隨著科技複雜度逐漸增加，工程師開始尋求新方法來開發更有效的AI模型，本文將探索AI與模擬的結合如何幫助工程師解決時間、模型可靠度、資料品質等諸多挑戰。


隨著現今科技複雜度的增加，人工智慧（artificial intelligence；AI）的能力和涉及範圍也不斷在擴大。因此，工程師在被交付任務要將AI整合於系統之中時將面臨新的挑戰。這些複雜性的一部分，源自於使用在模型訓練的資料幾乎可決定AI模型效果的認知?如果資料不足、不夠精確、或者存在偏差，模型的計算結果就會受到影響。

以較高的層級來說，AI與模擬有三種主要的合流方法。


一、與解決資料不足的挑戰有關，因為模擬模型可以被使用來合成可能難以收集、或收集成本昂貴的資料。


二、將AI模型作為計算起來複雜且昂貴的高度逼真模擬的近似值，也被稱為降階建模（reduced-order modelling）。


三、在如控制、訊號處理、嵌入式視覺等應用的嵌入式系統上使用AI模型，模擬已成為這類系統設計流程當中關鍵的一環。


工程師開始找到新的方法來開發更有效的AI模型，本文將探索模擬與AI的結合可如何幫助工程師解決時間、模型可靠度、資料品質等挑戰。


本文列點如下:
● 挑戰1 使用於訓練和檢驗AI模型的資料
● 挑戰2 透過AI取得複雜系統的近似值
● 挑戰3 AI於演算法開發
● 將AI帶入模擬的未來