ИИ может расширить возможности инженеров, но не заменить фундаментальные знания, говорит Гопи

Гопичанд Катрагадда утверждает, что искусственный интеллект меняет масштабы и темпы инженерной работы, но не основы, от которых зависит качественная инженерия. В интервью, о котором сообщает The Times of India, он говорит, что инженерам по-прежнему необходимы прочные технические знания, понимание того, как компоненты работают вместе, а также дисциплина, позволяющая создавать, тестировать и документировать полезные продукты.

Катрагадда занимал руководящие должности в сфере технологий в GE и Tata Sons. Он был управляющим директором Технологического центра GE в Индии в Бенгалуру, позднее стал первым групповым директором по технологиям и руководителем инновационного направления Tata Sons, а теперь возглавляет Myelin Foundry — компанию, занимающуюся искусственным интеллектом и работающую в сферах медиа и развлечений, промышленного интернета вещей и автомобильных технологий.

По его мнению, инженерию можно рассматривать через три взаимосвязанные области: теорию и практические знания; экспертизу на уровне компонентов в сочетании с системным мышлением; и реализацию. Последняя включает эффективную разработку продуктов, оценку того, принесут ли они реальную коммерческую ценность, а также фиксацию достаточного объёма информации, чтобы последующие команды могли понять и улучшить проделанную работу.

В каких областях индийской инженерии нужны улучшения

Катрагадда говорит, что Индия добилась значительных успехов в математике, теории и проектировании отдельных компонентов. Однако, по его мнению, стране необходимо активнее развивать практическую инженерию, понимание целостных систем, исследования и документирование.

Человек может уметь проектировать лопасть турбины, говорит он, но при этом не обязательно быть способен определить, как следует конфигурировать целую ветровую электростанцию. Для более широкого взгляда инженерам необходимо понимать взаимодействие отдельных компонентов, условия эксплуатации и назначение конечной системы.

Он также ставит под сомнение привычку считать низкую стоимость главным показателем успешной реализации. Дешёвая разработка недостаточна, если готовый продукт коммерчески нежизнеспособен или не приносит значимой пользы. По его мнению, инженерным командам следует вкладывать необходимые ресурсы, чтобы создавать решения, которые хорошо работают в реальных условиях.

Документация — ещё одно слабое место. Инженеры могут лично хранить большие объёмы знаний, но отсутствие письменной фиксации затрудняет совместную работу и оставляет будущие команды без понимания причин, стоявших за прежними решениями. Катрагадда считает, что ИИ может помочь сделать документацию более системной, а не заменить собственное понимание инженеров.

Почему опыт важен в эпоху ИИ

Катрагадда предостерегает молодых инженеров от того, чтобы делать ИИ своим первым источником знаний. В начале карьеры, говорит он, людям необходимо изучать лежащую в основе предметную область, не полагаясь на упрощённые пути. Именно опыт работы с данными, оборудованием и средой эксплуатации позволяет инженеру задавать более качественные вопросы и понимать, является ли ответ корректным.

ИИ может поддержать такое обучение, объясняя сложную теорию, помогая находить нужную информацию и предлагая пути к получению практического опыта. Он также может помогать с программированием, анализом и письменной фиксацией результатов. Но ответственность за выявление проблемы, понимание ключевых точек отказа и определение того, что необходимо улучшить по сравнению с предыдущими системами, по-прежнему лежит на инженере.

Эта ответственность становится особенно важной, когда система объединяет аппаратное и программное обеспечение. Инженеры могут не знать всех деталей в начале работы, но они должны уметь изучать техническую документацию, расследовать неисправности и проверять, работает ли алгоритм на устройстве, для которого он был разработан. Позиция Катрагадды заключается в том, что инженеры не должны просто принимать результат, сгенерированный ИИ: им необходимо проверять его и отвечать за итог.

Пример авиационных двигателей показывает ценность предметных знаний. В лопатках турбин есть отверстия разных типов. Одни способствуют охлаждению, другие уменьшают вес и помогают улучшить соотношение тяги к весу, не снижая прочности конструкции. Понимание того, зачем нужны эти особенности, требует большего, чем создание правдоподобного объяснения: необходимы знания инженерной задачи и ограничений, определивших конструкцию.

Применения ИИ, которые уже используются

Продукты Myelin Foundry демонстрируют тип инженерных решений, которые, по мнению Катрагадды, может сделать возможными ИИ. Одна из систем компании примерно на 40% сокращает требования к пропускной способности для передачи видео. В качестве альтернативы она может улучшать видео низкого разрешения для просмотра на современных дисплеях. Снижение требований к пропускной способности означает сопоставимое сокращение расходов на доставку контента, и систему используют несколько международных компаний, предоставляющих потоковое видео через интернет.

Компания также разработала систему камеры заднего вида для автомобилей, призванную сделать изображение в ночное время гораздо более похожим на изображение при дневном свете. Цель состоит в том, чтобы помочь водителям лучше видеть при движении задним ходом. Среди других применений, описанных Катрагаддой, — обнаружение аномалий, прогнозирование потребностей в техническом обслуживании и создание документов.

Эти примеры подчёркивают его более общий тезис: полезная инженерия ИИ — это не просто запрос типового ответа у модели. Она предполагает понимание физического оборудования, программного обеспечения, данных и ограничений среды, в которой технология должна работать. ИИ может расширить возможности инженера, но фундаментальные знания, практическое тестирование и ответственность за конечную систему остаются необходимыми.