هوش مصنوعی به سرعت مهندسی نرم‌افزار را متحول کرده است. هوش مصنوعی مولد و مدل‌های زبان بزرگ (LLM) می‌توانند حجم عظیمی از کد و مستندات ایجاد کنند؛ الگوریتم‌های یادگیری ماشین می‌توانند عملکرد را نظارت و آسیب‌پذیری‌های امنیتی را شناسایی کنند. اما وقتی پای طراحی، ساخت و ایجاد یک سیستم فیزیکی پیچیده مانند موتور جت به میان می‌آید، آیا این ابزارهای هوش مصنوعی به همان اندازه تحول‌آفرین هستند؟

چالش JARVIS (تحقیق و اعتبارسنجی فشرده هوش مصنوعی موتور جت) در این ترم تحصیلی به بررسی این موضوع پرداخت که آیا هوش مصنوعی می‌تواند چرخه طراحی-ساخت-آزمایش را فشرده کند یا خیر. در این چالش از دانشجویان کارشناسی MIT خواسته شد تا بررسی کنند که آیا هوش مصنوعی می‌تواند به آن‌ها کمک کند تا سریع‌تر و بهتر بسازند.

پروفسور زولتی اسپاکوفسکی، مدیر آزمایشگاه توربین گازی MIT، می‌گوید: «چالش JARVIS نشان داد که هوش مصنوعی می‌تواند به طور قابل توجهی مهندسی سخت‌افزارهای حیاتی از نظر ایمنی را تسریع کند، اما قضاوت مهندسی همچنان عامل تعیین‌کننده اصلی است. یک مهندس بومی هوش مصنوعی با استفاده از هوش مصنوعی تعریف نمی‌شود، بلکه با هدایت آن تعریف می‌شود - دانستن اینکه چه زمانی به آن اعتماد کنیم، چه زمانی آن را به چالش بکشیم و چگونه خروجی‌های هوش مصنوعی را به سخت‌افزار عملی تبدیل کنیم. ساخت - نه طراحی یا تجزیه و تحلیل مهندسی - همچنان گام محدودکننده اصلی بود.»

تیم‌ها، ابزارها، وظیفه این چالش به دانشجویان چهار هفته زمان داد تا یک موتور توربین گازی کوچک را طراحی، تولید، مونتاژ و آزمایش کنند و از هوش مصنوعی به عنوان شریک مهندسی اصلی خود استفاده کنند. هدف: ساخت یک موتور جت تک‌اسپولی "کلاس JARVIS" که 50 تا 100 پوند نیرو تولید کند و با سوخت Je کار کند.