人工智能（AI）正日益深入地影响机械工程（ME）的各个层面，从建模、仿真与优化，到诊断、设计乃至技术传播，几乎无一领域能够置身事外。一篇发表于arXiv的新论文《机械工程中的人工智能：基础、机遇、挑战与责任》以第28届ABCM国际机械工程大会（COBEM 2025）的圆桌讨论为基础，为巴西及国际机械工程界提供了一个结构化的观察视角。作者包括A. Cunha Jr等六人，该论文同时被《巴西机械科学学报》接收。
这篇文章并非对AI在机械工程中应用的穷尽式综述，而是着力探讨AI如何在不牺牲科学严谨性的前提下增强工程实践。作者首先区分了统计学习与人类认知的本质差异，并讨论了AI的能力边界以及正在兴起的智能体形式。随后，文章将目光投向工业采用、劳动力结构变化和AI辅助科学发现，同时分析了AI计算的能源与基础设施需求，以及这些需求对可持续发展和热管理的潜在影响。
在技术层面，论文特别强调将物理知识、结构化推理和领域专业知识融入AI系统的重要性，这在安全相关应用中尤为关键。讨论的具体主题包括物理信息与混合学习、受物理约束的建模、验证、不确定性量化以及认证。作者指出，单纯依赖数据驱动的黑箱模型难以满足工程领域对可靠性和可解释性的高要求，必须借助物理规律和领域约束来提升模型的泛化能力和可信度。
论文还深入探讨了教育、认识论和伦理方面的挑战。课程改革需要跟上AI时代的需求，人机协作模式正在重新定义工程师的工作方式，专业问责机制需要适应AI辅助决策的新场景，而工程知识的保护与传承也面临新的考验。作者认为，这些非技术因素与技术问题同等重要，不容忽视。
最后，文章提出了在机械工程中负责任地采用AI的若干原则：物理一致性、严格验证、明确处理不确定性、能源可持续性、人类监督和伦理责任。核心结论是，AI应当补充而非取代工程判断。这一立场既肯定了AI的变革潜力，也为其应用划定了必要的边界，对工程教育、工业实践和科研政策都具有参考价值。