인공지능은 소프트웨어 엔지니어링을 빠르게 변화시켰습니다. 생성적 AI 및 LLM(대형 언어 모델)은 엄청난 양의 코드와 문서를 생성할 수 있습니다. 기계 학습 알고리즘은 성능을 모니터링하고 보안 취약점을 감지할 수 있습니다. 하지만 임무가 제트 엔진과 같은 복잡한 물리적 시스템을 구상, 설계 및 실현하는 것이라면 이러한 AI 도구도 마찬가지로 혁신적일까요?
지난 학기 JARVIS 챌린지(제트 엔진 AI 연구 및 검증 집중 스프린트)에서는 AI가 설계-구축-테스트 주기를 단축할 수 있는지 탐구하고 MIT 학생들에게 AI가 더 빠르고 더 나은 구축에 도움이 될 수 있는지 알아보기 시작했습니다.
“JARVIS 챌린지는 AI가 안전에 중요한 하드웨어 엔지니어링을 크게 가속화할 수 있지만 엔지니어링 판단이 결정적인 차별화 요소로 남아 있음을 보여주었습니다. 네이티브 AI 엔지니어는 AI를 사용하는 것이 아니라 AI를 구동함으로써 정의됩니다. 즉, AI를 언제 신뢰해야 하는지, 언제 도전해야 하는지, AI 결과를 작업 하드웨어로 변환하는 방법을 아는 것입니다.” MIT 가스 터빈 연구소 소장 스파코프스키(Sparkovszky).
팀, 도구, 작업
이 과제에서는 학생들에게 AI를 주요 엔지니어링 파트너로 사용하여 소형 가스 터빈 항공기 엔진을 설계, 제조, 조립 및 테스트하는 데 4주가 걸렸습니다. 목표: 50~100파운드의 추력을 생성하고 Jet-A에서 작동하며 60초 동안 5번의 작동을 완료하는 “JARVIS급” 단일 코일 제트 엔진을 구축하는 것입니다. 팀은 디자인, 재료, 제조에 대해 완전한 자유를 누렸습니다.
공과대학의 거의 모든 학과를 대표하는 31명의 학생들이 1학년부터 4학년까지 7개의 팀으로 구성되었습니다. 많은 경쟁자들은 처음에는 터보기계, 압축성 흐름, 심지어 어린 학생들의 경우 열역학에 대한 경험이 거의 없었습니다. 많은 사람들은 가스 터빈 제작에 서명하기 전에 가스 터빈 내부를 본 적이 없었습니다.
처분 가능: MIT의 기계 공장 및 생산 공급업체; Concepts NREC, SolidWorks 및 ABAQUS를 포함한 상용 소프트웨어; 개별 구성 요소를 특성화하고 조립하기 위한 다양한 테스트 플랫폼.
또한 팀은 단일 인터페이스를 통해 대규모 개척 언어 모델을 통합하는 최근 출시된 플랫폼인 MIT Parley에 액세스할 수 있었습니다. Parley를 통해 JARVIS 리더들은 요청, 프롬프트당 비용, 사용 중인 특정 LLM 및 기타 중요한 정보를 포함하여 학생들이 AI 도구를 어떻게 사용하고 있는지 직접 확인할 수 있었습니다. JARVIS는 모든 참가자가 Parley에 안전하게 조기 액세스할 수 있도록 이끌고 MIT Lincoln Laboratory, 기계공학부, 기업 후원자 Safran, Voyager Technologies, Beehive Industries 및 Boom Technology의 재정 지원을 통해 학생들은 사실상 무제한으로 AI를 사용할 수 있게 되었습니다.
AI가 엔지니어링 워크플로를 어떻게 재구성할 수 있는지에 대한 관심과 진정한 호기심을 모집하여 후원자를 모집했습니다.
Voyager Technologies의 Ryan (Hal) Hefron은 학생들에게 “우리는 이것을 엔지니어링의 미래라고 봅니다.”라고 말했습니다. “갖고 있으면 좋을 뿐만 아니라 엔지니어링 인력의 미래 기준이 될 기술을 향상시키십시오.”
Safran Tech의 상무이사인 Vincent Garnier는 열정적으로 대회를 지켜보았습니다. “JARVIS는 진정한 실험이자 학습 노력이었습니다. 우리는 솔직히 학생들에게서나 AI 모델에서 무엇을 기대해야 할지 몰랐습니다. 학생들에게서 인상 깊었던 점은 먼저 탐구에 대한 열정이었습니다. 프로젝트가 진행되면서 그들은 모두 AI가 자신에게 도움이 될 수 있는 것과 없는 것에 대해 냉정한 인식을 갖게 되었고 거의 즉시 적응했습니다.”라고 그는 말합니다. “이 세대의 선도적인 엔지니어들은 아마도 인공 지능의 쉽고 근시안적인 사용에 빠지지 않을 것이며 물리적 또는 사고 실험과 같은 실험과 점점 더 접촉을 유지함으로써 그렇게 할 것이라고 확신합니다.”
교수진 리더십(항공우주학과의 Zachary Cordero, Zolti Spakovszky, Masha Folk, Andreea Bobu 교수, Lincoln Laboratory의 엔지니어 및 조교 팀)이 안전을 보장하기 위해 그곳에 있었습니다. 주간 진행 상황 검토에서 학생들의 진행 상황을 비판적으로 평가하고 학생들이 AI를 어떻게 사용하고 있는지 평가했습니다.
Spakovszky는 답변이나 도움을 제공하지 않고 팀을 올바른 방향으로 안내하기 위한 신중한 기술을 개발했습니다. 팀을 소개한 후 “리베이트 매치가 무엇인지 아시나요? 댓글을 고려해보세요.”라고 묻기도 합니다.
AI가 도움이 되는 부분과 상처를 주는 부분
1주차가 끝날 무렵 한 팀이 대회에서 탈퇴했습니다. 다른 회사에서는 다양한 수준의 성공을 거두면서 가스 터빈의 초기 설계를 개발했습니다. 여러 팀에서는 AI를 사용하여 교과서를 요약하고, 디자인 소프트웨어 사용 방법을 가르치고, 공급업체를 놀라게 하고, Excel 시트를 만들고, 특정 질문에 답하고, 참고 자료를 찾고, 디자인 결정 간 벤치마크를 만들었습니다. 팀은 Parley에서 에이전트를 생성하고 프로젝트 관리자로 활동하도록 할당했습니다.
2주차까지 팀은 세부적인 CAD 설계 작업을 시작하고 부품을 주문하고 버너의 프로토타입을 제작해야 했습니다. 여기서 팀은 AI 사용에 한계에 부딪히기 시작했습니다. Claude와 ChatGPT는 디자인 대안을 제공하고 지식 격차를 줄이는 데 능숙했지만 팀은 생성 AI의 악명 높은 특성이 된 환각, 동정, 물리적 이해 부족으로 인해 자신감이 약화되고 속도가 느려진다는 사실을 발견했습니다.
811 승무원인 Elizabeth Tupaj는 “AI는 유용한 도구입니다. 정보를 찾고, 정리하는 데 뛰어나고, 글을 잘 쓸 수 있지만 디자인은 할 수 없습니다.”라고 말합니다. “엔지니어가 무슨 일이 일어나고 있는지 모르고 AI가 책임을 맡는 순간, 적어도 AI의 현재 기능으로는 설계를 신뢰할 수 없게 됩니다.”
조교인 John Zhang은 “학생들과 함께 이것을 직접 보면서 첫인상이 얼마나 중요한지 깨달았습니다. 학생들이 초기에 AI로부터 답변을 얻을 수 없으면 금방 좌절감을 느끼고 나중에 AI를 사용하지 못하게 하는 지속적인 의견을 형성했습니다.”라고 말합니다.
최근 몇 주 동안 최종 후보들은 AI가 해결할 수 없는 또 다른 장애물에 부딪혔습니다. 바로 공급업체와의 협력입니다. 학생들은 “AI 검색을 통해 우리와 관계가 없지만 우리의 촉박한 일정에 관심이 없는 공급업체를 찾았습니다”라고 말했습니다. “들어온 공급업체는 우리 팀과 개인적인 관계를 맺은 공급업체였습니다.”
세 명의 결선 진출자 중 Fast와 Fractured만이 첫 번째 시도에서 미니 버너에 불을 붙일 수 있었습니다. 팀은 상업 연구 및 건축 비교를 위해 인공 지능을 광범위하게 사용하여 실행 가능한 설계에 도달했습니다. 하지만 이전에 가스 터빈에 대한 경험이 있는 사람은 아무도 없었습니다.
“JARVIS 챌린지는 AI 설계와 의욕이 넘치는 학생 및 빠른 실험 문화를 결합할 때 무엇이 가능한지 보여주었습니다.”라고 항공우주학과 Charles Stark Draper 경력 개발 교수인 Masha Folk는 말합니다. “가장 눈에 띄는 순간은 학생이 디자인한 최초의 버너가 테스트 스탠드에 설치되었을 때였습니다. 완벽하게 점화되어 최대 전력까지 증가하고 이중 연료 작동으로 전환한 다음 100% Jet-A 연료로 안정적인 연소를 유지했습니다. 이는 설계, 제작 및 테스트 주기를 획기적으로 가속화하여 학생들에게 실제 엔지니어링 경험을 제공할 수 있다는 증거였습니다.”
네이티브 AI 엔지니어링의 최전선에서
5월 말까지 Fast and Fractured와 811 Crew라는 두 개의 상위 팀이 전체 엔진 테스트를 완료했습니다. AI 지원 설계를 갖춘 Fast and Fractured는 공급업체의 골치 아픈 문제로 인해 매주 지연되었지만 마침내 테스트에 이르렀습니다. 불행하게도 로터가 고정된 하우징에 부딪혀서 뜨거운 불이 꺼졌습니다. 그러나 경쟁에 참여하는 터보차저 및 파워트레인 개념에 더 많이 노출된 811 크루가 승리했습니다. 엔진이 시동되어 Jet-A로 성공적으로 전환되었으며 순 추력이 생성되었습니다.
“에어 스타터와 함께 앉아 엔진이 회전하는 소리를 듣고 불이 뿜어져 나오는 것을 보면서 가슴이 쿵 떨어지는 것을 느꼈습니다. 잘못될 수 있는 방법이 너무 많았습니다! 이 학생들이 이렇게 짧은 시간에 성취한 것은 정말 놀랍습니다.”라고 박사 과정 학생인 Joe Chiapperi는 말합니다.
Team 811은 대회 내내 AI 사용을 거부하고 대신 기본과 팀워크에 의존했습니다. Tupaj는 “적어도 설계 소프트웨어에 어느 정도 익숙한 사람들, 무엇이든 만드는 방법을 아는 기계 엔지니어, 특히 가스 터빈 엔진 설계에 대한 수업을 들은 항공우주 엔지니어가 있었습니다”라고 말합니다.
JARVIS Challenge가 시작된 이후 어린 학생들은 Parley를 더 자주, 더 지능적으로 사용했으며, 1, 2학년 학생들은 더 깊은 경험을 통해 혜택을 받았습니다.
Andreea Bobu 교수는 “JARVIS는 AI에서 가치를 얻으려면 두 가지가 필요하다는 점을 가르쳐주었습니다. 즉, AI가 말하는 내용을 판단하고 틀렸을 때 이를 포착할 수 있는 충분한 경험과 AI가 도움이 될 수 있는 부분에 실제로 의존할 수 있는 충분한 호기심입니다.”라고 말했습니다. “스프린트에서 가장 빠르게 움직인 팀은 경험이 풍부하고 거기에 도달하기 위해 AI에 크게 의존했습니다. 궁극적으로 승리한 팀은 AI에 대한 저항력이 더 컸습니다. 경험이 있었지만 회의적인 태도로 인해 속도가 느려졌습니다. 가장 좋은 점은 도구를 계속 관리할 만큼 충분히 알고 있고 처음부터 도구를 이해하려는 열정인 것 같습니다. 저에게 진정한 교육 기회는 차세대 엔진입니다. 이러한 AI 도구를 지시하는 판단과 이에 도달하려는 본능입니다.”
경쟁업체의 가장 명확한 결과는 엔지니어링 경험이 승수이며 인적 요소가 여전히 중요한 요소라는 것입니다. 첫 번째 원칙과 기본 개념을 숙지하면 좋은 엔지니어링 판단력과 불완전한 정보에 직면하여 어려운 결정을 내릴 수 있는 능력이 키워집니다. 그리고 안전이 중요한 물리적 시스템을 구축할 때 인간의 손과 책임을 대체할 수 있는 것은 아무것도 없습니다.
조교인 Kyle Woody는 “JARVIS는 AI 부조종사가 팀 간의 주요 차별화 요소인 추론과 제1원리 사고를 통해 엔지니어링 생산성에 여러 가지 효과를 미칠 수 있다는 것을 보여주었습니다.”라고 덧붙였습니다.
그러나 항공우주 분야에서 AI가 미치는 영향은 상당합니다. 잘 관리되는 AI 부조종사를 사용하는 소규모 팀이 설계-구축-테스트 주기를 몇 년에서 몇 주로 단축할 수 있다면 인력 구조, R&D 시기, 경쟁 역학에 상당한 영향을 미칠 수 있습니다. JARVIS Challenge에 참여한 학생들은 사고 실험이 아닌 기계 공장에서 제트 엔진을 시험대에 놓고 이러한 문제에 직면한 최초의 엔지니어 중 하나입니다.
MIT 가스 터빈 연구소의 부소장인 Cordero는 “JARVIS는 물리적 시스템 설계에서 인공 지능의 힘을 강조했습니다.”라고 말했습니다. “그러나 이 힘을 발휘하는 열쇠는 강좌, 인턴십, 그리고 MIT 모터스포츠나 로켓 팀과 같은 실습 과외 활동을 통한 교육이라는 것도 보여주었습니다. JARVIS의 성적은 학년도와 강한 상관관계가 있었습니다. 제가 가장 중요하게 생각하는 점은 AI 시대에 교육이 그 어느 때보다 중요하다는 것입니다.”
