Yapay zeka, yazılım mühendisliğini hızla dönüştürdü. Üretken yapay zeka ve büyük dil modelleri (LLM'ler), büyük miktarda kod ve dokümantasyon oluşturabilir; makine öğrenimi algoritmaları performansı izleyebilir ve güvenlik açıklarını tespit edebilir. Ancak, bir jet motoru gibi karmaşık bir fiziksel sistemi tasarlamak, geliştirmek ve üretmek söz konusu olduğunda, bu yapay zeka araçları aynı derecede dönüştürücü mü?
Geçtiğimiz dönem, JARVIS Challenge (Jet-motoru Yapay Zeka Araştırma ve Doğrulama Yoğun Sprint) yapay zekanın tasarım-üretim-test döngüsünü kısaltıp kısaltamayacağını keşfetmek için MIT lisans öğrencilerini, yapay zekanın onlara daha hızlı ve daha iyi inşa etmelerine yardımcı olup olamayacağını keşfetmeye davet etti.
“JARVIS Challenge, yapay zekanın güvenlik açısından kritik donanım mühendisliğini önemli ölçüde hızlandırabileceğini gösterdi, ancak mühendislik yargısı belirleyici farklılaştırıcı olmaya devam ediyor. Yapay zeka ile doğmuş bir mühendis, yapay zekayı kullanmakla değil, onu yönlendirmekle tanımlanır — ona ne zaman güveneceğini, ne zaman sorgulayacağını ve yapay zeka çıktısını nasıl çalışır donanıma dönüştüreceğini bilmekle,” diyor MIT Gaz Türbini Laboratuvarı'nın direktörü Profesör Zolti Spakovszky.
Ekipler, araçlar, görev
Meydan okuma, lisans öğrencilerine, yapay zekayı ana mühendislik ortağı olarak kullanarak küçük bir gaz türbini aero motoru tasarlama, üretme, birleştirme ve test etme için dört hafta süre verdi. Amaç: 50-100 pound itiş gücü üreten, Jet-A ile çalışan ve beş 60 saniyelik deneme gerçekleştiren “JARVIS sınıfı” tek spool jet motoru inşa etmekti. Ekipler tasarım, malzeme ve üretim konusunda tam özgürlüğe sahipti.
Mühendislik Fakültesi'ndeki hemen hemen her bölümden temsilcilerle, 31 öğrenci yedi takıma ayrıldı; bu takımlar tamamen birinci sınıf öğrencilerinden, üst sınıf ağırlıklı gruplara kadar uzanıyordu. Birçok katılımcının, yarışmaya katılmadan önce turbomakine, sıkıştırılabilir akışlar veya daha genç öğrenciler için termodinamik konusunda pek deneyimi yoktu. Birçoğu, bir gaz türbini inşa etmek için kaydolmadan önce bir gaz türbininin içini hiç görmemişti.
Kullanımda olanlar: MIT’nin makine atölyeleri ve üretim tedarikçileri; Concepts NREC, SolidWorks ve ABAQUS gibi ticari yazılımlar; ve bireysel bileşenleri karakterize etmek ve birleştirmek için çeşitli test düzenekleri.
Ekipler ayrıca, tek bir arayüz üzerinden sınır büyük dil modellerini bir araya getiren yeni başlatılan MIT Parley platformuna erişim sağladı. Parley aracılığıyla, JARVIS liderleri, öğrencilerin yapay zeka araçlarını nasıl kullandığını, bunların istemlerini, her istemin maliyetini, kullanılan belirli LLM'leri ve diğer kritik bilgileri doğrudan görebildi. JARVIS liderleri, tüm katılımcılar için Parley'e erken erişim sağladı ve MIT Lincoln Laboratuvarı, Makine Mühendisliği Bölümü ve kurumsal sponsorlar Safran, Voyager Technologies ve Beehive Industries'nden gelen mali destekle, öğrenciler neredeyse sınırsız yapay zeka kullanımı elde etti.
Sponsorlar, yapay zekanın mühendislik iş akışlarını nasıl yeniden şekillendirebileceği konusundaki ilgi ve gerçek merakla çekildi.
“Bunu mühendisliğin geleceği olarak görüyoruz,” diyor Voyager Technologies'den Ryan (Hal) Hefron öğrencilere. “Sadece güzel bir şey değil, mühendislik iş gücündeki gelecekteki temel becerileri geliştiriyorsunuz.”
Safran Tech'in genel müdürü Vincent Garnier, yarışmanın gelişimini heyecanla izledi. “JARVIS gerçek bir deney, bir öğrenme çabasıydı. Öğrencilerden veya yapay zeka modellerinden ne bekleyeceğimizi açıkçası bilmiyorduk. Öğrencilerden gelen en çarpıcı şey, ilk olarak keşfetme isteğiydi; sonra proje geliştikçe, yapay zekanın onlara ne konuda yardımcı olabileceğini veya olamayacağını soğukkanlı bir şekilde fark ettiler ve hemen buna göre uyum sağladılar,” diyor. “Bu, bu nesil lider mühendislerin muhtemelen yapay zekanın kolay ve kısa görüşlü kullanımına kapılmayacağına ve deneylerle — fiziksel veya düşünce
