Эксперимент JARVIS Challenge провели в Массачусетском технологическом институте. Студентам дали четыре недели, чтобы спроектировать, изготовить, собрать и испытать небольшой газотурбинный реактивный двигатель. Основным помощником команд должен был стать искусственный интеллект, а преподаватели вмешивались главным образом ради безопасности.
В соревновании участвовал 31 студент, разделенный на семь команд. Среди них были как старшекурсники с инженерной подготовкой, так и новички, которые прежде почти не сталкивались с газовыми турбинами. Участники получили доступ к мастерским, профессиональным программам для моделирования и нескольким языковым моделям.
Где ИИ ускорил работу
В начале проекта ИИ оказался удобным наставником и организатором. Он помогал студентам быстро разбираться в учебниках, искать справочную информацию, осваивать программы для проектирования, сравнивать разные конструкции и составлять таблицы. Одна из команд даже поручила отдельному ИИ-агенту выполнять роль руководителя проекта.
Особенно полезными модели оказались для участников, которым не хватало узких знаний. ИИ предлагал возможные варианты конструкции и помогал оценивать их преимущества. Команда Fast and Fractured, почти не имевшая опыта с газовыми турбинами, активно применяла алгоритмы и смогла создать работоспособную камеру сгорания, узел, где топливо смешивается с воздухом и воспламеняется.
Однако скорость цифрового проектирования уперлась в физический мир. Детали требовалось заказать, изготовить, подогнать и собрать. По словам организаторов, главным ограничением стало именно производство. ИИ мог за минуты предложить новую форму детали, но не мог заставить поставщика изготовить ее быстрее.
Кто победил и почему
На этапе подробного проектирования начали проявляться слабые стороны языковых моделей. Они выдавали убедительные, но ошибочные сведения, соглашались с сомнительными решениями и плохо учитывали поведение реальных материалов. Если студент не обладал достаточными знаниями для проверки ответа, советы ИИ могли не ускорять, а запутывать работу.
До полноценных испытаний дошли две опытные команды. У одной двигатель запустился, но быстро остановился из-за соприкосновения вращающейся части с неподвижным корпусом. Победила команда 811 Crew: ее установка заработала на авиационном топливе и создала тягу. Примечательно, что эти студенты пользовались ИИ осторожнее остальных и больше полагались на знания, практические навыки и распределение ролей внутри команды.
При этом организаторы не считают эксперимент поражением искусственного интеллекта. Быстрее всего продвигалась опытная команда, которая активно использовала модели, но сохраняла контроль над их решениями. Главный вывод JARVIS Challenge оказался прост: ИИ способен резко ускорить инженерную работу, когда человек понимает физику процесса и умеет замечать ошибки. Без такой подготовки цифровой помощник легко превращается в уверенного, но ненадежного советчика.
Ранее Наука Mail рассказала об арт-школе искусственного интеллекта на «Тавриде», где участников учат применять нейросети в рекламе, кино и литературе.