對于嵌入式 AI，首選小型模型；對于計算機視覺和語言模型，仍首選大型模型

AI 模型可能有數百萬個參數，需要大量內存才能運行。在研究中，準確度是首要考慮因素，但在將 AI 模型部署到硬件時，需要在內存和準確度之間進行權衡。AI 從業(yè)者必須考慮在將模型部署到速度和內存至關重要的設備時其性能會有何不同。AI 可以作為較小的組件添加到現有的控制系統中，而無需依賴端到端的 AI 模型，例如那些在計算機視覺中檢測對象的常用模型。

在討論較小的 AI 模型時，一個特別重要的主題是增量學習。增量學習是一種機器學習方法，它使模型能夠通過在新數據可用時實時更新其自身知識來持續(xù)學習；這是一種高效的邊緣部署方法。

GenAI 幫助工程學教授講授更高級的主題

生成式 AI（GenAI）是一項顛覆性技術。在 2024 年及以后，工程學教授將在課堂上大規(guī)模使用這項技術來為學生提供幫助。與互聯網或手機非常類似，GenAI 正掀起一場革命，將改善整個工程教育領域的現狀。

在課堂上使用 GenAI 的主要優(yōu)勢是，在向工程專業(yè)的學生教授基本技能（如計算機編程）時，它可以幫助節(jié)省時間。這樣，教授不必再像以前一樣花費時間講授低級概念，現在可以專注于講授高級主題，如復雜工程系統的設計和實現。通過使用 ChatGPT 等技術運行仿真，并創(chuàng)建交互式練習和實驗，教授可以節(jié)省時間，并讓學生更好地參與其中。

教授可以教會學生有效掌握 GenAI 的必備技能，例如提示工程。這有助于學生培養(yǎng)學以致用的批判性思維技能，而不是完全依賴計算機來解決問題。因此，學生最好在各種工程學科中做到獨立學習，而工程學教育工作者可以在更高級的概念方面分享專業(yè)知識的同時，進一步拓展課程。

結束語

隨著 AI 日臻成熟，它在提高工程師和教育工作者的工作效率和潛力方面將發(fā)揮著日益明顯的作用。在構建復雜的工程系統時，工程師采用 AI 輔助仿真和更小的 AI 模型不失為明智之舉。在學術領域，生成式 AI 幫助教育工作者節(jié)省了精力，讓學生更加獨立。借助 AI，眾多行業(yè)和教育機構可以做出更明智的決策，獲得可操作性的建議，并提高效率。

【作者：Johanna Pingel，MathWorks AI 產品營銷經理】

xiesc