人工智慧已迅速改變軟體工程領域。生成式 AI 和大型語言模型（LLM）能產生大量程式碼和文件，機器學習演算法也能監控效能並偵測安全漏洞。然而，當任務是構思、設計並製造噴射引擎等複雜實體系統時，這些 AI 工具是否同樣具有變革性？
上學期，JARVIS 挑戰（噴射引擎 AI 研究與驗證密集衝刺）旨在探索 AI 是否能壓縮設計-建造-測試週期，要求麻省理工學院大學生找出 AI 是否能幫助他們更快、更好地建造。
麻省理工學院燃氣渦輪實驗室主任 Zolti Spakovszky 教授表示：「JARVIS 挑戰顯示，AI 能大幅加速安全關鍵硬體工程，但工程判斷仍是決定性的差異化因素。」他補充說：「AI 原生工程師的定義不是使用 AI，而是引導 AI——知道何時信任它、何時質疑它，以及如何將 AI 輸出轉化為可運作的硬體。製造而非工程設計或分析，仍然是根本的瓶頸。」
這項挑戰要求大學生在四周內設計、製造、組裝並測試一台小型燃氣渦輪航空引擎，並將 AI 作為他們主要的工程夥伴。目標是建造一台推力 50-100 磅、使用 Jet-A 燃料、能完成五次 60 秒運轉的「JARVIS 級」單軸噴射引擎。團隊在設計、材料和製造方面擁有完全的自由。
來自工程學院幾乎所有系的 31 名學生組成了七個團隊，從全是大一新生到以高年級生為主的團隊都有。許多參賽者最初對渦輪機械、可壓縮流動知之甚少，對於年輕學生來說，甚至連熱力學都不熟悉。許多人在報名建造噴射引擎之前，從未見過燃氣渦輪的內部。
他們可使用的資源包括：麻省理工學院的機械工廠和製造商；商業軟體如 Concepts NREC、SolidWorks 和 ABAQUS；以及用於特性分析和組裝個別組件的各種測試設備。
團隊還能使用 MIT Parley，這是一個新推出的平台，透過單一介面整合了前沿的大型語言模型。透過 Parley，JARVIS 的領導者可以直接看到學生如何使用 AI 工具，包括他們的提示詞、每個提示詞的成本、使用的特定 LLM 以及其他關鍵資訊。
JARVIS 領導者為所有參與者確保了 Parley 的早期使用權，並在麻省理工學院林肯實驗室、機械工程系以及企業贊助商 Safran、Voyager Technologies、Beehive Industries 和 Boom Technology 的財政支持下，學生們可以幾乎無限量地使用 AI。
贊助商被招募興趣和對 AI 如何重塑工程工作流程的真正好奇心所吸引。Voyager Technologies 的 Ryan (Hal) Hefron 告訴學生：「我們將此視為工程的未來。你們正在磨練的技能不僅是錦上添花——它們將成為未來工程勞動力的基本要求。」
Safran Tech 的常務董事 Vincent Garnier 興奮地觀看了比賽的進展。他說：「JARVIS 是一項真正的實驗，一次學習的嘗試。坦白說，我們不知道會從學生或 AI 模型中得到什麼。」他補充說：「學生們讓我印象深刻的是：首先是探索的熱情；然後，隨著專案的發展，他們都冷靜地意識到 AI 能或不能幫助他們什麼，然後幾乎立即為此進行調整。」
他相信：「這代領先的工程師可能不會輕易陷入對 AI 的膚淺使用，他們將透過與實驗——無論是實體實驗還是思想實驗——保持更密切的接觸來做到這一點。」
教職員領導團隊——航空與太空學系的 Zachary Cordero、Zolti Spakovszky、Masha Folk 和 Andreea Bobu 教授，以及林肯實驗室的工程師和助教團隊——負責確保安全。在每週的進度審查中，他們會嚴格評估學生的進度，並評估學生如何使用 AI。
Spakovszky 開發了一種謹慎的技術，用於引導團隊朝正確方向前進，同時不洩露答案或提供幫助。在團隊的報告之後，他可能會問：「你知道什麼是榫卯接合嗎？請記下這個評論。」
到第一週結束時，一個團隊退出了比賽；其他團隊則以不同程度的成功開發了燃氣渦輪的初步設計。不同的團隊使用 AI 來總結教科書、教他們使用設計軟體、尋找供應商、建立 Excel 表格、回答特定問題、尋找參考資料，並在設計決策之間進行比較分析。一個團隊甚至在 Parley 中建立了一個代理，並指派它擔任他們的專案經理。
到第二週，團隊必須開始進行詳細的 CAD 設計、訂購零件和原型化他們的燃燒器。這時團隊開始在使用 AI 方面遇到限制。儘管 Claude 和 ChatGPT 在提供設計替代方案和填補知識空白方面表現良好，但團隊發現生成式 AI 臭名昭著的幻覺、奉承和缺乏物理理解等特點正在削弱他們的信心並拖慢他們的速度。
811 Crew 團隊成員 Elizabeth Tupaj 表示：「AI 是一個有用的工具，擅長尋找資訊、幫助組織事務，並且寫作能力很好，但它無法進行設計。」她說：「當工程師不知道發生了什麼，而 AI 卻在主導時，設計就會變得不可靠，至少以 AI 目前的能力而言。」
助教 John Zhang 指出：「親身看到學生們的經歷，讓我再次意識到第一印象有多重要。如果學生們早期無法從 AI 那裡得到答案，他們很快就會感到沮喪，並形成一種持久的看法，阻礙他們之後使用 AI。」
在最後幾週，決賽選手遇到了另一個 AI 無法解決的障礙：與供應商合作。學生們報告說：「AI 搜尋到的供應商我們沒有任何關係，他們對我們緊迫的時程沒有興趣。」他們補充說：「最終提供幫助的供應商是我們團隊有個人關係的那些。」
在三個決賽團隊中，只有 Fast and Fractured 團隊首次點燃了他們的小型燃燒器。該團隊大量使用了 AI 進行權衡研究和架構比較，儘管他們都沒有燃氣渦輪的經驗，但仍達到了可行的設計。
麻省理工學院航空與太空學系 Charles Stark Draper 職業發展教授 Masha Folk 表示：「JARVIS 挑戰展示了將 AI 輔助設計與積極的學生和快速實驗文化結合時的可能性。」她說：「最令人難忘的時刻是第一個學生設計的燃燒器安裝在測試台上時。
它完美點火，加速到全功率，轉換為雙燃料運作，然後在 100% Jet-A 燃料下維持穩定燃燒。這證明我們可以在大幅加速設計、建造和測試週期的同時，讓學生獲得實際工程挑戰的實踐經驗。」
到五月底，兩個高年級團隊——Fast and Fractured 和 811 Crew——完成了完整的引擎測試。Fast and Fractured 團隊的 AI 輔助設計雖然週復一週地受到供應商問題的延誤，但最終還是進行了測試。不幸的是，當轉子摩擦並卡住固定外殼時，他們的熱火測試被迫中斷。
然而，在比賽前對渦輪機械和推進概念有更多了解的 811 Crew 團隊則脫穎而出，獲得勝利。他們的引擎啟動，成功轉換為 Jet-A，並產生了淨推力。
博士生 Joe Chiapperi 說：「當我們站在那裡，用空氣啟動器，聽到他們的引擎加速並看著它們噴火時，我的心臟感覺快要跳出來了。有太多地方可能會出錯！這些學生在如此短的時間內完成的事情簡直令人驚嘆。」
811 團隊在整個比賽中一直抗拒使用 AI，而是信任他們的基本原理和團隊合作。Tupaj 說：「我們團隊有人至少對設計軟體有些熟悉，機械工程師知道如何建造任何東西，以及航空工程師修過專門關於燃氣渦輪引擎設計的課程。」
從 JARVIS 挑戰一開始，年輕學生更頻繁、更巧妙地使用 Parley，而高年級學生則利用更深厚的經驗。
Andreea Bobu 教授說：「JARVIS 教會我，從 AI 中獲得價值需要兩件事：足夠的專業知識來判斷它告訴你的內容並在它出錯時糾正它，以及足夠的好奇心來實際依賴它可能提供幫助的地方。」她補充說：「在衝刺中行動最快的團隊經驗豐富，並大量依賴 AI 來達成目標。
最終獲勝的團隊對 AI 較為抗拒；他們有專業知識，但這種懷疑使他們變慢了。最佳的平衡點似乎是既有足夠的知識來掌控工具，又有足夠的熱情去首先使用它。對我來說，這就是未來的真正機會：培養下一代工程師，他們有判斷力來指導這些 AI 工具，並有直覺去使用它們。」
比賽最明確的發現是：工程經驗是乘數，而人為因素仍然是至關重要的元素。掌握第一性原理和基本概念能培養良好的工程判斷力，以及在資訊不完整的情況下處理一系列艱難決策的能力。當涉及到建造安全關鍵的實體系統時，沒有什麼能取代人手和人為責任。
助教 Kyle Woody 補充說：「JARVIS 顯示，AI 協作工程師可以對工程生產力產生乘數效應，而判斷力和第一性原理思維是團隊之間的關鍵差異化因素。」
但 AI 在航空航太領域的影響是巨大的。如果小型團隊使用管理良好的 AI 協作工程師能將設計-建造-測試週期從數年壓縮到數週，那麼對勞動力結構、研發時程和競爭動態的影響將是巨大的。參與 JARVIS 挑戰的學生是首批將這些利害關係視為實際問題而非思想實驗的工程師，他們在機械工廠中，面對測試台上的噴射引擎。
麻省理工學院燃氣渦輪實驗室副主任 Cordero 說：「JARVIS 突顯了 AI 在實體系統設計中的力量。」他總結道：「但它也表明，釋放這種力量的關鍵是教育，透過課程、實習和麻省理工學院賽車運動和火箭團隊等實踐課外活動。JARVIS 的表現與學年有很強的相關性。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。」