【论文阅读】AI 赋能基于模型的系统工程研究现状与展望

这篇文献《AI赋能基于模型的系统工程研究现状与展望》主要探讨了人工智能（AI）如何赋能基于模型的系统工程（MBSE），以应对现代复杂系统设计中面临的挑战。

​​主要内容概括如下：​​

---

​​MBSE的背景与挑战​​：

文章指出，传统的基于文档的系统工程（DBSE）在面对日益复杂的现代产品和系统时，存在信息分散、难以追溯、效率低下等问题。MBSE作为一种现代系统工程方法，通过模型描述和分析系统，旨在解决DBSE的局限性，提升设计效率和质量。然而，MBSE在实际应用中仍面临挑战，例如从业人员培训成本高、系统日益复杂庞大、建模自动化程度低以及历史模型重用困难等。

---

​​AI的发展概述​​：

文章回顾了AI的发展历程，从早期的符号AI到机器学习，再到深度学习和近年来大语言模型（LLM）的兴起。强调了大语言模型在自然语言理解和生成方面的强大能力，为AI在其他领域的应用提供了更广阔的可能性。

---

​​AI赋能MBSE（AI4MBSE）的概念与研究现状​​：

AI4MBSE的概念自2019年首次提出以来，逐渐成为学术界的研究热点。文章详细分析了AI在MBSE三个关键环节的应用现状：

• 需求管理​​：AI技术能够通过自动化、智能化的工具，提升需求捕获、分析、验证和追溯的效率和准确性，解决自然语言需求中的歧义、不一致和缺乏结构性等问题。
• ​​系统建模​​：AI技术可以提升系统建模的自动化水平，例如从非结构化文本中自动生成系统图表，增强系统模型的可视化，从而提高建模效率和质量。
• ​​验证与确认​​：AI技术能够提升验证与确认环节的效率，评估系统性能，并帮助寻找最优的系统设计方案和优化策略。

尽管AI在这些方面取得了显著进展，但也面临挑战，如对高质量数据的依赖、生成模型的可解释性差以及跨领域知识整合的困难等。

---