ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ಸಾಫ್ಟ್ವೇರ್ ಎಂಜಿನಿಯರಿಂಗ್ ಅನ್ನು ವೇಗವಾಗಿ ಬದಲಾಯಿಸಿದೆ. ಜನರೇಟಿವ್ AI ಮತ್ತು ದೊಡ್ಡ ಪ್ರಮಾಣದ ಭಾಷಾ ಮಾದರಿಗಳು (LLM) ದೊಡ್ಡ ಪ್ರಮಾಣದ ಕೋಡ್ ಮತ್ತು ದಸ್ತಾವೇಜನ್ನು ರಚಿಸಬಹುದು; ಯಂತ್ರ ಕಲಿಕೆ ಅಲ್ಗಾರಿದಮ್ಗಳು ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ಮೇಲ್ವಿಚಾರಣೆ ಮಾಡಬಹುದು ಮತ್ತು ಭದ್ರತಾ ದೋಷಗಳನ್ನು ಪತ್ತೆ ಮಾಡಬಹುದು. ಆದರೆ ಜೆಟ್ ಎಂಜಿನ್ನಂತಹ ಸಂಕೀರ್ಣ ಭೌತಿಕ ವ್ಯವಸ್ಥೆಯನ್ನು ಕಲ್ಪಿಸುವುದು, ವಿನ್ಯಾಸಗೊಳಿಸುವುದು ಮತ್ತು ನಿರ್ಮಿಸುವುದು ಕಾರ್ಯವಾಗಿರುವಾಗ, ಈ AI ಉಪಕರಣಗಳು ಸಮಾನವಾಗಿ ರೂಪಾಂತರಗೊಳ್ಳುತ್ತವೆಯೇ?
ಈ ಹಿಂದಿನ ಸೆಮಿಸ್ಟರ್ನಲ್ಲಿ, JARVIS ಚಾಲೆಂಜ್ (ಜೆಟ್-ಎಂಜಿನ್ ರಿಸರ್ಚ್ ಮತ್ತು ವ್ಯಾಲಿಡೇಶನ್ ಇಂಟೆನ್ಸಿವ್ ಸ್ಪ್ರಿಂಟ್) AI ವಿನ್ಯಾಸ-ಬಿಲ್ಡ್-ಟೆಸ್ಟ್ ಚಕ್ರವನ್ನು ಸಂಕುಚಿತಗೊಳಿಸಬಹುದೇ ಎಂದು ನಿರ್ಧರಿಸಲು ಪ್ರಾರಂಭಿಸಿತು ಮತ್ತು AI ಅವರಿಗೆ ವೇಗವಾಗಿ ಮತ್ತು ಉತ್ತಮವಾಗಿ ನಿರ್ಮಿಸಲು ಸಹಾಯ ಮಾಡಬಹುದೇ ಎಂದು ಕಂಡುಹಿಡಿಯಲು MIT ವಿದ್ಯಾರ್ಥಿಗಳಿಗೆ ಕೇಳಿತು.
“ಸುರಕ್ಷತಾ-ನಿರ್ಣಾಯಕ ಯಂತ್ರಾಂಶದ ಇಂಜಿನಿಯರಿಂಗ್ ಅನ್ನು AI ಗಣನೀಯವಾಗಿ ವೇಗಗೊಳಿಸಬಹುದು ಎಂದು JARVIS ಸವಾಲು ತೋರಿಸಿದೆ, ಆದರೆ ಎಂಜಿನಿಯರಿಂಗ್ ತೀರ್ಪು ನಿರ್ಣಾಯಕ ಭಿನ್ನತೆಯಾಗಿದೆ. ಸ್ಥಳೀಯ AI ಇಂಜಿನಿಯರ್ ಅನ್ನು AI ಬಳಸಿ ವ್ಯಾಖ್ಯಾನಿಸಲಾಗಿಲ್ಲ, ಆದರೆ ಅದನ್ನು ಮುನ್ನಡೆಸುವ ಮೂಲಕ-ಅದನ್ನು ಯಾವಾಗ ನಂಬಬೇಕು, ಯಾವಾಗ ಅದನ್ನು ಅನುಮಾನಿಸಬೇಕು ಮತ್ತು AI ಫಲಿತಾಂಶಗಳನ್ನು ಎಂಜಿನ್ ವಿನ್ಯಾಸಕ್ಕೆ ಹೇಗೆ ಅನುವಾದಿಸುವುದು ಅಥವಾ ಕೋರ್ ಎಂಜಿನ್ ವೇಗವಲ್ಲ ಎಂದು ಹೇಳುತ್ತದೆ. ಸ್ಪಕೋವ್ಸ್ಕಿ, ನಿರ್ದೇಶಕ. MIT ಗ್ಯಾಸ್ ಟರ್ಬೈನ್ ಪ್ರಯೋಗಾಲಯ.
ತಂಡಗಳು, ಉಪಕರಣಗಳು, ಕಾರ್ಯಗಳು
AI ಅನ್ನು ತಮ್ಮ ಮುಖ್ಯ ಇಂಜಿನಿಯರಿಂಗ್ ಪಾಲುದಾರನಾಗಿ ಬಳಸಿಕೊಂಡು ಸಣ್ಣ ಗ್ಯಾಸ್ ಟರ್ಬೈನ್ ಎಂಜಿನ್ ಅನ್ನು ವಿನ್ಯಾಸಗೊಳಿಸಲು, ನಿರ್ಮಿಸಲು, ಜೋಡಿಸಲು ಮತ್ತು ಪರೀಕ್ಷಿಸಲು ವಿದ್ಯಾರ್ಥಿಗಳಿಗೆ ನಾಲ್ಕು ವಾರಗಳ ಅವಕಾಶವನ್ನು ಈ ಸವಾಲು ನೀಡಿದೆ. ಗುರಿ: “JARVIS ಕ್ಲಾಸ್” ಜೆಟ್ ಎಂಜಿನ್ ಅನ್ನು ನಿರ್ಮಿಸುವುದು ಅದು 50-100 ಪೌಂಡ್ಗಳ ಒತ್ತಡವನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ, Jet-A ನಲ್ಲಿ ರನ್ ಆಗುತ್ತದೆ ಮತ್ತು ಐದು 60-ಸೆಕೆಂಡ್ ರನ್ಗಳನ್ನು ಪೂರ್ಣಗೊಳಿಸುತ್ತದೆ. ವಿನ್ಯಾಸ, ಸಾಮಗ್ರಿಗಳು ಮತ್ತು ನಿರ್ಮಾಣದ ವಿಷಯದಲ್ಲಿ ತಂಡಗಳು ಸಂಪೂರ್ಣ ಸ್ವಾತಂತ್ರ್ಯವನ್ನು ಹೊಂದಿದ್ದವು.
ಸ್ಕೂಲ್ ಆಫ್ ಇಂಜಿನಿಯರಿಂಗ್ನಲ್ಲಿನ ಪ್ರತಿಯೊಂದು ವಿಭಾಗವನ್ನು ಪ್ರತಿನಿಧಿಸುವ, 31 ವಿದ್ಯಾರ್ಥಿಗಳನ್ನು ಏಳು ತಂಡಗಳಾಗಿ ಆಯೋಜಿಸಲಾಗಿದೆ, ಎಲ್ಲಾ ಹೊಸಬರಿಂದ ಹಿಡಿದು ಹಿರಿಯ ತಂಡಗಳವರೆಗೆ. ಅನೇಕ ಸ್ಪರ್ಧಿಗಳು ಆರಂಭದಲ್ಲಿ ಟರ್ಬೊಮ್ಯಾಚಿನರಿ, ಸಂಕುಚಿತ ಹರಿವುಗಳು, ಅಥವಾ ಕಿರಿಯ ವಿದ್ಯಾರ್ಥಿಗಳ ಸಂದರ್ಭದಲ್ಲಿ, ಥರ್ಮೋಡೈನಾಮಿಕ್ಸ್ನಲ್ಲಿ ಕಡಿಮೆ ಅನುಭವವನ್ನು ಹೊಂದಿದ್ದರು. ಗ್ಯಾಸ್ ಟರ್ಬೈನ್ ಅನ್ನು ನಿರ್ಮಿಸಲು ಸೈನ್ ಅಪ್ ಮಾಡುವ ಮೊದಲು ಅನೇಕರು ಅದರ ಒಳಭಾಗವನ್ನು ನೋಡಿಲ್ಲ.
ಅವರ ವಿಲೇವಾರಿಯಲ್ಲಿ: MIT ಮೆಕ್ಯಾನಿಕಲ್ ಅಂಗಡಿಗಳು ಮತ್ತು ಉತ್ಪಾದನಾ ಮಾರಾಟಗಾರರು; ಕಾನ್ಸೆಪ್ಟ್ಗಳು NREC, ಸಾಲಿಡ್ವರ್ಕ್ಸ್ ಮತ್ತು ABAQUS ಸೇರಿದಂತೆ ವಾಣಿಜ್ಯ ಸಾಫ್ಟ್ವೇರ್; ಮತ್ತು ಪ್ರತ್ಯೇಕ ಘಟಕಗಳನ್ನು ವಿವರಿಸಲು ಮತ್ತು ಜೋಡಿಸಲು ವಿವಿಧ ಪರೀಕ್ಷಾ ಸಾಧನಗಳು.
ತಂಡಗಳು MIT ಪಾರ್ಲಿಗೆ ಪ್ರವೇಶವನ್ನು ಹೊಂದಿದ್ದವು, ಇದು ಹೊಸದಾಗಿ ಅಭಿವೃದ್ಧಿಪಡಿಸಿದ ವೇದಿಕೆಯಾಗಿದ್ದು ಅದು ಒಂದೇ ಇಂಟರ್ಫೇಸ್ ಮೂಲಕ ದೊಡ್ಡ ಗಡಿ ಭಾಷಾ ಮಾದರಿಗಳನ್ನು ಸಂಯೋಜಿಸುತ್ತದೆ. ಪಾರ್ಲಿ ಮೂಲಕ, JARVIS ನಾಯಕರು ವಿದ್ಯಾರ್ಥಿಗಳು ತಮ್ಮ ಸೂಚನೆ, ಪ್ರತಿ ಅಪ್ಲಿಕೇಶನ್ಗೆ ವೆಚ್ಚ, ನಿರ್ದಿಷ್ಟ LLM ಗಳು ಮತ್ತು ಇತರ ಪ್ರಮುಖ ಮಾಹಿತಿ ಸೇರಿದಂತೆ AI ಪರಿಕರಗಳನ್ನು ಹೇಗೆ ಬಳಸುತ್ತಿದ್ದಾರೆ ಎಂಬುದನ್ನು ನೇರವಾಗಿ ನೋಡಬಹುದು. JARVIS ಎಲ್ಲಾ ಭಾಗವಹಿಸುವವರಿಗೆ ಪಾರ್ಲಿಗೆ ಆರಂಭಿಕ ಪ್ರವೇಶವನ್ನು ಉತ್ತೇಜಿಸುತ್ತದೆ ಮತ್ತು MIT ಲಿಂಕನ್ ಲ್ಯಾಬೊರೇಟರಿ, ಮೆಕ್ಯಾನಿಕಲ್ ಇಂಜಿನಿಯರಿಂಗ್ ವಿಭಾಗ ಮತ್ತು ಕಾರ್ಪೊರೇಟ್ ಪ್ರಾಯೋಜಕರಾದ ಸಫ್ರಾನ್, ವಾಯೇಜರ್ ಟೆಕ್ನಾಲಜೀಸ್, ಬೀಹೈವ್ ಇಂಡಸ್ಟ್ರೀಸ್ ಮತ್ತು ಬೂಮ್ ಟೆಕ್ನಾಲಜಿಯಿಂದ ಹಣಕಾಸಿನ ಬೆಂಬಲದೊಂದಿಗೆ, ವಿದ್ಯಾರ್ಥಿಗಳು AI ಯ ಅನಿಯಮಿತ ಬಳಕೆಗೆ ಪ್ರವೇಶವನ್ನು ಹೊಂದಿದ್ದಾರೆ.
ಇಂಜಿನಿಯರಿಂಗ್ ಕೋರ್ಸ್ ಅನ್ನು AI ಹೇಗೆ ಬದಲಾಯಿಸಬಹುದು ಎಂಬುದರ ಕುರಿತು ಆಸಕ್ತಿ ಮತ್ತು ನಿಜವಾದ ಕುತೂಹಲವನ್ನು ಸೆರೆಹಿಡಿಯುವ ಮೂಲಕ ಪ್ರಾಯೋಜಕರು.
“ನಾವು ಇದನ್ನು ಎಂಜಿನಿಯರಿಂಗ್ನ ಭವಿಷ್ಯವೆಂದು ನೋಡುತ್ತೇವೆ” ಎಂದು ವಾಯೇಜರ್ ಟೆಕ್ನಾಲಜೀಸ್ನ ರಯಾನ್ ಹೆಫ್ರಾನ್ ವಿದ್ಯಾರ್ಥಿಗಳಿಗೆ ಹೇಳಿದರು. “ನೀವು ಕೇವಲ ಉತ್ತಮವಲ್ಲದ ಕೌಶಲ್ಯಗಳನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸುತ್ತಿದ್ದೀರಿ-ಅವು ಭವಿಷ್ಯದ ಎಂಜಿನಿಯರಿಂಗ್ ಕಾರ್ಯಪಡೆಯ ಅಡಿಪಾಯವಾಗಲಿದೆ.”
ಸಫ್ರಾನ್ ಟೆಕ್ ನ ಸಿಇಒ ವಿನ್ಸೆಂಟ್ ಗಾರ್ನಿಯರ್ ಅವರು ಸ್ಪರ್ಧೆಯನ್ನು ಸಂಭ್ರಮದಿಂದ ವೀಕ್ಷಿಸಿದರು. “JARVIS ನಿಜವಾದ ಪ್ರಯೋಗ, ಕಲಿಕೆಯ ಅನುಭವ. ಪ್ರಾಮಾಣಿಕವಾಗಿ, ವಿದ್ಯಾರ್ಥಿಗಳಿಂದ ಅಥವಾ AI ಮಾದರಿಗಳಿಂದ ಏನನ್ನು ನಿರೀಕ್ಷಿಸಬೇಕೆಂದು ನಮಗೆ ತಿಳಿದಿರಲಿಲ್ಲ. ವಿದ್ಯಾರ್ಥಿಗಳ ಬಗ್ಗೆ ನನಗೆ ಆಶ್ಚರ್ಯವೆಂದರೆ: ಮೊದಲು, ಕಲಿಯುವ ಉತ್ಸುಕತೆ; ನಂತರ, ಯೋಜನೆಯು ಅಭಿವೃದ್ಧಿಗೊಂಡಂತೆ, ಅವರೆಲ್ಲರೂ AI ಅವರಿಗೆ ಏನು ಸಹಾಯ ಮಾಡಬಹುದು ಅಥವಾ ಸಾಧ್ಯವಿಲ್ಲ ಎಂಬುದರ ಬಗ್ಗೆ ತಣ್ಣನೆಯ ಅರಿವಿಗೆ ಬಂದರು ಮತ್ತು ನಂತರ ಅವರು ಬಹುತೇಕ ಅರ್ಹರಾದರು.” “ಈ ಪೀಳಿಗೆಯ ಸುಧಾರಿತ ಇಂಜಿನಿಯರ್ಗಳು AI ಯ ಸುಲಭ, ದೂರದೃಷ್ಟಿಯ ಬಳಕೆಯ ಬಲೆಗೆ ಬೀಳುವುದಿಲ್ಲ ಎಂದು ಇದು ನನಗೆ ನಂಬುವಂತೆ ಮಾಡುತ್ತದೆ ಮತ್ತು ಅನುಭವಗಳೊಂದಿಗೆ – ದೈಹಿಕ ಅಥವಾ ಮಾನಸಿಕ ಅನುಭವಗಳೊಂದಿಗೆ ಹೆಚ್ಚು ಸಂಪರ್ಕಿಸುವ ಮೂಲಕ ಹಾಗೆ ಮಾಡುತ್ತದೆ.”
ಅಧ್ಯಾಪಕ ನಾಯಕತ್ವ-ಪ್ರೊಫೆಸರ್ಗಳಾದ ಜಕಾರಿ ಕಾರ್ಡೆರೊ, ಝೋಲ್ಟಿ ಸ್ಪಕೋವ್ಸ್ಕಿ, ಮಾಶಾ ಫಾಕ್ ಮತ್ತು ಏರೋನಾಟಿಕ್ಸ್ ಮತ್ತು ಆಸ್ಟ್ರೋನಾಟಿಕ್ಸ್ ವಿಭಾಗದ ಆಂಡ್ರೀಯಾ ಬೋಬು, ಜೊತೆಗೆ ಲಿಂಕನ್ ಪ್ರಯೋಗಾಲಯದ ಎಂಜಿನಿಯರ್ಗಳು ಮತ್ತು ಬೋಧನಾ ಸಹಾಯಕರ ತಂಡವು ಸುರಕ್ಷತೆಯನ್ನು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಲು ಅಲ್ಲಿತ್ತು. ಸಾಪ್ತಾಹಿಕ ಪ್ರಗತಿ ಪರಿಶೀಲನೆಗಳಲ್ಲಿ, ಅವರು ವಿದ್ಯಾರ್ಥಿಗಳ ಪ್ರಗತಿಯನ್ನು ವಿಮರ್ಶಾತ್ಮಕವಾಗಿ ನಿರ್ಣಯಿಸುತ್ತಾರೆ ಮತ್ತು ವಿದ್ಯಾರ್ಥಿಗಳು AI ಅನ್ನು ಎಷ್ಟು ಚೆನ್ನಾಗಿ ಬಳಸುತ್ತಿದ್ದಾರೆ ಎಂಬುದನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡುತ್ತಾರೆ.
ಉತ್ತರಗಳನ್ನು ನೀಡದೆ ಅಥವಾ ಸಹಾಯವನ್ನು ನೀಡದೆ ಸರಿಯಾದ ದಿಕ್ಕಿನಲ್ಲಿ ತಂಡಗಳನ್ನು ಮಾರ್ಗದರ್ಶನ ಮಾಡಲು ಸ್ಪಕೋವ್ಸ್ಕಿ ಎಚ್ಚರಿಕೆಯ ತಂತ್ರವನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಿದರು. ತಂಡದ ಪ್ರದರ್ಶನದ ನಂತರ, ಅವರು ಕೇಳಬಹುದು: “ಮೊಲವು ಹೇಗೆ ಕಾಣುತ್ತದೆ ಎಂದು ನಿಮಗೆ ತಿಳಿದಿದೆಯೇ? ಕಾಮೆಂಟ್ಗಳಲ್ಲಿ ಬರೆಯಿರಿ.”
ಅಲ್ಲಿ AI ಸಹಾಯ ಮಾಡುತ್ತದೆ ಮತ್ತು ನೋವುಂಟು ಮಾಡುತ್ತದೆ
ವಾರದ 1 ರ ಕೊನೆಯಲ್ಲಿ, ಒಂದು ತಂಡವು ಪಂದ್ಯಾವಳಿಯಿಂದ ಹಿಂತೆಗೆದುಕೊಂಡಿತು; ಇತರರು ತಮ್ಮ ಮೊದಲ ಗ್ಯಾಸ್ ಟರ್ಬೈನ್ ವಿನ್ಯಾಸಗಳನ್ನು ವಿವಿಧ ಹಂತದ ಯಶಸ್ಸಿನೊಂದಿಗೆ ಅಭಿವೃದ್ಧಿಪಡಿಸಿದರು. ಪಠ್ಯಪುಸ್ತಕಗಳನ್ನು ಕಂಪೈಲ್ ಮಾಡಲು, ವಿನ್ಯಾಸ ಸಾಫ್ಟ್ವೇರ್ ಅನ್ನು ಹೇಗೆ ಬಳಸುವುದು, ಮೂಲ ಮಾರಾಟಗಾರರು, ಎಕ್ಸೆಲ್ ಸ್ಪ್ರೆಡ್ಶೀಟ್ಗಳನ್ನು ರಚಿಸುವುದು, ನಿರ್ದಿಷ್ಟ ಪ್ರಶ್ನೆಗಳಿಗೆ ಉತ್ತರಿಸುವುದು, ಉಲ್ಲೇಖಗಳನ್ನು ಹುಡುಕುವುದು ಮತ್ತು ವಿನ್ಯಾಸ ಪರಿಹಾರಗಳ ನಡುವೆ ತುಲನಾತ್ಮಕ ವಿಶ್ಲೇಷಣೆಯನ್ನು ರಚಿಸಲು ವಿವಿಧ ಗುಂಪುಗಳು AI ಅನ್ನು ಬಳಸಿಕೊಂಡಿವೆ. ಒಂದು ತಂಡವು ಪರ್ಲಿಯಲ್ಲಿ ಏಜೆಂಟ್ ಅನ್ನು ರಚಿಸಿತು ಮತ್ತು ಅದನ್ನು ತಮ್ಮ ಪ್ರಾಜೆಕ್ಟ್ ಮ್ಯಾನೇಜರ್ ಆಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸಲು ನಿಯೋಜಿಸಿತು.
ವಾರದ 2 ರ ಹೊತ್ತಿಗೆ, ತಂಡಗಳು ವಿವರವಾದ CAD ವಿನ್ಯಾಸಗಳನ್ನು ಪ್ರಾರಂಭಿಸಬೇಕು, ಭಾಗಗಳನ್ನು ಆರ್ಡರ್ ಮಾಡುವುದು ಮತ್ತು ಇಂಧನವನ್ನು ಮೂಲಮಾದರಿ ಮಾಡುವುದು. ಇಲ್ಲಿ ತಂಡಗಳು AI ಬಳಸುವ ಮಿತಿಗಳನ್ನು ನೋಡಲು ಪ್ರಾರಂಭಿಸಿದವು. ಕ್ಲೌಡ್ ಮತ್ತು ಚಾಟ್ಜಿಪಿಟಿ ವಿನ್ಯಾಸದ ಪರ್ಯಾಯಗಳನ್ನು ಸೂಚಿಸುವಲ್ಲಿ ಮತ್ತು ಜ್ಞಾನದ ಅಂತರವನ್ನು ತುಂಬುವಲ್ಲಿ ಉತ್ತಮವಾಗಿದ್ದರೂ, ಕೃತಕ AI ಯ ಪ್ರಸಿದ್ಧ ಲಕ್ಷಣಗಳಾಗಿ ಮಾರ್ಪಟ್ಟಿರುವ ಭ್ರಮೆಗಳು, ಭ್ರಮೆಗಳು ಮತ್ತು ಭೌತಿಕ ತಿಳುವಳಿಕೆಯ ಕೊರತೆಯು ಅವರ ಆತ್ಮವಿಶ್ವಾಸವನ್ನು ದುರ್ಬಲಗೊಳಿಸುತ್ತದೆ ಮತ್ತು ಅವುಗಳನ್ನು ನಿಧಾನಗೊಳಿಸುತ್ತದೆ ಎಂದು ತಂಡಗಳು ಕಂಡುಕೊಂಡವು.
“AI ಒಂದು ಉಪಯುಕ್ತ ಸಾಧನವಾಗಿದೆ, ಇದು ಮಾಹಿತಿಯನ್ನು ಹುಡುಕಬಹುದು, ವಿಷಯಗಳನ್ನು ಸಂಘಟಿಸಲು ಮತ್ತು ಉತ್ತಮವಾಗಿ ಬರೆಯಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ, ಆದರೆ ಇದು ವಿನ್ಯಾಸವನ್ನು ಮಾಡಲು ಸಾಧ್ಯವಿಲ್ಲ” ಎಂದು 811 ಸಿಬ್ಬಂದಿಯ ಸದಸ್ಯರಾದ ಎಲಿಜಬೆತ್ ತುಪೈ ಹೇಳುತ್ತಾರೆ. “ಎಂಜಿನಿಯರ್ಗೆ ಏನು ನಡೆಯುತ್ತಿದೆ ಎಂದು ತಿಳಿದಿಲ್ಲದ ಕ್ಷಣ ಮತ್ತು AI ಉಸ್ತುವಾರಿ ವಹಿಸುತ್ತದೆ, ಆ ಕ್ಷಣದಲ್ಲಿ ವಿನ್ಯಾಸವು ವಿಶ್ವಾಸಾರ್ಹವಲ್ಲ, ಕನಿಷ್ಠ AI ಅದರ ಪ್ರಸ್ತುತ ಸಾಮರ್ಥ್ಯಗಳಲ್ಲಿ.”
ಬೋಧನಾ ಸಹಾಯಕ ಜಾನ್ ಜಾಂಗ್ ಟಿಪ್ಪಣಿಗಳು, “ವಿದ್ಯಾರ್ಥಿಗಳೊಂದಿಗೆ ಇದನ್ನು ನೋಡಿದ ನನಗೆ ಮೊದಲ ಅನಿಸಿಕೆಗಳು ಎಷ್ಟು ಮುಖ್ಯವೆಂದು ನನಗೆ ನೆನಪಿಸಿತು. ವಿದ್ಯಾರ್ಥಿಗಳು ಆರಂಭದಲ್ಲಿ AI ನಿಂದ ಉತ್ತರಗಳನ್ನು ಪಡೆಯದಿದ್ದರೆ, ಅವರು ಬೇಗನೆ ನಿರಾಶೆಗೊಳ್ಳುತ್ತಾರೆ ಮತ್ತು ನಂತರ ಅದನ್ನು ಬಳಸದಂತೆ ತಡೆಯುವ ಸ್ಥಿರ ಮನಸ್ಥಿತಿಯನ್ನು ಬೆಳೆಸಿಕೊಳ್ಳುತ್ತಾರೆ.”
ಇತ್ತೀಚಿನ ವಾರಗಳಲ್ಲಿ, ವಿಜೇತರು AI ಪರಿಹರಿಸಲಾಗದ ಮತ್ತೊಂದು ಅಡಚಣೆಯನ್ನು ಎದುರಿಸಿದ್ದಾರೆ: ಮಾರಾಟಗಾರರೊಂದಿಗೆ ವ್ಯವಹರಿಸುವುದು. “ನಾವು ಯಾವುದೇ ಸಂಬಂಧವನ್ನು ಹೊಂದಿಲ್ಲದ ಮತ್ತು ನಮ್ಮ ಬಿಗಿಯಾದ ವೇಳಾಪಟ್ಟಿಯಲ್ಲಿ ಆಸಕ್ತಿ ಹೊಂದಿಲ್ಲದ ಮಾರಾಟಗಾರರನ್ನು ಹುಡುಕಾಟ AI ಕಂಡುಹಿಡಿದಿದೆ” ಎಂದು ವಿದ್ಯಾರ್ಥಿಗಳು ಹೇಳಿದರು. “ಆ ಮೂಲಕ ಬಂದ ಮಾರಾಟಗಾರರು ನಮ್ಮ ತಂಡವು ವೈಯಕ್ತಿಕ ಸಂಬಂಧವನ್ನು ಹೊಂದಿದ್ದರು.”
ಮೂರು ಫೈನಲಿಸ್ಟ್ಗಳಲ್ಲಿ, ಫಾಸ್ಟ್ ಮತ್ತು ಫ್ರಾಕ್ಚರ್ಡ್ ಮಾತ್ರ ತಮ್ಮ ಮಿನಿ-ದಹನಕಾರಿಯನ್ನು ಹೊತ್ತಿಸುವ ಮೊದಲ ಪ್ರಯತ್ನದಲ್ಲಿ ಯಶಸ್ವಿಯಾದರು. ಈ ತಂಡವು ಟ್ರೇಡ್ಗಳನ್ನು ಅಧ್ಯಯನ ಮಾಡಲು ಮತ್ತು ಆರ್ಕಿಟೆಕ್ಚರ್ಗಳನ್ನು ಹೋಲಿಸಿ ಕಾರ್ಯಸಾಧ್ಯವಾದ ವಿನ್ಯಾಸಕ್ಕೆ ಬರಲು AI ಅನ್ನು ವ್ಯಾಪಕವಾಗಿ ಬಳಸಿತು, ಅವುಗಳಲ್ಲಿ ಯಾವುದೂ ಹಿಂದಿನ ಗ್ಯಾಸ್ ಟರ್ಬೈನ್ ಅನುಭವವನ್ನು ಹೊಂದಿಲ್ಲದಿದ್ದರೂ ಸಹ.
“ನೀವು AI-ಸಕ್ರಿಯಗೊಳಿಸಿದ ವಿನ್ಯಾಸವನ್ನು ಪ್ರೇರೇಪಿತ ವಿದ್ಯಾರ್ಥಿಗಳು ಮತ್ತು ಕ್ಷಿಪ್ರ ಪ್ರಯೋಗದ ಸಂಸ್ಕೃತಿಯೊಂದಿಗೆ ಸಂಯೋಜಿಸಿದಾಗ ಏನು ಸಾಧ್ಯ ಎಂಬುದನ್ನು ಜಾರ್ವಿಸ್ ದ್ವೀಪವು ತೋರಿಸಿದೆ” ಎಂದು ಏರೋನಾಟಿಕ್ಸ್ ಮತ್ತು ಆಸ್ಟ್ರೋನಾಟಿಕ್ಸ್ನಲ್ಲಿ ವೃತ್ತಿ ಅಭಿವೃದ್ಧಿಯ ಚಾರ್ಲ್ಸ್ ಸ್ಟಾರ್ಕ್ ಡ್ರೇಪರ್ ಪ್ರೊಫೆಸರ್ ಮಾಶಾ ಫಾಕ್ ಹೇಳಿದ್ದಾರೆ. “ವಿದ್ಯಾರ್ಥಿ-ವಿನ್ಯಾಸಗೊಳಿಸಿದ ಮೊದಲ ಇಂಧನವನ್ನು ಪರೀಕ್ಷಾ ಸ್ಟ್ಯಾಂಡ್ನಲ್ಲಿ ಸ್ಥಾಪಿಸಿದಾಗ ಅತ್ಯಂತ ರೋಮಾಂಚನಕಾರಿ ಕ್ಷಣವಾಗಿದೆ. ಇದು ದೋಷರಹಿತವಾಗಿ ಉರಿಯಿತು, ಪೂರ್ಣ ಶಕ್ತಿಯನ್ನು ತಲುಪಿತು, ಡ್ಯುಯಲ್ ಇಂಧನಕ್ಕೆ ಬದಲಾಯಿಸಿತು, ಮತ್ತು ನಂತರ 100 ಪ್ರತಿಶತ ಜೆಟ್-ಎ ಇಂಧನದೊಂದಿಗೆ ಸ್ಥಿರವಾದ ಸುಡುವಿಕೆಯನ್ನು ಹೊಂದಿದೆ. ನಾವು ಕೈಯಿಂದ ವಿನ್ಯಾಸದ ಎಂಜಿನ್ ಪರೀಕ್ಷೆಯನ್ನು ಗಮನಾರ್ಹವಾಗಿ ವೇಗಗೊಳಿಸಬಹುದು ಎಂಬುದಕ್ಕೆ ಇದು ಪುರಾವೆಯಾಗಿದೆ.”
AI ನ ಇಂಜಿನಿಯರಿಂಗ್ ಮುಂಚೂಣಿಯಲ್ಲಿ
ಮೇ ಅಂತ್ಯದಲ್ಲಿ, ಇನ್ನೂ ಎರಡು ಹಿರಿಯ ತಂಡಗಳು – ಫಾಸ್ಟ್ ಮತ್ತು ಫ್ರಾಕ್ಚರ್ಡ್ ಮತ್ತು 811 ಸಿಬ್ಬಂದಿ – ಪೂರ್ಣ ಎಂಜಿನ್ ಪರೀಕ್ಷೆಗಳನ್ನು ಪೂರ್ಣಗೊಳಿಸಿದರು. ಫಾಸ್ಟ್ ಮತ್ತು ಫ್ರಾಕ್ಚರ್ಡ್, ಅದರ AI ನೆರವಿನ ವಿನ್ಯಾಸದೊಂದಿಗೆ, ಚಿಲ್ಲರೆ ವ್ಯಾಪಾರಿಗಳಿಗೆ ತಲೆನೋವಾಗಿತ್ತು, ಅದು ವಾರದಿಂದ ವಾರಕ್ಕೆ ವಿಳಂಬವಾಯಿತು, ಆದರೆ ಅಂತಿಮವಾಗಿ ಅದನ್ನು ಪರೀಕ್ಷೆಗೆ ಒಳಪಡಿಸಿತು. ದುರದೃಷ್ಟವಶಾತ್, ರೋಟರ್ ಸ್ಥಾಯಿ ವಸತಿಗೆ ಜಾರಿದಾಗ ಅವರ ಬಿಸಿ ಬೆಂಕಿ ಕಡಿಮೆಯಾಯಿತು. ಆದಾಗ್ಯೂ, ಟರ್ಬೊಮೆಶಿನರಿ ಮತ್ತು ಪ್ರೊಪಲ್ಷನ್ ಪರಿಕಲ್ಪನೆಗಳಿಗೆ ಹೆಚ್ಚು ಒಡ್ಡಿಕೊಂಡ ತಂಡ 811 ಸಿಬ್ಬಂದಿ ಗೆದ್ದರು. ಅವರ ಎಂಜಿನ್ ಉರಿಯಿತು, ಯಶಸ್ವಿಯಾಗಿ ಜೆಟ್-ಎಗೆ ಪರಿವರ್ತನೆಯಾಯಿತು ಮತ್ತು ಶುದ್ಧ ಥ್ರಸ್ಟ್ ಅನ್ನು ಉತ್ಪಾದಿಸಿತು.
“ನಾವು ಅಲ್ಲಿ ಏರ್ ಸ್ಟಾರ್ಟರ್ನೊಂದಿಗೆ ನಿಂತಾಗ ಮತ್ತು ಅವರ ಇಂಜಿನ್ಗಳು ಗುಂಡು ಹಾರಿಸುವುದನ್ನು ಕೇಳಿದಾಗ, ನನ್ನ ಹೃದಯವು ನನ್ನ ಎದೆಯಿಂದ ಬಡಿಯುತ್ತಿದೆ ಎಂದು ನಾನು ಭಾವಿಸಿದೆ. ಇದು ಹಲವಾರು ಮಾರ್ಗಗಳು ತಪ್ಪಾಗಿರಬಹುದು! ಈ ವಿದ್ಯಾರ್ಥಿಗಳು ಇಷ್ಟು ಕಡಿಮೆ ಸಮಯದಲ್ಲಿ ಸಾಧಿಸಿದ್ದರಲ್ಲಿ ಆಶ್ಚರ್ಯವೇನಿಲ್ಲ” ಎಂದು ಪಿಎಚ್ಡಿ ವಿದ್ಯಾರ್ಥಿ ಜೋ ಚಿಯಾಪ್ಪೆರಿ ಹೇಳುತ್ತಾರೆ.
ತಂಡ 811 ಓಟದ ಉದ್ದಕ್ಕೂ AI ಅನ್ನು ಬಳಸಲು ನಿರೋಧಕವಾಗಿತ್ತು ಮತ್ತು ಬದಲಿಗೆ ಅವರ ಮೂಲಭೂತ ಮತ್ತು ತಂಡದ ಕೆಲಸಗಳನ್ನು ಅವಲಂಬಿಸಿದೆ. “ನಾವು ವಿನ್ಯಾಸ ಸಾಫ್ಟ್ವೇರ್ನೊಂದಿಗೆ ಸ್ವಲ್ಪಮಟ್ಟಿಗೆ ಪರಿಚಿತರಾಗಿರುವ ಜನರನ್ನು ಹೊಂದಿದ್ದೇವೆ, ವಸ್ತುಗಳನ್ನು ಹೇಗೆ ನಿರ್ಮಿಸಬೇಕೆಂದು ತಿಳಿದಿರುವ ಮೆಕ್ಯಾನಿಕಲ್ ಎಂಜಿನಿಯರ್ಗಳು ಮತ್ತು ಗ್ಯಾಸ್ ಟರ್ಬೈನ್ ಎಂಜಿನ್ ವಿನ್ಯಾಸದಲ್ಲಿ ನಿರ್ದಿಷ್ಟವಾಗಿ ತರಬೇತಿ ಪಡೆದ ಏರೋಸ್ಪೇಸ್ ಎಂಜಿನಿಯರ್ಗಳನ್ನು ಹೊಂದಿದ್ದೇವೆ” ಎಂದು ತುಪೇ ಹೇಳಿದರು.
JARVIS ಸವಾಲನ್ನು ಪ್ರಾರಂಭಿಸಿದ ನಂತರ, ಕಿರಿಯ ವಿದ್ಯಾರ್ಥಿಗಳು ಆಗಾಗ್ಗೆ ಮತ್ತು ಬುದ್ಧಿವಂತಿಕೆಯಿಂದ ಪಾರ್ಲಿಯನ್ನು ಬಳಸುತ್ತಾರೆ, ಆದರೆ ಕಿರಿಯರು ಮತ್ತು ಹಿರಿಯರು ಹೆಚ್ಚು ಆಳವಾದ ಅನುಭವದಿಂದ ಪ್ರಯೋಜನ ಪಡೆದಿದ್ದಾರೆ.
“AI ನಿಂದ ಮೌಲ್ಯವನ್ನು ಪಡೆಯಲು ಎರಡು ವಿಷಯಗಳ ಅಗತ್ಯವಿದೆ ಎಂದು ಜಾರ್ವಿಸ್ ನನಗೆ ಕಲಿಸಿದೆ: ಅದು ನಿಮಗೆ ಏನು ಹೇಳುತ್ತಿದೆ ಮತ್ತು ಯಾವಾಗ ತಪ್ಪಾಗಬೇಕು ಎಂದು ನಿರ್ಣಯಿಸಲು ಸಾಕಷ್ಟು ಅನುಭವ ಮತ್ತು ಅದು ಸಹಾಯ ಮಾಡುತ್ತದೆ ಎಂದು ನಂಬಲು ಸಾಕಷ್ಟು ಕುತೂಹಲ,” ಪ್ರೊಫೆಸರ್ ಆಂಡ್ರಿಯಾ ಬೋಬು ಹೇಳುತ್ತಾರೆ. “ಸ್ಪ್ರಿಂಟ್ನಲ್ಲಿ ವೇಗವಾಗಿ ಚಲಿಸಿದ ತಂಡವು ಅನುಭವವನ್ನು ಹೊಂದಿತ್ತು ಮತ್ತು ಅಲ್ಲಿಗೆ ಹೋಗಲು AI ಮೇಲೆ ಹೆಚ್ಚು ಅವಲಂಬಿತವಾಗಿದೆ. ಅಂತಿಮವಾಗಿ ಗೆದ್ದ ತಂಡವು AI ಗೆ ಹೆಚ್ಚು ನಿರೋಧಕವಾಗಿತ್ತು; ಅವರು ಅನುಭವವನ್ನು ಹೊಂದಿದ್ದರು, ಆದರೆ ಆ ಅನುಮಾನ ಅವರನ್ನು ನಿಧಾನಗೊಳಿಸಿತು. ಸ್ವೀಟ್ ಸ್ಪಾಟ್ ಉಪಕರಣದ ಉಸ್ತುವಾರಿ ವಹಿಸಲು ಸಾಕಷ್ಟು ತಿಳಿದಿರುವಂತೆ ತೋರುತ್ತದೆ ಮತ್ತು ಅದನ್ನು ಮೊದಲ ಸ್ಥಾನದಲ್ಲಿ ತೆಗೆದುಕೊಳ್ಳಲು ಸಾಕಷ್ಟು ಸಿದ್ಧವಾಗಿದೆ.
ಸ್ಪಷ್ಟ ಸ್ಪರ್ಧೆಯ ಸಂಶೋಧನೆಗಳು: ಎಂಜಿನಿಯರಿಂಗ್ ಅನುಭವವು ಗುಣಕವಾಗಿದೆ ಮತ್ತು ಮಾನವ ಅಂಶವು ಪ್ರಮುಖ ಅಂಶವಾಗಿ ಉಳಿದಿದೆ. ಮೂಲಭೂತ ತತ್ವಗಳು ಮತ್ತು ಪರಿಕಲ್ಪನೆಗಳನ್ನು ಕರಗತ ಮಾಡಿಕೊಳ್ಳುವುದು ಮೊದಲು ಉತ್ತಮ ಎಂಜಿನಿಯರಿಂಗ್ ತೀರ್ಪು ಮತ್ತು ಅಪೂರ್ಣ ಮಾಹಿತಿಯ ಮುಖಾಂತರ ಕಠಿಣ ನಿರ್ಧಾರಗಳನ್ನು ನ್ಯಾವಿಗೇಟ್ ಮಾಡುವ ಸಾಮರ್ಥ್ಯವನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸುತ್ತದೆ. ಮತ್ತು ಭೌತಿಕ ಭದ್ರತಾ ವ್ಯವಸ್ಥೆಗಳನ್ನು ನಿರ್ಮಿಸಲು ಬಂದಾಗ, ಮಾನವ ಕೈಗಳು ಮತ್ತು ಮಾನವ ಜವಾಬ್ದಾರಿಯನ್ನು ಯಾವುದೂ ಬದಲಾಯಿಸುವುದಿಲ್ಲ.
“AI ಪೈಲಟ್ಗಳು ಇಂಜಿನಿಯರಿಂಗ್ ಉತ್ಪಾದಕತೆಯ ಮೇಲೆ ಬಹುಶಿಸ್ತೀಯ ಪ್ರಭಾವವನ್ನು ಬೀರಬಹುದು ಎಂದು JARVIS ತೋರಿಸಿದೆ, ಮತ್ತು ತೀರ್ಪಿನ ಚಿಂತನೆ ಮತ್ತು ಮೊದಲ ತತ್ವಗಳು ತಂಡಗಳ ನಡುವೆ ಪ್ರಮುಖ ವ್ಯತ್ಯಾಸಗಳಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತವೆ” ಎಂದು ಸಹಾಯಕ ಪ್ರೊಫೆಸರ್ ಕೈಲ್ ವುಡಿ ಸೇರಿಸುತ್ತಾರೆ.
ಆದರೆ ಏರೋಸ್ಪೇಸ್ನಲ್ಲಿ AI ಯ ಪರಿಣಾಮಗಳು ಗಮನಾರ್ಹವಾಗಿವೆ. ಉತ್ತಮವಾಗಿ ನಿರ್ವಹಿಸಲಾದ AI ಪೈಲಟ್ಗಳನ್ನು ಬಳಸುವ ಸಣ್ಣ ತಂಡಗಳು ವಿನ್ಯಾಸ-ನಿರ್ಮಾಣ-ಪರೀಕ್ಷೆಯ ಚಕ್ರಗಳನ್ನು ವರ್ಷದಿಂದ ವಾರಗಳವರೆಗೆ ಸಂಕುಚಿತಗೊಳಿಸಿದರೆ, ಕಾರ್ಯಪಡೆಯ ರಚನೆ, ಸಂಶೋಧನಾ ವೇಳಾಪಟ್ಟಿಗಳು ಮತ್ತು ಸ್ಪರ್ಧಾತ್ಮಕ ಡೈನಾಮಿಕ್ಸ್ಗಳ ಪರಿಣಾಮಗಳು ಗಮನಾರ್ಹವಾಗಿರಬಹುದು. JARVIS ಸವಾಲನ್ನು ನಿಭಾಯಿಸಿದ ವಿದ್ಯಾರ್ಥಿಗಳು ಈ ಪಾಲನ್ನು ಚಿಂತನೆಯ ಪ್ರಯೋಗವಾಗಿ ನಿಭಾಯಿಸಲು ಮೊದಲ ಎಂಜಿನಿಯರ್ಗಳಲ್ಲಿ ಸೇರಿದ್ದಾರೆ, ಆದರೆ ಪರೀಕ್ಷಾ ಸ್ಟ್ಯಾಂಡ್ನಲ್ಲಿ ಜೆಟ್ ಎಂಜಿನ್ ಹೊಂದಿರುವ ಯಂತ್ರದ ಅಂಗಡಿಯಲ್ಲಿ.
“JARVIS ಭೌತಿಕ ವ್ಯವಸ್ಥೆಗಳನ್ನು ವಿನ್ಯಾಸಗೊಳಿಸುವಲ್ಲಿ AI ಯ ಶಕ್ತಿಯನ್ನು ಎತ್ತಿ ತೋರಿಸಿದೆ” ಎಂದು MIT ಯ ಗ್ಯಾಸ್ ಟರ್ಬೈನ್ ಪ್ರಯೋಗಾಲಯದ ಸಹಾಯಕ ನಿರ್ದೇಶಕ ಕಾರ್ಡೆರೊ ಹೇಳುತ್ತಾರೆ. “ಆದರೆ ಕೋರ್ಸ್ವರ್ಕ್, ಇಂಟರ್ನ್ಶಿಪ್ಗಳು ಮತ್ತು MIT ಮೋಟಾರ್ಸ್ಪೋರ್ಟ್ಸ್ ಮತ್ತು ರಾಕೆಟ್ ತಂಡದಂತಹ ಪಠ್ಯೇತರ ಚಟುವಟಿಕೆಗಳ ಮೂಲಕ ಆ ಶಕ್ತಿಯನ್ನು ಅನ್ಲಾಕ್ ಮಾಡುವ ಕೀಲಿಯು ಶಿಕ್ಷಣವಾಗಿದೆ ಎಂದು ಅದು ತೋರಿಸಿದೆ. JARVIS ನಲ್ಲಿನ ಕಾರ್ಯಕ್ಷಮತೆಯು ಶಾಲಾ ವರ್ಷದೊಂದಿಗೆ ಸಂಬಂಧ ಹೊಂದಿದೆ. ನನ್ನ ಮುಖ್ಯ ಟೇಕ್ವೇ ಎಂದರೆ AI ಯುಗದಲ್ಲಿ, ಶಿಕ್ಷಣವು ಎಂದಿಗಿಂತಲೂ ಹೆಚ್ಚು ಮೌಲ್ಯಯುತವಾಗಿದೆ.”
Leave a Reply