„Dassault Systèmes“ vyresnysis viceprezidentas Gian Paolo Bassi savo pranešimą pastatė ant vienos provokuojančios tezės: inovacija paliko darbalaukį (desktop). Tai nereiškia, kad stalinės projektavimo priemonės prarado vertę. Jo mintis buvo kita - sudėtingo produkto nebegalima suprasti kaip vieno failo, vienos programos ar vieno specialisto darbo.

Šiuolaikinis produktas veikia platesnėje sistemoje. Jo elgesį lemia programinė įranga, elektronika, medžiagos, gamybos procesas, tiekimo grandinė ir tai, kaip produktas bus naudojamas bei prižiūrimas. Todėl Bassi kalbėjo apie perėjimą nuo failų prie žinių, nuo atskirų įrankių prie AI agentų, nuo projektavimo etapo prie viso gyvavimo ciklo ir nuo individualaus darbo prie susietos ekosistemos.

Ypač svarbus buvo skirtumas tarp bendrojo generatyvinio AI ir pramoninio AI. Kalbos modelis gali parengti tekstą ar kodą, bet fizinis pasaulis neleidžia „beveik teisingų“ atsakymų. Konstrukcija arba atlaiko apkrovą, arba ne. Dėl to pramoniniam AI reikia patikimų inžinerinių duomenų, fizikos modelių, simuliacijos ir virtualiųjų dvynių. Tik tokioje aplinkoje AI pasiūlymą galima ne vien sugeneruoti, bet ir patikrinti.

Praktinė šios krypties išvada inžinieriui gana aiški. Mažiau laiko turėtų tekti pasikartojančiam geometrijos ar dokumentacijos tvarkymui, daugiau - sprendimo ketinimui ir alternatyvų vertinimui. Tačiau tam AI turi pasiekti organizacijos inžinerines žinias saugiai, o žmogus turi suprasti, ką ir kodėl sistema pasiūlė.

Suchit Jain ir dr. Nicolas Jeannée į inžinerinio ugdymo ateitį pažvelgė kaip į nuoseklų kelią, prasidedantį dar prieš formalias studijas ir nesibaigiantį gavus diplomą. Jų pristatyta logika apėmė prieigą prie technologijų, mokymąsi per projektus, pripažįstamus gebėjimų įrodymus, ryšį su darbdaviais ir galimybę kompetencijas auginti jau profesinėje veikloje.

Nicolas Jeannée atkreipė dėmesį į paradoksą. AI keis dalį užduočių ir pareigybių, todėl studentams reikės naujų gebėjimų, tačiau fundamentinės žinios dėl to netaps mažiau svarbios. Priešingai, kai sistema akimirksniu pateikia įtikinamai skambantį atsakymą, fizikos, matematikos ir pirmųjų principų supratimas leidžia atpažinti, ar tas atsakymas apskritai gali būti teisingas.

Tai keičia ir dėstytojo vaidmenį. Studentui nebeužtenka parodyti komandų seką. Daug daugiau vertės turi projektinė užduotis, kurioje reikia pačiam išsiaiškinti problemą, bendradarbiauti su kitų sričių žmonėmis ir pagrįsti pasirinktą sprendimą. AI gali padėti greičiau perprasti įrankį ar parengti pirmą variantą, bet mokymosi esmė lieka sprendimo kokybė.

Šiame kontekste kompetencijų centrai svarbūs ne dėl iškabos ar licencijų skaičiaus. Jie sudaro sąlygas mokytis su pramonėje naudojamais duomenimis ir procesais, dalytis metodais tarp universitetų bei įrodyti įgytas kompetencijas sertifikatais ir realiais projektais. KTU centras yra pirmasis Baltijos šalyse ir vienas iš dviejų „3DEXPERIENCE Edu“ kompetencijų centrų visame „EuroNorth“ regione kartu su Cranfieldo universitetu Jungtinėje Karalystėje. Tai ne tik pripažinimas, bet ir įpareigojimas tapti aktyviu regioninio tinklo dalyviu.

Kalifornijos technologijos instituto profesorius Jonas Zmuidzinas pasirinko netikėtą kelią. Užuot pradėjęs nuo šiuolaikinių platformų, jis grįžo prie XX amžiaus aviacijos ir kosmoso istorijos. Ankstyvieji bepiločiai orlaiviai, raketų programos ir NASA projektai parodė, kad sistemų inžinerija atsirado ne kaip dar viena programinė priemonė. Ji tapo būtina tada, kai vieno sprendimo sėkmę pradėjo lemti daugybė tarpusavyje susijusių komponentų, reikalavimų ir organizacijų.

Vienas stipriausių pranešimo momentų buvo perspėjimas, kad techniškai nepriekaištingai suprojektuota sistema dar nebūtinai tarnauja teisingam tikslui. „Atlas“ ir „Minuteman“ programų istorija parodė, jog galima labai disciplinuotai įgyvendinti abejotinas prielaidas ar pavojingus reikalavimus. Sistemos metodas nepašalina žmogaus atsakomybės nuspręsti, kokią problemą verta spręsti ir kokias pasekmes sukels pasirinktas sprendimas.

Šią mintį profesorius susiejo su Nancy Grace Roman kosminiu teleskopu. Mokslinis tikslas - tirti tamsiąją medžiagą ar tiesiogiai stebėti egzoplanetas - galiausiai virsta itin konkrečiais techniniais reikalavimais: optinė sistema turi išlikti stabili nanometrų ar net pikometrų lygiu. Tam reikia kartu vertinti optiką, konstrukciją, reakcijos ratų vibracijas, šiluminius ryšius, kabelius ir ryšio su Žeme architektūrą. Integruoti modeliai padėjo aptikti sąveikas, kurių viena komanda, žiūrėdama tik į savo posistemę, galėjo nepastebėti.

Pagrindinė Zmuidzino pranešimo mintis buvo paprasta ir kartu reikli: sistemų inžinerijos vertė slypi ne diagramų kiekyje. Ji slypi gebėjime laiku užduoti nepatogų klausimą, pamatyti ryšį tarp mokslo tikslo ir techninės detalės bei grąžinti informaciją į bendrą sprendimą.

KTU dr. Valdas Eidukynas ir doc. dr. Sigita Urbaitė pristatė „3DEXPERIENCE Edu Center of Excellence“ pirmųjų metų patirtį. Šis pranešimas buvo vertingas tuo, kad kalbėjo ne vien apie planus. Jis parodė, kas nutinka kitą rytą po iškilmingo centro atidarymo.

Pirmoji pamoka: technologija yra pradžia, o ne tikslas. Licencijos ir infrastruktūra nieko nekeičia, kol jų neperkelia į studijų modulius, dėstytojų kompetencijas ir studentų projektus. Antroji pamoka: gebėjimai greičiausiai auga sprendžiant realią užduotį. Trečioji: pokytis neįmanomas viename padalinyje, nes sisteminiam darbui reikia kelių fakultetų, pramonės ir tarptautinių partnerių.

Tai iliustravo studento per šešis mėnesius sukurtas robotinės rankos prototipas. Projektas perėjo nuo idėjos ir skaitmeninio modelio iki 3D spausdinto, gestais ir kompiuterine rega valdomo įrenginio. Vertingiausia čia ne pati robotinė ranka. Studentas susidūrė su tuo, ko nepateikia tvarkingas vadovėlio pavyzdys: integracijos klaidomis, fizinio prototipo apribojimais ir būtinybe derinti skirtingas technologijas.

KTU dabar juda modeliais grįstos sistemų inžinerijos link, plečia dėstytojų ratą, sertifikavimą ir mokymosi visą gyvenimą pasiūlą. Tai rodo, kad kompetencijų centras gali tapti ne atskira laboratorija, o bendru universiteto darbo būdu. Tikrasis rodiklis bus ne įdiegtų priemonių skaičius, o tai, kiek studentų ir dėstytojų sugebės jomis išspręsti naują, iš anksto iki galo neaprašytą problemą.

Popietinėje praktinėje sesijoje Suchit Jain parodė kitą AI pusę. Dalyviai, neturėdami programavimo patirties, natūralia kalba formulavo programėlių idėjas ir per kelias minutes gavo veikiančius prototipus. Demonstracijos vertė buvo ne konkreti pasirinkta priemonė. Ji leido savo akimis pamatyti, kaip smarkiai sumažėjo techninis barjeras tarp sumanymo ir pirmo bandymo.

Tai atveria daug galimybių studentams, dėstytojams ir mažoms įmonėms. Idėją galima patikrinti dar prieš suburiant didelę kūrėjų komandą. Tačiau lengva sukurti pirmą versiją dar nereiškia, kad lengva sukurti patikimą produktą. Reikia suprasti vartotojo problemą, duomenis, saugumą ir fizinio pasaulio ribas.

Jain akcentavo, kad svarbiausias gebėjimas nėra vien mokėti parašyti gerą užklausą AI sistemai. Daug svarbiau turėti intuiciją, dalykinį supratimą ir aiškiai apibrėžti kontekstą. Kitaip AI tik greičiau pagamins tai, ko mums iš tiesų nereikėjo.

Dr. Aurelijus Morkevičius modeliais grįstą sistemų inžineriją pristatė kaip bendrą kalbą sudėtingam produktui kurti. Mechanikos, elektronikos ir programinės įrangos komandos gali puikiai atlikti savo darbą, bet vis tiek sukurti neveikiančią visumą, jei reikalavimai, sąsajos ir patikros rezultatai negrįžta į bendrą sistemos modelį.

Čia atsiranda dažnai nutylima problema. Organizacijoms netrūksta metodų ar priemonių, tačiau jos dešimtmečiais dirbo funkciniuose silosuose. Sistemų inžinerija veikia tik tada, kai turi mandatą jungti disciplinas, paskirstyti sistemos lygmens reikalavimus ir gauti grįžtamąjį ryšį iš kiekvienos srities. Jei ji lieka vieno skyriaus veikla, bendras vaizdas vėl išsiskaido.

Demonstracijoje buvo parodyta, kaip AI gali iš dokumento išskirti reikalavimus, pasiūlyti panaudos scenarijus, veiklų sekas ir pradinę sistemos struktūrą. Svarbi detalė: AI sugeneruotas turinys pirmiausia lieka atskirai, o į patvirtintą modelį patenka tik po inžinieriaus peržiūros. Tai praktiškas atsakymas į klausimą, kaip greitį suderinti su atsekamumu ir atsakomybe.

Kiti pavyzdžiai - dronų srautų vertiporte analizė ir robotinės rankos sujungimas su daugiadalyke simuliacija bei papildyta realybe - parodė, kam reikalingas bendras modelis. Jis leidžia vertinti ne tik detalės geometriją, bet ir elgseną, pajėgumą, kainą, gamybą bei sąveiką su aplinka dar prieš priimant brangius fizinius sprendimus.

Mattias Robertsson pranešimas buvo kupinas vaizdžių bandymų: konstrukcijų smūgiai ir deformacijos, elektromagnetine jėga suardoma skardinė, skysčių tekėjimas ir aerodinaminiai reiškiniai. Už demonstracijų slypėjo svarbesnė mintis - simuliacija iš specializuoto baigiamojo patikrinimo tampa nuolatine projektavimo proceso dalimi.

Kai modelis ir simuliacija veikia toje pačioje duomenų aplinkoje, inžinierius gali pakeisti geometriją, pakartoti bandymą ir iškart palyginti rezultatą. Debesijos skaičiavimo ištekliai leidžia spręsti sudėtingesnius netiesinius, dinaminius ar kelių fizikos sričių uždavinius neinvestuojant į atskirą galingą infrastruktūrą kiekvienai darbo vietai.

Ugdymui tai ypač svarbu. Studentas gali saugiai tirti reiškinius, kuriuos laboratorijoje būtų brangu, pavojinga ar sunku sulėtinti ir išmatuoti. Jis mato ne tik galutinį skaičių, bet ir priežasties bei pasekmės ryšį. Vis dėlto virtualus bandymas vertingas tada, kai žmogus supranta, kokias prielaidas įvedė, ir prireikus modelį palygina su fiziniu eksperimentu. Graži spalvinė diagrama pati savaime dar nėra įrodymas.

Jafar Jamshidi iš Cranfieldo universiteto pristatė adaptyvų projektinį mokymąsi. Į magistrantūros programas ateina žmonės, turintys labai skirtingą išsilavinimą ir profesinę patirtį, todėl vienodas kelias visiems ne visada veikia. Per šešis mėnesius trunkantį bendrą orlaivio projektą studentai dirba tarsi pramoninėje organizacijoje, o užduotys paskirstomos atsižvelgiant į jų turimus gebėjimus, karjeros tikslus ir projekto poreikius. Kai trūksta pagrindo, studentas tinkamu metu gauna papildomą medžiagą, trumpą pamoką ar konkrečią užduotį.

Projektą vertina aviacijos pramonės specialistai per preliminarią ir kritinę projekto peržiūrą. Taip mokymasis tampa ne supaprastinta užduotimi, o kontroliuojamai sudėtinga profesinės aplinkos repeticija. Jamshidi pristatymas priminė, kad projektinis mokymas neveikia savaime. Be struktūros jis dalį studentų gali tiesiog užgriūti. Adaptyvumas leidžia išlaikyti bendrą aukštą tikslą, tačiau suteikti skirtingą pagalbą jam pasiekti.