Pengoptimalan kecerdasan buatan menawarkan sejumlah manfaat bagi insinyur mesin, termasuk desain dan simulasi yang lebih cepat dan akurat, peningkatan efisiensi, pengurangan biaya pengembangan melalui otomatisasi proses, dan peningkatan pemeliharaan prediktif dan kontrol kualitas.
“Ketika orang berpikir tentang teknik mesin, mereka memikirkan tentang peralatan mekanis dasar seperti palu dan… perangkat keras seperti mobil, robot, derek, namun teknik mesin itu sangat luas,” kata Faez Ahmed, Ketua Doherty di Ocean Utilization dan profesor teknik mesin di MIT. “Dalam bidang teknik mesin, pembelajaran mesin, AI, dan pengoptimalan memainkan peran besar.”
Dalam kursus Ahmed, 2.155/156 (AI dan Pembelajaran Mesin untuk Desain Teknik), siswa menggunakan alat dan teknik dari kecerdasan buatan dan pembelajaran mesin untuk desain teknik mesin, dengan fokus pada penciptaan produk baru dan mengatasi tantangan desain teknik.
Cat Trees to Motion Capture: AI dan ML untuk Desain Teknik
Video: Departemen Teknik Mesin MIT
“Ada banyak alasan bagi insinyur mesin untuk memikirkan pembelajaran mesin dan AI untuk mempercepat proses desain,” kata Lyle Regenwetter, asisten pengajar untuk kursus tersebut dan kandidat PhD di Ahmed’s Design Computation and Digital Engineering Lab (DeCoDE), di mana penelitian berfokus pada pengembangan metode pembelajaran mesin dan pengoptimalan baru untuk mempelajari masalah desain teknik yang kompleks.
Pertama kali ditawarkan pada tahun 2021, kelas ini dengan cepat menjadi salah satu penawaran non-inti Departemen Teknik Mesin (MechE) yang paling populer, menarik mahasiswa dari departemen di seluruh Institut, termasuk teknik mesin dan sipil dan lingkungan, aeronautika dan astronotika, MIT Sloan School of Management, dan ilmu nuklir dan komputer, serta mahasiswa terdaftar silang dari Universitas Harvard dan sekolah lainnya.
Kursus ini, yang terbuka untuk mahasiswa sarjana dan pascasarjana, berfokus pada penerapan pembelajaran mesin tingkat lanjut dan strategi pengoptimalan dalam konteks masalah desain mekanik dunia nyata. Dari merancang rangka sepeda hingga jaringan kota, siswa berpartisipasi dalam kontes terkait AI untuk sistem fisik dan mengatasi tantangan pengoptimalan di lingkungan kelas yang didorong oleh kompetisi persahabatan.
Siswa diberikan tantangan soal dan kode awal yang “memberikan solusi, tapi [not] solusi terbaik…” jelas Ilan Moyer, mahasiswa pascasarjana di MechE. “Tugas kami adalah melakukannya [determine]bagaimana kita bisa berbuat lebih baik?” Papan peringkat langsung mendorong siswa untuk terus menyempurnakan metode mereka.
Em Lauber, seorang mahasiswa pascasarjana desain dan manajemen sistem, mengatakan bahwa proses tersebut memberikan ruang untuk mengeksplorasi penerapan dari apa yang dipelajari siswa dan keterampilan praktik “bagaimana cara mengkodekannya.”
Kurikulumnya mencakup diskusi tentang makalah penelitian, dan siswa juga melakukan latihan langsung dalam pembelajaran mesin yang disesuaikan dengan masalah teknik tertentu termasuk robotika, pesawat terbang, struktur, dan metamaterial. Untuk tugas akhir mereka, siswa bekerja sama dalam proyek tim yang menggunakan teknik AI untuk merancang masalah kompleks pilihan mereka.
“Sungguh menakjubkan melihat proyek-proyek kelas yang beragam dan berkualitas tinggi,” kata Ahmed. “Proyek mahasiswa dari mata kuliah ini sering kali menghasilkan publikasi penelitian, dan bahkan menghasilkan penghargaan.” Ia mencontohkan makalah terbarunya yang berjudul “GenCAD-Perbaikan Mandiri,” yang kemudian memenangkan Penghargaan Makalah Terbaik 2025 dari American Society of Mechanical Engineers Systems Engineering, Information and Knowledge Management.
“Bagian terbaik dari tugas akhir ini adalah memberikan setiap siswa kesempatan untuk menerapkan apa yang telah mereka pelajari di kelas ke bidang yang sangat mereka minati,” kata Malia Smith, mahasiswa pascasarjana di MechE. Proyeknya memilih “data tangkapan gerakan yang ditandai” dan melihat prediksi kekuatan darat bagi para pelari, sebuah upaya yang disebutnya “sangat memuaskan” karena hasilnya jauh lebih baik dari yang diharapkan.
Lauber mengambil kerangka desain “pohon kucing” dengan modul tiang, platform, dan jalur landai yang berbeda untuk menciptakan solusi khusus untuk setiap rumah tangga kucing, sementara Moyer membuat perangkat lunak yang merancang arsitektur printer 3D jenis baru.
“Saat Anda melihat pembelajaran mesin dalam budaya populer, hal tersebut sangat abstrak, dan Anda merasa ada sesuatu yang sangat rumit sedang terjadi,” kata Moyer. “Kelas ini telah membuka tirai.”
