人工智能在重塑工程范式方面发挥着关键作用，它提供的工具和方法可提高各个领域的精度、效率和适应性。想要在人工智能竞赛中保持领先的工程领导者应该关注四个关键领域的进步：生成式人工智能、验证和确认、降阶模型（ROM）和控制系统设计。
趋势一：GenAI 转向框图、3D 模型和流程图
虽然最初对基于文本的 GenAI 的关注继续影响以软件为中心的工作流程，但它对具有更高级别抽象的工程工具的影响却显滞后。到 2025 年，我们预计 GenAI 在“无代码”工程工具（如框图、3D 模型和流程图）中的应用将继续取得进展。这些工具使工程师能够以图形方式表示复杂的系统，毫不费力地编辑组件，并管理固有的复杂性。此外，它们对于工程师的工作效率至关重要，并验证了工程师对系统级性能的信心。将 GenAI 与这些工具相结合将进一步提高他们的生产力，同时保持最终用户熟悉的界面。该领域的更多工具将集成AI助手，使其能够理解工程模型并协助其设计和管理。
汽车工程师将把 GenAI 应用于“无代码”工程工具，例如框图、3D 模型和流程图
趋势二：工程师利用验证和确认实现 AI 合规性
随着人工智能与汽车、医疗保健和航空航天应用中安全关键型系统的融合加速，行业管理机构正在推出人工智能合规的要求、框架和指导。作为回应，工程师必须现在就优先考虑验证和确认（V&V）过程，以确保其 AI 组件已准备好在任何条件下部署，并满足潜在的可靠性、透明度和偏差合规标准。
V&V 对于验证深度学习模型的稳健性和检测分布外（out-of-distribution，OOD）场景至关重要，特别是在安全关键型应用中。稳健性验证至关重要，因为神经网络可能会对带有微小的、难以察觉的变化（称为对抗性示例）的输入进行错误分类。例如，胸部 X 光图像中的一个细微扰动可能会导致模型错误地将肺炎识别为正常。工程师可以提供模型一致性的数学证明，并使用形式化验证方法（例如抽象解释）测试这些场景。此过程通过识别和解决漏洞来增强模型的可靠性并确保符合安全标准。
分布外检测同样重要，因为它使人工智能系统能够识别并适当地处理不熟悉的输入。这种能力对于保持准确性和安全性至关重要，尤其是当意外数据导致错误预测时。辨别分布内和分布外数据的能力确保人工智能模型可以将不确定的情况交给人类专家，从而防止关键应用程序中出现潜在故障。
专注于 V&V 允许工程师遵守 AI 框架和标准，同时推动其行业内的产品开发。主动的合规方法可确保人工智能系统可靠、安全且符合道德规范，从而在快速发展的环境中保持竞争优势。
分布外检测使人工智能系统能够管理不熟悉的输入，例如跑道上的烟雾状况
趋势三：基于人工智能的降阶模型在工程领域的兴起
随着人工智能技术和计算能力的进步，使用基于人工智能的降阶模型（ROM）的趋势预计会增长。工程师利用这些模型将提高系统性能和可靠性，以及系统设计和模拟的效率和功效。
这种转变背后的主要驱动力是工程师需要管理日益复杂的系统，同时保持高精度和速度。传统的计算机辅助工程（CAE）和计算流体动力学（CFD）模型虽然准确，但计算量大且不适合实时应用。基于 AI 的 ROM 通过减少计算需求同时保持准确性来解决这个问题。工程师可以使用这些模型更快地模拟复杂现象，从而实现更快的迭代和优化。
此外，基于 AI 的 ROM 具有适应不同参数和条件的高度通用能力，增强了其在不同场景中的适用性。这种适应性在航空航天、汽车和能源领域尤其有价值，因为这些领域的工程系统通常涉及需要详细建模和模拟的复杂物理现象。例如，设计和测试飞机部件（如机翼或发动机）的工程师可以更有效地模拟空气动力学特性和应力因素，从而帮助工程师快速迭代和优化设计。此外，基于 AI 的 ROM 可以适应各种飞行条件，使其成为使用同一模型测试多种场景的多功能工具。此功能可加速开发过程、降低成本并提高最终产品的可靠性。
降阶建模通过简化复杂的 CFD/CAE/FEA 模型来加速模拟，平衡保真度和速度，实现高效的工程设计
趋势四：人工智能打破复杂系统控制的障碍
人工智能与控制设计的持续融合将改变该领域，特别是在管理复杂系统和嵌入式应用程序方面。传统上，控制系统设计依赖于第一性原理建模，这需要对系统有丰富的知识和深入的了解。数据驱动建模仅限于在设计范围内的一小部分中有效的线性模型。人工智能正在通过从数据中创建精确的非线性模型来改变这种状况。这使得创建结合第一性原理和数据且在整个操作范围内有效的高精度模型成为可能。这一进步使得人们能够更好地控制复杂系统。
同时，微控制器不断增强的计算能力也促进了人工智能算法直接嵌入到系统中。这种集成在消费电子和汽车行业尤其具有影响力，因为高响应系统正在成为常态。例如，人工智能嵌入电动工具中以监测和应对环境变化，例如可能带来安全风险的突然材料密度变化。这些工具使用嵌入式人工智能来自主调整其操作，从而提高安全性和性能。
人工智能与复杂系统控制和嵌入式系统的融合开创了更为稳健、自适应和智能的控制设计时代。工程师现在可以创建实时学习和适应的系统，提供前所未有的精度和效率。这创造了一个环境，在其中，人工智能驱动的解决方案解决传统控制问题的环境，并为在各个工程领域中建立更智能、更集成的系统铺平了道路。
工程师应该对人工智能的持续成熟和进步感到兴奋。物理见解与人工智能模型的融合将增强透明度和适应性，减少传统方法的“黑箱”性质。人工智能工具的普及使工程师能够更轻松地获取和使用高级功能。这些进步将提升人工智能在工程中的作用，并使技术专业人员能够更快、更有效地构建更好的工程系统。
将机械、电气和控制系统与人工智能相结合，实现风力涡轮机的优化
作者：MathWorks 深度学习首席产品经理 Lucas Garcia 博士
