随着 和 Dall-E 等资源的出现，人工智能 (AI) 成为广泛讨论的话题。但多年来，人工智能一直在帮助增材制造，以至于这些应用似乎变得无处不在。Stephanie 和我讨论了人工智能和增材制造之间的联系，包括我们今天所看到的以及我们期望在未来看到的联系。人工智能和增材制造的共同点是无摩擦——就提供指导而言，正如 所展示的那样，以及在无需硬工具的情况下轻松开始生产，而 3D 打印使之成为可能。随着这两种先进技术日益融合，我们将看到什么？ 增材制造如何借助人工智能取得进展？人工智能将对设计的未来产生什么影响？ChatGPT 写了这个播客吗？在 AM Radio 上了解详情。本期 AM Radio 由 Formnext Forum Austin 为您带来，这是 Formnext 系列活动在美国举办的首期。更多信息请访问 formnextforum.com增材制造中的人工智能增材制造可以从人工智能中获益的方式：零件选择。人工智能可以分析大量零件文件目录，并快速确定哪些适合增材制造。
本集中提到
设计。以生成设计形式出现的人工智能已经创建了几何图形；与大型语言模型配对的设计程序可以支持更快、更简单的 CAD。自动构建设置。人工智能可用于快速切片、支撑和/或嵌套 3D 打印机构建包内的组件。过程控制。人工智能可以从监控系统获取数据并调整 3D 打印机参数以修复空隙、纠正缺陷并使生产保持正常进行。分布式制造。
阿曼数据库是一个存储有关该国移动和固定电话用户电话号码 阿曼电话号码数据 信息的数据库。像阿曼这样的电信业发展迅速的国家，电话号码数据是公司使用的免费固定电话服务，主要用于验证用户的身份。
支持人工智能的增材制造可以自动批量工作，根据成本、交货时间和距离等各种因素将作业发送到最佳工厂。绝对是。我认为，随着 ChatGPT 变得如此容易使用，每个人都在考虑这个问题。你和我都尝试过它。现在每个人都在考虑人工智能。然而，感觉你和我在 Additive Manufacturing Media 上已经考虑过 AI 和 AM 的结合很长时间了。是的，我们已经研究这个问题很长时间了，增材制造、人工智能，它们是相互关联的，它们是相辅相成的。这是一个很难报道的话题，因为它是看不见的。它的机制是看不见的。很难看到它发生。但是增材制造、数字制造过程和人工智能，对数字信息的更大掌握，一个流入另一个。
脚本
我们多年来一直在研究这个问题，我们杂志的第一期机器学习主题是我想是五年前。哇，已经有一段时间了。所以你在那里提到了机器学习。据我所知，机器学习是人工智能的一个子集。我想快速谈谈它们的区别。是的，我会尽我所能，用机器学习来尝试。我认为机器学习是一种编程，它非常善于接受拒绝和失败。从大量的失败中建立关联来学习。大量的拒绝。令人惊讶的是，作为人类，我敢打赌，这是阻碍我们前进的最大障碍之一，我们被拒绝的次数有限。就像我们举手投降，“好吧，我在这里什么也学不到。”机器学习是通过快速尝试每一种可能性来找到需要理解的东西，并寻找什么能与什么相结合。人工智能包括机器学习。我发现我们越来越少谈论机器学习，越来越多地谈论人工智能，因为人工智能带来的是更多面向人类的部分，不仅仅是找到关联，还进一步将其与人类要求的东西联系起来，以及他们要求提供这些发现的方式。是的，你提到了 ChatGPT。所以，现在这是一个非常公开、广泛的例子。面向人类的机器学习尽可能地提供其相关性。
增材制造中的人工智能
是的。需要明确的是，ChatGPT 没有编写这个播客，实 橄榄球头盔采用 3D 打印格子 际上我们没有编写脚本。所以，无论如何，实际上并没有很好的方法来做到这一点。但是，我认为这是对机器学习是什么、人工智能是什么、如何在上下文中思考它的一个相当公平的评估，我们不会花很多时间，你知道，深入讨论这是机器学习还是人工智能以及界限在哪里，但只是在开始时就把它列出来，我认为这是一个很好的起点。所以我认为我看到的是你提到的第一个问题的转变，比如五年前，当我们第一次开始谈论人工智能和增材制造的潜在应用时。以及我们最近谈论它的方式。我的意思是，在增材制造的早期，存在所有这些不同的变量。我的意思是，仍然存在所有这些不同的变量。但我觉得围绕人工智能和使用这些数据所做的努力更加细致。就好像如果你要应用这些工具，你需要知道此刻构建的每一个细节，你需要知道激光功率、光斑大小、图案填充图案等所有这些不同的东西，并把所有这些都考虑进去，而人工智能在过去几年里已经让增材制造超越了这种思维方式。
斯蒂芬妮·亨德里克森
所以你感觉到的这种转变很有趣。让我们来谈谈这 单位电话号码的完整列表 种转变的前后情况。我们最早接触人工智能、机器学习，看看它是如何应用于增材制造的。激光粉末床熔合，以及所有这些不同的工艺参数，以及由不同参数组合产生的构建结果。机器学习正在被应用，试图理清所有这些问题，以避免反复试验，至少通过机器学习装备系统，了解某些工艺参数的结果会是什么。在某种程度上，这种情况仍在继续。我想起了你最近对 Nnaisense 的报道，Stephanie。是的，这是一个很好的例子，正好说明了我在这里想到的。Nnaisense 是一家瑞士公司。它的拼写是 N-N-A-I-S-E-N-S-E。他们开发了一种人工智能，用于预测激光粉末床融合构建将如何发挥作用。所以他们与 EOS 合作，创建了这个 是的，我认为已经有一些迹象表明这可能会如何发展。OpenAI，ChatGPT 背后的力量，正在开发另一个名为 Point-E 的工具，
斯蒂芬妮·亨德里克森
用于生成 3D 模型。因此，您可以从 2D 图像开始，也可以从对话文本开始，例如用文字描述该表格。它会尝试根据您提供的信息创建点云。我见过几个这样的例子。我认为它还没有公开。但你可以找到一些图像和东西，我们会链接到一篇关于这个的文章。有时它的效果有点奇怪。有时效果很好。他们正在开发一个额外的 AI 工具，可以获取这些点云并将其转换为网格，这使我们非常接近能够将它们用作实际模型并 3D 打印它们。我认为他们更多地考虑的是 VR、虚拟现实和视频游戏类型的设计环境，但如果你已经在三维空间中思考，那么想想最终如何得到一个 3D 打印物体就不是什么难事了。还有其他几家公司，如 Nvidia 和 Google，也在开发可以做这些事情的不同工具。我认为目前它们还很笨重，但为未来如何实现这些奠定了基础。
