AI/ML协同仿真，将更多可能性变成现实

人工智能（AI）、机器学习（ML）和仿真彻底改变了人类处理和预测信息的方式，Ansys首席技术官Prith Banerjee博士‍在本文将为我们解释如何通过结合这些‍颠覆性‍的科学技术‍，‍帮助人们做出更好、更快的决策。

Prith Banerjee博士是Ansys首席技术官。Banerjee带领Ansys大力发展技术革新，并推动公司新一轮的创新增长

问答内容

◆提问：人工智能（AI）、机器学习（ML）和仿真有何关联？

Prith Banerjee博士：AI/ML和仿真是不同的技术，‍而当它们结合在一起时，会以一些非常强大的方式相互补充。

首先是人工智能，它创建了基于规则模仿人类行为的系统；ML是AI的一个子集，它使计算机能够根据训练数据自动学习规则；然后是仿真，它通过虚拟模型分析现实世界的产品和系统。

虽然它们是独立的概念，但却在不断地相互促进。仿真使用AI和ML技术能更快、更轻松地运行模型。反过来，AI和ML利用仿真来创建各个行业和应用的合成数据。

◆提问：AI/ML如何影响仿真的发展？

Prith Banerjee博士：仿真最基本的作用是‍助力人们更快地制定更出色的决策，而AI和ML都是提高速度的关键推动因素。AI/ML可以‍一开始就‍为设计人员‍提供具有高级规范‍的、自动生成10,000个设计选项‍，然后快速评估哪些选项是最佳选项。

不同的AI/ML方法，包括自下而上的方法、自上而下的方法、降阶模型（ROM）和大型语言模型（LLM），使我们的求解器能够执行更快、更准确的预测分析。

ChatGPT等大型语言模型特别有助于提高求解器的易用性。例如，如果我们的工程师想要对电动汽车运行仿真，他们首先必须转换不同系统（例如电池、电机、充电器等）的规范‍描述，这需要大量的时间和专业知识。

不过，有了LLM，任何人都可以写出一份‍对期望结果的简单描述，例如: “设计一辆续航里程为2000英里的电动汽车，能够在一秒钟内从0加速到60英里每小时。”‍然后，仿真将自动为整辆汽车生成多种解决方案，其中一些可能是人类从未考虑过的。

AI还可以改进我们编写代码的方式。当开发人员需要升级软件时，AI可以提供解决问题的最佳代码片段。这不仅可以提高开发人员的工作效率，还能增强我们的客户服务。通过查看‍数千次客户服务交互中的数据，虚拟代理可以快速提供一级支持，为我们的‍客户支持专家处理常规问题，使其能够专注解决更多非典型问题。

◆提问：AI/ML集成了数十亿个数据源，‍该如何确保其准确性？

Prith Banerjee博士：当人类设计师设计一辆汽车的规格时，他们会利用很多自身的知识和推理能力来打造这款汽车。

当AI对汽车进行建模时，它将汇总来自各种数据源的参考，其中一些数据源可能并不可靠，或是竞争对手的，或是受法律保护的‍信息。这就是人类监控和可解释AI等技术如此重要的原因之一。

‍但是，在Ansys，我们使用自己的知识产权（IP），并将ChatGPT引擎‍依托‍于我们50多年来构建的数据库，‍这‍些都是我们通过客户与Ansys客户卓越（ACE）团队之间的数千次互动所了解到的信息。‍也就是说，为了确保置信度和准确性，我们依靠‍的是Ansys自己的数据源。

◆提问：AI/ML和仿真的前景如何？

Prith Banerjee博士：当福特开始制造汽车时，当时的制造技术决定了他们可以使用什么结构，例如矩形和圆柱体等金属成型和注塑成型。现在的情况，其实是一样的。‍以前，人们很难想象去制造一辆看起来像鸟一样的汽车。但现在，通过创成式设计和增材制造，就可以构建真正复杂的对象。

如今，Ansys正在开发一个ML平台，用户可以在该平台上‍描述‍对非常复杂产品‍的要求。其结果将是‍，平台能够‍基于描述生成数千种人类设计师甚至无法想象的新创意。所有这些设计都可以利用仿真进行快速评估，‍然后由人类设计师选择‍决定最佳选项。‍可见，当仿真和AI/ML协同工作时，‍更多可能性将能够变成现实。