在機(jī)械工程領(lǐng)域，使用人工智能（AI）來實(shí)現(xiàn)日常任務(wù)自動(dòng)化、優(yōu)化和簡(jiǎn)化流程以及提高質(zhì)量控制和測(cè)試精度的趨勢(shì)正在上升。根據(jù)麥肯錫公司的一份報(bào)告，使用人工智能的公司比例從 2017 年的 20% 猛增至 2022 年底的 50%。

　　如果使用得當(dāng)，人工智能可以將工程師從瑣碎的工作中解放出來，讓他們專注于替代設(shè)計(jì)和其他更復(fù)雜、更有趣的任務(wù)。AI的使用還為工程創(chuàng)新打開了大門，例如開發(fā)智能和自主系統(tǒng)。此外，AI在實(shí)現(xiàn)可持續(xù)發(fā)展、物聯(lián)網(wǎng)、預(yù)測(cè)分析等相關(guān)目標(biāo)方面也發(fā)揮著舉足輕重的作用。

　　為了最大限度地從人工智能應(yīng)用中獲益，工程師，尤其是機(jī)械工程師，必須通過開發(fā)新的技能，熟悉使用AI驅(qū)動(dòng)的工具，學(xué)習(xí)和使用特定領(lǐng)域的語(yǔ)言，以及與計(jì)算機(jī)和數(shù)據(jù)科學(xué)家合作來適應(yīng)新形勢(shì)。

　　機(jī)械工程師的機(jī)器學(xué)習(xí)技能

　　機(jī)器學(xué)習(xí)（ML）是一個(gè)快速發(fā)展的領(lǐng)域，它與人工智能（AI）密切相關(guān)，涉及訓(xùn)練計(jì)算機(jī)從數(shù)據(jù)中學(xué)習(xí)，從而在沒有明確編程的情況下做出預(yù)測(cè)或決策。以下機(jī)器學(xué)習(xí)技能對(duì)機(jī)械工程師有明顯的應(yīng)用價(jià)值：

　　· 監(jiān)督學(xué)習(xí)技術(shù) (包括回歸和分類) 可幫助工程師為機(jī)械系統(tǒng)構(gòu)建預(yù)測(cè)模型，例如，可以訓(xùn)練AI模型以根據(jù)歷史輸出數(shù)據(jù)預(yù)測(cè)機(jī)械系統(tǒng)的性能。

　　· 無(wú)監(jiān)督學(xué)習(xí)技術(shù)，如聚類和降維，可以識(shí)別數(shù)據(jù)中的模式和分組。例如，他們可能會(huì)根據(jù)其特性對(duì)機(jī)械系統(tǒng)中的類似組件進(jìn)行分組。

　　· 強(qiáng)化學(xué)習(xí)技術(shù)用于優(yōu)化決策過程。它們可用于通過發(fā)現(xiàn)和開發(fā)最佳控制策略來提高機(jī)械系統(tǒng)的性能。

　　· 神經(jīng)網(wǎng)絡(luò)訓(xùn)練和設(shè)計(jì)通常用于機(jī)械工程中的圖像和信號(hào)處理應(yīng)用。例如，他們可以從圖像中檢測(cè)機(jī)械部件中的缺陷。

　　· 使用Python、R和MATLAB等工具進(jìn)行數(shù)據(jù)分析和準(zhǔn)備，可以識(shí)別與機(jī)械系統(tǒng)相關(guān)的數(shù)據(jù)中的模式和相關(guān)性。這涉及數(shù)據(jù)清理、特征選擇和數(shù)據(jù)可視化等技能。

      

　　機(jī)器視覺的興起也創(chuàng)造了對(duì)高級(jí)工程技能的需求，包括：

　　· 硬件和基礎(chǔ)設(shè)施設(shè)計(jì)：機(jī)器學(xué)習(xí)算法通常需要專門的硬件和基礎(chǔ)設(shè)施才能高效運(yùn)行。工程師需要具備硬件設(shè)計(jì)、網(wǎng)絡(luò)和云計(jì)算方面的知識(shí)，才能構(gòu)建和部署ML 系統(tǒng)。

　　· 算法開發(fā)和優(yōu)化：開發(fā)和優(yōu)化機(jī)器學(xué)習(xí)算法需要數(shù)學(xué)、統(tǒng)計(jì)學(xué)和計(jì)算機(jī)科學(xué)方面的高級(jí)技能。對(duì)于工程師來說，了解機(jī)器學(xué)習(xí)中使用的底層算法和技術(shù)以及如何針對(duì)特定應(yīng)用程序優(yōu)化它們至關(guān)重要。

　　· 模型部署和維護(hù)：開發(fā)機(jī)器學(xué)習(xí)模型后，將在生產(chǎn)環(huán)境中部署和維護(hù)這些模型。這需要軟件工程、測(cè)試和維護(hù)等技能。

　　· 領(lǐng)域?qū)ｉL(zhǎng)：機(jī)器學(xué)習(xí)模型由具有特定領(lǐng)域知識(shí)的專家開發(fā)時(shí)最有效。對(duì)于工程師來說，深入了解應(yīng)用領(lǐng)域非常重要，以設(shè)計(jì)和訓(xùn)練自定義的 ML 模型，并幫助創(chuàng)建領(lǐng)域特定語(yǔ)言 (DSL)。

　　人工智能中的特定領(lǐng)域語(yǔ)言

　　DSL 是旨在滿足特定應(yīng)用程序域的特定需求的編程語(yǔ)言。雖然DSL的使用尚未普及，但其應(yīng)用正變得越來越廣泛，其中的例子包括 OpenModelica 和 Simulink。DSL的優(yōu)點(diǎn)包括簡(jiǎn)化開發(fā)、提高準(zhǔn)確性、加快部署速度和定制潛力。對(duì)于沒有編程經(jīng)驗(yàn)的工程師來說，它們通常比傳統(tǒng)編程語(yǔ)言更容易使用。

       

　　圖 1：域特定語(yǔ)言（DSL）代碼使機(jī)械工程師能夠執(zhí)行設(shè)計(jì)優(yōu)化。

　　圖 1 是 DSL 中的代碼示例片段，使機(jī)械工程師能夠執(zhí)行設(shè)計(jì)優(yōu)化。此代碼使工程師能夠指定初始設(shè)計(jì)、優(yōu)化約束和目標(biāo)以及要使用的優(yōu)化算法。通過調(diào)整優(yōu)化算法的參數(shù)，工程師可以微調(diào)優(yōu)化過程以達(dá)到預(yù)期的結(jié)果。

　　以下是代碼逐行的細(xì)分：

　　optimize_design：該 DSL 命令用于表示用戶希望執(zhí)行設(shè)計(jì)優(yōu)化。

　　input：指定優(yōu)化算法將使用的輸入?yún)?shù)。在本例中，輸入?yún)?shù)包括設(shè)計(jì)、約束和目標(biāo)。設(shè)計(jì)參數(shù)代表算法將優(yōu)化的初始設(shè)計(jì)，而約束和目標(biāo)參數(shù)分別代表優(yōu)化約束和目標(biāo)。

　　algorithm：指定要使用的優(yōu)化算法。在此示例中，算法是一個(gè)genetic_algorithm。其他算法，如particle_swarm_optimization或simulated_annealing也可以在此處指定。

　　parameters：指定優(yōu)化算法的參數(shù)。在此示例中，population_size設(shè)置為 100，mutation_rate設(shè)置為 0.1，代數(shù)設(shè)置為 50?？梢哉{(diào)整這些參數(shù)以微調(diào)此特定應(yīng)用的優(yōu)化算法。

　　output：指定優(yōu)化算法的輸出。在此示例中，輸出是優(yōu)化的設(shè)計(jì)。

　　工程師如何培養(yǎng)機(jī)器學(xué)習(xí)技能？

　　很多在線平臺(tái)，如Coursera、edX和Udemy，都提供工程、數(shù)據(jù)科學(xué)和AI方面的教育課程。一些行業(yè)論壇和研討會(huì)也提供了建立網(wǎng)絡(luò)并獲得新工具和技術(shù)的實(shí)踐經(jīng)驗(yàn)的機(jī)會(huì)。在職培訓(xùn)，包括從事項(xiàng)目和與更有經(jīng)驗(yàn)的同事一起參加知識(shí)共享會(huì)議，也是一種有效的學(xué)習(xí)方式。工程師還可以在個(gè)人項(xiàng)目中嘗試使用新技術(shù)；例如，制作原型或參與開源項(xiàng)目。

　　在工程中正確使用和實(shí)施人工智能，需要機(jī)械工程師學(xué)習(xí)數(shù)據(jù)分析、編程和機(jī)器學(xué)習(xí)等硬技能。同樣重要的是與其他專家有效合作的溝通和協(xié)作等軟技能。特定領(lǐng)域語(yǔ)言的使用和開發(fā)可以幫助這種協(xié)作，同時(shí)允許工程師在為特定目的開發(fā)人工智能方面發(fā)揮更積極的作用。

　　隨著人工智能等新興技術(shù)不斷改變工程師的工作方式，培養(yǎng)這些技能將使機(jī)械工程師茁壯成長(zhǎng)。