決定科学がデザインと出会う” (Kettei kagaku ga dezain to deau)

科学とデザインの最高のマッチング' (Kagaku to dezain no saikou no matchingu)

深層強化学習を通じて生成的デザイン問題の解決にダイブする

デザインプロセスは過去数十年で大きく変化しました。かつては人間の直感、判断力、美的な好みによって主導されていた領域が、計算手法とデータ駆動型プロセスによって補完されるようになりました。この変革の象徴とも言えるのが、データサイエンスとデザインが交錯する領域であり、精度と創造性が交わる場所となっています。

デザインにおけるデータ駆動型の技術の有用性は、その一部門である生成的デザインにおいて十分に示されています。生成的デザインは、予め定義された基準に基づいて複数のデザインバリエーションを生成するための計算アルゴリズムを使用する手法です。しかし、これらのデザイン問題がより複雑で多面的になるにつれて、より洗練された技術が必要とされています。そこで、意思決定科学、具体的には強化学習が登場します。

意思決定科学を生成的デザインに適用する

デザインの核心は、創造ではなく創造に至る一連の目的意識のある決定です。

意思決定科学は、予測されるまたは既知の結果に基づいて、文脈内で利用可能な選択肢を評価して、情報に基づいた選択を行うことに関する学問です。数値的な統計的手法と最適化プロセスを組み合わせた手法です。生成的デザインに適用すると、意思決定科学は、特定の構成やデザインのインスタンスを改善するためのデザインの決定または決定の連続的なシーケンスを決定するのに役立ちます。このプロセスには、次の3つの要素が必要です：

• 「量子化とその他 LLMの推論時間を80%削減する」
• 「将来に備えたデータゲーム：2023年に必要なトップスキルのデータサイエンティスト」
• 単一のマシンで複数のCUDAバージョンを管理する：包括的なガイド

• デザインの評価：各バリエーションのパフォーマンスや品質を評価し、望ましい結果に対する各デザインの選択の貢献度を理解する
• 最適化：実現可能で満足のいくデザインバリアントを生み出すためのデザインのシーケンスを統合する
• シナリオ分析：さまざまな文脈や制約においてデザインの決定を行うことで、さまざまなデザインの可能性を探索する

マルコフ決定プロセス（MDP）としての生成的デザイン問題のフレーム化

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!