不止GPT-4，美國谷歌、國內的百度、阿里、京東、商湯科技等公司都發布了各自的語言類大模型內測。

GPT時代，讓計算機正確理解人類的語言和常識已經不是妄想。

那么，仿真軟件是否可以接入GPT的接口，

從而做的更人性化呢？

這純粹是一篇妄想。

我沒有這個資源，也暫時沒有這個意愿實現我下面寫的任何一部分內容。

在我寫這篇推送的時候，chatGPT的原始網站甚至太擠了 沒能進去。

但……這些在技術上應該都已經有了可實現的基礎。希望在不遠的未來，能見到這樣的應用在各類專業軟件中出現。

讓GPT閱讀幫助文檔

我們知道，雖然GPT模型看起來甚至已經能夠通過圖靈測試，它對事物已經有相當程度上的理解力和創造性，但在本質上，GPT仍然只是一個語言模型。它的回答還是基于概率，給出當前條件下概率最高的一個答案。這樣的模型可能會在嚴格的數學問題和邏輯推理上有一定缺陷。

但是，如New Bing這樣接入GPT模型的搜索引擎，以及最近出現的許多基于GPT-3.5  API接口的應用，都已經可以做到讓語言模型自行搜索、閱讀一些網頁或文檔等新內容，并總結其中的大意。這個閱讀新內容的過程其實不屬于“訓練”，而應該算是應用模型中現有的能力，去理解并提取給定文檔中的信息。

一個多月以前，筆者簡單測試了一下，讓chatGPT寫一小段APDL腳本。它第一次寫出來的結果不是很正確，甚至連其中一些命令的語法都寫錯了。但在那之后，我其實沒有糾正它，也沒有給它提供更多的反饋。

但，其實再想一想，現在各類商用有限元軟件的幫助文檔內容那么全面，不遠的將來，有沒有可能調用GPT-3甚至GPT-4的API接口，讓它能實時參考仿真軟件的幫助文檔，基于幫助文檔給出更準確的仿真操作建議呢？

就比如說，現在我們如果想要做一個顯式動力學分析，用LS-Dyna完成的話，你需要知道許多Dyna內部的關鍵字。從定義材料、截面，到輸出控制，用戶需要學習和掌握每一個關鍵字的語法格式。

接入GPT以后，有沒有可能，工程師可以直接將仿真需求用自然語言描述給它，它幫我查閱文檔以后，直接給出可行的仿真實現？

仿真普及化的阻礙

多年以來，有限元仿真的門檻一直都很高。即使像ANSYS這樣的軟件已經將用戶界面做的非常易用，但其中一些復雜的功能，以及像LS-Dyna、Radioss這樣的高級顯式動力學分析軟件，想將它們正確的用起來也需要不低的知識門檻。這件事一直阻礙著仿真技術向更廣泛的用戶普及。

比如醫生想要用仿真來研究對比不同的截骨手術方案，目前來看很多時候還是只能和工科類高校的課題組合作完成仿真分析。雖然ANSYS Discovery、Altair Inspire等這類仿真軟件將門檻進一步降低，但一些設置和理論仍然是用戶繞不過去的門檻。

如果讓仿真軟件接入GPT，或者前期只是讓GPT能夠自由訪問某一款商業仿真軟件的幫助文檔，再加上一個規模大小合適的分析案例數據庫和材料數據庫的話，醫生、建筑設計師、機械設計師們或許可以像和仿真工程師溝通那樣，直接將需求描述給GPT模型。

也許前幾次得到的結果不盡如人意。可能因為用戶的描述本身就不夠精確，可能因為GPT模型也對仿真求解器的行為有錯誤的認識，求解器可能會報錯。但經過幾輪溝通和迭代，也許就能給出一個可堪一用的仿真模型，工程師可以直接根據這個仿真模型來做設計優化和決策。

讓ANSYS內置一個AI助手

如果說，仿真軟件的幫助文檔雖然我們平常可以自由訪問，但歸根結底還是有版權和使用限制，那么這部分工作有沒有可能由ANSYS公司來實現？

通過一定的二次開發，調用某一款（不一定要GPT-4，未來其他公司的AI語言模型或許也可以）語言模型的API，將其直接內置在ANSYS界面上，就像Office曾經的那個回形針助理一樣。用戶有任何仿真技術上的疑問，直接詢問這個AI助理，它可以基于幫助文檔和技術論壇，為你整理出專業的回答并給出參考的文檔頁面鏈接。這樣的體驗一定是劃時代的。

又或許，這種體驗不一定只局限于ANSYS。比如遠算可以考慮用大語言模型的接口幫助用戶建立code_Aster的仿真模型；像WELSIM或者其他對開源的OpenRadioss求解器感興趣的公司也可以調用語言模型來閱讀參考Radioss的文檔，幫助用戶做顯式動力學模型的前處理。甚至可以考慮把語言模型接入OpenFOAM這樣的開源流體求解器，不僅閱讀文檔，還能輔助用戶閱讀部分源代碼，幫用戶理解一些具體的算法實現。

用人工智能代替確定性的物理解算器的思路只是人工智能和CAE結合的路線之一。像GPT這樣的通用語言模型，如果能對各類專業軟件，在易用性上做出革命性的改善，一定能獲得大量用戶的歡迎。

這篇文章只是一個暢想，或者說妄想。但我覺得，這件事在技術上應該不是不可實現的。我希望在不遠的未來，我的妄想就能成真。

大語言模型的“開悟”

最后，關于GPT的底層技術，最近網絡上已有很多免費的、付費的資料做了不同深度的介紹。作為一個純粹的外行，我讀過的一個版本的介紹來自得到APP， 萬維鋼《精英日課》。

得到在精英日課的AI專題基礎上，專門做了一門萬維鋼·AI前沿 課程。

感興趣的讀者可以自己去試讀一下。簡單來說， 就是使用經典的方法來訓練一個語言模型，當語料足夠多、模型足夠大的時候，語言模型好像就突然學會了即興演講和創造性發揮。量變的過程產生了質變，模型發生了「開悟（Grokking）」。

紅色曲線代表訓練，綠色曲線代表生成性發揮。訓練到100萬步，模型對生成性題目的正確率接近100%。

我們生存在一個變革的時代。 任何人、任何組織，哪怕是圖靈獎得主，都沒辦法阻礙AI技術向AGI方向發展。 只有不斷擁抱變化，盡早用上新技術，讓它成為我們的助力。

文章來源：CAE知識地圖

作者：畢小喵

精選：王華軍

編輯：劉義美