ها در آینده دقیق‌تر و قابل‌اعتمادتر شوند، ساخت گجت با هوش مصنوعی می‌تواند برای تیم‌های کوچک و حتی افرادی که ایده‌های فنی دارند آسان‌تر شود. فعلاً اما پیام اصلی آزمایش OpenAI روشن است: هوش مصنوعی در حال نزدیک‌شدن به دنیای واقعی مهندسی است، ولی برای تبدیل یک طرح هوشمند به محصولی قابل تولید، هنوز به تجربه و قضاوت انسان نیاز داریم.

برای مطالعه مطالب بیشتر درباره هوش مصنوعی، به صفحه هوش مصنوعی مراجعه کنید.

جدیدترین اخبار فناوری را دنبال کنید.

برای مشاهده مطالب بیشتر کلیک کنید…