David Gewirtz/ZDNET
Cet article traite de l’utilisation de l’intelligence artificielle (IA) en tant qu’outil et de la manière de l’appliquer à vos besoins uniques et spécialisés.
Vous apprendrez comment utiliser ChatGPT pour résoudre rapidement des problèmes complexes.
A condition d’avoir les bons prompts et de rester vigilant face aux réponses.
Tout d’abord, un petit tour d’horizon de l’impression 3D
Ce guide s’inscrit dans le contexte de l’impression 3D. Il existe un test spécial en impression 3D appelé 3DBenchy qui vérifie les performances d’une l’imprimante. Il permet aux utilisateurs d’imprimantes 3D de tester la vitesse et de comparer les mesures et la qualité d’impression. La plupart des imprimantes mettent une heure ou deux à l’imprimer.
J’ai récemment testé une nouvelle imprimante qui est censée être plus rapide que d’autres machines. Sur cette imprimante, le Benchy a mis 42 minutes. Alors que sur les autres imprimantes 3D du Fab Lab, il a nécessité de 60 à 70 minutes. Mais voilà : la version de test fournie par l’entreprise qui fabrique l’imprimante n’a pris que 16 minutes. C’est une sacrée différence.
Je voulais savoir pourquoi. Malheureusement, aucun membre de l’équipe d’assistance de l’entreprise n’a pu répondre à ma question.
L’IA peut-elle nous aider ?
C’est là que ChatGPT entre en scène. Le code des deux fichiers de test se compose de milliers de lignes qui ressemblent à ceci :
G1 X122.222 Y140.6 E4.24443
G0 F14400 X122.703 Y140.773
G1 F3600 X122.117 Y141.251 E4.27083
G1 X121.767 Y141.66 E4.28963
G1 X121.415 Y142.139 E4.31039
G1 X121.105 Y142.641 E4.33099
Ensemble, les deux fichiers, nommés tout deux G-code, contenaient plus de 170 000 lignes de code. Je n’avais vraiment pas l’intention de bloquer un samedi après-midi à passer au crible tout cela manuellement. Mais je me suis dit que l’intelligence artificielle pourrait peut-être m’aider.
En utilisant ChatGPT Plus, j’ai introduit les deux fichiers dans l’IA.
J’ai commencé par vérifier que ChatGPT pouvait lire les fichiers
J’ai commencé par vérifier que ChatGPT pouvait lire les fichiers. Après avoir téléchargé chaque fichier, j’ai posé la question suivante :
ChatGPT a confirmé en déclarant : « Je peux lire le contenu du fichier. Il semble s’agir d’un fichier G-code, généralement utilisé pour contrôler les imprimantes 3D. » C’était un bon début!
Pour que nous sachions clairement de quel fichier il s’agit, j’ai donné à ChatGPT des étiquettes pour les fichiers :
- Appelons le premier fichier téléchargé « impression normale » et le second fichier téléchargé « impression rapide ». D’accord ?
L’IA était d’accord, alors je lui ai dit :
- Décris en quoi les fichiers diffèrent.
À part le fait de nommer l’un des fichiers « impression rapide », je n’ai donné à ChatGPT aucune indication sur ce que je recherchais. Malgré cela, le robot a identifié que l’un des fichiers avait une vitesse d’impression plus élevée, bien que les paramètres de température soient les mêmes.
J’ai alors posé une question à l’IA :
- Pourquoi « impression rapide » est-il plus rapide ?
C’est à ce moment-là que ChatGPT a commencé à m’agacer. Au lieu de me donner des détails à partir du code que j’avais fourni, il a spéculé… L’IA a utilisé des phrases contenant du « probablement », « peut » et « pourrait » pour décrire pourquoi l’impression était plus rapide.
Mais je lui avais donné des fichiers de code G qui décrivaient exactement ce que faisait l’imprimante, et je voulais donc une réponse exacte.
Pourquoi le bon prompt fait toute la différence
J’ai finalement opté pour ce prompt, qui a permis d’obtenir des réponses valables :
- Le G-code fourni dans les deux fichiers est la seule chose qui soit différente pour ces impressions. En utilisant uniquement le G-code fourni à titre de comparaison, quels paramètres sont différents ? Ne spécule pas sur ce que pourraient être les autres paramètres. Base ton analyse uniquement sur le code fourni.
ChatGPT a identifié trois facteurs clés :
- Le premier G-code montre des vitesses comprises entre 2400 mm/min et 3400 mm/min. Le G-code d’impression rapide montre des vitesses beaucoup plus élevées, avec certaines commandes atteignant jusqu’à 14400 mm/min. Ce taux représente une augmentation significative de la vitesse, contribuant directement à la réduction du temps d’impression.
- Par rapport à une hauteur de couche de 0,2 mm pour l’impression normale, l’impression rapide fixe la hauteur de couche à 0,25 mm, ce qui réduit le nombre de couches nécessaires pour terminer l’impression.
- Le G-code de l’impression rapide comprend des paramètres d’accélération beaucoup plus agressifs, permettant à l’imprimante d’atteindre des vitesses plus élevées plus rapidement et de les maintenir, ce qui contribue à une impression plus rapide.
Je voulais savoir si l’entreprise avait optimisé le G-code à la main
Ce résultat est intéressant. Cependant, je voulais savoir si l’entreprise avait optimisé le second G-code à la main. J’ai donc posé la question à ChatGPT :
- Peux-tu dire si le fichier d’impression rapide a été codé à la main ou a été généré ? Il faut peut-être rechercher des commandes incohérentes ou des commentaires non standard.
L’IA a répondu par trois considérations intéressantes :
- Les variations dans les commandes de G-code, telles que les changements dans les vitesses d’alimentation, le passage entre différentes commandes de mouvement et les modifications d’autres paramètres, sont typiques d’un code généré automatiquement.
- Si le G-code était codé à la main, nous nous attendrions à voir des motifs plus irréguliers et imprévisibles, mais ces transitions suivent une séquence logique, caractéristique du processus d’optimisation.
- Par conséquent, la présence de ces commandes n’indique pas un codage manuel.
Ce que ces résultats m’indiquent, c’est qu’il est probablement possiblede modifier les paramètres pour obtenir des performances similaires.
Qu’avons-nous appris ?
Nous avons appris que ChatGPT comprend le G-code. Ce n’est pas surprenant car ChatGPT a une assez bonne maîtrise des langages de programmation, même les plus obscurs.
Nous avons également appris que ChatGPT peut passer au crible et comparer plus de 170 000 lignes d’instructions machine et tirer des conclusions exploitables en quelques secondes.
Enfin, nous avons appris que nous pouvons utiliser des IA comme ChatGPT pour explorer des problèmes complexes sous plusieurs angles. ChatGPT a non seulement expliqué la grande différence de vitesse entre les deux fichiers. Mais il a également été en mesure de valider si le fichier fourni par l’usine avait été modifié à la main.
En conclusion, n’acceptez pas de prime abord ce que l’IA vous dit comme une vérité absolue. Ne prenez pas de décisions critiques sur la base de ses réponses. Et n’oubliez pas que vous devez parfois négocier avec l’IA avant qu’elle n’accepte de vous donner des réponses utiles.
La rédaction de cet article sur ce problème m’a pris quelques heures. Le processus d’analyse proprement dit, du début à la fin, m’a pris, lui, moins de 10 minutes. C’est bien là un gain évident de productivité.
Source : « ZDNet.com »