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。

　　趨勢一：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,。

　　汽車工程師將把 GenAI 應(yīng)用于“無代碼”工程工具,，例如框圖、3D 模型和流程圖

　　趨勢二：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)靥幚聿皇煜さ妮斎搿＿@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。

　　分布外檢測使人工智能系統(tǒng)能夠管理不熟悉的輸入,，例如跑道上的煙霧狀況

　　趨勢三：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,?；?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。

　　降階建模通過簡化復(fù)雜的 CFD/CAE/FEA 模型來加速模擬,，平衡保真度和速度,，實現(xiàn)高效的工程設(shè)計

　　趨勢四：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),。

　　將機(jī)械、電氣和控制系統(tǒng)與人工智能相結(jié)合,，實現(xiàn)風(fēng)力渦輪機(jī)的優(yōu)化

更多精彩內(nèi)容歡迎點擊==>>電子技術(shù)應(yīng)用-AET<<