人工智能在重塑工程范式方面發(fā)揮著關(guān)鍵作用，它提供的工具和方法可提高各個領(lǐng)域的精度、效率和適應(yīng)性。想要在人工智能競賽中保持領(lǐng)先的工程領(lǐng)導(dǎo)者應(yīng)該關(guān)注四個關(guān)鍵領(lǐng)域的進(jìn)步：生成式人工智能、驗證和確認(rèn)、降階模型(ROM)和控制系統(tǒng)設(shè)計。

AI 趨勢 #1

GenAI 轉(zhuǎn)向框圖、3D 模型和流程圖

雖然最初對基于文本的 GenAI 的關(guān)注繼續(xù)影響以軟件為中心的工作流程，但它對具有更高級別抽象的工程工具的影響卻顯滯后。到 2025 年，我們預(yù)計 GenAI 在“無代碼”工程工具(如框圖、3D 模型和流程圖)中的應(yīng)用將繼續(xù)取得進(jìn)展。這些工具使工程師能夠以圖形方式表示復(fù)雜的系統(tǒng)，毫不費力地編輯組件，并管理固有的復(fù)雜性。此外，它們對于工程師的工作效率至關(guān)重要，并驗證了工程師對系統(tǒng)級性能的信心。將 GenAI 與這些工具相結(jié)合將進(jìn)一步提高他們的生產(chǎn)力，同時保持最終用戶熟悉的界面。該領(lǐng)域的更多工具將集成AI助手，使其能夠理解工程模型并協(xié)助其設(shè)計和管理。

AI 趨勢 #2

工程師利用驗證和確認(rèn)實現(xiàn) AI 合規(guī)性

隨著人工智能與汽車、醫(yī)療保健和航空航天應(yīng)用中安全關(guān)鍵型系統(tǒng)的融合加速，行業(yè)管理機(jī)構(gòu)正在推出人工智能合規(guī)的要求、框架和指導(dǎo)。作為回應(yīng)，工程師必須現(xiàn)在就優(yōu)先考慮驗證和確認(rèn) (V&V) 過程，以確保其 AI 組件已準(zhǔn)備好在任何條件下部署，并滿足潛在的可靠性、透明度和偏差合規(guī)標(biāo)準(zhǔn)。

V&V 對于驗證深度學(xué)習(xí)模型的穩(wěn)健性和檢測分布外 (out-of-distribution ，OOD) 場景至關(guān)重要，特別是在安全關(guān)鍵型應(yīng)用中。穩(wěn)健性驗證至關(guān)重要，因為神經(jīng)網(wǎng)絡(luò)可能會對帶有微小的、難以察覺的變化(稱為對抗性示例)的輸入進(jìn)行錯誤分類。例如，胸部 X 光圖像中的一個細(xì)微擾動可能會導(dǎo)致模型錯誤地將肺炎識別為正常。工程師可以提供模型一致性的數(shù)學(xué)證明，并使用形式化驗證方法(例如抽象解釋)測試這些場景。此過程通過識別和解決漏洞來增強(qiáng)模型的可靠性并確保符合安全標(biāo)準(zhǔn)。

分布外檢測同樣重要，因為它使人工智能系統(tǒng)能夠識別并適當(dāng)?shù)靥幚聿皇煜さ妮斎?。這種能力對于保持準(zhǔn)確性和安全性至關(guān)重要，尤其是當(dāng)意外數(shù)據(jù)導(dǎo)致錯誤預(yù)測時。辨別分布內(nèi)和分布外數(shù)據(jù)的能力確保人工智能模型可以將不確定的情況交給人類專家，從而防止關(guān)鍵應(yīng)用程序中出現(xiàn)潛在故障。

專注于 V&V 允許工程師遵守 AI 框架和標(biāo)準(zhǔn)，同時推動其行業(yè)內(nèi)的產(chǎn)品開發(fā)。主動的合規(guī)方法可確保人工智能系統(tǒng)可靠、安全且符合道德規(guī)范，從而在快速發(fā)展的環(huán)境中保持競爭優(yōu)勢。

AI 趨勢 #3

基于人工智能的降階模型在工程領(lǐng)域的興起

隨著人工智能技術(shù)和計算能力的進(jìn)步，使用基于人工智能的降階模型 (ROM) 的趨勢預(yù)計會增長。工程師利用這些模型將提高系統(tǒng)性能和可靠性，以及系統(tǒng)設(shè)計和模擬的效率和功效。

這種轉(zhuǎn)變背后的主要驅(qū)動力是工程師需要管理日益復(fù)雜的系統(tǒng)，同時保持高精度和速度。傳統(tǒng)的計算機(jī)輔助工程 (CAE) 和計算流體動力學(xué) (CFD) 模型雖然準(zhǔn)確，但計算量大且不適合實時應(yīng)用。基于 AI

的 ROM 通過減少計算需求同時保持準(zhǔn)確性來解決這個問題。工程師可以使用這些模型更快地模擬復(fù)雜現(xiàn)象，從而實現(xiàn)更快的迭代和優(yōu)化。

此外，基于 AI 的 ROM 具有適應(yīng)不同參數(shù)和條件的高度通用能力，增強(qiáng)了其在不同場景中的適用性。這種適應(yīng)性在航空航天、汽車和能源領(lǐng)域尤其有價值，因為這些領(lǐng)域的工程系統(tǒng)通常涉及需要詳細(xì)建模和模擬的復(fù)雜物理現(xiàn)象。例如，設(shè)計和測試飛機(jī)部件(如機(jī)翼或發(fā)動機(jī))的工程師可以更有效地模擬空氣動力學(xué)特性和應(yīng)力因素，從而幫助工程師快速迭代和優(yōu)化設(shè)計。此外，基于 AI 的 ROM 可以適應(yīng)各種飛行條件，使其成為使用同一模型測試多種場景的多功能工具。此功能可加速開發(fā)過程、降低成本并提高最終產(chǎn)品的可靠性。

AI 趨勢 #4

人工智能打破復(fù)雜系統(tǒng)控制的障礙

人工智能與控制設(shè)計的持續(xù)融合將改變該領(lǐng)域，特別是在管理復(fù)雜系統(tǒng)和嵌入式應(yīng)用程序方面。傳統(tǒng)上，控制系統(tǒng)設(shè)計依賴于第一性原理建模，這需要對系統(tǒng)有豐富的知識和深入的了解。數(shù)據(jù)驅(qū)動建模僅限于在設(shè)計范圍內(nèi)的一小部分中有效的線性模型。人工智能正在通過從數(shù)據(jù)中創(chuàng)建精確的非線性模型來改變這種狀況。這使得創(chuàng)建結(jié)合第一性原理和數(shù)據(jù)且在整個操作范圍內(nèi)有效的高精度模型成為可能。這一進(jìn)步使得人們能夠更好地控制復(fù)雜系統(tǒng)。

同時，微控制器不斷增強(qiáng)的計算能力也促進(jìn)了人工智能算法直接嵌入到系統(tǒng)中。這種集成在消費電子和汽車行業(yè)尤其具有影響力，因為高響應(yīng)系統(tǒng)正在成為常態(tài)。例如，人工智能嵌入電動工具中以監(jiān)測和應(yīng)對環(huán)境變化，例如可能帶來安全風(fēng)險的突然材料密度變化。這些工具使用嵌入式人工智能來自主調(diào)整其操作，從而提高安全性和性能。

人工智能與復(fù)雜系統(tǒng)控制和嵌入式系統(tǒng)的融合開創(chuàng)了更為穩(wěn)健、自適應(yīng)和智能的控制設(shè)計時代。工程師現(xiàn)在可以創(chuàng)建實時學(xué)習(xí)和適應(yīng)的系統(tǒng)，提供前所未有的精度和效率。這創(chuàng)造了一個環(huán)境，在其中，人工智能驅(qū)動的解決方案解決傳統(tǒng)控制問題的環(huán)境，并為在各個工程領(lǐng)域中建立更智能、更集成的系統(tǒng)鋪平了道路。

工程師應(yīng)該對人工智能的持續(xù)成熟和進(jìn)步感到興奮。物理見解與人工智能模型的融合將增強(qiáng)透明度和適應(yīng)性，減少傳統(tǒng)方法的“黑箱”性質(zhì)。人工智能工具的普及使工程師能夠更輕松地獲取和使用高級功能。這些進(jìn)步將提升人工智能在工程中的作用，并使技術(shù)專業(yè)人員能夠更快、更有效地構(gòu)建更好的工程系統(tǒng)。

| 關(guān)于作者

Lucas Gracía

Lucas García 是 MathWorks 深度學(xué)習(xí)的首席產(chǎn)品經(jīng)理，在計算機(jī)軟件行業(yè)擁有超過 15 年的機(jī)器學(xué)習(xí)經(jīng)驗和研究。他與客戶團(tuán)隊和開發(fā)團(tuán)隊合作，定義、開發(fā)和推出滿足客戶需求和深度學(xué)習(xí)市場趨勢的新功能和應(yīng)用程序。Lucas 于 2008 年加入 MathWorks 擔(dān)任客戶工程師，并與各行各業(yè)的工程師和科學(xué)家合作，幫助他們解決人工智能領(lǐng)域的實際問題。在加入 MathWorks 之前，他曾擔(dān)任金融領(lǐng)域的軟件開發(fā)人員。Lucas 擁有馬德里康普頓斯大學(xué)和馬德里理工大學(xué)應(yīng)用數(shù)學(xué)博士學(xué)位。