آرشیو

جدیدترین ها







  • 0
  • 607

معرفی نرم افزار PV Elite


فروردین 25 1403







  • 0
  • 413

مهندسین برتر عمران


آبان 28 1402



















  • 0
  • 584

چت GPT در مدیریت انرژی


خرداد 18 1402

  • 0
  • 1067

آینده مهندسی با چت GPT


خرداد 17 1402




  • 0
  • 590

هوش مصنوعی در تولید آلیاژهای آنتروپی بالا

                                  ...


اردیبهشت 25 1402


  • 0
  • 530

استراتژیSTP  در بازاریابی!


اردیبهشت 18 1402


  • 0
  • 675

آشنایی با کارگاه کامپوزیت


اردیبهشت 14 1402









  • 0
  • 559

سیگنال دیجیتال در MATLAB


اسفند 11 1401


  • 0
  • 631

شبکه عصبی در MATLAB


اسفند 08 1401

  • 0
  • 671

متلب و کاربردهای آن


اسفند 07 1401

  • 0
  • 1458

روش های سنتز نانومواد


بهمن 23 1401











  • 0
  • 569

اساس کار چیلرها


مهر 23 1401
























  • 0
  • 986

آیا کارآفرین شدن سخت است؟


اردیبهشت 14 1401





تگ ها

چت GPT در مهندسی مواد تحقیقات را بسیار کارآمدتر می کند!

چت GPT در مهندسی مواد تحقیقات را بسیار کارآمدتر می کند!

چت GPT در مهندسی مواد تحقیقات را بسیار کارآمدتر می کند! چت GPT در مهندسی مواد! چت ربات هوش مصنوعی ChatGPT که توسط OpenAI توسعه یافته است، وعده می دهد که نحوه کار و یادگیری افراد را تغییر دهد. در دانشگاه ویسکانسین-مدیسون، در واقع، مدل زبان بزرگ در حال حاضر چت GPT در مهندسی مواد کمک می‌کند که از قدرت آن برای استخراج سریع و مقرون‌به‌صرفه اطلاعات از ادبیات علمی استفاده می‌کنند. برای چندین سال، Dane Morgan، استاد علوم و مهندسی مواد در UW-Madison، از یادگیری ماشین، نوعی هوش مصنوعی مبتنی بر داده، در آزمایشگاه خود برای ارزیابی و جستجوی انواع جدید مواد با موفقیت بسیار استفاده کرده است. Maciej Polak، دانشمندی که از نزدیک با مورگان کار می کند، کارهای دیگری را که هوش مصنوعی ممکن است به آنها کمک کند، مطرح کرد. پولاک می‌گوید: «هوش مصنوعی می‌تواند به طور فزاینده‌ای به کارهایی که بسیار پیچیده و زمان‌بر هستند کمک کند. "و ما فکر کردیم، "کاری که دانشمندان مواد اغلب انجام می دهند چیست که آرزو می کنیم زمان بیشتری برای آن داشته باشیم؟" یک چیز کلیدی خواندن مقالات برای به دست آوردن داده است. پولاک می‌گوید که دانشمندان مواد اغلب مقاله‌های تحقیقاتی طولانی را دانلود می‌کنند و سپس به جستجوی یک گروه کوچک از اعداد می‌پردازند تا به مجموعه داده‌های خود اضافه کنند اما امروزه با استفاده از چت GPT در مهندسی مواد مهندسین می توانند در وقت خود صرفه جویی کنند. پولاک می‌گوید: «ما فکر می‌کردیم که می‌توانیم همه این وظایف زمان‌بر را روی یک هوش مصنوعی بارگذاری کنیم که بتواند آن مقالات را برای ما بخواند و آن اطلاعات را به ما بدهد.

درخواست از چت GPT در مهندسی مواد:

درخواست از ربات‌های چت، حتی ربات‌های قدرتمندی مانند ChatGPT، برای جستجو و استخراج داده‌ها از متن کامل مقاله، در حال حاضر فراتر از توانایی‌های آنها است. بنابراین پولاک تکنیک را اصلاح کرد و از ربات‌ها خواست جمله به جمله مرور کنند و تصمیم بگیرند که آیا هر کدام حاوی داده‌های مرتبط هستند یا نه - وظیفه‌ای که مقاله را به یک یا دو جمله کلیدی تبدیل کرد. سپس از ربات خواست تا اطلاعات را در قالب جدول ارائه دهد، در این مرحله یک محقق انسانی می تواند به جدول و جملات نگاه کند تا از صحت و مرتبط بودن آنها مطمئن شود. روش آنها دقتی در حدود 90 درصد به دست آورد و به محققان اجازه داد تا داده ها را از مجموعه ای از مقالات استخراج کنند تا یک پایگاه داده در مورد نرخ های خنک کننده بحرانی شیشه های فلزی با استفاده از چت GPT در مهندسی مواد ایجاد کنند. در فوریه 2023، پولاک، مورگان و همکاران مقاله ای در مورد این تکنیک در سرور پیش چاپ arXiv ارسال کردند. در حالی که این روش حجم کار خواندن کاغذ توسط محققان را با استفاده از چت GPT در مهندسی مواد تا حدود 99 درصد کاهش داد، پولاک علاقه مند بود که آن را حتی بیشتر بهبود بخشد. او می‌گوید: «من همان کسی بودم که هنوز آخرین مرحله دستی را انجام می‌دادم - دقت جداول را بررسی می‌کردم. بنابراین می‌خواستم راهی برای خودکارسازی کامل این فرآیند پیدا کنم.»

جهت آشنایی بیشتر با تاثیر چت GPT بر مهندسی عمران  مقاله " Chat GPT در مهندسی عمران" را بخوانید. 

برای رسیدن به آن نقطه، تیم درگیر مهندسی «سریع» شد و سؤالات و ترتیب دقیقی را که باعث می‌شد ربات استخراج کند و سپس اطلاعات مورد نظرشان را دوباره بررسی کند، پیدا کردند. آنها رویکرد اولیه خود را اعمال کردند، اما پس از اینکه هوش مصنوعی جدول داده ها را استخراج کرد، از آن یک سری سؤالات پرسیدند تا احتمال اشتباه بودن داده ها را معرفی کنند. این امر هوش مصنوعی یا به عبارتی دیگر چت GPT در مهندسی مواد را مجبور به ایستادگی، بررسی مجدد داده‌ها و پرچم‌گذاری اشتباهات کرد. در اکثریت قریب به اتفاق موارد، هوش مصنوعی قادر به شناسایی اطلاعات معیوب بود. «این مهمترین چیز است؛ پولاک می‌گوید، می‌تواند اعتراف کند که اشتباه کرده است. "شاید نداند چگونه آن را برطرف کند، اما حداقل ما اطلاعات واقعی نادرستی دریافت نمی کنیم."

چت gpt در مهندسی مواد

چت GPT در مهندسی مواد!

این تیم در مارس 2023 مقاله جداگانه ای در مورد این تکرار تکنیک در arXiv منتشر کرد. مورگان می گوید این نوع مهندسی سریع با چت GPT در مهندسی مواد و دیگر مدل های زبان بزرگ در ابتدا غیرعادی به نظر می رسد. «این برنامه‌نویسی به معنای سنتی نیست. روش تعامل با این ربات ها از طریق زبان است. او می‌گوید: «از برنامه برای استخراج داده‌ها و سپس درخواست از آن برای بررسی اینکه آیا مطمئن است با جملات عادی، به نحوه آموزش دادن به فرزندانم برای دریافت پاسخ‌های صحیح نزدیک‌تر است تا اینکه من معمولاً رایانه‌ها را آموزش می‌دهم.» «این روشی متفاوت است که از رایانه بخواهید کارها را انجام دهد. این واقعاً طرز فکر شما را در مورد کارهایی که رایانه شما می تواند انجام دهد تغییر می دهد.

تاثیر چت GPT بر مدیریت انرژی را در مقاله " چت GPT در مدیریت انرژی" را بخوانید. 

Maciej می گوید: درک این نکته مهم است که این به تلاش زیاد یا دانش عمیق نیاز ندارد. «پیش از این، مردم برای انجام چنین کاری مجبور بودند صدها خط کد بنویسند، و نتایج اغلب عالی نبود. اکنون با ابزارهایی مانند چت GPT در مهندسی مواد این پیشرفت عظیم را همچنین در سایر مباحث علمی داریم. مورگان سریعاً متذکر شد که ادغام هوش مصنوعی جایگزین دانشجویان فارغ التحصیل و دانشمندان به عنوان محقق نیست. در عوض، این ابزارها به محققان اجازه می‌دهد پروژه‌هایی را دنبال کنند که قبلاً زمان، پول و نیروی انسانی برای انجام آن نداشتند. او می‌گوید: «من فکر می‌کنم این ابزارها روش تحقیق ما را تغییر می‌دهند، مشابه اینکه گوگل چگونه روش تحقیق ما را تغییر داد. «امروزه ما معمولاً با استفاده از گوگل و سایر ابزارهای جستجو برای کمک به یافتن مقالات و منابع مرتبط، یک زمینه را کاوش می کنیم و سپس آن مقالات و منابع را برای استخراج اطلاعات و داده ها می خوانیم. اکنون می‌توانید برای جمع‌آوری اطلاعات پیرامون یک موضوع به یکی از این مدل‌های زبانی بزرگ بروید و با استفاده از تکنیک‌هایی مانند آنچه که ما توسعه داده‌ایم، ظرف چند ساعت یک پایگاه داده برای بررسی بسازید. شما می توانید اطلاعاتی را به دست آورید که قبلاً چندین روز کار می کردید و ممکن بود سرعت شما را کاهش دهد یا حتی از پیگیری برخی مسیرهای تحقیقاتی جلوگیری کند. مورگان استاد هاروی دی اسپنگلر در علم و مهندسی مواد است. Maciej Polak یک دانشمند محقق در علم و مهندسی مواد است.

نویسنده: مصطفی عینعلی، کارشناس دپارتمان مواد و متالورژی گروه آموزشی پارس پژوهان
 

 

 


 

 

اشتراک گذاری

نظرات (0)

  نظرات

هیچ نظری ثبت نشده است.