Bukan Lagi Kotak Hitam! MIT Rilis Copilot AI Desain Struktur Super Kuat
Riset terbaru MIT hadirkan asisten AI yang melibatkan insinyur manusia secara langsung, mendongkrak ketahanan struktur hingga 39 persen hanya dalam hitungan detik.
Foto: TechXplore (Dokumentasi editorial)
Poin penting
- MIT mengembangkan asisten AI interaktif untuk mengarahkan algoritma optimasi struktur secara real-time.
- Kolaborasi manusia-AI ini meningkatkan ketahanan tekuk struktur hingga 39 persen dalam pengujian.
- Waktu desain hanya bertambah 15 detik dibandingkan proses algoritmik otomatis penuh tanpa intervensi.
Merancang komponen presisi untuk pesawat terbang atau sasis kendaraan sering kali menuntut komputasi berat yang memakan waktu berjam-jam. Masalah terbesarnya, hasil rancangan berbasis algoritma kerap mustahil diproduksi di pabrik nyata karena bentuknya yang terlalu rumit.
Kini, para peneliti dari Massachusetts Institute of Technology (MIT) berhasil memecahkan kendala tersebut. Sebagaimana dilaporkan TechXplore, tim MIT meluncurkan sistem asisten cerdas atau AI copilot yang memungkinkan insinyur membimbing algoritma desain secara langsung selagi proses kalkulasi berjalan.
Kolaborasi Manusia dan Algoritma secara Real-Time
Sistem ini menyasar teknik optimasi topologi, yakni metode matematis untuk menyusun material di dalam ruang rancang secara paling efisien. Selama ini, metode tersebut bekerja layaknya kotak hitam karena insinyur baru bisa melihat hasil akhir setelah seluruh kalkulasi tuntas.
Dalam studi yang terbit di jurnal Communications Engineering, asisten AI ini memakai pembelajaran mesin untuk mendeteksi area kritis yang berpotensi ingin diubah oleh manusia. Model ini dilatih menggunakan ribuan data sintetis berisi kriteria estetika, performa, dan kemudahan produksi fisik.
Gagasannya adalah memanfaatkan kecerdasan para desainer dan meminta mereka memasukkan pengetahuan bidangnya seiring desain berkembang.
Ungkapan tersebut ditegaskan oleh Josephine Carstensen, profesor madya teknik sipil dan lingkungan di MIT. Dalam uji coba tim riset, pendekatan kolaboratif ini mampu mendongkrak ketahanan tekuk atau linear buckling load hingga 39 persen, dengan tambahan waktu komputasi hanya sekitar 15 detik.
Penulis utama riset, Dat Ha, menjelaskan bahwa insinyur saat ini dapat menebalkan atau menipiskan area tertentu sesuai kebutuhan pabrik. Opsi modifikasi lanjutan pun direncanakan hadir pada versi pengembangan berikutnya.
Apa Artinya bagi Pelaku Usaha
Terobosan ini membuka peluang efisiensi besar bagi pelaku industri manufaktur, konstruksi, dan otomotif. Integrasi manusia di tengah siklus algoritma memangkas risiko revisi total yang biasanya membuang waktu teknis dan biaya operasional berulang.
Bagi manajemen, langkah awal yang tepat adalah mengevaluasi alur kerja divisi riset dan pengembangan (R&D). Mulailah menguji peranti lunak desain yang menyediakan fitur kolaboratif terbuka, bukan sistem otomatis tertutup yang kaku.
Pendekatan ini membuktikan bahwa adopsi AI paling aman tidak menggantikan peran pakar manusia, melainkan memperkuat pertimbangan teknis mereka. Sinergi ini memastikan rancangan struktur yang dihasilkan tetap hemat material sekaligus realistis untuk dirakit di lini produksi.
✓ Lolos pemeriksaan redaksi AI. (Klik untuk lihat hasil pemeriksaan fakta)
Artikel ini ditulis AI, 8 klaimnya dicocokkan dengan sumber, dan diuji keterbacaannya sebelum terbit. Menemukan kekeliruan? Laporkan ke redaksi.
- TechXplore: New AI 'copilot' lets engineers guide structural designs as algorithms create them
| Klaim | Putusan | Dasar di sumber |
|---|---|---|
| MIT mengembangkan asisten AI interaktif (copilot) yang memungkinkan insinyur mengarahkan algoritma optimasi struktur secara langsung saat proses pembuatan struktur berjalan. | Didukung | “MIT researchers are making algorithmic designs more collaborative with a system that acts like an AI copilot. As the algorithm is generating the structure, it presents regions to the human designer for feedback.” TechXplore melaporkan pengembangan sistem AI copilot oleh tim peneliti MIT. |
| Pendekatan kolaboratif manusia-AI ini meningkatkan ketahanan tekuk linier (linear buckling load) hingga 39 persen dalam pengujian. | Didukung | “the researchers showed their human-in-the-loop approach improved manufacturability and linear buckling load by 39%” TechXplore mencantumkan hasil demonstrasi yang meningkatkan linear buckling load sebesar 39%. |
| Waktu desain hanya bertambah sekitar 15 detik dibandingkan metode berbasis algoritma murni tanpa intervensi manusia. | Didukung | “while adding only 15 seconds to the total design time compared to all-algorithmic approaches.” TechXplore mencatat penambahan waktu total desain hanya 15 detik. |
| Hasil riset ini dipublikasikan dalam makalah ilmiah di jurnal Communications Engineering. | Didukung | “In an open-access Communications Engineering paper describing the system” TechXplore mengonfirmasi publikasi pada jurnal Communications Engineering. |
| Model pembelajaran mesin dilatih menggunakan ribuan data sintetis berisi umpan balik manusia terkait estetika, kriteria performa, dan kemudahan manufaktur. | Didukung | “the researchers created a synthetic data set of probable human feedback to thousands of designs that critiqued things like aesthetics, performance criteria and manufacturability.” TechXplore menjelaskan metode pelatihan model menggunakan synthetic dataset. |
| Josephine Carstensen menyatakan gagasannya adalah memanfaatkan kecerdasan para desainer dan meminta mereka memasukkan pengetahuan bidangnya seiring desain berkembang. | Didukung | “"The idea is to tap into the brains of the designers and get them to infuse their domain knowledge as the design evolves," Carstensen says.” TechXplore mengutip pernyataan Josephine Carstensen. |
| Josephine Carstensen merupakan profesor madya teknik sipil dan lingkungan di MIT. | Didukung | “senior author Josephine Carstensen, MIT associate professor of civil and environmental engineering.” TechXplore mencantumkan jabatan Carstensen di MIT. |
| Saat ini sistem hanya memungkinkan pengguna untuk menebalkan atau menipiskan struktur pada area yang teridentifikasi, dengan opsi lain direncanakan untuk versi mendatang. | Didukung | “Right now, the approach only allows users to make structures within identified regions thicker or thinner, but they hope to add other options for modification in future versions.” TechXplore merinci kemampuan saat ini dan rencana fitur modifikasi masa depan. |
Video AI terbaru
Autonomous Vehicle Safety: 5 Things to Know
