1. Generativt design: Maskinlæringsalgoritmer kan bruges til at generere flere designmuligheder baseret på specifikke parametre som materiale, vægt, størrelse osv. Autodesks Dreamcatcher er et glimrende eksempel på generativt design, der bruger maskinlæring til at optimere designs.
2. Designoptimering: Maskinlæringsalgoritmer kan bruges til at optimere design, så de opfylder specifikke kriterier, såsom strukturel integritet, termisk effektivitet eller aerodynamisk ydeevne. For eksempel er designet af vindmøllevinger optimeret ved hjælp af maskinlæringsalgoritmer for at øge energiproduktionen.
3. Stiloverførsel: Stiloverførsel bruger maskinlæringsalgoritmer til at generere nye designs, der blander funktionerne i forskellige stilarter. Et eksempel på dette er Prisma, en populær billedbehandlingsapp, der bruger maskinlæringsalgoritmer til at anvende kendte kunstneres stilarter på billeder.
4. Billedgenkendelse: Maskinlæringsalgoritmer kan bruges til at genkende et billedes funktioner og generere relevante designløsninger. De kan fx bruges til at identificere forskellige former og dimensioner i et arkitektonisk layout og give feedback på det optimale design.
5. Prædiktivt design: Maskinlæringsalgoritmer kan trænes til at forudsige designresultater baseret på historiske data. Dette hjælper designere med at træffe informerede beslutninger og optimere design for bedre ydeevne.
Udgivelsesdato: