কৃত্রিম বুদ্ধিমত্তা কি জেট ইঞ্জিন তৈরি করতে পারে? জার্ভিস চ্যালেঞ্জ হার্ড টেক ইঞ্জিনিয়ারিংয়ে এআই পাইলটদের ভূমিকা অন্বেষণ করে

কৃত্রিম বুদ্ধিমত্তা সফটওয়্যার ইঞ্জিনিয়ারিংকে দ্রুত পরিবর্তন করেছে। কৃত্রিম বুদ্ধিমত্তা এবং বড় ভাষা মডেল (LLM) বিপুল পরিমাণ কোড এবং ডকুমেন্টেশন তৈরি করতে পারে; মেশিন লার্নিং অ্যালগরিদম কর্মক্ষমতা নিরীক্ষণ এবং নিরাপত্তা দুর্বলতা সনাক্ত করতে পারে। কিন্তু যখন কাজটি একটি জেট ইঞ্জিনের মতো একটি জটিল শারীরিক সিস্টেম গর্ভধারণ করা, ডিজাইন করা এবং তৈরি করা হয়, তখন এই কৃত্রিম বুদ্ধিমত্তার সরঞ্জামগুলি কি রূপান্তরকারী?

গত সেমিস্টারে, জার্ভিস (স্প্রিন্টস এআই ইঞ্জিন রিসার্চ অ্যান্ড ভ্যালিডেশন ইনটেনসিভ) চ্যালেঞ্জটি AI ডিজাইন-বিল্ড-টেস্ট চক্রকে সংকুচিত করতে পারে কিনা তা পরীক্ষা করার জন্য সেট করা হয়েছিল, এমআইটি গ্র্যাজুয়েটদের খুঁজে বের করতে বলেছিল যে AI তাদের দ্রুত এবং আরও ভালভাবে তৈরি করতে সাহায্য করতে পারে কিনা।

“JARVIS চ্যালেঞ্জ দেখিয়েছে যে কৃত্রিম বুদ্ধিমত্তা নিরাপত্তা-সমালোচনামূলক হার্ডওয়্যারের প্রকৌশলকে যথেষ্ট পরিমাণে ত্বরান্বিত করতে পারে, কিন্তু প্রকৌশলগত বিচারই নির্ধারক পার্থক্যকারী রয়ে গেছে। একজন নেটিভ এআই ইঞ্জিনিয়ারকে AI ব্যবহার করে সংজ্ঞায়িত করা হয় না, কিন্তু এটিকে নেতৃত্ব দিয়ে – কখন এটিকে বিশ্বাস করতে হবে, কখন এটিকে চ্যালেঞ্জ করতে হবে, এবং কীভাবে বেসিক AI-কে পরিশ্রমী ডিজাইনে রূপান্তর করতে হবে তা জেনে রাখা হয়েছে। বেসিক ডিজাইন প্রফেসর বা বেসিক অ্যানালাইসিস বলেন, এমআইটি এর গ্যাস টারবাইন ল্যাবরেটরির ডিরেক্টর।

দল, হাতিয়ার, মিশন

চ্যালেঞ্জটি স্নাতক ছাত্রদের তাদের প্রধান প্রকৌশল অংশীদার হিসাবে কৃত্রিম বুদ্ধিমত্তা ব্যবহার করে একটি ছোট গ্যাস টারবাইন অ্যারো ইঞ্জিন ডিজাইন, তৈরি, একত্রিত এবং পরীক্ষা করার জন্য চার সপ্তাহ সময় দিয়েছে। লক্ষ্য: একটি জার্ভিস সিঙ্গেল-কয়েল জেট ইঞ্জিন তৈরি করা যা 50-100 পাউন্ড থ্রাস্ট তৈরি করে, জেট-এ-তে চলছে এবং পাঁচটি 60-সেকেন্ড রান সম্পূর্ণ করবে। দলগুলির নকশা, উপকরণ এবং উত্পাদন সম্পর্কে সম্পূর্ণ স্বাধীনতা ছিল।

স্কুল অফ ইঞ্জিনিয়ারিং-এর প্রায় প্রতিটি বিভাগের প্রতিনিধিত্ব করে, 31 জন ছাত্র নিজেদেরকে সাতটি দলে সংগঠিত করেছিল, প্রতি প্রথম বছর থেকে সিনিয়র-ভারী দল পর্যন্ত। অনেক প্রতিযোগীর প্রাথমিকভাবে টার্বোমেশিনারী, সংকোচনযোগ্য প্রবাহ বা, অল্পবয়সী ছাত্রদের ক্ষেত্রে এমনকি তাপগতিবিদ্যার অভিজ্ঞতা ছিল না। অনেকেই একটি গ্যাস টারবাইন তৈরি করার জন্য সাইন আপ করার আগে এর ভিতরে কখনও দেখেনি।

এর জন্য উপলব্ধ: MIT এর মেশিন শপ এবং উত্পাদন সরবরাহকারী; কনসেপ্ট NREC, SolidWorks এবং ABAQUS সহ বাণিজ্যিক সফ্টওয়্যার; এবং পৃথক উপাদানের বৈশিষ্ট্য এবং একত্রিত করার জন্য বিভিন্ন পরীক্ষার রিগ।

দলগুলোর কাছে MIT Parley-তেও অ্যাক্সেস ছিল, একটি সম্প্রতি চালু হওয়া একটি প্ল্যাটফর্ম যা একটি একক ইন্টারফেসের মাধ্যমে বৃহৎ ভাষার মডেলগুলিকে একত্রিত করে। পার্লে ব্যবহার করে, জার্ভিস নেতারা সরাসরি দেখতে পারতেন কিভাবে শিক্ষার্থীরা এআই টুল ব্যবহার করছে, যার মধ্যে রয়েছে তাদের প্রম্পট, প্রতি প্রম্পটের খরচ, নির্দিষ্ট এলএলএম ব্যবহার করা হচ্ছে এবং অন্যান্য গুরুত্বপূর্ণ তথ্য। JARVIS সমস্ত অংশগ্রহণকারীদের জন্য পার্লেতে নিরাপদে প্রাথমিক অ্যাক্সেসের নেতৃত্ব দেয় এবং MIT লিঙ্কন ল্যাবরেটরি, মেকানিক্যাল ইঞ্জিনিয়ারিং বিভাগ এবং কোম্পানির পৃষ্ঠপোষক Safran, ভয়েজার টেকনোলজিস, বিহিভ ইন্ডাস্ট্রিজ এবং বুম টেকনোলজির আর্থিক সহায়তায়, শিক্ষার্থীরা মূলত AI এর সীমাহীন ব্যবহারের অ্যাক্সেস পেয়েছিল।

AI কীভাবে ইঞ্জিনিয়ারিং ওয়ার্কফ্লোকে নতুন আকার দিতে পারে সে সম্পর্কে প্রকৃত আগ্রহ এবং কৌতূহল অর্জন করে স্পনসররা আকৃষ্ট হয়েছিল।

ভয়েজার টেকনোলজিসের রায়ান (হেল) হেফারন ​​শিক্ষার্থীদের বলেন, “আমরা এটিকে প্রকৌশলের ভবিষ্যত হিসাবে দেখি।” “আপনি এমন দক্ষতাগুলিকে সম্মানিত করছেন যেগুলি কেবল ভালই নয় – সেগুলি ইঞ্জিনিয়ারিং কর্মীবাহিনীতে ভবিষ্যতের বেসলাইন হতে চলেছে।”

ভিনসেন্ট গার্নিয়ার, সাফরান টেকের সিইও, উত্তেজনার সাথে প্রতিযোগিতাটি উন্মোচিত হতে দেখেছেন। “জার্ভিস একটি বাস্তব পরীক্ষা ছিল, একটি শেখার প্রচেষ্টা। সত্যি বলতে, আমরা ছাত্রদের কাছ থেকে বা এআই মডেলের কাছ থেকে কী আশা করব তা জানতাম না। ছাত্রদের সম্পর্কে যা আমাকে বিস্মিত করেছিল তা হল: প্রথমত, তদন্ত করার উত্সাহ; তারপরে, প্রকল্পটি বিকাশের সাথে সাথে, তারা সবাই কৃত্রিম বুদ্ধিমত্তা কী পারে বা করতে পারে না সে সম্পর্কে একটি ঠাণ্ডা উপলব্ধি করতে পেরেছিল।” “এটি আমাকে আত্মবিশ্বাস দেয় যে এই প্রজন্মের শীর্ষ প্রকৌশলীরা সম্ভবত কৃত্রিম বুদ্ধিমত্তার সহজ, অদূরদর্শী ব্যবহারের শিকার হবেন না এবং পরীক্ষা-নিরীক্ষা – শারীরিক বা চিন্তা পরীক্ষা-নিরীক্ষার সাথে আরও বেশি করে যোগাযোগ রেখে তা করবেন।”

অনুষদের নেতৃত্ব — অ্যারোনটিক্স অ্যান্ড অ্যাস্ট্রোনটিক্স বিভাগের অধ্যাপক জ্যাচারি কর্ডেরো, জোল্টি স্পাকোস্কি, মাশা পোলাক, এবং আন্দ্রেয়া বোবো, লিঙ্কন ল্যাবরেটরির প্রকৌশলী এবং শিক্ষক সহকারীর একটি দল — নিরাপত্তা নিশ্চিত করতে সেখানে ছিলেন। সাপ্তাহিক অগ্রগতি পর্যালোচনায়, তারা সমালোচনামূলকভাবে শিক্ষার্থীদের অগ্রগতি মূল্যায়ন করবে এবং শিক্ষার্থীরা কীভাবে এআই ব্যবহার করে তা মূল্যায়ন করবে।

স্পাকোভস্কি উত্তর না দিয়ে বা সাহায্য না দিয়ে দলকে সঠিক পথে পরিচালিত করার জন্য একটি সতর্ক কৌশল তৈরি করেছিলেন। একটি দলের উপস্থাপনার পরে, তিনি জিজ্ঞাসা করতে পারেন: “আপনি কি জানেন একটি রাবিনিক ম্যাচ কি? নোট নিন।”

যেখানে AI সাহায্য করে এবং আঘাত করে

১ম সপ্তাহের শেষে, একটি দল প্রতিযোগিতা থেকে প্রত্যাহার করে নিয়েছিল; অন্যরা তাদের গ্যাস টারবাইনের জন্য প্রাথমিক ডিজাইনের বিভিন্ন মাত্রার সাফল্যের সাথে বিকাশ করেছে। বিভিন্ন দল পাঠ্যপুস্তকের সংক্ষিপ্তসার, ডিজাইন সফ্টওয়্যার, উৎস প্রদানকারী, এক্সেল শীট তৈরি করতে, নির্দিষ্ট প্রশ্নের উত্তর দিতে, রেফারেন্স খুঁজে বের করতে এবং ডিজাইনের সিদ্ধান্তের তুলনামূলক বিশ্লেষণ তৈরি করতে AI ব্যবহার করেছে। একটি দল ফার্লেতে একজন এজেন্ট তৈরি করেছিল এবং তাকে তাদের প্রকল্প ব্যবস্থাপক হিসাবে কাজ করার জন্য নিযুক্ত করেছিল।

2 সপ্তাহের মধ্যে, দলগুলিকে বিশদ CAD ডিজাইনের উপর কাজ শুরু করতে হয়েছিল, অংশগুলি অর্ডার করতে এবং তাদের বার্নারের প্রোটোটাইপ করতে হয়েছিল। এখানেই দলগুলি তাদের এআই ব্যবহার সীমিত করতে শুরু করেছে। ক্লাউড এবং চ্যাটজিপিটি ডিজাইনের বিকল্পের পরামর্শ দিতে এবং জ্ঞানের শূন্যস্থান পূরণ করার ক্ষেত্রে ভাল ছিল, দলগুলি দেখেছে যে বিভ্রম, হ্যালুসিনেশন এবং শারীরিক বোঝার অভাব যা জেনারেটিভ এআই-এর কুখ্যাত বৈশিষ্ট্যে পরিণত হয়েছে তাদের আত্মবিশ্বাসকে ক্ষুণ্ন করেছে এবং তাদের ধীর করে দিয়েছে।

811 টিমের একজন সদস্য এলিজাবেথ টপেজ বলেছেন, “এআই একটি সহায়ক টুল, তথ্য খুঁজে বের করতে, জিনিসগুলিকে সংগঠিত করতে সাহায্য করে এবং ভাল লিখতে পারে, কিন্তু এটি ডিজাইন করতে পারে না।” “যে মুহুর্তে প্রকৌশলী জানেন না কি ঘটছে এবং AI দায়িত্বে আছে সেই মুহুর্তে ডিজাইনটি অবিশ্বস্ত হয়ে ওঠে, অন্তত AI এর বর্তমান ক্ষমতার সাথে।”

শিক্ষক সহকারী জন ঝাং নোট করেছেন, “শিক্ষার্থীদের সাথে এটি সরাসরি দেখে আমাকে মনে করিয়ে দেয় যে প্রথম ইমপ্রেশন কতটা গুরুত্বপূর্ণ। যদি শিক্ষার্থীরা প্রথম দিকে এআই থেকে উত্তর না পেতে পারে, তবে তারা দ্রুত হতাশ হয়ে পড়ে এবং একটি অবিচল মতামত তৈরি করে যা তাদের পরে এটি ব্যবহার করতে বাধা দেয়।”

সাম্প্রতিক সপ্তাহগুলিতে, ফাইনালিস্টরা আরেকটি বাধার মুখোমুখি হয়েছিল যেটি কোন AI সমাধান করতে পারেনি: সরবরাহকারীদের সাথে কাজ করা। “এআই অনুসন্ধানগুলি এমন বিক্রেতাদের খুঁজে পেয়েছিল যাদের সাথে আমাদের কিছু করার নেই, যাদের আমাদের কঠোর টাইমলাইনে কোন আগ্রহ ছিল না,” শিক্ষার্থীরা রিপোর্ট করেছে। “তারা যে সব বিক্রেতাদের কাছে পৌঁছেছে তাদের সাথে আমাদের দলের ব্যক্তিগত সম্পর্ক ছিল।”

তিনজন ফাইনালিস্টের মধ্যে শুধুমাত্র ফাস্ট এবং ফ্র্যাকচার্ড তাদের মিনি-বুস্টারের প্রথম চেষ্টায় ইগনিশন অর্জন করেছে। দলটি বাণিজ্য অধ্যয়ন এবং স্থাপত্য তুলনার জন্য ব্যাপকভাবে কৃত্রিম বুদ্ধিমত্তা ব্যবহার করেছে, তাদের কারোরই পূর্ববর্তী গ্যাস টারবাইনের অভিজ্ঞতা না থাকা সত্ত্বেও একটি টেকসই ডিজাইনে পৌঁছেছে।

“জার্ভিস চ্যালেঞ্জ দেখিয়েছে যে আপনি যখন অনুপ্রাণিত ছাত্রদের সাথে AI-সক্ষম ডিজাইন এবং দ্রুত পরীক্ষা-নিরীক্ষার সংস্কৃতিকে একত্রিত করেন তখন কী সম্ভব হয়,” বলেছেন মাশা পোলাক, চার্লস স্টার্ক ড্র্যাপার ক্যারিয়ার ডেভেলপমেন্টের অধ্যাপক অ্যারোনটিক্স এবং অ্যাস্ট্রোনটিক্স৷ “যে মুহূর্তটি সবচেয়ে বেশি দাঁড়িয়েছিল তা হল পরীক্ষা স্ট্যান্ডে প্রথম ছাত্র-পরিকল্পিত কম্পাস্টার ইনস্টল করা হয়েছিল। এটি ত্রুটিহীনভাবে প্রজ্বলিত হয়েছিল, সম্পূর্ণ শক্তিতে অগ্রসর হয়েছিল, দ্বৈত-জ্বালানি অপারেশনে স্যুইচ করেছিল, এবং তারপর 100 শতাংশ জেট-এ জ্বালানীতে একটি স্থিতিশীল বার্ন ধরেছিল। এটি প্রমাণ ছিল যে আমরা নাটকীয়ভাবে একটি ছাত্র ইঞ্জিন তৈরির চক্রকে গতিশীল করতে এবং তৈরি করতে পারি।”

কৃত্রিম বুদ্ধিমত্তা প্রকৌশলের অগ্রভাগে

মে মাসের শেষের দিকে, আরও দুটি সিনিয়র দল – ফাস্ট অ্যান্ড ব্রোকেন এবং 811 টিম – সম্পূর্ণ ইঞ্জিন পরীক্ষা সম্পন্ন করেছে। ফাস্ট অ্যান্ড ফ্র্যাকচার্ড, এর AI-সহায়তাযুক্ত ডিজাইন, সপ্তাহের পর সপ্তাহ বিক্রেতার মাথাব্যথার কারণে বিলম্বিত হয়েছিল, কিন্তু অবশেষে পরীক্ষায় পৌঁছেছে। দুর্ভাগ্যবশত, রটারটি ঘষে এবং স্থির আবাসনে ধরা পড়লে তাদের গরম আগুন ছোট হয়ে যায়। অন্যদিকে, টিম 811 টিম, যা প্রতিযোগিতার আগে টার্বো মেশিনারি এবং প্রপালশন ধারণার সাথে বেশি এক্সপোজার ছিল, বিজয়ী হয়েছিল। তাদের ইঞ্জিন চালু হয়েছে, সফলভাবে জেট-এ-তে স্যুইচ করেছে এবং নেট থ্রাস্ট তৈরি করেছে।

“আমরা যখন সেখানে এয়ার স্টার্টার নিয়ে দাঁড়িয়েছিলাম, তাদের ইঞ্জিনগুলিকে সচল করতে শুনে এবং তাদের থুথুতে আগুন দেখছিলাম, আমার মনে হয়েছিল আমার হৃদয় আমার বুক থেকে ছুটছে। অনেক উপায় ছিল যে এটি ভুল হতে পারে! এই ছাত্ররা এত অল্প সময়ের মধ্যে যা অর্জন করেছে তা বিস্ময়কর কিছু নয়,” বলেছেন পিএইচডি ছাত্র জো সিপ্রি৷

দল 811 প্রতিযোগিতা জুড়ে AI ব্যবহারে প্রতিরোধী ছিল, পরিবর্তে তাদের মৌলিক বিষয় এবং দলগত কাজের উপর নির্ভর করে। “আমাদের কাছে এমন লোক ছিল যারা অন্তত ডিজাইন সফ্টওয়্যার জানত, যান্ত্রিক প্রকৌশলী যারা জানত যে কীভাবে কিছু তৈরি করতে হয় এবং মহাকাশ প্রকৌশলী যারা বিশেষ করে গ্যাস টারবাইন ইঞ্জিনের ডিজাইনের ক্লাস নিয়েছিল,” টপেজ বলেছেন।

JARVIS চ্যালেঞ্জের শুরু থেকে, অল্প বয়স্ক ছাত্ররা আরও ঘন ঘন এবং আরও বুদ্ধিমানের সাথে পার্লে ব্যবহার করেছে, যখন জুনিয়র এবং সিনিয়ররা গভীর অভিজ্ঞতা লাভ করেছে।

“জার্ভিস আমাকে শিখিয়েছে যে কৃত্রিম বুদ্ধিমত্তা থেকে মূল্য পেতে দুটি জিনিসের প্রয়োজন: এটি আপনাকে যা বলছে তা বিচার করার জন্য যথেষ্ট দক্ষতা এবং এটি যখন ভুল হয় তখন এটি ধরার জন্য এবং এটি যেখানে সাহায্য করতে পারে সেখানে এটির উপর নির্ভর করার জন্য যথেষ্ট কৌতূহল,” বলেছেন অধ্যাপক আন্দ্রেয়া বোবো৷ “যে দলটি স্প্রিন্টে সবচেয়ে দ্রুত স্থানান্তর করেছে তারা অভিজ্ঞ ছিল এবং সেখানে পৌঁছানোর জন্য AI এর উপর অনেক বেশি নির্ভর করেছিল। শেষ পর্যন্ত যে দলটি জিতেছিল তারা AI-এর বিরুদ্ধে আরও প্রতিরোধী ছিল; তাদের দক্ষতা ছিল, কিন্তু সেই সংশয় তাদের ধীর করে তুলেছিল। মিষ্টি জায়গাটি টুলের দায়িত্বে থাকার জন্য যথেষ্ট জানে বলে মনে হচ্ছে, এবং এটিকে বেছে নেওয়ার জন্য যথেষ্ট আগ্রহী বলে মনে হচ্ছে, যারা আমার জন্য এই প্রজন্মের সরাসরি প্রশিক্ষণের সুযোগ পেয়েছে। এই এআই টুলস এবং তাদের কাছে পৌঁছানোর প্রবৃত্তি।”

প্রতিযোগিতার সবচেয়ে সুস্পষ্ট আবিষ্কার: প্রকৌশল অভিজ্ঞতা একটি গুণক, এবং মানব ফ্যাক্টর একটি অপরিহার্য উপাদান থেকে যায়। প্রথম মৌলিক নীতি এবং ধারণাগুলির আয়ত্ত ভাল ইঞ্জিনিয়ারিং বিচারের জন্ম দেয় এবং অসম্পূর্ণ তথ্যের মুখে একাধিক কঠিন সিদ্ধান্ত নেভিগেট করার ক্ষমতা দেয়। এবং যখন নিরাপত্তা-সমালোচনামূলক শারীরিক ব্যবস্থা তৈরির কথা আসে, তখন কিছুই মানুষের হাত এবং মানুষের দায়িত্ব প্রতিস্থাপন করতে পারে না।

“JARVIS দেখিয়েছে যে AI সহ-পাইলটরা প্রকৌশল উৎপাদনশীলতার উপর একটি গুণক প্রভাব ফেলতে পারে, যেখানে বিচক্ষণতা এবং প্রথম-নীতির চিন্তা দলগুলির মধ্যে মূল পার্থক্যকারী হিসাবে কাজ করে,” যোগ করেন শিক্ষক সহকারী কাইল উডি৷

কিন্তু মহাকাশে AI এর প্রভাব তাৎপর্যপূর্ণ। যদি সু-পরিচালিত AI সহ-পাইলট ব্যবহার করে ছোট দলগুলি বছরের পর বছর থেকে কয়েক সপ্তাহ পর্যন্ত ডিজাইন-বিল্ড-পরীক্ষা চক্রকে সংকুচিত করতে পারে, তাহলে কর্মশক্তির কাঠামো, R&D সময়সূচী এবং প্রতিযোগিতামূলক গতিবিদ্যার প্রভাব উল্লেখযোগ্য হতে পারে। JARVIS চ্যালেঞ্জ গ্রহণকারী শিক্ষার্থীরা প্রথম প্রকৌশলীদের মধ্যে যারা এই স্টকগুলিকে চিন্তার পরীক্ষা হিসাবে নয়, একটি মেশিনের দোকানে, পরীক্ষার স্ট্যান্ডে একটি জেট ইঞ্জিন সহ।

এমআইটির গ্যাস টারবাইন ল্যাবরেটরির সহযোগী পরিচালক কর্ডেরো বলেছেন, “জারভিস ভৌত সিস্টেমের নকশায় এআই-এর শক্তিকে হাইলাইট করেছেন।” “কিন্তু এটি এটাও দেখিয়েছে যে সেই শক্তিকে আনলক করার চাবিকাঠি হল শিক্ষা, হ্যান্ডস-অন কোর্স, ইন্টার্নশিপ এবং এমআইটি মোটরস্পোর্টস এবং রকেট টিমের মতো পাঠ্যক্রমের মাধ্যমে। JARVIS-এর পারফরম্যান্স স্কুল বছরের সাথে দৃঢ়ভাবে সম্পর্কিত ছিল। আমার প্রধান গ্রহণযোগ্যতা হল AI এর যুগে, শিক্ষা আগের চেয়ে অনেক বেশি মূল্যবান।”