Le principali tendenze dell’IA per gli ingegneri nel 2024


HomeSponsored Content


Indirizzo copiato


L’IA può aiutare ingegneri, progettisti ed educatori a migliorare il proprio lavoro risparmiando tempo, a patto di sapere quali siano i modelli e le tecnologie più adatti alle diverse applicazioni. In questo articolo Johanna Pingel di MathWorks evidenzia tre tendenze importanti dell’IA nel 2024.

Aggiornato il 22 dic 2023


Johanna Pingel

Product Marketing Manager, IA, MathWorks


MathWorks Point of View



Dato il suo crescente utilizzo in innumerevoli settori, l’IA continua a determinare progressi significativi e a rivoluzionare vari aspetti della tecnologia e dell’interazione umana. Forrester prevede che nel 2024 le iniziative delle aziende sull’IA aumenteranno del 50% la produttività e la capacità di risolvere i problemi in maniera creativa. L’IA influenzerà allo stesso modo il lavoro di ingegneri ed educatori, consentendo loro di risparmiare tempo e dedicarsi ad altri progetti che promuovono cause scientifiche e ingegneristiche.

Ecco tre tendenze importanti che guideranno lo slancio continuo dell’IA nel 2024:

Indice degli argomenti

1 – L’IA e le simulazioni sono fondamentali per la progettazione e lo sviluppo di sistemi ingegnerizzati

Con la crescente diffusione dell’IA in tutti i settori e le applicazioni, i sistemi ingegnerizzati complessi che non contengono questa tecnologia diventeranno un’eccezione.

I sistemi ingegnerizzati combinano componenti e sottosistemi di più domini per creare sistemi intelligenti che percepiscono e reagiscono al mondo circostante. Un esempio è una turbina eolica, che combina componenti meccanici (pale della turbina e riduttore), elettrici (generatore) e di controllo (passo delle pale). Il successo crescente dei sistemi di IA complessi è dovuto principalmente al fatto che la simulazione viene sempre più incorporata nella progettazione e nello sviluppo di quei sistemi.

La simulazione è una tecnica di comprovata efficacia per eseguire la modellazione e la simulazione multidominio necessarie per sviluppare sistemi complessi. L’IA può elaborare dati dai sensori per facilitare lo sviluppo di sistemi di percezione e sistemi autonomi. Tuttavia, all’aumentare della complessità del sistema, alcune simulazioni possono diventare troppo impegnative a livello computazionale per la progettazione a livello di sistema ed embedded, soprattutto nei test che richiedono l’esecuzione del modello in tempo reale. In questo scenario, l’IA può anche migliorare le simulazioni utilizzando modelli di ordine ridotto.

I modelli di ordine ridotto (ROM, Reduced Order Models) possono accelerare le simulazioni ma garantiscono comunque un livello di precisione accettabile per il test a livello di sistema degli algoritmi di controllo. I modelli ROM possono integrare i modelli basati sui principi primi, creando implementazioni di varianti che consentono un’analisi dei tradeoff tra precisione, prestazione e complessità.

Gli esperti di IA devono valutare la prestazione del modello quando lo distribuiscono su dispositivi edge in cui la velocità e la memoria sono fondamentali.

Sempre più ingegneri desiderano incorporare i modelli ROM basati sull’IA nei loro sistemi. Ciò può contribuire ad accelerare la simulazione desktop influenzata da un modello ad alta fedeltà di terze parti, consentire i test Hardware-In-the-Loop riducendo la complessità dei modelli o accelerare le simulazioni delle analisi degli elementi finiti (FEA).

2 – I modelli più piccoli sono migliori per le applicazioni embedded, mentre i modelli di grandi dimensioni serviranno per la visione artificiale e i modelli linguistici.

I modelli di IA possono avere milioni di parametri la cui esecuzione richiede una grande quantità di memoria. Nella ricerca, la precisione è la massima priorità, ma quando si distribuiscono modelli di IA sull’hardware bisogna valutare bene il tradeoff tra memoria e precisione.

Gli esperti di IA devono valutare come si differenzierà la prestazione del loro modello quando lo distribuiranno su dispositivi in cui velocità e memoria sono fondamentali. L’IA può essere aggiunta come componente più piccolo nei sistemi di controllo esistenti senza dover fare affidamento su modelli di IA end-to-end, come quelli utilizzati tradizionalmente nella visione artificiale per il rilevamento di oggetti.

Il successo dei sistemi di IA complessi dipende dal fatto che le simulazioni vengono incorporate nella progettazione e nello sviluppo di sistemi ingegnerizzati.

Un argomento particolarmente importante quando si parla di modelli di IA più piccoli è l’apprendimento incrementale. L’apprendimento incrementale è un approccio basato sul Machine Learning che consente al modello di imparare costantemente aggiornando la sua conoscenza in tempo reale man mano che nuovi dati diventano disponibili; viene considerato un metodo efficace per la distribuzione su architetture edge.

3 – Formazione: l’IA generativa può aiutare i professori di ingegneria a focalizzarsi sugli argomenti più avanzati

L’IA generativa è una tecnologia dirompente che i professori di ingegneria utilizzeranno nelle loro lezioni per aiutare gli studenti su larga scala nel 2024 e negli anni a venire. Proprio come internet o i cellulari, l’IA generativa sta lanciando una rivoluzione che migliorerà l’intero panorama della formazione ingegneristica.

Il vantaggio principale dell’utilizzo dell’IA generativa in classe consiste nelle sue funzionalità concepite per far risparmiare tempo quando si insegnano agli studenti di ingegneria competenze di base, come la programmazione informatica. Facendo risparmiare loro del tempo che prima dedicavano alla presentazione di concetti di basso livello, l’IA generativa consente ora ai professori di concentrarsi sull’insegnamento di argomenti di alto livello come la progettazione e l’implementazione di sistemi ingegneristici complessi. I professori possono risparmiare tempo e coinvolgere maggiormente i loro studenti utilizzando tecnologie come ChatGPT per eseguire simulazioni e realizzare esercizi e laboratori interattivi. Da poco MathWorks ha reso disponibile la prima versione di MATLAB AI Chat Playground.

Inoltre, i professori possono insegnare agli studenti le competenze necessarie per utilizzare efficacemente l’IA generativa, come il prompt engineering. Questo aiuterà gli studenti a sviluppare capacità di pensiero critico che potranno realmente adoperare invece di affidarsi esclusivamente alle macchine per trovare soluzioni. Di conseguenza, gli studenti saranno incoraggiati a esercitarsi nell’apprendimento autonomo in varie discipline ingegneristiche, mentre gli educatori potranno espandere i programmi di studio, condividendo le loro competenze su concetti più avanzati.

Conclusione

Con il progressivo sviluppo dell’IA, il suo ruolo nel migliorare la produttività e il potenziale di ingegneri ed educatori sta diventando sempre più evidente.

Quando si sviluppano sistemi ingegnerizzati complessi, gli ingegneri farebbero bene a utilizzare simulazioni assistite dall’IA e modelli di IA più piccoli.

In ambito accademico, l’IA generativa fa risparmiare tempo agli educatori e consente agli studenti di essere più indipendenti. Grazie all’IA è possibile prendere decisioni consapevoli, ricevere informazioni utili e migliorare l’efficienza in una serie di settori e di istituti scolastici e accademici.

Originariamente pubblicato il 21 dic 2023

@RIPRODUZIONE RISERVATA

Valuta la qualità di questo articolo