در دو سال گذشته، هوش مصنوعی به یکی از پرکاربردترین ابزارهای مهندسان تبدیل شده است. از نوشتن کدهای MATLAB و Python گرفته تا تولید گزارشهای فنی، خلاصهسازی مقالات و حتی پیشنهاد راهکارهای طراحی، AI تقریباً در تمام مراحل کار مهندسی حضور پیدا کرده است.
اما یک سؤال مهم همچنان باقی است:
آیا هوش مصنوعی میتواند جای مدلسازی مهندسی را بگیرد؟
پاسخ کوتاه این است:
خیر؛ اما میتواند نحوه مدلسازی را برای همیشه تغییر دهد.
در این مقاله بررسی میکنیم که چرا مدلهای مهندسی هنوز جایگاه خود را حفظ کردهاند و هوش مصنوعی دقیقاً در کدام بخشها میتواند یک دستیار قدرتمند باشد.
مدلسازی مهندسی یعنی چه؟
در علوم مهندسی، مدلسازی به معنای ساختن یک نمایش ریاضی یا فیزیکی از یک سیستم واقعی است.
برای مثال:
- مدل توان یک شبکه برق
- مدل حرارتی یک ساختمان
- مدل دینامیکی یک ربات
- مدل جریان سیال در یک لوله
- مدل عملکرد یک باتری
در تمام این مثالها، مهندس تلاش میکند قوانین فیزیک را به معادلات ریاضی تبدیل کند تا بتوان رفتار سیستم را پیشبینی کرد.
این مدلها معمولاً بر پایه اصول بنیادی ساخته میشوند. مانند:
- قوانین کیرشهف
- قوانین نیوتن
- معادلات ماکسول
- ترمودینامیک
- مکانیک سیالات
هوش مصنوعی چگونه مسئله را میبیند؟
برخلاف مدلسازی کلاسیک، هوش مصنوعی معمولاً به دنبال کشف قوانین فیزیکی نیست. بلکه از دادهها یاد میگیرد.
به عبارت دیگر:
مدل مهندسی میگوید:
«چون این قوانین فیزیکی وجود دارند، خروجی سیستم چنین خواهد بود.»
اما AI میگوید:
«من هزاران نمونه دیدهام؛ بنابراین احتمالاً خروجی بعدی این خواهد بود.»
این تفاوت، مهمترین اختلاف میان دو رویکرد است.
چرا AI همیشه نمیتواند جای مدل مهندسی را بگیرد؟
فرض کنید میخواهید یک ریزشبکه جدید طراحی کنید. هنوز هیچ داده عملیاتی وجود ندارد.در چنین شرایطی، AI چه چیزی را یاد بگیرد؟ تقریباً هیچ.
اما مدلسازی مهندسی میتواند حتی قبل از ساخت سیستم، عملکرد آن را شبیهسازی کند. به همین دلیل است که تقریباً تمام مراحل طراحی اولیه در صنایع مختلف همچنان بر پایه مدلهای فیزیکی انجام میشود.
محدودیتهای مهم هوش مصنوعی
هوش مصنوعی در بسیاری از مسائل عملکرد فوقالعادهای دارد؛ اما محدودیتهایی نیز دارد.
۱. وابستگی شدید به داده
اگر داده کافی وجود نداشته باشد، مدل AI عملکرد مناسبی نخواهد داشت.
۲. ناتوانی در توضیح علت رفتار
بسیاری از مدلهای یادگیری عمیق مانند یک جعبه سیاه عمل میکنند. آنها ممکن است پاسخ صحیح تولید کنند، اما دلیل آن را توضیح ندهند. در بسیاری از پروژههای مهندسی، دانستن علت رفتار سیستم به اندازه خود پاسخ اهمیت دارد.
۳. دشواری در تعمیم
گاهی یک مدل AI روی دادههای آموزشی عملکرد بسیار خوبی دارد، اما در شرایط جدید دچار خطا میشود. در مقابل، اگر مدل مهندسی بر پایه قوانین صحیح ساخته شده باشد، معمولاً قابلیت تعمیم بسیار بیشتری دارد.
پس چرا همه درباره AI صحبت میکنند؟
زیرا AI در بسیاری از بخشهای مهندسی بهرهوری را چندین برابر میکند.
برای مثال:
- تولید کدهای اولیه MATLAB و Python
- تحلیل دادههای آزمایشگاهی
- تشخیص خطا
- پیشبینی بار
- پیشبینی قیمت انرژی
- پردازش تصاویر صنعتی
- تحلیل اسناد فنی
- تولید گزارشهای مهندسی
در این کاربردها، AI میتواند زمان انجام پروژه را از چند روز به چند ساعت کاهش دهد.
آینده متعلق به چه کسانی است؟
شاید تصور شود که مهندسان مدلساز به تدریج جای خود را به متخصصان هوش مصنوعی خواهند داد. اما روند صنعت چیز دیگری را نشان میدهد.
امروزه شرکتهای پیشرو به دنبال افرادی هستند که هر دو حوزه را بشناسند. یعنی مهندسی که:
- فیزیک سیستم را درک میکند؛
- میتواند مدل ریاضی بسازد؛
- و در کنار آن از ابزارهای AI نیز استفاده کند.
این ترکیب، ارزشمندترین مهارت سالهای آینده خواهد بود.
ظهور مدلهای هیبریدی
یکی از جذابترین روندهای پژوهشی امروز، استفاده همزمان از مدلهای فیزیکی و هوش مصنوعی است. در این روش، قوانین فیزیک حفظ میشوند و AI تنها بخشهایی را که مدلسازی آنها دشوار است، یاد میگیرد. به این رویکرد، مدلسازی هیبریدی (Hybrid Modeling) گفته میشود.
نمونههایی از کاربرد آن عبارتاند از:
- سیستمهای قدرت
- باتریها
- توربینهای بادی
- فرآیندهای شیمیایی
- خودروهای برقی
- سیستمهای انرژی هوشمند
بسیاری از پژوهشگران معتقدند آینده مهندسی بیش از آنکه متعلق به AI یا مدلسازی کلاسیک باشد، متعلق به همین مدلهای ترکیبی است.
جمعبندی
هوش مصنوعی مدلسازی مهندسی را حذف نمیکند، بلکه فقط آن را سریعتر، هوشمندتر و کارآمدتر میکند.
مهندسی که تنها به AI متکی باشد، ممکن است در مواجهه با مسائل جدید دچار مشکل شود. از سوی دیگر، مهندسی که AI را نادیده بگیرد، احتمالاً بخش بزرگی از بهرهوری آینده را از دست خواهد داد.
بنابراین سؤال اصلی دیگر این نیست که:
«آیا AI جای مهندس را میگیرد؟»
بلکه سؤال درست این است:
«کدام مهندسان یاد میگیرند از AI به عنوان یک ابزار حرفهای استفاده کنند؟»
پاسخ این سؤال، آینده بسیاری از مشاغل مهندسی را تعیین خواهد کرد.
دیدگاه خود را بنویسید