隨著人工智慧 (AI)、機器學習 (ML) 和模擬技術徹底翻轉人類處理和預測資訊的方式，Ansys 技術長 Prith Banerjee 博士說明了在這些帶動變革的科學相互配合下，如何讓我們更迅速打造出更佳的決策。Prith Banerjee 博士是 Ansys 技術長。他擔任這項職務，領導 Ansys 技術的演進發展，並支持公司向下一個創新和成長階段邁進。
問：AI、ML 和模擬技術有什麼相關性？
Prith Banerjee 博士：AI/ML 和模擬分別是截然不同的技術，三者在相互交會下，將以相當強而有力的方式相輔相成。
首先是 AI，它創建基於規則的模仿人類行為的系統。ML 則是隸屬於 AI 的技術，可利用訓練資料讓電腦自動學習規則。 接著是模擬，其透過虛擬模型分析現實世界的產品和系統。
三者雖然是獨立的概念，彼此卻持續不斷地互補共生。模擬運用 AI 和 ML 技術，以求更快速輕鬆地執行模型。反過來看，AI 和 ML 則運用模擬技術，從各種產業和應用程式中建立合成資料。
問：AI/ML 如何影響模擬技術的演進？
Banerjee：模擬技術最為重要的角色是更快作出更佳的決策，而 AI 和 ML 都是提高速度的關鍵。AI/ML 可讓設計師從高階規格著手，自動產生 10,000 件設計方案，然後迅速評估哪些方案是最佳選擇。
各式各樣的 AI/ML 方法，包括由下而上法、由上而下法、降階建模 (ROM) 和大型語言模型 (LLM)，都讓我們的求解器能執行更快速且更精確的預測性分析。
像是 ChatGPT 這類的 LLM，在提高求解器易用度方面特別實用。 例如，如果我們的一位工程師想要對一輛電動汽車進行模擬，他們首先必須翻譯不同系統的規格（例如電池、馬達、充電器等），這需要大量的時間和專業知識。
但是，有了 LLM，任何人都可以寫出純粹陳述想要之結果的英文陳述，例如：「設計一輛能在一秒內從 0 加速至 60 mph 且行駛 2,000 英哩的電動車。」模擬技術便會自動產生適用整輛車的多款解決方案，其中有些方案可能是人類從不曾想過。
AI 也可以改善我們編寫程式碼的方式。開發人員需要升級軟體時，AI 能回答用於解決問題的最佳程式碼片段。這可以提升開發人員的生產力，同時強化我們的客戶服務。透過檢視源自數千次客服互動的資料，虛擬專員就能快速提供第一線支援，我們的專家即可將心力投入較不尋常的問題上。
問：AI/ML 技術整合了數十億個資料來源，您如何確保準確度？
Banerjee：人類設計師在負責車輛規格時，會運用多項個人能力來建造車輛，不僅是他們的知識，還包括其推理能力。
AI 在進行車輛建模時，將彙整各種來源的參考資料，其中有些來源可能不可靠、源自競爭對手，或是受到法律保護的財產。這也是可解釋 AI 一類的人為監控和技術變得舉足輕重的原因。
在 Ansys，我們運用自己的智慧財產 (IP)，並將 ChatGPT 引擎套用至我們在過去 50 年來所建立的資料庫，而此資料庫是我們透過客戶與 Ansys Customer Excellence (ACE) 團隊之間的數千次互動所累積出來的。為確保信賴度和準確度，我們倚賴自有資料來源。
問：AI/ML 和模擬技術的未來會是什麼？
Banerjee：Ford 開始建造車輛時，當時的製造技術決定了可用結構，例如矩形和圓柱體的金屬成型和射出成型。所以，每件產品一模一樣。想要打造看起來像鳥的車款，在當時是難以想像的事。但現在，透過生成式設計與積層製造，就有可能製造相當精密的物件。
目前，Ansys 正致力於建構 ML 平台，可將其用於指定複雜產品的需求。成果將會是產生成千上萬的嶄新想法，人類設計師無從想像。這些設計都可透過模擬快速評估，再由人類設計師選出最佳方案。模擬與 AI/ML 相輔相成時，可以擁有如此多的可能性。
