共计 2541 个字符，预计需要花费 7 分钟才能阅读完成。
去年，ZDNET 推出了一项特别专题，名为“生成式人工智能与工程的交汇”，探讨了生成式人工智能在软件和产品开发中的巨大潜力。
Pramod Khargonekar，加州大学欧文分校电气工程与计算机科学杰出教授，研究副校长，是控制和系统理论、网络物理系统以及应用于制造业、可再生能源和智能电网、生物医学工程方面的专家。
Khargonekar 最近是工程研究愿景联盟（ERVA）资助的报告的主要作者，该报告名为“人工智能工程：一个造福社会的战略研究框架”。报告指出，人工智能工程是“一个世代的机会，通过增强国家竞争力、国家安全和整体经济增长，为社会利益加速工程发展。”
人工智能工程的重要性
人工智能工程是一个新兴的研究方向，源于人工智能与工程的融合和综合。它利用工程学科的传统优势（确保安全、可靠性、效率、可持续性和人机界面）与人工智能领域的突破性发展相结合。
工程研究愿景联盟（ERVA）最近的一份报告，由美国国家科学基金会（NSF）资助的倡议，我是主要作者，解释了人工智能工程将是双向和互惠的。它描绘了一个未来愿景，其中工程方法使人工智能更优秀，而人工智能使工程系统更优秀。
人工智能工程的应用实例
在推进半导体设计中使用人工智能是一个非常有前途的发展，已经产生了有意义的影响。许多电子设计自动化（EDA）公司正在其产品中整合人工智能驱动的工具，从而在半导体设计过程的效率、可定制性、性能和可持续性方面取得了显著提升。
人工智能正在改变我们处理工程的方式。自主系统的进步，如自动驾驶汽车和无人飞行器，都是由人工智能驱动的。在制造业中，机器学习和人工智能工具用于提高产品质量、资源效率和降低成本。
面临的挑战与未来展望
将人工智能与传统工程实践整合带来了几个挑战。现代基于深度学习的人工智能工具需要大量高质量的数据。这是一个显著的瓶颈。工程系统需要非常高的安全、可靠性和可信度。
人工智能工程愿景本质上是跨学科的。在工程为人工智能的支柱中，我们期望集成电路、热能和能源科学、控制系统、信息理论和通信理论等领域与机器学习和人工智能合作，开发更高效、可持续、可靠、安全和可信的人工智能系统。
人工智能工程师需要理解复杂系统，管理不断扩大的异构数据宝库，了解人工智能技术的局限性，并完全掌握人工智能工程的伦理和合规方面。
随着更多传感器和智能分析软件集成到网络化工业产品和制造系统中，预测技术可以进一步学习和自主优化性能和生产力。数据中心计量系统是智能半导体制造的关键领域，可以通过加速数据中心分析来克服检测和计量挑战，从而提高产量。
我们设想一个未来，人工智能工程技术和专业知识将在许多行业的设计、制造、测试和运营中产生积极影响。有巨大潜力提高效率、减少浪费和增加韧性。有可能创造性地利用和重用现有知识、设计和流程。
私营行业处于有利位置，可以鼓励和提升劳动力，了解当前和未来机器学习和人工智能技术。在与学术机构的合作中，行业可以明确教育和培训需求的机会。行业联盟有机会解决高质量数据和领域特定工具的跨领域需求。
在一个组织内部，对数据、设计、测试和运营的全面方法是成功的关键。在整个生态系统中，实现人工智能工程的全部潜力需要学术界、工业界和政府的个人和组织的融合、协调和合作。
我们确定了八个重大挑战作为关键研究方向。这些是：设计安全、安全、可靠和可信的人工智能系统；转变制造业的质量、效率、成本和上市时间；构建和运营具有从摇篮到坟墓状态意识的人工智能工程系统；克服工程中的规模挑战；构建安全、可靠和高效的人工智能团队协作的工程系统；通过人工智能减轻罕见事件的后果；在人工智能工程的所有方面纳入伦理；开发工程领域特定的基础模型。
日益强大的人工智能工具可以转变工程科学的基本学科。它们还可以转变主要的设计、制造和基础设施工程努力。这些新能力将影响工程产品和系统的成本、性能、效率、可定制性和可持续性。它们将扩大工程的范围，以解决复杂的社会问题。
人工智能工程技术应设计为增强和服务人类。我们呼吁开发一个人工智能工程的伦理矩阵。这样的伦理矩阵被设想为一个实用的、多元化的工具，借鉴了关注福祉、自主权和公平正义的传统。它鼓励用户系统地审视问题，考虑每个受影响群体的观点。
一个例子是重点减少数据中心的能源消耗，这些中心对于当前和未来人工智能技术的发展和实施至关重要。此外，人工智能工程可以创造强大的技术，用于能源效率、可再生电网、能源存储、制造业去碳化水泥和金属，以及可持续材料。
人工智能工程设想一个未来，其中工程方法使人工智能更优秀，而人工智能使工程系统更优秀。人工智能工程基于对工程流程和文化的坚定承诺，以安全、健康和公共福利的伦理为基础。安全、安全、可靠和可信的人工智能系统提供了主要例子。人工智能安全有三个不同的但互补的维度：确保部署的人工智能系统是安全和可靠的；使用人工智能系统监控和提高（潜在的非人工智能）系统 / 平台的安全性和可靠性，以及最大化人机协作系统的安全性和信任。
我们认为它将通过自动化一些常规步骤和任务来影响现有工作。这将使当前工人更高效和生产力。但更大的影响将取决于新行业和目前不存在的工作的概念化和开发。人工智能工程可以帮助解决美国和世界各地的人类重大需求，如健康和福祉、教育、住房、能源、水、食品等。
在复杂工程系统的产品设计和运营中经常使用的技能之一是探索新的设计选项，识别根本原因，并为复杂工程系统跟踪解决方案。这需要在实验室环境中重新创建问题，以便找到适当的解决方案，这需要时间密集的努力。新兴的生成式人工智能工具可以实现收集、理解和综合“客户声音”质量反馈和用户投诉，这些在今天是劳动密集型过程。经过适当训练，它们有可能在设计工程师的引导下通过迭代过程生成新的设计。
人工智能工程蓬勃发展所需的许多学术基础设施必须由高等教育和政策领导者与私营行业共同构建。对工程感兴趣的年轻专业人士应尽可能多地选修与人工智能相关的课程，并确保其成为重点。同样，那些学习人工智能的人也应该了解它与工程的交叉点。随着人工智能工程的发展，那些有远见理解人工智能和工程联系的人将处于有利位置，以推进。
人工智能似乎是工程学科的倍增力量。当然，人工智能也有其局限性。使用和依赖人工智能的工程师将需要在利用其优势的同时弥补其弱点。
