Το JARVIS Challenge του MIT δοκίμασε στην πράξη τον ρόλο των AI copilots στον απαιτητικό σχεδιασμό και την κατασκευή συστημάτων υψηλών επιδόσεων, βάζοντας φοιτητές να σχεδιάσουν, να κατασκευάσουν και να δοκιμάσουν έναν μικρό κινητήρα τζετ μέσα σε μόλις τέσσερις εβδομάδες.
Η τεχνητή νοημοσύνη ως συνεργάτης μηχανικού
Η πρόκληση συγκέντρωσε 31 προπτυχιακούς φοιτητές του MIT, οι οποίοι χωρίστηκαν σε επτά ομάδες. Στόχος ήταν η κατασκευή ενός μονοαξονικού κινητήρα τζετ που θα μπορούσε να παράγει 50 έως 100 λίβρες ώσης, να λειτουργεί με Jet-A και να ολοκληρώσει πέντε δοκιμές διάρκειας 60 δευτερολέπτων.
Οι ομάδες είχαν πρόσβαση σε εργαστήρια, μηχανουργεία, λογισμικό σχεδιασμού και εργαλεία τεχνητής νοημοσύνης. Χρησιμοποίησαν την AI για να συνοψίζουν εγχειρίδια, να μαθαίνουν λογισμικό, να συγκρίνουν σχεδιαστικές επιλογές, να εντοπίζουν προμηθευτές και να οργανώνουν την εργασία τους.
«Η πρόκληση JARVIS έδειξε ότι η AI μπορεί να επιταχύνει σημαντικά τη μηχανική σε συστήματα κρίσιμης ασφάλειας, αλλά η μηχανική κρίση παραμένει ο καθοριστικός παράγοντας», δήλωσε ο καθηγητής Zolti Spakovszky.
Όταν η AI δεν αρκεί
Καθώς τα σχέδια γίνονταν πιο σύνθετα, οι φοιτητές διαπίστωσαν τα όρια των μοντέλων. Οι παραισθήσεις, η υπερβολική συμφωνία με τον χρήστη και η περιορισμένη κατανόηση της φυσικής πραγματικότητας μπορούσαν να οδηγήσουν σε αναξιόπιστες προτάσεις.
«Η AI είναι ένα χρήσιμο εργαλείο, εξαιρετική στην αναζήτηση πληροφοριών, την οργάνωση και τη συγγραφή, αλλά δεν μπορεί να κάνει τον σχεδιασμό», δήλωσε η Elizabeth Tupaj, μέλος της ομάδας 811 Crew.
Ένα ακόμη εμπόδιο ήταν η κατασκευή. Οι ομάδες διαπίστωσαν ότι η AI μπορούσε να εντοπίσει προμηθευτές, αλλά δεν μπορούσε να αντικαταστήσει τις προσωπικές σχέσεις και την εμπιστοσύνη που απαιτούνται για να παραδοθούν εξαρτήματα μέσα σε ασφυκτικά χρονικά περιθώρια.
Η νικήτρια ομάδα και το βασικό συμπέρασμα
Από τους τρεις φιναλίστ, η ομάδα Fast and Fractured κατάφερε να ανάψει με επιτυχία τον μικρό καυστήρα από την πρώτη προσπάθεια, όμως το τελικό τεστ του κινητήρα διακόπηκε όταν ο ρότορας κόλλησε στο περίβλημα.
Νικήτρια αναδείχθηκε η ομάδα 811 Crew. Ο κινητήρας της ξεκίνησε, μεταπήδησε επιτυχώς σε καύσιμο Jet-A και παρήγαγε καθαρή ώση.
Η ομάδα, ωστόσο, είχε χρησιμοποιήσει την AI πιο περιορισμένα, βασιζόμενη περισσότερο στις γνώσεις των μελών της και στην εμπειρία τους στον σχεδιασμό και την κατασκευή.
Το JARVIS Challenge έδειξε ότι η τεχνητή νοημοσύνη δεν αντικαθιστά τον μηχανικό. Μπορεί όμως να λειτουργήσει ως πολλαπλασιαστής παραγωγικότητας, όταν χρησιμοποιείται από ανθρώπους που διαθέτουν τις γνώσεις για να αξιολογούν τις απαντήσεις της και την κρίση για να γνωρίζουν πότε πρέπει να την αμφισβητήσουν.
«Το σωστό σημείο ισορροπίας φαίνεται να είναι να γνωρίζεις αρκετά ώστε να παραμένεις υπεύθυνος για το εργαλείο και να έχεις αρκετή περιέργεια ώστε να το χρησιμοποιήσεις εξαρχής», δήλωσε η καθηγήτρια Andreea Bobu.