随着 AI 在各行各业的应用日益广泛，它将继续深刻影响着人类社会的进步和提高，并彻底改变技术和人类交互的方方面面。据 Forrester 预测，到 2024 年，企业 AI 规划有助于将职业效率和创新性难题化解能力进步 50%。AI 将对工程师和教学职业者等的职业产生影响，即帮助他们节省时刻，让他们有更多精力专注于推进科学和工程事业的其他项目。

2024 年推动 AI 持续进步的三大动向：

AI 和仿真对于设计和开发工程体系至关重要

随着 AI 在各行各业和应用中走给主流，不运用 AI 的复杂工程体系将显得格格不入。工程体系集多个领域的组件和子体系于一体，创建了能够感知和响应周围全球的智能体系。例如，风力发电机结合运用了机械组件(涡轮叶片和变速箱)、电气组件(发电机)和控制组件(叶片螺距)。复杂的 AI 体系之因此大行其道，主要是由于这些体系的设计和开发中更多地融入了仿真。

仿真是一种得到广泛验证的方式，用于执行开发复杂体系所需的多域建模和仿真。AI 可以处理来自传感器的数据，以帮助开发感知体系和自主体系。然而，随着体系复杂性的增加，对体系级和嵌入式设计来说，一些仿真的计算量也许会变得太大，尤其是在需要实时运行模型的测试中更是如此。在这种情况下，AI 还可以通过运用降阶模型来增强仿真。

降阶模型(ROM)可以在加速仿真的同时，仍为控制算法的体系级测试提供可接受的准确度。ROM 模型可以补充第一性原理模型，从而创建变体实现，以便可在准确度、性能和复杂性之间执行权衡解析。

越来越多的工程师都在寻觅怎样将基于 AI 的 ROM 模型集成到体系中。这有助于加速受第三方高保真模型影响的桌面仿真，通过降低模型的复杂性实现硬件在环测试，或加速有限元解析(FEA)仿真。

AI 从业者在将模型部署到速度和内存至关重要的边缘设备时必须思考其性能。

对于嵌入式 AI，首选小型模型;对于计算机视觉和语言模型，仍首选大型模型

AI 模型也许有数百万个参数，需要大量内存才能运行。在研究中，准确度是首要思考影响，但在将 AI 模型部署到硬件时，需要在内存和准确度之间进行权衡。AI 从业者必须思考在将模型部署到速度和内存至关重要的设备时其性能会有何不同。AI 可以作为较小的组件添加到现有的控制体系中，而无需依赖端到端的 AI 模型，例如那些在计算机视觉中检测对象的常用模型。

在讨论较小的 AI 模型时，壹个特别重要的主题是增量进修。增量进修是一种机器进修方式，它使模型能够通过在新数据可用时实时更新其自身姿势来持续进修;这是一种高效的边缘部署方式。

复杂 AI 体系的成功和否取决于是否将仿真融入工程体系的设计和开发中。

GenAI 帮助工程学教授讲授更顶级的主题

生成式 AI(GenAI)是一项倾败性技术。在 2024 年及以后，工程学教授将在课堂上大规模运用这项技术来为学生提供帮助。和互联网或手机特别类似，GenAI 正掀起一场革命，将改善整个工程教学领域的现状。

在课堂上运用 GenAI 的主要优势是，在给工程专业的学生教授基本技能(如计算机编程)时，它可以帮助节省时刻。这样，教授不必再像以前一样花费时刻讲授低级概念，现在可以专注于讲授顶级主题，如复杂工程体系的设计和实现。通过运用 ChatGPT 等技术运行仿真，并创建交互式练习和实验，教授可以节省时刻，并让学生更好地参和其中。

教授可以教会学生有效掌握 GenAI 的必要技能，例如提示工程。这有助于学生培养学以致用的批判性思考技能，而不是完全依赖计算机来化解难题。因此，学生最好在各种工程学科中做到独立进修，而工程学教学职业者可以在更顶级的概念方面同享专业姿势的同时，进一步拓展课程。

结束语

随着 AI 日臻成熟，它在进步工程师和教学职业者的职业效率和潜力方面将发挥着日益明显的影响。在构建复杂的工程体系时，工程师采用 AI 辅助仿真和更小的 AI 模型不失为明智之举。在学术领域，生成式 AI 帮助教学职业者节省了精力，让学生更加独立。借助 AI，众多行业和教学机构可以做出更明智的决策，获取可操作性的提议，并进步效率。

作者：Johanna Pingel，MathWorks AI 产品营销经理

（来源：MathWorks）