人工智能正在通过赋予工程师更具创造力并专注于高价值开发来改变工程。虚拟双胞胎和机器学习的兴起正在改变模拟专家的角色，使他们能够创建基于物理的模型，其他人可以使用这些模型在设计空间内快速探索产品性能。我们采访了SIMULIA首席执行官 Michelle Ash，了解人工智能和机器学习将如何重塑仿真、协作和工程工作的性质。
人工智能如何实现更具创意的工程？
米歇尔·阿什（Michelle Ash）：人工智能让工程师更具创造力并执行更多实际工程。这要归功于物理行为的虚拟双胞胎。仿真专家通过对覆盖设计空间的大量高保真仿真执行机器学习 (ML) 来开发这些物理行为模型。然后，其他人可以使用生成的物理行为模型来执行快速设计和性能研究。这稍微改变了模拟专家的角色；他们仍然执行高级模拟任务，但他们的重点扩展到包括创建不同的模型供其他人使用。然后，设计和产品工程师可以独立探索设计空间、评估关键绩效指标 (KPI) 并以 3D 形式可视化行为，最终提高效率并培养创造力。
AI 和 MODSIM 如何协同工作？
Michelle Ash： MODSIM 是我们 AI/ML 功能的基础。MODSIM将建模和仿真统一到3D EXPERIENCE® 平台上的单一用户体验中的通用数据模型上。 AI 增强型 MODSIM 又增加了一层速度和智能。物理行为虚拟双胞胎封装并利用了公司的最佳实践来评估给定的设计。当您更改设计时，您可以快速看到对产品性能和其他 KPI 的影响。这加快了流程，减少了建模和仿真任务交接所花费的时间，并将协作和批准纳入一致的框架，从而大大缩短了设计周期。
大规模使用人工智能时需要考虑哪些关键数据？
Michelle Ash：主要考虑三个因素：质量、管理和流程。
用于训练人工智能模型的数据质量至关重要；好的数据输入会产生好的信息。
其次，人工智能产生海量数据。您需要一个预先计划的策略来管理和存储这些数据，以便进行检索。从一开始就正确设置这些系统对于充分利用人工智能的能力至关重要。
最后，通过 MODSIM 流程，您可以将需求、设计意图甚至您的思维过程直接嵌入到设计本身中。这使您可以轻松捕获和复制您的设计和仿真方法。 MODSIM 统一了 CAD 和 CAE 背后的数据模型，无需导出或转换模型进行仿真。这种无缝集成确保了可追溯性，消除了与在不同人员和软件之间传递数据集相关的延迟、数据丢失和挫败感。您拥有一个流畅的工作流程，而不是线性的、断开连接的流程，可以更有效地进行更改和测试。
当今工程采用人工智能的最大挑战是什么？
Michelle Ash：我们正处于以这种方式将人工智能和机器学习应用于 3D 建模和仿真的早期阶段。对于依赖已知、一致流程的工程师来说，这可能会让人伤脑筋。采用人工智能需要探索新的工作流程并建立信任，同时颠覆可能已经使用了几十年的方法。尝试新事物存在挑战，但它将带来更好、更有效的前进方式。
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每个人。许多人想了解世界是如何运作的，但缺乏数学或科学技能。当接受可信物理模拟训练时，人工智能可以为工程问题提供真实的答案，从为什么在拿起重物时最好弯曲膝盖到修改汽车零件时会发生什么。我们可以使用人工智能来民主化基于物理的知识的获取。
无论现在还是将来，客户对这项技术有何期望？
Michelle Ash：开箱即用，您可以期待一个适用于您的用例来展示价值的工具。我们将共同开发更多功能来满足您的特定需求。从长远来看，你可以期待更少的重复性工作，更多的创新性工作，坦率地说，你的工作会更有乐趣。
人工智能对工程行业的最终承诺是什么？
米歇尔·阿什：我们的承诺是未来拥有更高效的工作流程、更高效的行业和更令人兴奋的工作。通过共同拥抱探索和创新，我们可以减少繁琐的任务，并使仿真专家能够专注于他们最擅长的事情：创造和解决问题。这不仅会改善我们的工作，也会使我们的行业更具竞争力。
要点
创意赋能：人工智能通过基于高保真物理数据的机器学习创建的物理行为虚拟双胞胎，自动执行重复的设计任务，从而使工程师能够专注于创意开发。
明确定义的范围至关重要：深思熟虑定义的限制对于指导人工智能进行模拟至关重要，确保它探索有效的设计空间并产生可用的结果。
数据策略是基础：人工智能在工程领域的成功取决于高质量的训练数据和强大的、预先规划的数据管理策略。
MODSIM + AI = 快速创新：将统一建模和仿真 (MODSIM) 与 AI 相结合，可实现快速设计探索，从而打破传统开发周期。
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更具创造性、创新性和参与性的工作。
