Het VK heeft onlangs zijn AI -actieplan aangekondigd en de volgende fase van AI -ontwikkeling voor Groot -Brittannië uiteenzet. De ambitie is om AI te gebruiken voor economische welvaart, verbeterde openbare diensten en meer kansen. Het VK heeft al de basis om een leider te zijn in AI, omdat het profiteert van hoogwaardig onderzoeks- en technisch talent, met name in AI voor wetenschap en robotica. Terwijl het VK een gezamenlijke duwtje op AI maakt, heeft de VS $ 500 miljard aan particuliere kapitaalfinanciering aangekondigd om de AI -infrastructuur te laten groeien.
Deze verhoogde focus van plannen en investeringen zal invloed hebben op de manier waarop AI wordt gebruikt. Naarmate AI in toenemende mate cruciaal wordt in technologie en tools en methoden biedt die de precisie en aanpassingsvermogen in verschillende domeinen kunnen verbeteren, zijn er drie gebieden waar we kunnen anticiperen op groei: generatieve AI, verificatie en validatie en besturingssysteemontwerpen.
Hoofdproductmanager voor AI bij MathWorks.
Genai gaat naar blokdiagrammen, 3D -modellen en stroomdiagrammen
Terwijl de eerste focus op tekstgebaseerde Genai software-centrische workflows blijft beïnvloeden, is de impact ervan op tools met abstracties op hoger niveau achter. In 2025 verwachten we voortdurende vooruitgang bij het toepassen van Genai op “geen code” -hulpmiddelen zoals blokdiagrammen, 3D -modellen en stroomdiagrammen. Deze tools stellen organisaties in staat om grafisch complexe systemen weer te geven, componenten moeiteloos te bewerken en de inherente complexiteit te beheren.
Bovendien zijn ze essentieel voor productiviteit en valideren ze vertrouwen in prestaties op systeemniveau. Het integreren van Genai met deze tools zal hun productiviteit verder verhogen en de interfaces vertrouwd houden bij eindgebruikers. Meer tools in deze ruimte zullen AI -copiloten integreren die technische modellen kunnen begrijpen en helpen bij hun ontwerp en beheer.
Gebruikmakend van verificatie en validatie voor AI -naleving
Industrie-bestuursorganen introduceren AI-nalevingsvereisten, kaders en begeleiding als de integratie van AI in veiligheidskritische systemen in automotive-, gezondheidszorg- en ruimtevaarttoepassingen versnelt. In reactie daarop moeten technologieleiders prioriteit geven aan de introductie en implementatie van verificatie- en validatieprocessen (V&V) om ervoor te zorgen dat hun AI -componenten onder alle voorwaarden klaar zijn voor de inzet en kunnen voldoen aan potentiële betrouwbaarheid, transparantie en vooringenomen nalevingsnormen.
V&V is cruciaal voor het verifiëren van de robuustheid van diepe leermodellen en het detecteren van scenario’s buiten de verdeling (OOD), met name in veiligheidskritische toepassingen. Robuustheidsverificatie is cruciaal omdat neurale netwerken inputs met kleine, onmerkbare veranderingen, bekend als tegenstanders kunnen classificeren. Een subtiele verstoring in een röntgenfoto van de borst kan bijvoorbeeld leiden tot een model om pneumonie ten onrechte als normaal te identificeren. Ingenieurs kunnen een wiskundig bewijs leveren van de consistentie van een model en deze scenario’s testen met behulp van formele verificatiemethoden, zoals abstracte interpretatie. Dit proces verbetert de betrouwbaarheid van het model en zorgt voor de naleving van de veiligheidsnormen door het identificeren en aanpakken van kwetsbaarheden.
Detectie buiten de verdeling is even belangrijk, omdat het AI-systemen in staat stelt om onbekende ingangen te herkennen en op de juiste manier aan te kunnen. Deze mogelijkheid is van vitaal belang voor het handhaven van de nauwkeurigheid en veiligheid, vooral wanneer onverwachte gegevens leiden tot foutieve voorspellingen. De mogelijkheid om te onderscheiden tussen gegevens in de verdeling en buitenverdelingsgegevens zorgt ervoor dat AI-modellen onzekere gevallen kunnen uitstellen naar menselijke experts, waardoor mogelijke fouten in kritieke toepassingen worden voorkomen.
Door zich te concentreren op V&V stelt organisaties in staat om te voldoen aan AI -frameworks en normen en tegelijkertijd de productontwikkeling binnen hun branche bevorderen. Een proactieve nalevingsbenadering zorgt ervoor dat AI -systemen betrouwbaar, veilig en ethisch gezond zijn en een concurrentievoordeel behouden in een snel evoluerend landschap.
De opkomst van AI-gebaseerde gereduceerde ordermodellen in engineering
De trend van het gebruik van AI-gebaseerde gereduceerde ordermodellen (ROM’s) zal naar verwachting groeien, aangedreven door vooruitgang in AI-technologie en rekenkracht. Organisaties die deze modellen gebruiken, zullen de systeemprestaties en betrouwbaarheid verbeteren, evenals de efficiëntie en werkzaamheid van systeemontwerp en simulatie.
De primaire bestuurder achter deze verschuiving is de noodzaak om steeds complexere systemen te beheren met behoud van hoge niveaus van precisie en snelheid. Traditionele computerondersteunde engineering (CAE) en Computational Fluid Dynamics (CFD) -modellen zijn nauwkeurig maar computationeel zwaar en suboptimaal voor realtime toepassingen. Op AI gebaseerde ROM’s pakken dit aan door de rekenbehoeften te verminderen met behoud van de nauwkeurigheid. Organisaties kunnen deze modellen gebruiken om complexe fenomenen sneller te simuleren en snellere iteraties en optimalisaties te vergemakkelijken.
Bovendien vergroot het zeer veelzijdige vermogen van AI gebaseerde ROM’s om zich aan te passen aan verschillende parameters en voorwaarden hun toepasbaarheid in verschillende scenario’s. Dit aanpassingsvermogen is met name waardevol in de ruimtevaart-, automotive- en energievelden, waar ontwikkelde systemen vaak ingewikkelde fysische fenomenen omvatten die gedetailleerde modellering en simulatie vereisen. Bedrijven die bijvoorbeeld componenten ontwerpen en testen, zoals vleugels of motoren, kunnen aerodynamische eigenschappen en stressfactoren efficiënter simuleren, waardoor ingenieurs snel kunnen herhalen en kunnen optimaliseren. Bovendien kunnen AI-gebaseerde ROM’s zich aanpassen aan verschillende vliegomstandigheden, waardoor ze veelzijdige tools zijn voor het testen van meerdere scenario’s met hetzelfde model. Deze mogelijkheid versnelt het ontwikkelingsproces, verlaagt de kosten en verbetert de betrouwbaarheid van het eindproduct.
AI breekt barrières af in complexe systeemregeling
De voortdurende integratie van AI in controleontwerp zal het veld transformeren, met name bij het beheren van complexe systemen en ingebedde toepassingen. Traditioneel vertrouwde het ontwerp van het besturingssysteem op modellering van de eerste principes die diepe kennis en begrip van het systeem vereisten. Gegevensgestuurde modellering was grotendeels beperkt tot lineaire modellen die slechts in een klein deel van de ontwerpomhulling geldig zijn. AI transformeert dit landschap door het maken van nauwkeurige niet -lineaire modellen uit gegevens mogelijk te maken. Dit maakt het mogelijk om zeer nauwkeurige modellen te maken die eerste principes en gegevens combineren en geldig zijn over het gehele bedrijfsbereik. Deze vooruitgang zorgt voor een betere controle van complexe systemen.
Tegelijkertijd vergemakkelijkt de groeiende rekenkracht van microcontrollers de inbedding van AI -algoritmen rechtstreeks in systemen. Deze integratie is met name impactvol in de consumentenelektronica en de auto -industrie, waar zeer responsieve systemen de norm worden. AI is bijvoorbeeld ingebed in stroomtools om te controleren en te reageren op veranderingen in het milieu, zoals plotselinge materiaaldichtheidsverschuivingen die de veiligheidsrisico’s kunnen vormen. Deze tools gebruiken ingebed AI om hun werking autonoom aan te passen, de veiligheid en prestaties te verbeteren.
De convergentie van AI met complexe systeembesturing en ingebedde systemen luidt in een tijdperk van robuuster, adaptief en intelligent controle -ontwerp. Organisaties kunnen nu systemen creëren die in realtime leren en aanpassen, waardoor ongekende precisie en efficiëntie bieden. Dit creëert een omgeving waar AI-aangedreven oplossingen traditionele controleproblemen aanpakken en de weg vrijmaken voor slimmer, meer geïntegreerde systemen in verschillende technische domeinen.
Er moet opwinding zijn over AI’s voortdurende rijping en progressie. De fusie van fysica -inzichten met AI -modellen zal de transparantie en het aanpassingsvermogen verbeteren, waardoor de “zwarte doos” aard van traditionele benaderingen wordt verminderd. De democratisering van AI -tools stelt organisaties in staat om gemakkelijker toegang te krijgen tot geavanceerde mogelijkheden. Deze vorderingen zullen de rol van AI in engineering verhogen en technische professionals in staat stellen om beter en effectief beter ontwikkelde systemen te bouwen.
We hebben de beste AI -telefoon verteld.
Dit artikel is geproduceerd als onderdeel van het expertinzichtenkanaal van TechRadarPro, waar we vandaag de beste en slimste geesten in de technologie -industrie hebben. De hier uitgedrukte opvattingen zijn die van de auteur en zijn niet noodzakelijkerwijs die van TechRadarPro of Future PLC. Als u geïnteresseerd bent om bij te dragen meer te weten te komen hier: https://www.techradar.com/news/submit-your-story-to-techradar-pro
