AI 开发人员的共同目标是制造能够“思考”的机器，制造与人类或其他生物的思维过程相同或相近的机器。这些实体本身的想法可能与我们自己的非常不同，但在速度或能力上可能是相同的。在机器学习中，计算机程序使用规则（可能是用户输入和数据）对未来数据或结果进行分类、筛选或预测。当程序与人工神经网络（动物大脑的模拟）结合时，人类可能发现没有预料到或没有时间弄清楚的学习模式。
△失败的 3D 打印赢得了 Mojamoja 竞赛。这张失败的打印品是 Mojamoja 比赛的大赢家。
●设置预测数值
在桌面级材料挤出系统上，丝材的最佳工艺设置大多取决于经验，有时取决于猜测。当机器制造商在优化参数时，往往会根据自己的初始设置，通过反复试印和调整来实现，这需要很多的调试时间。用户也通常试打几个样件，通过对比外观等选择工艺参数。
基于足够的信息，这个过程可以通过人工智能实现自动化。如果有足够的初始测试和结果，一家材料公司可以输入其更改后的工艺参数，在许多机器上获得对新丝材进行最佳设置的参数。通过将测试扩展到新系统，该公司可以获得比其他丝材供应商更好的设置和打印结果。原始设备制造商查还可以进行多维度的比较，利用在机器、材料、质量规格等方面的所有测试结果，还可以优化设置以获得更高的强度，例如通过进一步测试。
●零件改进
不同的填充百分比能够影响零件的强度，使用AI能够确定最佳的填充模式，进一步探索不同的密度和设置，为不同的零件部分提供最佳配置。可以对层粘附设置、厚度和层高度进行同样的操作，以通过更好的设置来提高Z强度。
●故障缓解
使用机器学习进行自动故障检测的研究已经在进行中，许多研究者在这个领域发表了文章。分析了打印过程的所有视频，可以找到常见的故障模式，包括导致错误的特定高度、形状、运动和模型。进一步访问用户设置会生成一个非常大的有关打印失败的数据集，可以用来避免常见错误或找出正确的设置。
●过程监控
过程监控可以尽早发现错误，许多3D打印公司也在追求这一点。可以使用指示、支撑结构灯来预测打印品何时以及如何失败。Addiguru 、Open Additive 、Hexagon、Authentise等公司在这一方面积极研究。3D打印过程可以得到质量保证，通过过程监控，可使整个系统更具预测性，同时也能使人们对打印过程有更深的理解。
●设计优化
设计本身也可能得到优化。很多衍生式设计和拓扑优化都依赖于人工智能，通过学习，算法会找到正确的填充形状，这也是是生成式设计的本质。GPU制造商Nvidia宣布推出Magic3D，这是一种生成式AI技术，可以根据文本提示生成3D模型。
结论
目前，我们看不到未来哪些人工智能公司和计划会成功并进入商业模式，也看不到他们将获得多少资金和收入，但是我们可以相信人工智能将对世界产生根本性的影响。增材制造领域也会受到影响。人工智能将成为一种工具，解决制造过程中存在很多复杂性和差异性，让增材制造技术变得更容易。 （采编：www.znzbw.cn）