Um novo método de treinamento de inteligência artificial promete revolucionar a criação de modelos tridimensionais a partir de imagens, reduzindo em até 80% o custo computacional necessário para gerar programas CAD (desenho assistido por computador). A técnica, batizada de Geometric Inference Feedback Tuning (GIFT), foi desenvolvida por pesquisadores do Red Hat e do MIT, com financiamento parcial do MIT-IBM Computing Research Lab, e publicada em artigo científico no dia 22 de julho de 2026.
O método permite que a IA aprenda com seus próprios erros, gerando automaticamente dados de treinamento a partir de soluções quase corretas. Segundo o paper, a abordagem tradicional de ‘supervised fine-tuning’ (SFT) depende de conjuntos de dados limitados ou de pipelines pós-treinamento caros, resultando em sistemas frágeis que restringem o progresso no design generativo de CAD. O principal gargalo, afirmam os pesquisadores, não está na capacidade do modelo ou do algoritmo, mas na escassez de exemplos diversos de treinamento que alinhem geometria visual com sintaxe de programa.
Giorgio Giannone, pesquisador líder do estudo e funcionário da Red Hat, explica que a ideia é permitir que engenheiros apontem o framework para um modelo CAD com baixo desempenho, definam um orçamento computacional e deixem o sistema assumir o controle. Transformar os próprios erros do modelo em melhores dados de treinamento é a chave, segundo Giannone.
O coautor sênior, professor Faez Ahmed, complementa: O que me empolga neste trabalho é que ele dá a muitos modelos de imagem-para-código CAD uma maneira de se aprimorar, aprendendo com seus próprios erros em vez de esperar por mais dados feitos por humanos — e isso aproxima ferramentas de design confiáveis baseadas em IA da engenharia cotidiana.
O processo do GIFT consiste em pedir que o modelo resolva a geração de CAD múltiplas vezes e, em seguida, aumente as soluções quase corretas para torná-las corretas. Dessa forma, o modelo gera seus próprios dados de treinamento de forma automática, sem necessidade de intervenção humana. O resultado, conforme descrito no artigo, é que o GIFT atinge o desempenho máximo do modelo SFT (obtido por meio de amostragem por rejeição extensiva) enquanto reduz o requisito de inferência computacional em aproximadamente 80%.
Apesar do entusiasmo com a eficiência e a autonomia do novo método, o artigo original da PC Gamer, assinado por Jacob Fox, também levanta um tom de preocupação distópica. O autor brinca com a ideia de que a técnica pode ser o passo inicial para que robôs aprendam a se construir sozinhos, relegando a humanidade ao lixo. Não consigo deixar de imaginar aqueles robôs se virando para nós sob um crepúsculo industrial poluído e dizendo: ‘Não vamos mais precisar de vocês’, escreve Fox.
A pesquisa, no entanto, tem aplicações práticas imediatas no campo da engenharia e do design de produtos. Profissionais poderão criar protótipos 3D de forma mais rápida e barata, bastando fornecer uma imagem de referência. O método reduz a dependência de grandes conjuntos de dados rotulados por humanos, um dos principais entraves para a adoção em larga escala de ferramentas generativas de CAD.
O artigo completo, disponível em formato PDF, detalha a arquitetura do GIFT e os experimentos realizados. A expectativa dos pesquisadores é que a técnica possa ser incorporada a softwares de design já existentes, democratizando o acesso à modelagem 3D assistida por IA.
Para quem deseja se aprofundar, o paper pode ser acessado diretamente. A pesquisa foi financiada em parte pelo MIT-IBM Computing Research Lab, e os créditos das imagens utilizadas na divulgação são do San Francisco Chronicle/Hearst Newspapers.
Leia mais aqui em inglês: https://www.pcgamer.com/software/ai/new-method-teaches-ai-to-make-2d-designs-3d-and-now-im-afraid-this-will-be-how-the-robots-learn-to-build-themselves-without-us/.
Fonte: PC Gamer.
PCGamer latest.
2026-07-22 14:51:00
Deixe um comentário