人工知能（AI）は、モデリング、シミュレーション、最適化から診断、設計、技術コミュニケーションに至るまで、機械工学（ME）のあらゆる側面を再形成しつつある。arXivに公開された論文「機械工学における人工知能：基礎、機会、課題、責任」は、第28回ABCM国際機械工学会議（COBEM 2025）での円卓会議を基に、ブラジルおよび国際的な機械工学コミュニティに向けた構造化された視点を提示している。著者はA. Cunha Jrほか5名で、本論文はJ. Braz. Soc. Mech. Sci. Eng.にも受理されている。
本稿はAIの機械工学への応用に関する網羅的サーベイではなく、科学的厳密性を損なうことなくAIが工学的実践をどのように強化できるかを検討することに重点を置いている。著者らはまず統計的学習と人間の認知の本質的な違いを明確にし、AIの能力と限界、そして新たに台頭しつつあるエージェント型AIの形態について論じる。続いて、産業界での導入、労働力の変化、AI支援による科学的発見を取り上げるとともに、AI計算に伴うエネルギーとインフラの需要、およびそれが持続可能性や熱管理に与える影響を分析している。
技術面では、物理知識、構造化された推論、ドメイン専門知識をAIシステムに統合することの重要性が特に強調されており、これは安全に関わる応用において極めて重要である。具体的なトピックとしては、物理情報に基づく学習とハイブリッド学習、物理的制約を受けるモデリング、検証、不確実性定量化、認証が含まれる。著者らは、データ駆動型のブラックボックスモデルだけでは、信頼性と解釈可能性に対する工学の高い要求を満たすことは難しく、物理法則やドメイン制約を活用してモデルの汎化能力と信頼性を高める必要があると指摘する。
さらに、教育、認識論、倫理面の課題も深く掘り下げられている。AI時代に対応したカリキュラム改革、人間とAIの協働がエンジニアの働き方を再定義する中での専門的説明責任の仕組み、そして工学知識の保存と継承が新たな試練に直面している。著者らは、これらの非技術的要因が技術的問題と同等に重要であり、軽視すべきではないと主張する。
最後に、機械工学における責任あるAI導入のための原則が提示される。すなわち、物理的一貫性、厳格な検証、不確実性の明示的処理、エネルギー持続可能性、人間の監督、倫理的責任である。中心的な結論は、AIは工学的判断を補完すべきであり、代替すべきではないということだ。この立場はAIの変革的可能性を認めつつ、その応用に必要な境界を画定しており、工学教育、産業実践、研究政策にとって参考になる。