Суть эксперимента: ИИ против физики
Лаборатория газовых турбин MIT (Gas Turbine Laboratory) провела JARVIS Challenge (Jet-engine AI Research and Validation Intensive Sprint). Цель — проверить, может ли генеративный ИИ сжать цикл «проектирование-изготовление-тестирование» в критически важных аппаратных системах. Студенты должны были создать одноступенчатый реактивный двигатель мощностью 50–100 фунтов тяги, работающий на Jet-A, и выполнить пять запусков по 60 секунд.
Участники использовали платформу MIT Parley для агрегации фронтальных LLM. Благодаря поддержке Safran, Voyager Technologies и Beehive Industries, доступ к ИИ был практически неограниченным. Однако, как отметил профессор Зольти Спаковски, инженерная интуиция осталась решающим фактором: «ИИ-инженер определяется не использованием ИИ, а умением им руководить».
Результаты: Кто выиграл и почему
Из 7 команд (31 студент) до финала дошли три группы. Команда Team 811 Crew (состав: Anhad Sawhney, Yaakov Zerykier, Elizabeth Tupaj, Zachary Bleil, Ethan Wong) одержала победу, успешно протестировав свой двигатель. Команда Fast and Fractured стала единственной, кто осуществил поджиг мини-комбюстора с первой попытки, активно используя ИИ для сравнения архитектур.
Ключевой вывод: производство (manufacturing) осталось фундаментальным ограничивающим фактором. ИИ не мог решить проблемы с поставщиками, которые требовали личных отношений и соблюдения жестких сроков, что ИИ-поиск обеспечить не смог.
Использование ИИ: Помощь и ограничения
Студенты применяли LLM для разных задач. Ниже приведена сводка того, где ИИ оказался полезен, а где — нет:
| Этап работы | Роль ИИ (LLM) | Проблемы и ограничения |
|---|---|---|
| Неделя 1: Концепция | Суммаризация учебников, обучение софту (SolidWorks, ABAQUS), поиск вендоров, создание Excel-таблиц. | Одна команда withdrew (выбыла) из-за невозможности быстро адаптироваться. |
| Неделя 2: CAD и прототипы | Предложение альтернатив дизайна, заполнение пробелов в знаниях. | «Галлюцинации», снисходительность ИИ (sycophancy) и отсутствие физического понимания снизили доверие студентов. |
| Неделя 3-4: Производство | Сравнительный анализ (trade studies), архитектура. | ИИ не нашел поставщиков, готовых работать в сжатые сроки. Решающую роль сыграли личные связи команды. |
Цитаты и инсайды
Elizabeth Tupaj (Team 811 Crew): «ИИ — отличный инструмент для поиска информации и организации, но он не умеет проектировать. В момент, когда инженер не понимает, что происходит, и передает управление ИИ, дизайн становится ненадежным».
Профессор Zolti Spakovszky: «Темп требовал невероятного лидерства и доверия. ИИ может существенно ускорить инжиниринг, но manufactoring — это узкое горлышко».
Vincent Garnier (Safran Tech): «Студенты быстро осознали, чем ИИ может помочь, а чем нет, и адаптировались. Это поколение инженеров не попадет в ловушку поверхностного использования ИИ».
Почему это важно
Эксперимент показал, что ИИ не заменяет инженера в сложных физических системах, но становится мощным «копилотом» для рутинных задач и анализа. Однако зависимость от ИИ без глубокого понимания физики процесса ведет к ошибкам. Будущие инженеры должны учиться не просто «спрашивать у ИИ», а критически оценивать его выводы и брать на себя ответственность за физическую реализацию.
Источник: MIT News AI ↗