人工智能和数字孪生的起源

人工智能(AI)、机器学习(ML)、数字孪生——我们越来越频繁地听到这些新名词，忽然之间它们变得举足轻重。为什么?答案很简单：当事情太过复杂以至于人类无法轻松处理，或者是留给人类做出关键决策的时间太少时，唯一的选择就是把人类从繁琐的事情中解放出来。实现这一目标需要能够复制人类可能经历的思维过程，而这需要大量的数据以及对决策环境的深刻理解。那么，现在的情况如何?

是德科技全球企业和产品营销副总裁 Jeff Harris

是德科技凭借 80 年的经验积累帮助工程师开发先进技术，拥有独特的技术开发视角。过去几十年来，我们看到的巨大进步主要来自于电子产品的集成化和小型化。产品更小巧、功耗更低、单位面积内的功能显著增加，这些都是技术进步的标志。

应用软件在过去这几十年也发生了巨大的变化，最值得一提的当属软件的应用大幅提速。也不过是二十年前，用户还在将应用软件视为有趣的新奇事物;如今，他们的思想飞速转变，认为软件的应用给工作和生活带来了便利。不仅如此，他们还期望应用软件的运行从始至终能够非常完美。在每个采用阶段，用户的期望都会增加，这意味着产品必须以非常快的速度更新迭代并且成熟。

硬件和软件结合的趋势让产品的开发需求以一种有趣的方式融合到了一起。新的“满足关键需求”的应用必须囊括更强的实时处理能力、及时决策和很高的可用性，且要求平台始终能够生成正确的决策。这种结合形成了对 ML 和 AI 的初始需求，进而支持实现预期的大规模采用和增长。

虽然大部分人认为 AI 主要是一种终端用户需求，但 AI 业已成为实现更快产品设计和开发的必要条件。从最早的芯片组设计、电路版图一直到最终产品验证，仿真软件成为了仿真复杂接口和环境不可或缺的工具。这些仿真器被称为数字孪生，它们是能够以虚拟形式充当“已知良好信号”的过程、环境条件或协议。在测试领域，数字孪生可能是一个简单的信号发生器，一个完整的协议发生器，或者是一个完整的环境模拟器。数字孪生让开发人员能够快速创建更丰富的测试条件，从而在发货之前完成产品验证。高性能数字孪生通常包含它们自己的 AI 引擎，这使得它们能够自动进行故障诊断，并对新产品设计展开回归测试。

由于新产品中会有大量功能和自主决策，因此转向人工智能驱动的开发就变得很有必要，这种开发模式会采用自动化测试功能和数字孪生。在基本的设计原则下，会指明产品的特性和功能，然后设置单独的测试进行验证。接口标准不仅数量多还相当复杂，因此手工构建几乎行不通。使用数字孪生的话，开发人员能够在更短的时间内编写更多的功能测试集。然后，AI 功能会根据发现的内容自动执行测试，并基于当前状态预测可能需要的操作。要想更好地理解这一点，您需要了解是什么让人工智能成为可能。

我们可以这样理解——软件决策从算法开始。基础算法运行一组计算，如果知道哪些结果可以接受，哪些不可以接受，您可以用决策树结果创建一个有限状态机。这很难被认为是一种智能的方式。然而，通过添加状态符号并插入反馈，您的基础算法现在可以根据当前条件与当前状态的对比做出结果决策。将这些结合起来，同时将决策树演变为行为树，就构成了最初的 AI。

我们还处于 AI 和数字孪生的早期阶段，这意味着很多产品会提出很多要求。无论您在考察的 AI 是位于研发实验室，还是在您使用的云应用软件，或者是您自己的自动驾驶汽车中，它的存在都有原因。了解它应该实现哪些功能可以帮助您评估它的重要性。数字孪生也是如此。一旦您把打算复制的预期信号、条件或决策结果分别进行考虑，评估它们的作用就会非常简单。

对人工智能和数字孪生的需求真实存在。如果质疑其中的真实性，您可以追溯它的起源。关键的决策和快速的扩展不会始终都要有人类的参与。