iDesignGPT, büyük dil modeli ajan iş akışlarıyla kavramsal tasarımı geliştiriyor

Neden Daha Akıllı Tasarım Araçları Önemli

Elektrikli arabalardan acil müdahale dronlarına kadar her karmaşık ürün beyaz tahtadaki kaba bir fikirle başlar. En erken tasarım seçimleri genellikle bir ürünün maliyetinin, güvenliğinin ve performansının büyük kısmını belirler; buna rağmen bu aşama hâlâ uzman sezgisine, uzun toplantılara ve dağınık belgelere bağımlıdır. Bu makale, modern sohbet robotlarının arkasındaki aileye ait araçlarla aynı büyük dil modellerini mühendisler için disiplinli işbirlikçiye dönüştürmeyi amaçlayan yeni bir yapay zeka tabanlı çerçeve olan iDesignGPT’yi tanıtıyor; hem uzmanların hem de yeni başlayanların fikirleri keşfetmesine, bilgi toplamasına ve erken kavramları daha sistematik şekilde değerlendirmesine yardımcı oluyor.

Erken Aşama Mühendislikle İlgili Sorunlar

Kavramsal tasarım mühendisliğin “bulanık ön ucu”dur: ekipler bir sistemin ne yapması gerektiğine, nasıl çalışabileceğine ve bunun mümkün olup olmadığına karar vermelidir; tüm bunlar bilgi eksikken gerçekleşir. Çalışmalar, yaşam döngüsü maliyetinin %80’e kadarının bu aşamada sabitlendiğini gösteriyor ve hataların daha sonra düzeltilmesi çok maliyetli olabiliyor. Yapılandırılmış gereksinim tabloları ve problem çözme el kitapları gibi geleneksel yöntemler daha dar endüstriyel ortamlara göre geliştirilmiş olup genellikle derin uzmanlık eğitimi gerektirir. Aynı zamanda bilgisayar destekli tasarım ve simülasyon araçları çoğunlukla ayrıntılı bir düzen zaten var olduğunda yardımcı olur; bu da en erken, en yaratıcı aşama için bir destek boşluğu bırakır. Ürünler daha çok disiplinli hale geldikçe ve şirketler daha az uzman tasarımcıyı sürece dahil etmeye çalıştıkça bu sınırlamalar göz ardı edilmesi zor hale geliyor.

Bugünkü Yapay Zeka’nun Doğru ve Yanlış Yaptıkları

GPT-4o ve DeepSeek gibi son büyük dil modelleri (LLM’ler) etkileyici akıl yürütme becerileri gösterdi ve rapor taslakları hazırlama veya fikir üretme gibi görevlerde zaten yardımcı olabiliyor. Bunlar ayrıca adım planlayan, araç çağıran ve dış veri tabanlarına başvuran “ajan”lara dönüşebiliyor. Ancak kutudan çıktıkları hâliyle mühendislik tasarımıyla başa çıkmakta zorlanıyorlar: alan bilgisi eksik olabiliyor, kullanıcı niyetini yanlış okuyabiliyorlar ve “halüsinasyon” adı verilen—kendinden emin ama yanlış—ifadelere yatkınlar. Mevcut yapay zeka tasarım yardımcıları tipik olarak fikir üretimi gibi tek bir adıma odaklanıyor ve kullanıcının nasıl iyi bir istem (prompt) yazdığına çok duyarlı oluyor. Bu durum, yüksek riskli tasarım kararları veya teknik hataları kolayca fark edemeyen acemiler için güvenilir olmalarını zorlaştırıyor.

Tasarımcılar için Yapılandırılmış Bir Yapay Zeka Ortağı

iDesignGPT, LLM ajanlarını eksiksiz, yöntem odaklı bir tasarım sürecine yerleştirerek bu sorunları ele alıyor. Açık bir platform üzerine inşa edilen sistem, analistler, bilgi memurları, yenilikçiler ve değerlendiriciler gibi farklı rollere sahip AI asistanlarını dört aşamaya—problemin tanımlanması, bilgi toplanması, kavram üretimi ve seçeneklerin değerlendirilmesi—bağlayarak kümelendiriyor. “Copilot” modunda, konuşma tabanlı bir ajan kullanıcıyla doğal diyalog yoluyla hedefleri netleştirip gereksinimleri iyileştiriyor; metin ve görüntü kabul ediyor. “Agent” modunda ise uzmanlaşmış ajanlar, ihtiyaç analizi çerçeveleri ve kalite-fonksiyon matrisleri gibi yerleşik tasarım tekniklerini otomatik olarak uygulayarak müşteri isteklerini ağırlıklı mühendislik hedeflerine dönüştürüyor. Bir bilgi tabanı patentleri, akademik makaleleri ve ödül kazanmış ürün örneklerini çekiyor; korunaklar ve çapraz kontrol ajanları halüsinasyonları azaltmaya ve süreci şeffaf tutmaya yardımcı oluyor.

Sistemin Test Edilmesi

Bu çerçevenin pratikte işe yarayıp yaramadığını görmek için yazarlar iDesignGPT’yi yüksek profilli bir meydan okumada test ettiler: acil durumlarda otonom uçabilen kompakt bir kurtarma uçağı tasarlamak. Sistem önce orijinal gereksinimler listesini genişletti ve yeniden düzenledi; dar test durumu ayrıntılarını çıkarıp güvenlik ve otonomi gibi daha geniş ihtiyaçları çıkarsadı. Ardından patentleri, araştırma makalelerini ve tasarım ödülü veri tabanlarını taradı ve biomimikri, beyin fırtınası, yapılandırılmış yeniden kombinasyon ve icat-prensibi analizi gibi çoklu yaratıcı yöntemleri kullanarak modüler çözüm seçenekleri geliştirdi. Son olarak birleşik bir tasarımı puanlayıp seçti. Nicel ölçümler, bu sürecin araştırılan tasarım alanını genişlettiğini ve erken aşamada fikirlerin çeşitliliğini ve yeniliğini artırdığını, ardından sonradan rafinasyona yöneldiğini gösterdi. Ortaya çıkan kavram, aynı yarışmadaki 22 insan kazanan girişle karşılaştırıldığında müşteri memnuniyeti puanı bakımından kabaca ilk çeyrekte yer aldı.

Diğer Yapay Zeka İş Akışlarıyla Karşılaştırması

Araştırmacılar ayrıca iDesignGPT’yi basit istemler, düşünce zinciri istemleri ve akıl yürütme odaklı bir model gibi standart LLM kurulumlarına karşı kıyasladılar; NASA ve ABD Enerji Bakanlığı gibi kuruluşlardan altı halka açık mühendislik meydan okumasında test ettiler. Mühendislik pratiğine dayanan nesnel ölçütler kullanarak çözümleri yenilik, orijinallik (mevcut patentlere ne kadar benzemediği), rasyonalite, teknik olgunluk ve modülerlik açısından puanladılar. iDesignGPT tutarlı şekilde daha özgün ve modüler kavramlar üretti ve güçlü rasyonaliteyi korudu; fikirleri en muhafazakâr modellerinkine göre hemen uygulanmaya biraz daha az hazır olsa da. Uzman değerlendiriciler bu eğilimleri genel olarak doğruladılar. Lisans öğrencilerinden profesyonel mühendislere uzanan 48 katılımcıyla yapılan kullanıcı çalışmalarında, AI yardımı genel olarak yalnız insan tasarımına kıyasla zihinsel yükü azalttı ve özellikle iDesignGPT acemi tasarımcılara daha net süreç rehberliği sundu, gözden kaçmış ihtiyaçları ortaya çıkardı ve ileri düzey istem yazma becerisi gerektirmeden karar vermeyi destekledi.

Geleceğin Tasarımcıları için Anlamı

Genel okuyucu için çıkarılacak temel sonuç, iDesignGPT gibi araçların mühendislerin yerini almak için değil, tasarımın erken, dağınık aşamalarını daha erişilebilir, şeffaf ve keşfedici hâle getirmek için olduğudur. Çoklu ajanlı AI iş akışları içine sağlam tasarım yöntemleri paketleyerek bu çerçeve, kullanıcıların gerçekten neye ihtiyaçları olduğunu ifade etmelerine, daha geniş bir olasılık yelpazesini keşfetmelerine ve seçenekleri açık kriterlerle karşılaştırmalarına yardımcı oluyor. Hâlâ sınırlamalarla karşılaşıyor—özellikle sıkı kısıtlı problemler ve kavramsal aşamanın dışında—ancak öğrencilerin, genelci tasarımcıların ve uzmanların yapay zeka ile birlikte, sohbet edeni andıran bir asistandan ziyade yöntemsel ve iyi eğitilmiş bir işbirlikçi gibi davranan AI ile karmaşık sistemleri ortaklaşa yaratabildiği tasarım ortamlarının bir önizlemesini sunuyor.

Atıf: Liu, S., Shen, Y., Zhang, Y. et al. iDesignGPT enhances conceptual design via large language model agentic workflows. Nat Commun 17, 1997 (2026). https://doi.org/10.1038/s41467-026-68672-1

Anahtar kelimeler: mühendislik tasarımı, yapay zeka tasarım araçları, büyük dil modelleri, konsept üretimi, insan–yapay zeka işbirliği