人工智能（AI）正日益深入地影響機械工程（ME）的各個層面，從建模、仿真與優化，到診斷、設計乃至技術傳播，幾乎無一領域能夠置身事外。一篇發表於arXiv的新論文《機械工程中的人工智能：基礎、機遇、挑戰與責任》以第28屆ABCM國際機械工程大會（COBEM 2025）的圓桌討論為基礎，為巴西及國際機械工程界提供了一個結構化的觀察視角。作者包括A. Cunha Jr等六人，該論文同時被《巴西機械科學學報》接收。
這篇文章並非對AI在機械工程中應用的窮盡式綜述，而是着力探討AI如何在不犧牲科學嚴謹性的前提下增強工程實踐。作者首先區分了統計學習與人類認知的本質差異，並討論了AI的能力邊界以及正在興起的智能體形式。隨後，文章將目光投向工業採用、勞動力結構變化和AI輔助科學發現，同時分析了AI計算的能源與基礎設施需求，以及這些需求對可持續發展和熱管理的潛在影響。
在技術層面，論文特別強調將物理知識、結構化推理和領域專業知識融入AI系統的重要性，這在安全相關應用中尤為關鍵。討論的具體主題包括物理信息與混合學習、受物理約束的建模、驗證、不確定性量化以及認證。作者指出，單純依賴數據驅動的黑箱模型難以滿足工程領域對可靠性和可解釋性的高要求，必須藉助物理規律和領域約束來提升模型的泛化能力和可信度。
論文還深入探討了教育、認識論和倫理方面的挑戰。課程改革需要跟上AI時代的需求，人機協作模式正在重新定義工程師的工作方式，專業問責機制需要適應AI輔助決策的新場景，而工程知識的保護與傳承也面臨新的考驗。作者認為，這些非技術因素與技術問題同等重要，不容忽視。
最後，文章提出了在機械工程中負責任地採用AI的若干原則：物理一致性、嚴格驗證、明確處理不確定性、能源可持續性、人類監督和倫理責任。核心結論是，AI應當補充而非取代工程判斷。這一立場既肯定了AI的變革潛力，也為其應用劃定了必要的邊界，對工程教育、工業實踐和科研政策都具有參考價值。