MIT-hallgatók mesterséges intelligenciával építettek sugárhajtóművet
Az MIT hallgatói mesterséges intelligenciával támogatva terveztek, gyártottak és teszteltek kis sugárhajtóműveket egy négyhetes versenyen. A JARVIS Challenge tapasztalatai szerint az AI gyorsíthatja a mérnöki munkát, de a tervezési döntésekért továbbra is az emberi szakértelem felel.
- 31 MIT-hallgató hét csapatban indult a JARVIS Challenge versenyen.
- A résztvevőknek négy hét alatt kellett kis sugárhajtóművet tervezniük és tesztelniük.
- Az AI segített az információkeresésben, a dokumentációban és a tervezési lehetőségek összehasonlításában.
- A hallucinációk és a fizikai rendszerek hiányos megértése korlátozta a nyelvi modellek használhatóságát.
- A versenyt a 811 Crew nyerte sikeres hajtóműteszttel.
Négy hét alatt kellett működő hajtóművet építeni
Az MIT repüléstechnikai és űrhajózási tanszékének JARVIS Challenge versenye azt vizsgálta, hogy a mesterséges intelligencia képes-e felgyorsítani egy összetett fizikai rendszer, jelen esetben egy gázturbinás sugárhajtómű tervezési, gyártási és tesztelési ciklusát.
A Jet-engine AI Research and Validation Intensive Sprint keretében 31 hallgató, hét csapatba szervezve kapott négy hetet egy kis, egytengelyes sugárhajtómű megtervezésére, legyártására, összeszerelésére és tesztelésére. A cél egy 50 és 100 font közötti tolóerőt leadó, Jet-A üzemanyaggal működő hajtómű volt, amelynek öt, egyenként 60 másodperces tesztet kellett teljesítenie.
A hallgatók szabadon választhattak a tervezés, az anyagok és a gyártás megoldásai között. A versenyzők között voltak elsőévesek és végzős hallgatók is, sokuknak pedig korábban kevés tapasztalatuk volt turbógépekkel, összenyomható áramlásokkal vagy akár termodinamikával.
Az AI sok feladatban segített, a fizikai tervezésben korlátozottan
A csapatok az AI-t tankönyvek összefoglalására, tervezőszoftverek használatának megtanulására, beszállítók keresésére, Excel-táblázatok készítésére, kérdések megválaszolására és tervezési döntések összehasonlítására használták. Egy csapat a MIT Parley platformon külön AI-ügynököt is létrehozott projektmenedzseri feladatokra.
A résztvevők a Concepts NREC, a SolidWorks és az ABAQUS kereskedelmi szoftvereihez, valamint az egyes alkatrészek vizsgálatához és összeszereléséhez szükséges tesztberendezésekhez is hozzáfértek. A Parley egy felületen keresztül több fejlett nyelvi modellt tett elérhetővé, miközben a verseny szervezői láthatták a használatot, a promptok költségét és az alkalmazott modelleket.
A második héten, amikor a csapatok részletes CAD-terveken, alkatrészrendelésen és égéstér-prototípusokon dolgoztak, világossá váltak az AI korlátai. A hallucinációk, a felhasználónak való túlzott megfelelés és a fizikai rendszerek hiányos megértése lassította a munkát. Elizabeth Tupaj, a győztes 811 Crew tagja szerint az AI hasznos információkeresésre és rendszerezésre, de jelenlegi képességeivel nem képes önállóan tervezni.
A gyártás és a kapcsolatok döntőnek bizonyultak
A verseny végső szakaszában a beszállítók jelentették az egyik legnagyobb akadályt. A hallgatók szerint az AI olyan cégeket is talált, amelyekkel nem volt kapcsolatuk, és amelyek nem tudták vállalni a szoros határidőt. A ténylegesen segítő beszállítók azok voltak, amelyekhez a csapatoknak személyes kapcsolataik voltak.
A három döntős közül csak a Fast and Fractured csapata tudta első próbálkozásra begyújtani miniatűr égésterét. A csapat intenzíven használta az AI-t a különböző tervezési lehetőségek és architektúrák összevetésére, és úgy jutott működőképes megoldásra, hogy tagjai korábban nem rendelkeztek gázturbinás tapasztalattal.
Az első JARVIS Challenge győztese a 811 Crew lett, amely sikeresen tesztelte sugárhajtóművét. Az MIT július 14-i beszámolója szerint Zolti Spakovszky professzor úgy értékelte, hogy az AI érdemben gyorsíthatja a biztonságkritikus hardverek mérnöki fejlesztését, a döntő különbséget azonban továbbra is a mérnöki ítélőképesség adja. A tapasztalatok alapján a mesterséges intelligencia a tervezési és elemzési folyamatokat gyorsíthatja, miközben a gyártás maradt a folyamat alapvető szűk keresztmetszete.
