工程的未来：与SIMULIA首席执行官Michelle Ash关于人工智能、仿真与创造力的问答

在这次与SIMULIA首席执行官Michelle Ash的问答中，探讨人工智能和机器学习如何改变工程领域。

人工智能正在通过赋能工程师更具创造力并专注于高价值开发，正在改变工程领域。虚拟孪生和机器学习的兴起正在改变仿真专家的角色，使他们能够创建基于物理的模型，供他人快速探索设计空间中的产品性能。我们与西穆利亚首席执行官Michelle Ash将探讨人工智能和机器学习将如何重塑仿真、协作以及工程工作的本质。

人工智能如何推动更具创造性的工程？

米歇尔·阿什：人工智能使工程师能够更具创造性，执行更多实际工程。这得益于物理行为的虚拟孪生。仿真专家通过在多个高保真模拟中进行机器学习（ML）来开发这些物理行为模型，覆盖设计空间。由此产生的物理行为模式随后可供他人用于快速设计和性能研究。这略微改变了仿真专家的角色;他们仍执行高级仿真任务，但关注点扩展到创建供他人使用的不同模型。设计和产品工程师随后可以独立探索设计空间，评估关键绩效指标（KPI），并在三维中可视化行为，最终提升效率并激发创造力。

AI和MODSIM是如何协同工作的？

米歇尔·阿什：MODSIM是我们人工智能/机器学习能力的基础。MODSIM在单一用户体验中统一了基于共同数据模型的建模和仿真三维 体验®平台. AI增强的MODSIM增加了另一层速度和智能。物理行为虚拟孪生系统封装并资本化公司评估设计的最佳实践。当你修改设计时，可以快速看到对产品性能和其他关键绩效指标的影响。这加快了流程，减少建模和仿真任务交接的时间，并将协作和审批纳入统一框架，显著缩短设计周期。

大规模使用人工智能时，哪些关键数据考虑因素？

米歇尔·阿什：主要考虑三个因素：质量、管理和流程。

用于训练AI模型的数据质量至关重要;好的输入数据会产生良好的信息输出。

其次，人工智能会产生大量数据。你需要一个预先规划的管理和存储这些数据的策略，以便检索数据。从一开始正确设置这些系统对于充分发挥人工智能的能力至关重要。

最后，通过MODSIM流程，你可以将需求、设计意图甚至你的思考过程直接嵌入设计本身。这使你能够轻松捕捉和复制你的设计和仿真方法。MODSIM将数据模型统一在CAD和CAE之下，无需导出或转换模型以进行仿真。这种无缝集成确保了可追溯性，消除了数据在不同人员和软件之间传递数据时的延迟、数据丢失和挫败感。不再是一个线性、断裂的流程，而是流畅的工作流程，可以更高效地进行更改和测试。

如今在工程领域采用人工智能面临的最大挑战是什么？

米歇尔·阿什：我们正处于将人工智能和机器学习应用于3D建模和仿真的早期阶段。这对依赖已知且一致流程的工程师来说可能令人紧张。采用人工智能需要探索新的工作流程，建立信任，同时颠覆可能已使用数十年的方法。尝试新事物存在挑战，但这将为前进带来更好、更高效的道路。

您对工程领域人工智能的长期愿景是什么？

米歇尔·阿什：我的愿景是将工程带给所有人。许多人想了解世界的运作方式，但缺乏数学或科学技能。当AI在可信的物理模拟上训练时，能够为工程问题提供真实答案，从为什么抬起重物时最好弯曲膝盖，到改装汽车零件会发生什么。我们可以利用人工智能来民主化对基于物理的知识的获取。

客户现在和未来都能从这项技术中期待什么？

米歇尔·阿什：开箱即用，你可以期待一个适用于你用例的工具，展示价值。我们将共同开发更多功能以满足您的具体需求。从长远来看，你可以期待工作减少重复性，创新性工作更多，坦率地说，工作中也会更有趣。

人工智能对工程行业的终极承诺是什么？

米歇尔·阿什：承诺是未来拥有更高效的工作流程、更高效的产业和更令人兴奋的工作。通过共同拥抱探索与创新，我们可以减少繁琐的任务，让仿真专家专注于他们最擅长的事：创造和解决问题。这不仅会提升我们的工作水平，还会让我们的行业更具竞争力。

主要要点

• 创意赋能：人工智能使工程师能够专注于创造性开发，通过基于高精度物理数据的机器学习生成的物理行为虚拟孪生，自动化重复性设计任务。

• 明确的范围至关重要：深思熟虑的界限对于指导人工智能在仿真中的应用至关重要，确保其探索有效的设计空间并产生可用的成果。

• 数据战略是基础：人工智能在工程领域的成功依赖于高质量的训练数据和一个稳健、预先规划的数据管理策略。

• MODSIM + AI = 快速创新：将统一建模与仿真（MODSIM）与人工智能结合，实现了快速的设计探索，打破了传统的开发周期。

• 更充实的未来：人工智能的长期影响将是摆脱重复性任务，带来更高效的行业，以及工程师们更具创造性、创新性和吸引力的工作。