Появление и развитие технологий искусственного интеллекта и машинного обучения оказывает сильное влияние на развитие всех секторов экономики, включая инженерную деятельность. Последнее реализуется как на уровне работы персонала - инженеров и научных сотрудников, так и на уровне усовершенствования и развития специализированного инженерного программного обеспечения.

Фонд ЦСР «Северо-Запад» по итогам экспертного семинара, проведенного в мае 2024 г., подготовил аналитический доклад «Искусственный интеллект в инженерном программном обеспечении: кейсы, перспективы и барьеры развития». В докладе представлены определены контекст и ключевые тренды развития искусственного интеллекта в инженерном программном обеспечении (ПО). Далее рассмотрим основные тезисы данного доклада. 

В условиях кадрового дефицита на рынке труда и высокой конкуренции, в высокотехнологических отраслях сформировался запрос на повышение производительности инженерного труда, которое при внедрении технологий искусственного интеллекта (ИИ) и машинного обучения (МО) должно сопровождаться организационными изменениями в управлении инженерно-конструкторскими командами. Сотрудники на инженерных позициях должны будут освоить навыки взаимодействия с ИИ через промптинг, работу с данными и специализированными приложениями. 

Попытки внедрения ИИ уже предпринимаются на всех уровнях систем инженерного ПО: от систем проектирования и инженерного анализа CAD/CAM/CAE до систем управления жизненным циклом изделия и предприятием PLM и ERP.

Изображение сгенерировано нейросетью Kandinsky 3.1  

Выделим 3 основных тренда развития ИИ в инженерном ПО:

1. Генеративный дизайн – способность генерировать и оптимизировать вычислительные конструкции, удовлетворяющие функциональным требованиям, в условиях неопределенности и неполноты данных. Применение ИИ в данном разрезе позволяет снижать порог квалификации для инженеров, улучшать такие характеристики изделий как прочность и вес, сокращать сроки и расходы на проектирование.
2. Обратное проектирование - создание оптимальных решений, соответствующих заранее заданным требованиям. Решения находятся методом перебора и фильтрации вариантов до получения необходимого результата. Использование методов обратного проектирования позволяет автономно создавать материалы с заданными свойствами и проектировать инженерные конструкции.
3. Упрощенное моделирование физических процессов - создание так называемых суррогатных статистических моделей, которая делает прогнозы на основе фактических данных в условиях неопределенности. Обученные статистические модели могут использоваться для замены сложных моделей физических процессов, что позволяет существенно сократить длительность моделирования и расчетов. При этом внутренняя логика или физика моделируемого процесса перестаёт иметь значение, эти знания не будут являться критичными для обучения модели – в рамках суррогатного моделирования любой процесс можно будет рассматривать как черный ящик.

В этих направлении будут сосредоточены усилия и инвестиции многих производственных и инженерных компаний, организаций научно-технологического сектора. 

Однако форма предстоящей трансформации еще окончательно не определена. Эксперты пока расходятся в оценках, где сосредоточен основной технологический и экономический потенциал изменений инженерного ПО под влиянием ИИ. Представители инженерного сектора предполагают, что технологии ИИ будут иметь локальный характер в решении отдельных задач. В свою очередь, представители сектора ИИ, рассказывая о своих планах в этой сфере, говорят о построении целой архитектуры ИИ, способной изменить принципы и подходы инженерной работы в целом, декларируя, что ИИ способен описать и воспроизводить действия традиционного инженерного ПО, генерируя и улучшая проектируемые объекты и процессы.

Применение ИИ может стать основанием для следующей трансформации рынка инженерного программного обеспечения. Разработки ближайших лет лягут в основу решений по развитию большинства отраслей промышленности, в том числе для решения задач обеспечения технологического суверенитета.

Изображение заголовка сгенерировано нейросетью Kandinsky 3.1