共计 2347 个字符，预计需要花费 6 分钟才能阅读完成。
去年，ZDNET 发布了一个特别专题，探讨了生成式 AI 在软件和产品开发中的巨大潜力。这一领域正迅速发展成为一门正式学科——AI 工程。为了深入了解，ZDNET 采访了加州大学欧文分校的 Pramod Khargonekar 教授，他是电气工程和计算机科学的杰出教授，也是研究副校长。
Khargonekar 教授是控制和系统理论、网络物理系统等领域的专家。他最近参与撰写了一份由美国国家科学基金会资助的报告，题为“AI 工程：一个造福社会的战略研究框架”。该报告指出，AI 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。
AI 工程是一个新兴的研究方向，它结合了工程学科的传统优势和 AI 领域的突破性发展。最近的一份报告解释了 AI 工程将是双向和互惠的，描绘了一个未来愿景，其中工程方法使 AI 更优秀，而 AI 使工程系统更优秀。
在推进半导体设计中使用 AI 是一个非常有前景的发展，已经产生了有意义的影响。许多电子设计自动化公司正在其产品中整合 AI 驱动的工具，从而显著提高了半导体设计过程的效率、可定制性、性能和可持续性。
AI 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 AI 实现的。在制造业中，机器学习和 AI 工具用于提高产品质量、资源效率和降低成本。AI 在先进的机器人技术中发挥着越来越重要的作用。
将 AI 与传统工程实践整合面临几个挑战。现代基于深度学习的 AI 工具需要大量高质量数据，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，这些在当前 AI 技术的限制下不容易实现。
工程师在 AI 系统开发中扮演着至关重要的角色。最明显的是半导体芯片对 AI 模型训练和推理的重要性。在需要高安全性和可靠性的产品中集成 AI 的应用中，工程师在产品设计、测试和操作中起着关键作用。
AI 工程愿景本质上是跨学科的。在 AI 工程支柱中，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 AI 合作，开发更高效、可持续、可靠、安全和可信的 AI 系统。
AI 工程师需要理解复杂系统，管理不断扩大的异构数据集，了解 AI 技术的局限性，并完全掌握 AI 工程的伦理和合规方面。后者在维护 AI 驱动系统的安全性和完整性方面越来越重要。
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查和计量挑战，从而提高产量。
我们设想一个未来，AI 工程技术和专业知识将积极影响许多行业的设计、制造、测试和操作。有巨大潜力提高效率、减少浪费和增加韧性。有潜力创造性地利用和重用现有知识、设计和过程。
私营行业处于有利地位，可以鼓励和提升劳动力，了解当前和未来的机器学习和 AI 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、测试和操作的整体方法是成功的关键。在整个生态系统中，实现 AI 工程的全部潜力需要学术界、行业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 AI 系统；转变制造质量、效率、成本和上市时间；构建和操作具有全生命周期状态意识的 AI 工程系统；克服工程中的规模挑战；构建安全、可靠和高效的人机协作工程系统；通过 AI 减轻罕见事件的后果；在 AI 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 AI 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。
AI 工程技术应设计为增强和服务人类。我们呼吁开发一个 AI 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，借鉴了促进福祉、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。
一个例子是集中精力减少数据中心的能源消耗，这些数据中心对于当前和未来 AI 技术的发展和实施至关重要。此外，AI 工程可以创造强大的技术，用于能源效率、可再生电网、能源储存、制造业水泥和金属的脱碳以及可持续材料。
AI 工程设想了一个未来，其中工程方法使 AI 更优秀，而 AI 使工程系统更优秀。AI 工程基于对工程过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 AI 系统环境提供了一个主要例子。AI 安全有三个不同但互补的维度：确保部署的 AI 系统安全可靠；使用 AI 系统监控和提高（潜在的非 AI）系统 / 平台的安全性和可靠性；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。AI 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、食物等。
在复杂工程系统的产品设计和操作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，这是一个时间密集型的工作。经过适当训练，它们有可能在设计工程师的指导下通过迭代过程生成新的设计。
为 AI 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建设。对工程感兴趣的年轻专业人士应尽可能多地选修与 AI 相关的课程，并确保 AI 保持关注。同样，学习 AI 的人也应该了解它与工程的交叉点。随着 AI 工程的发展，那些有远见理解 AI 和工程联系的人将处于有利地位。
