MIT’s bekende cursus 2.155/156 (AI en Machine Learning for Engineering Design) bewijst opnieuw waarom het zo populair is. Studenten uit uiteenlopende disciplines – van werktuigbouwkunde tot lucht- en ruimtevaart, van management tot informatica – gebruiken machine learning en AI om echte ontwerpproblemen op te lossen. Van fietsframes tot stadsontwerpen, in competitieverband bedienen zij zich van AI-strategieën om precisie en snelheid in ontwerp te vergroten.
AI and machine learning for engineering designIn MIT course 2.155/156 (AI and Machine Learning for Engineering Design), students use tools and techniques from artificial intelligence and machine learning for mechanical engineering design, focusing on the creation of new products and addressing engineering design challenges. |
Efficiëntie, lagere kosten en voorspellend onderhoud
Volgens instructor Faez Ahmed levert AI optimalisatie de klassieke werktuigbouwkunde – hamer, robot, kraan – een stevige upgrade. Snellere simulaties, betere efficiëntie en minder ontwikkelingskosten dankzij geautomatiseerde processen: daar zit het nutsaspect van AI volgens hem. En dat draagt ook bij aan betrouwbaarder onderhoud en hogere productkwaliteit.
“Ingenieurs: omarm AI, in plaats van het te mijden”
Volgens EE World Online roept Kyle Dumont van Allspice.io op tot een mentality shift onder ingenieurs: zie AI niet als een bedreiging, maar als een instrument dat – met wat inzet – kan helpen betere ontwerpkeuzes te maken.
En dat roept een andere vraag op…
Is AI wel altijd de oplossing? In een opiniestuk op Yorkshire Bylines peilt Philip O’Brien de vraag: móet iedereen AI gebruiken? Hij benadrukt dat generatieve AI elegante en aantrekkelijke resultaten biedt, maar dat elk gebruik verborgen kosten met zich meebrengt – in energie, in mensen, in privacy. Hij nodigt uit tot discussie over de échte prijs van AI.
