От идеи до готовой вещи: как ИИ помогает создавать детали, роботов и игрушки

42-летний американец Джефф Дихан, занимающийся девелопментом недвижимости, давно хотел изготовить стальную деталь для крепления кемпера к пикапу. Он объяснил голосом GPT-6 Astra, какая деталь ему нужна и под каким углом её предстоит установить. Через пять минут ИИ подготовил модель. Затем Дихан попросил помощника заказать изготовление в компании SendCutSend. Нейросеть сохранила чертёж в формате DXF, открыла сайт мастерской, заполнила форму и оплатила заказ на $156 с помощью сохранённых платёжных данных. Через десять дней деталь доставили домой. Она подошла без доработок. «Примерно за десять минут я превратил свою идею в настоящую вещь, даже не прикоснувшись к телефону», — рассказал Дихан Business Insider.

Этот подход уже получил название «производство по описанию» — по аналогии с созданием программ через запросы к ИИ. Вместо того чтобы месяцами осваивать системы автоматизированного проектирования (CAD), человек объясняет нейросети, что хочет получить. Та строит цифровую модель, которую можно отправить производителю или напечатать самостоятельно. От идеи до готовой детали теперь иногда достаточно нескольких сообщений.

Инженеры Эми Чжоу и Джейк Фицджеральд разрабатывают инструмент с открытым исходным кодом text-to-CAD, который превращает текстовые описания в инженерные модели. Проект уже получил более 23 000 отметок на GitHub. Чжоу, ранее работавшая над чехлами для iPhone в Apple, использует ИИ для создания украшений, в том числе подвесок по фотографиям домашних животных.

Фицджеральд решил пойти дальше и спроектировал металлическую роботизированную руку с мотором, камерой и рабочим вылетом 0,6 метра. Изготовление в SendCutSend обошлось примерно в $200. Но путь к работающей конструкции оказался дорогим: ещё несколько месяцев назад ИИ допускал ошибки, которые накапливались от одной версии модели к другой. Например, отверстия под винты получались слишком широкими. Повторные заказы деталей стоили Фицджеральду около $2 000. По его словам, с появлением GPT-6 Astra подобных проблем больше не возникает.

20-летний лондонец Суриш Шарма нашёл другое применение технологии. Три года назад он участвовал в исследовании, для которого ему сделали магнитно-резонансную томографию мозга. Полученные данные Шарма попытался превратить в модель для 3D-печати, но прежний инструмент работал неточно: некоторые извилины приходилось исправлять вручную. Теперь GPT-6 Astra справилась с задачей по одному запросу. Шарма напечатал модель собственного мозга в натуральную величину и несколько маленьких копий для друзей. Он считает, что ИИ уже способен полностью заменить традиционное проектирование, хотя это пока его личная оценка.

Особенно удобными для таких экспериментов оказались детские игрушки. У них сравнительно простая конструкция, а некоторые устройства можно сделать так, чтобы ребёнку не приходилось самостоятельно выходить в интернет. Французский IT-специалист Артур Принс всего за неделю разработал игрушку, которая сочиняет истории и создаёт изображения по голосовым запросам детей. По его оценке, без ИИ проектирование заняло бы несколько месяцев.

GPT-6 Astra помогла Принсу продумать всё — от корпуса до внутренней проводки. Затем он попросил Claude проверить решения первого помощника. Когда обе нейросети сошлись на одном варианте, Принс заказал десять экземпляров у китайского производителя JLCPCB примерно за 500 евро. Он опасался, что потратил деньги впустую, но все устройства заработали. Первым испытателем стала его дочь, которой игрушка понравилась.

39-летний американец Дэвид Плакон тоже решил сделать устройство для детей, но с другой целью: чтобы они могли оставлять голосовые сообщения бабушке и дедушке, не пользуясь интернетом самостоятельно. GPT-6 Astra помогла разработать корпус, подобрать динамик, регулятор громкости и микроконтроллер ESP32, а затем объяснила, как всё собрать. Плакон напечатал конструкцию на 3D-принтере около 15 раз, постепенно исправляя детали, которые не подходили друг к другу. В итоге устройство заработало. Он надеется когда-нибудь продавать его, но пока не считает конструкцию готовой для фабрики.

В этом и заключается главное ограничение новой технологии. Создать прототип проще, чем наладить производство. Чем сложнее изделие, тем больше требований к точности размеров, соединениям и совместимости деталей. Ошибки ИИ приходится исправлять, а повторное изготовление стоит денег. Пока такие инструменты особенно полезны энтузиастам и небольшим проектам, где можно экспериментировать с конструкцией. До производства сложных изделий без участия опытных инженеров ещё далеко.