用AI建模可以吗

One thing that’s particularly notable about“AI measurements”is how they can potentially pick out“small signals”from large volumes of unstructured data.We’re used to having methods like statistics to do similar things on structured,numerical data.But it’s a different story to ask from billions of webpages whether,say,kids who like science typically prefer cats or dogs.“人工智能测量”特别值得注意的一件事是它们如何从大量非结构化数据中挑选出“小信号”。我们习惯于使用统计等方法对结构化的数字数据执行类似的操作。但从数十亿个网页中询问喜欢科学的孩子通常喜欢猫还是狗，那就是另一回事了。But given an“AI measurement”what can we expect to do with it?None of this is very clear yet,but it seems at least possible that we can start to find formal relationships.Perhaps it will be a quantitative relationship involving numbers;perhaps it will be better represented by a program that describes a computational process by which one measurement leads to others.但有了“人工智能测量”，我们能用它做什么呢？这一切还不是很清楚，但看起来至少我们可以开始寻找正式的关系。也许是一种涉及数字的数量关系；也许用一个程序来更好地表示它，该程序描述了一个计算过程，通过该过程，一个测量结果可以得出其他测量结果。It’s been common for some time in areas like quantitative finance to find relationships between what amount to simple forms of“AI measurements”—and to be concerned mainly with whether they work,rather than why they work,or how one might narratively describe them.一段时间以来，在定量金融等领域，寻找简单形式的“人工智能测量”之间的关系已经很常见了，并且主要关注它们是否有效，而不是它们为什么有效，或者如何叙述性地描述它们。

In a sense it seems rather unsatisfactory to try to build science on“black-box”AI measurements that one can’t interpret.But at some level this is just an accelerated version of what we often do,say with everyday language.We’re exposed to some new observation or measurement.And eventually we invent words to describe it(“it looks like a fractal”,etc.).And then we can start“reasoning in terms of it”,etc.从某种意义上说，试图在无法解释的“黑匣子”人工智能测量上建立科学似乎相当不令人满意。但在某种程度上，这只是我们经常做的事情（用日常语言来说）的加速版本。我们接触到一些新的观察或测量。最终我们发明了词语来描述它（“它看起来像分形”等）。然后我们就可以开始“据此推理”等等。But AI measurements are potentially a much richer source of formalizable material.But how should we do that formalization?Computational language seems to be key.And indeed we already have examples in the Wolfram Language—where functions like ImageIdentity or TextCases(or,for that matter,LLMFunction)can effectively make“AI measurements”,but then we can take their results,and work symbolically with them.但人工智能测量可能是形式化材料的更丰富的来源。但我们应该如何进行形式化呢？计算语言似乎是关键。事实上，我们已经有了Wolfram语言中的示例，其中像ImageIdentity或TextCases（或者，就此而言，LLMFunction）这样的函数可以有效地进行“AI测量””，但随后我们就可以获取他们的结果，并象征性地与他们合作。

是的，存在一些AI工具和插件可以辅助或自动生成CAD图，特别是在设计和工程领域。以下是一些可以辅助创建CAD图的AI工具：1.CADtools 12：这是一个Adobe Illustrator（AI）插件，它为AI添加了92个绘图和编辑工具，包括图形绘制、编辑、标注、尺寸标注、转换、创建和实用工具。2.Autodesk Fusion 360：Fusion 360是Autodesk开发的一款集成了AI功能的云端3D CAD/CAM软件，能够帮助用户创建复杂的几何形状和优化设计。3.nTopology：nTopology是一款基于AI的设计软件，它可以帮助用户创建复杂的CAD模型，包括拓扑优化、几何复杂度和轻量化设计等。4.ParaMatters CogniCAD：CogniCAD是一款基于AI的CAD软件，可以根据用户输入的设计目标和约束条件自动生成3D模型，适用于拓扑优化、结构设计和材料分布等领域。5.生成设计工具：一些主流CAD软件，如Autodesk系列、SolidWorks等，提供了基于AI的生成设计工具，这些工具可以根据用户输入的设计目标和约束条件自动产生多种设计方案。这些工具通常需要一定的CAD知识和技能才能有效使用。对于CAD初学者，建议先学习基本的3D建模技巧，然后尝试使用这些AI工具来提高设计效率。内容由AI大模型生成，请仔细甄别