AI能製造噴氣發動機嗎？JARVIS挑戰賽測試AI副駕駛在硬科技工程中的作用

人工智慧已經迅速改變了軟體工程。生成式AI和大語言模型可以建立大量程式碼和文件；機器學習演算法可以監控效能並檢測安全漏洞。但是，當任務是要構思、設計和製造一個複雜的物理系統（如噴氣發動機）時，這些AI工具是否同樣具有變革性？

上個學期，JARVIS挑戰賽（Jet-engine AI Research and Validation Intensive Sprint）旨在探索AI是否能壓縮設計-建造-測試周期，要求麻省理工學院的本科生探索AI是否可以幫助他們更快、更好地建造。

“JARVIS挑戰賽表明，AI可以顯著加速安全關鍵的硬體工程，但工程判斷仍然是決定性的差異化因素。一個AI原生的工程師不是透過使用AI來定義的，而是透過領導AI——知道何時信任它、何時質疑它、以及如何將AI輸出轉化為實際硬體。製造——而不是工程設計或分析——仍然是根本的限速步驟。”麻省理工學院燃氣輪機實驗室主任Zolti Spakovszky教授說。

團隊、工具、任務

挑戰賽給本科生四周時間，利用AI作為主要工程夥伴，設計、製造、組裝和測試一個小型燃氣渦輪航空發動機。目標是建造一個“JARVIS級”單軸噴氣發動機，產生50-100磅推力，使用Jet-A燃料，並完成五次60秒執行。團隊在設計、材料和製造上擁有完全的自由。

來自工程學院幾乎所有系的31名學生組成了七個團隊，從全新生團隊到高年級為主的團隊。許多參賽者最初在渦輪機械、可壓縮流甚至熱力學方面經驗很少。許多人在報名之前從未見過燃氣輪機的內部。

他們可以利用麻省理工學院的機械車間和製造供應商；商業軟體包括Concepts NREC、SolidWorks和ABAQUS；以及各種用於表徵和組裝單個部件的測試臺。

團隊還可以使用MIT Parley，這是一個新推出的平臺，透過單一介面聚合前沿的大語言模型。透過Parley，JARIS領導可以直接看到學生如何使用AI工具，包括他們的提示、每次提示的成本、使用的具體LLM以及其他關鍵資訊。JARIS領導為所有參與者爭取到了Parley的早期訪問權，並且透過MIT林肯實驗室、機械工程系以及企業贊助商Safran、Voyager Technologies和Beehive Industries的財務支援，學生可以基本上無限制地使用AI。

贊助商被招聘興趣和對AI可能如何重塑工程工作流程的真實好奇心所吸引。

“我們將其視為工程的未來，”Voyager Technologies的Ryan (Hal) Hefron告訴學生們。“你們正在磨練的技能不僅僅是錦上添花——它們將成為工程勞動力的未來基線。”

Safran Tech的總經理Vincent Garnier興奮地觀看了比賽。“JARVIS是一個真正的實驗，一個學習專案。坦率地說，我們不知道會從學生或AI模型那裡期待什麼。讓我印象深刻的是學生的表現：首先是探索的熱情；然後，隨著專案的發展，他們都冷靜地認識到AI能或不能幫助他們什麼，然後幾乎立即適應了這一點。”他說。“這讓我相信，這一代領先的工程師可能不會輕易陷入對AI的短視使用，他們會透過不斷接觸實驗——物理實驗或思想實驗——來做到這一點。”

教師領導層——航空航天系的教授Zachary Cordero、Zolti Spakovszky、Masha Folk和Andreea Bobu，以及林肯實驗室的工程師和助教團隊——確保安全。在每週的進度評審中，他們嚴格評估學生的進展以及學生如何使用AI。

Spakovszky開發了一種謹慎的技巧來指導團隊朝著正確方向，而不給出答案或提供幫助。在一個團隊的演講之後，他可能會問：“你知道什麼是嵌合配合嗎？考慮一下這個意見。”

AI幫助和阻礙的地方

到第一週末，一個團隊退出了比賽；其他團隊以不同程度的成功為其燃氣輪機制定了初始設計。不同的團隊使用AI來總結教科書、教自己使用設計軟體、尋找供應商、建立Excel表格、回答特定問題、查詢參考資料以及在設計決策之間進行對比分析。一個團隊在Parley中建立了一個代理，並讓其擔任專案主管。

到第二週，團隊必須開始詳細的CAD設計、訂購部件並原型化燃燒室。這時團隊開始遇到AI使用的限制。雖然Claude和ChatGPT在提供設計替代方案和填補知識空白方面表現出色，但團隊發現，生成式AI臭名昭著的幻覺、諂媚和缺乏物理理解損害了他們的信心並減緩了他們的速度。

“AI是一個有用的工具，擅長查詢資訊、幫助組織事情，並且可以寫得很好，但它不能做設計，”811 Crew的成員Elizabeth Tupaj說。“當工程師不知道發生了什麼並且AI負責時，設計就變得不可靠，至少在AI當前的能力下如此。”

助教John Zhang指出，“親眼看到學生們的經歷提醒我第一印象有多重要。如果學生早期無法從AI得到答案，他們很快就會感到沮喪並形成持久的看法，從而阻止他們以後使用它。”

在最後幾周，決賽選手遇到了另一個AI無法解決的障礙：與供應商合作。“AI搜尋找到的供應商我們之前沒有聯絡，他們對我們的緊迫時間表不感興趣，”學生們報告。“完成任務的供應商是我們的團隊有個人關係的供應商。”

在三個決賽選手中，只有Fast and Fractured實現了其小型燃燒室的首次點火。該團隊在貿易研究和架構比較中大量使用了AI，儘管他們之前都沒有燃氣輪機經驗，但得出了一個可行的設計。

“JARVIS挑戰賽展示了當AI輔助設計與積極的學生和快速實驗文化相結合時的可能性，”航空航天系Charles Stark Draper職業發展教授Masha Folk說。“最突出的時刻是第一個學生設計的燃燒室安裝在測試臺上。它完美地點火、加速到全功率、過渡到雙燃料執行，然後在100% Jet-A燃料上維持穩定燃燒。這證明了我們可以顯著加速設計、建造和測試的迴圈，同時讓學生獲得實際操作真實工程挑戰的經驗。”

AI原生工程的前沿

到5月底，兩個更高年級的團隊——Fast and Fractured和811 Crew——完成了完整的發動機測試。Fast and Fractured憑藉其AI輔助設計，在供應商問題上週復一週地延誤，但最終進行了測試。不幸的是，他們的熱試車因轉子摩擦並卡在固定殼體上而提前結束。然而，在進入比賽時對渦輪機械和推進概念有更多瞭解的811 Crew取得了勝利。他們的發動機啟動，成功過渡到Jet-A，併產生了淨推力。

“當我們站在那裡，聽著他們的發動機啟動並看著它們噴火時，我的心感覺要跳出胸膛。有很多可能出問題的方式！這些學生在如此短的時間內取得的成就令人驚歎。”博士生Joe Chiapperi說。

811隊在整場比賽中一直抵制使用AI，而是依賴他們的基礎知識和團隊合作。“我們有至少熟悉設計軟體的人，有知道如何製造任何東西的機械工程師，還有專門上過燃氣渦輪發動機設計課程的航空航天工程師，”Tupaj說。

從JARVIS挑戰賽開始，低年級學生更頻繁和更巧妙地使用Parley，而高年級學生則利用更深的經驗。

“JARVIS教會我，從AI中獲取價值需要兩件事：足夠的專業知識來判斷它告訴你的東西並在它出錯時發現，以及足夠的好奇心在它能幫助的地方實際依賴它。”教授Andreea Bobu說。“在衝刺中移動最快的團隊是有經驗的並且大力依賴AI的團隊。最終獲勝的團隊對AI更抗拒；他們有專業知識，但那種懷疑態度使他們變慢。最佳點似乎是知道足夠多以便控制工具，並且有足夠的熱情首先拿起它。對我來說，這就是真正的機會所在：培養下一代工程師，他們具有指導這些AI工具的判斷力和使用它們的本能。”

比賽最明確的發現是：工程經驗是一個乘數，人為因素仍然是關鍵要素。掌握第一性原理和基本概念培養出良好的工程判斷力以及在資訊不完整的情況下應對一系列艱難決策的能力。當涉及到建造安全關鍵的物理系統時，沒有什麼可以取代人力和人的責任感。

“JARVIS表明，AI副駕駛可以對工程生產力產生乘數效應，判斷力和第一性原理思維是團隊之間的關鍵差異化因素。”助教Kyle Woody補充道。

但AI在航空航天領域的影響是巨大的。如果小團隊使用管理良好的AI副駕駛可以將設計-建造-測試周期從數年壓縮到數週，那麼對勞動力結構、研發時間表和競爭動態的影響可能是重大的。參與JARVIS挑戰賽的學生是第一批作為思想實驗，而是在機器車間裡、在測試臺上的噴氣發動機旁應對這些賭注的工程師。

“JARVIS突出了AI在物理系統設計中的力量，”但實現這種力量的關鍵是教育，透過課程、實習以及像MIT Motorsports和Rocket Team這樣的動手課外活動。JARVIS中的表現與年級高度相關。我的主要收穫是，在AI時代，教育比以往任何時候都更有價值。”燃氣輪機實驗室副主任Cordero說。