Kaune ekspertai įvardijo, ko DI neatstos inžinerijoje

Parengė „Maisto Kokybė“ redakcija pagal BNS pateiktą medžiagą.

Dirbtinis intelektas gali pasiūlyti techninio sprendimo variantų, o skaitmeninis modelis – padėti juos išbandyti prieš pradedant gamybą. Tačiau kas nuspręs, ar pasiūlytas sprendimas iš tiesų tinka? Kauno technologijos universitete vykusiame „3DEXPERIENCE Edu ENORTH Summit 2026“ renginyje pramonės ir universitetų atstovai šį klausimą siejo su būsimo inžinieriaus gebėjimu suprasti visą sistemą, remtis mokslo pagrindais ir kritiškai vertinti DI rezultatus.

Tai aktualu svarstantiems inžinerijos studijas ir jau dirbantiems specialistams: mokėjimas naudotis konkrečia programa yra tik viena darbo dalis. Renginyje kalbėję ekspertai aptarė, kokių žinių reikia sprendimui patikrinti ir kaip mokytis dirbti su problemomis, panašiomis į pasitaikančias pramonėje.

Sisteminį mąstymą parodo ryšiai tarp dalių

Projektuojant detalę galima įvertinti jos formą ar savybes. Projektuojant produktą tenka žiūrėti plačiau: kaip ta detalė veiks kartu su kitais komponentais ir ką jos pakeitimas reikš visam gaminiui. „Dassault Systèmes“ viceprezidentas Gian Paolo Bassi renginyje pabrėžė, kad produktas yra sistema, veikianti platesnėje aplinkoje ir turinti savo gyvavimo ciklą.

Todėl sisteminis mąstymas prasideda dar prieš pasirenkant įrankį. Reikia suprasti, ką kuriama sistema turi daryti, kokie jai keliami reikalavimai ir kaip viena jos dalis veikia kitą. Kalifornijos technologijos instituto profesorius dr. Jonas Zmuidzinas atkreipė dėmesį, kad sudėtingų sistemų projektavimas taip pat remiasi fizikos supratimu – būtina numatyti, kaip sistema reaguos tikrovėje.

Šis požiūris padeda paaiškinti, kodėl techniškai įmanomas sprendimas dar nebūtinai yra tinkamas visam produktui. Jei pakeičiama viena dalis, inžinieriui reikia įvertinti jos sąveiką su kitomis dalimis ir patikrinti, ar visa sistema vis dar atitinka numatytus reikalavimus.

DI pasiūlymą reikia mokėti patikrinti

Pasak G. P. Bassi, DI jau padeda atlikti dalį techninių užduočių, kurti sprendimų variantus ir optimizuoti procesus. Tai gali pagreitinti darbą, tačiau sugeneruotas atsakymas savaime neįrodo, kad sprendimas veiks realiomis sąlygomis. Ypač kritiniams pramoniniams sprendimams reikia mokslinio patikrinimo, modeliavimo ir simuliacijų.

Vienas iš tokių tikrinimo įrankių – skaitmeninis dvynys, virtualus realaus produkto ar sistemos modelis. Jame galima išbandyti skirtingus scenarijus dar prieš gamybą. BNS pateiktoje medžiagoje minimi automobilių susidūrimo ir orlaivių reakcijos į turbulenciją pavyzdžiai: tokias situacijas virtualioje aplinkoje galima modeliuoti daug kartų, nors realūs bandymai būtų sudėtingi ar brangūs.

Skaitmeninis modeliavimas padeda įvertinti galimus rezultatus, bet atsakomybė už galutinį sprendimą lieka žmogui. Inžinieriui reikia suprasti, kokiomis prielaidomis remiasi modelis, ar rezultatas dera su fizikos dėsniais ir ar jis atitinka visos sistemos reikalavimus. Būtent todėl DI naudojimo įgūdžiai ir kritinis vertinimas turi būti ugdomi kartu.

Mokslo pagrindai išlieka būtini

„Dassault Systèmes“ 3DEXPERIENCE Edu viceprezidentas dr. Nicolas Jeannee teigė, kad DI keis ir pramonę, ir inžinerinį ugdymą. Vis dėlto, jo vertinimu, fundamentalūs moksliniai įgūdžiai išliks būtini. Be jų būtų sunku nustatyti, ar technologinio įrankio pasiūlytas atsakymas pagrįstas.

Tai reiškia, kad būsimo inžinieriaus pasirengimas apima kelis susijusius gebėjimus: išmanyti savo srities pagrindus, suprasti produkto ar proceso visumą, naudotis skaitmeniniais įrankiais ir patikrinti jų rezultatus. Renginyje šie gebėjimai aptarti kaip tarpusavyje susiję, o ne kaip vieno įrankio pakeitimas kitu.

Profesorius J. Zmuidzinas akcentavo dar ankstesnį darbo etapą – klausimą, kokia sistema apskritai turi būti kuriama. Jei užduotis ar reikalavimai neaiškūs, net tiksliai atliktas atskiros dalies projektavimas gali neišspręsti pagrindinės problemos. Šiame etape reikia gebėti kelti klausimus ir susieti techninį sprendimą su jo paskirtimi.

Praktika turi apimti daugiau nei prieigą prie programų

„Dassault Systèmes“ strategijos ir verslo plėtros viceprezidentas Suchit Jain renginyje teigė, kad studentams neužtenka suteikti pažangią programinę įrangą. Jo požiūriu, mokymuisi reikia praktinių užduočių, realistiškų duomenų ir galimybės susidurti su pramonėje kylančiomis problemomis. Dr. N. Jeannee taip pat pabrėžė mokymosi turinio svarbą.

Šiame kontekste Kauno technologijos universiteto Mechanikos inžinerijos ir dizaino fakultete įkurtas Skaitmeninio modeliavimo kompetencijų centras suteikia studentams ir dėstytojams galimybę dirbti su „Dassault Systèmes“ 3DEXPERIENCE platforma. KTU pristatomas kaip pirmasis šios bendrovės kompetencijų centras Baltijos šalyse. Centro veikla sieja studijas, mokslinius tyrimus ir pramonę.

Ką pasitikrinti renkantis studijas ar mokymus

Vertinant studijų programą ar kvalifikacijos kėlimo galimybę, naudinga ieškoti konkrečių užduočių pavyzdžių. Ar mokantis reikia apibrėžti sistemos reikalavimus, modeliuoti skirtingus sprendimus ir paaiškinti, kodėl pasirinktas vienas iš jų? Ar tenka dirbti su duomenimis ir tikrinti, ar modeliavimo rezultatas atitinka mokslo pagrindus? Tokie klausimai padeda suprasti, ko mokomasi naudojant programinę įrangą.

Renginyje išsakyti ekspertų argumentai leidžia spręsti, kad vien prieigos prie technologijos šiems gebėjimams įgyti nepakanka. Svarbu ir tai, ar praktinės užduotys suteikia progą pamatyti, kaip atskiras techninis sprendimas veikia visą sistemą.

Šaltinis: BNS