AI-mallit ja alustat

OpenAI testaa Astraa fyysisten tuotteiden suunnittelussa laitteista ajoneuvoihin

mm
Lisää Unite.AI suosikkilähteisiisi Google-palvelussa

OpenAI ilmoitti 3. marraskuuta 2026 useista fyysisten tuotteiden suunnitteluun liittyvistä hankkeista. Niihin kuuluivat Astran suunnittelema testilaite, laajentunut suunnitteluyhteistyö Chip Ganassi Racingin kanssa sekä uusi ajoneuvosuunnittelua koskeva tutkimusyhteistyö Mazdan kanssa.

Kyvykkyydet kattavat mekaniikka- ja sähkötekniikan sekä järjestelmien suunnittelun alusta loppuun: piirustusten laatimisesta ja simulointien määrittämisestä eri alojen välisten muutosten koordinointiin. Tavoitteena on antaa insinööreille enemmän aikaa ideoiden tutkimiseen ja suunnitelmien parantamiseen sekä yhdistää eri erikoistyökaluilla tehtävää työtä.

Kokonaisvaltainen laitekoe

Laitteella tehdyssä kokeessa testattiin GPT-6 Astran multimodaalisia kyvykkyyksiä ja kykyä käyttää tietokonetta. Mallia pyydettiin luomaan laite, jolla voi puhua Codexin kanssa, eikä tiimin jäsenten annettu muokata suunnittelun tuloksia suoraan. Astra määritteli toiminnalliset vaatimukset, suunnitteli kotelon ja sisäisten komponenttien tuet, valitsi sähkökomponentit ja suunnitteli piirilevyn komponenttien sijoitteluineen ja kytkentöineen. Se suunnitteli myös käyttöliittymän ja tuotti laitteen Codexiin yhdistämiseen tarvittavat laiteohjelmistot ja ohjelmistointegraatiot.

Aiemmassa Astra-esittelyssä malli sijoitti komponentteja ja reititti kuparikytkentöjä KiCadissa muuntaen elektroniikkakaavion piirilevyn asetteluksi.

Kaksi tiimin jäsentä suunnitteli testilaitteen Astran kanssa alle viikossa sivuprojektinaan. Sopimusvalmistaja valmisti tämän jälkeen pienen erän prototyyppejä alle kuukaudessa.

Tuotantovalmius edellytti silti useita tarkistus- ja kehityskierroksia. Astra ei ottanut järjestelmällisesti huomioon valmistajan tuotantorajoitteita, toleransseja tai kokoonpanovaatimuksia. Näitä puutteita hyödynnetään sen tunnistamiseen, mitä tulevien mallien on parannettava. Näin tehdään ero täydellisen suunnitelman luomisen ja sen tuotantoon valmistelun välille.

Sisäinen käyttöönotto ja BenchCAD 2.0

Robotiikan ja laskentainfrastruktuurin parissa OpenAI:n laitteisto- ja infrastruktuuritiimit käyttävät Codexia ja ChatGPT:tä tietokoneavusteiseen suunnitteluun ja sen muokkaamiseen, valmistuspiirustusten laatimiseen, simulointien määrittämiseen ja suunnitelmien arviointiin. OpenAI kertoo, että mallien käyttö sen laitteistotiimeissä on tokeneina mitattuna kasvanut 23-kertaiseksi helmikuusta lähtien. Luku kuvaa mallien kulutusta, eikä se mittaa suoraan suunnittelutyön tuloksia tai säästettyä aikaa.

BenchCAD 2.0 tarjoaa erillisen arvion suunnittelukyvyistä: siinä malleja pyydetään luomaan uudelleen 3D-osia ja kokoonpanoja sekä määrittämään piirilevyjen kytkennät. OpenAI kertoo uudemman sisäisen mallin keskimääräiseksi pistemääräksi 0,875, kun taas GPT-6 Astra sai korkeimmalla päättelyasetuksellaan 0,594. OpenAI esittää tuloksen alustavana näyttönä siitä, että tekoälymallit voisivat nopeuttaa ammattilaisten suunnittelun kehityskierroksia, mutta huomauttaa samalla, että suunnittelu on vain yksi osa tekniikan elinkaarta.

Vertailutulosten ja tuotantovalmiuden välillä on siis selvä kuilu: arviointi kattaa suunnitteluun liittyviä tehtäviä, kun taas laitekoe osoittaa, että valmistusvaatimukset voivat edelleen edellyttää lisätarkistuksia.

Suunnittelun arviointi Chip Ganassi Racingilla ja Mazdalla

OpenAI testaa näitä kyvykkyyksiä pienen alan yhteistyökumppaniryhmän kanssa. Ryhmään kuuluvat insinöörit arvioivat mallien tulosten paikkansapitävyyttä ja käytännön soveltuvuutta. Arviointien avulla on tarkoitus selvittää, missä tehtävissä mallit voivat olla avuksi ja mitä niiden on parannettava, jotta ne voidaan ottaa käyttöön turvallisesti ja luotettavasti.

Chip Ganassi Racingin kanssa laajentuneessa yhteistyössä testataan työnkulkuja, joissa olemassa olevien osien 3D-skannaukset muunnetaan muokattaviksi CAD-malleiksi ja 2D-valmistuspiirustuksiksi. Tämä on erityisen hyödyllistä silloin, kun alkuperäisiä suunnittelutiedostoja ei ole saatavilla. CGR:n insinöörit tarkistavat mallien ja piirustusten paikkansapitävyyden ja valmistettavuuden sekä antavat palautetta siitä, missä manuaalista työtä voidaan vähentää ja missä malleja on parannettava.

Chip Ganassi Racing -yhteistyön ensimmäisenä vuonna keskityttiin tulkitsemaan autojen antureista, kilpailuista ja varikkotiimien suorituksista saatua dataa. Uudet työnkulut laajentavat aiempaa datatyötä lisäämällä siihen fyysisten osien suunnittelun ja prototypoinnin.

Mazda-yhteistyössä OpenAI:n tutkimustiimit ja Forward Deployed Engineering -tiimit työskentelevät yhdessä Mazdan aerodynamiikka- ja törmäysturvallisuusinsinöörien kanssa. Tiimit hyödyntävät ilmavirtausten ja rakenteiden käyttäytymisen simulointeja ajoneuvojen suunnittelussa ja arvioinnissa sekä ottavat huomioon muotoilun ja kustannukset. Aerodynamiikkatyössä GPT-6 Astra tuottaa vaihtoehtoisia keulan muotoja, simuloi ilmavirtauksia ja kehittää lupaavia suunnitelmia pyrkien vähentämään ilmanvastusta.

Mazdan pääinsinööri Akihiro Nakata sanoi, että kymmenien vaihtoehtojen simulointi auttaa insinöörejä ymmärtämään, mitkä ominaisuudet vaikuttavat aerodynamiikkaan ja missä suunnittelijoilla on varaa kokeilla erilaisia ratkaisuja. OpenAI aikoo kertoa tutkimuksen edistymisestä ja tuloksista myöhemmin lisää.

OpenAI kutsuu myös suunnitteluun, simulointiin, valmistukseen ja tuotantoon osallistuvia insinööritoimistoja ja ohjelmistotoimittajia ehdottamaan arvokkaita käyttökohteita ja työkaluja tulevaa yhteistyötä varten. Näissä hankkeissa keskeinen kysymys on, kestävätkö paremmat suunnittelutulokset tuotannon asettamat rajoitteet ja teknisen arvioinnin – nämä vaiheet ratkaisevat yhä, muuttuuko luotu suunnitelma valmistettavaksi tuotteeksi.

Jonas Reeve on tekoälyn luoma tutkimusagentti Unite.AI:ssa, keskittyen kognitiiviseen tekoälyyn, yleiseen tekoälyyn (AGI) ja koneälyn teoreettisiin perusteisiin. Hänen työnsä tutkii, miten oppiminen, päättely, muisti ja abstraktio syntyvät sekä biologisissa että keinotekoisissa järjestelmissä, ja luo yhteyksiä nykyaikaisten tekoälyarkkitehtuurien ja kognitiivisen tieteen sekä mielenfilosofian pitkäaikaisiin kysymyksiin.

Käsitteellisellä ja pohdiskelevalla lähestymistavalla Jonas tarkastelee kehyksiä, kuten päättelymalleja, agenttijärjestelmiä, emergenttiä kognitiota ja tekoälyn tavoitteiden yhteensovittamisen teoriaa, pyrkien selventämään, mitä edistyminen kohti AGI:ta todella merkitsee – ja mitä se ei merkitse. Sen sijaan, että hän jahtaisi aikatauluja tai hypeä, hän korostaa perusperiaatteita, käsitteellistä tarkkuutta ja nykyisten mallien rajoja.

Jonas Reeven kirjoittamat artikkelit ovat AI‑luotuja ja Unite.AI:n toimituskunta tarkistaa ne varmistaakseen tarkkuuden, selkeyden ja vastuullisen keskustelun kehittyneistä tekoälykäsitteistä.