Študenti MIT postavili s AI copilotmi prúdový motor za štyri týždne. Vyhral tím, ktorý AI takmer nepoužíval
Súťaž JARVIS na MIT testovala, či AI copiloti zrýchlia návrh a stavbu malej plynovej turbíny. AI pomohla s rešeršou a organizáciou; návrh, výroba a úsudok zostali na inžinieroch.
Massachusetts Institute of Technology zorganizoval tento semester súťaž JARVIS Challenge (Jet-engine AI Research and Validation Intensive Sprint): sedem študentských tímov dostalo štyri týždne na návrh, výrobu, montáž a test malého prúdového motora s ťahom 50 až 100 libier na palivo Jet-A, pričom AI nástroje mali byť ich hlavným inžinierskym partnerom. Išlo o kontrolovaný experiment — skúšobnú prevádzku prístupu „AI-native engineering”, nie o hotovú metódu pre priemysel. Práve preto sú jeho výsledky použiteľné aj mimo univerzity: ukazujú, kde AI copilot inžinierovi reálne pomáha a kde zostáva rozhodujúci človek.
Ako experiment vyzeral
Do súťaže sa zapojilo 31 študentov naprieč takmer všetkými odbormi inžinierskej fakulty; mnohí nikdy predtým nevideli plynovú turbínu zvnútra. Tímy mali k dispozícii dielne MIT, komerčný návrhový softvér (Concepts NREC, SolidWorks, ABAQUS) a platformu Parley, ktorá agreguje viacero veľkých jazykových modelov v jednom rozhraní. Organizátori cez ňu videli, ako tímy AI používajú — prompty, náklady aj zvolené modely. Prístup k AI bol prakticky neobmedzený, finančne ho podporili sponzori vrátane Safran a MIT Lincoln Laboratory.
Postup mal jasné bezpečnostné brány: každý tím musel najprv postaviť a odpáliť zmenšenú spaľovaciu komoru, ktorou dokazoval bezpečnosť svojho návrhu, a až potom smel k testu celého motora. Pedagógovia do návrhov nezasahovali — dohliadali na bezpečnosť a v týždenných kontrolách kládli otázky.
Kde AI pomohla
Tímy podľa MIT využívali AI na zhŕňanie učebníc, učenie sa návrhového softvéru, hľadanie dodávateľov, tvorbu výpočtových tabuliek a porovnávanie variantov návrhu; jeden tím si z AI spravil projektového manažéra. V prvom týždni to fungovalo — aj tímy zložené z prvákov mali použiteľný prvotný návrh turbíny.
Tím Fast and Fractured, ktorý AI využíval najintenzívnejšie, sa bez predchádzajúcich skúseností s turbostrojmi dopracoval k životaschopnému návrhu a ako jediný dosiahol zapálenie zmenšenej spaľovacej komory na prvý pokus. AI mu slúžila najmä na trade-off štúdie a porovnania architektúr.
Kde AI narazila
Od druhého týždňa, pri detailnom konštruovaní a objednávaní dielov, začali tímy narážať na známe limity: vymyslené údaje, prehnane súhlasné odpovede a chýbajúce fyzikálne porozumenie modelov. „AI je užitočný nástroj — výborne hľadá informácie, organizuje a píše. Ale nevie robiť návrh. V momente, keď inžinier nerozumie, čo sa deje, a velenie prevezme AI, sa návrh stáva nespoľahlivým,” zhrnula členka víťazného tímu Elizabeth Tupaj.
Druhý limit nebol technický: dodávatelia. Tímy uviedli, že firmy, ktoré AI našla vyhľadávaním, nemali záujem o zákazku s napätým termínom — vyhoveli dodávatelia, s ktorými mal niekto z tímu osobný vzťah. A napokon samotná výroba: podľa vedúceho projektu, profesora Zoltiho Spakovszkého, nebola limitujúcim krokom analýza ani návrh, ale výroba dielov.
Výsledok a hlavné poučenie
Do finálového testu sa dostali dva najskúsenejšie tímy. Motor tímu Fast and Fractured sa pri ostrom teste zadrel — rotor sa obrúsil o stacionárne puzdro. Vyhral tím 811 Crew, ktorý sa na AI spoliehal najmenej a stavil na skúsenosti s turbostrojmi a návrhovým softvérom: jeho motor naštartoval, prešiel na palivo Jet-A a vytvoril ťah.
Zo súťaže tak vychádza diferencovanejší obraz, než býva v marketingu AI nástrojov: skúsený tím s AI postupoval najrýchlejšie, no k funkčnému stroju došiel tím s najhlbšími základmi. Profesorka Andreea Bobu to opísala ako hľadanie rovnováhy — treba vedieť dosť na to, aby človek nástroj riadil a odhalil jeho chyby, a zároveň byť dosť zvedavý, aby ho vôbec použil.
Čo to znamená pre výrobnú prax
Zistenia MIT sa zhodujú s tým, čo opisujeme pri priemyselných copilotoch Siemens, Beckhoff či KUKA: AI podstatne šetrí inžinierske hodiny pri rešerši, porovnávaní variantov a dokumentácii, ale nepreberá zodpovednosť za funkčný a bezpečný výsledok. Pre firmy, ktoré zvažujú nasadenie AI do vývoja a prípravy výroby, z experimentu plynú tri praktické otázky: kto vo firme má dosť odbornosti na kontrolu AI výstupov, ktoré kroky procesu sú naozaj úzkym hrdlom (na MIT to bola výroba a dodávatelia, nie návrh) a ako sa nové nástroje zavedú bez toho, aby prvé zlé skúsenosti tím od AI odradili — presne to sa stalo časti študentov.
Obmedzenia: ide o jednu súťaž s malými motormi a študentskými tímami, nie o štatisticky reprezentatívnu štúdiu; výsledky jednotlivých tímov silno záviseli od predchádzajúcich skúseností. MIT experiment sám označuje za prvý ročník s plánom pokračovať.
Zdroj: MIT News
Galéria
Primárny zdroj
