งานวิจัยใหม่สอน AI แปลงภาพ 2 มิติเป็นแบบ CAD 3 มิติได้มีประสิทธิภาพขึ้น

งานวิจัยชิ้นใหม่เสนอวิธีฝึก AI ให้สร้างโปรแกรม CAD 3 มิติจากภาพ 2 มิติได้ดีขึ้น ซึ่งอาจช่วยให้นักออกแบบผลิตภัณฑ์และวิศวกรสร้างต้นแบบสามมิติได้เร็วและง่ายกว่าเดิม โดยประเด็นสำคัญของงานนี้อยู่ที่การลดภาระการประมวลผลตอนอนุมาน และทำให้กระบวนการฝึกโมเดลมีประสิทธิภาพมากกว่าวิธี fine-tuning แบบมีผู้สอนทั่วไปอย่างมีนัยสำคัญ

ผู้วิจัยอธิบายว่าโจทย์หลักของการแปลงภาพเป็นโค้ด CAD คือการเชื่อมโลกของรูปทรงเรขาคณิตจากภาพเข้ากับโครงสร้างเชิงสัญลักษณ์ของโปรแกรม ซึ่งวิธีฝึกแบบเดิมมักติดข้อจำกัดทั้งเรื่องชุดข้อมูลที่มีไม่พอและต้นทุนการสร้าง pipeline หลังการฝึกที่สูง จึงทำให้ระบบที่ได้ยังเปราะบางและขยายผลได้ยาก

แนวทางใหม่ใช้ชื่อว่า Geometric Inference Feedback Tuning หรือ GIFT โดยให้โมเดลลองสร้างผลลัพธ์หลายครั้ง จากนั้นนำคำตอบที่ใกล้เคียงแต่ยังไม่ถูกต้องมาปรับให้กลายเป็นตัวอย่างฝึกที่ดีขึ้น เท่ากับว่า AI สร้างข้อมูลฝึกของตัวเองขึ้นมาโดยอาศัยข้อผิดพลาดของตัวเองเป็นวัตถุดิบ แทนที่จะรอข้อมูลที่มนุษย์เตรียมไว้เพิ่มเติม

ผลที่รายงานในงานวิจัยระบุว่า วิธีนี้สามารถให้ประสิทธิภาพระดับใกล้เคียงกับ SFT ที่ใช้การคัดกรองซ้ำจำนวนมาก แต่ลดการใช้ compute ฝั่ง inference ลงได้ราว 80% ทำให้เป็นแนวทางที่คุ้มค่ากว่าเมื่อเทียบกับกระบวนการฝึกแบบเดิม โดยเฉพาะในงานที่ต้องการทดลองและปรับปรุงโมเดล CAD อย่างต่อเนื่อง

ฝั่งผู้วิจัยมองว่านี่เป็นก้าวสำคัญที่จะทำให้เครื่องมือออกแบบด้วย AI มีความน่าเชื่อถือและใช้งานจริงได้มากขึ้นในงานวิศวกรรมประจำวัน เพราะสามารถพัฒนาโมเดลจากความผิดพลาดของมันเองได้ โดยไม่ต้องพึ่งข้อมูลจากมนุษย์จำนวนมหาศาลเหมือนเดิม แม้บทความต้นทางจะเล่นมุกเชิงกังวลว่าความก้าวหน้านี้อาจเป็นอีกขั้นของ “หุ่นยนต์สร้างตัวเอง” แต่ในเชิงใช้งานจริง งานนี้สะท้อนความพยายามลดต้นทุนและเพิ่มคุณภาพให้การสร้างแบบ 3 มิติด้วย AI มากกว่าเป็นภาพอนาคตแบบไซไฟ