机械工程涵盖从概念设计到长期维护的方方面面。传统的工作流程通常涉及重复性的手动步骤，这些步骤速度慢且容易出错。.
今天，, 人工智能在机械工程中的应用 正在改变游戏规则。通过自动化任务、提高精确度以及实现数据驱动的决策，工程师可以更快地进行创新、降低成本并取得更好的成果。.
本指南探讨了工程工作流程的每个步骤——概念设计、CAD建模、仿真、原型制作、制造、质量控制和生命周期管理——并解释了如何 机械工程中的人工智能 在每个阶段都创造更智能的流程。.
.
.
收听我们的播客 人工智能在机械工程中的应用 并获得关于以下方面的实用、真实的见解:
-
提升人工智能技能的4个步骤，助您在职业生涯中不断进步。.
.
获取有关“人工智能在机械工作流程中是如何应用的？ “
第一步：概念设计
概念设计阶段是任何项目的基础。工程师们会定义需求、探索可行性并集思广益，提出潜在的解决方案。传统上，这一阶段包括草图绘制、评审和讨论，这些过程往往带有主观性且耗时。.
人工智能如何提供帮助
机械工程中的人工智能 它通过基于重量、成本和强度等既定参数生成多个设计概念来加速这一阶段。生成式人工智能探索广阔的设计空间，并提出受自然启发的创新造型。早期人工智能模拟还能剔除不理想的方案，将迭代周期减少高达 50% 次。.
此外，自然语言处理工具还会分析以往的项目数据、标准和客户反馈。它们能够识别需求冲突并预测未来需求，从而确保与市场需求保持一致。.
相关工具
- Autodesk生成式设计该工具集成于 Fusion 360 中，利用人工智能技术，通过输入诸如最大限度减少材料用量并最大限度提高耐用性等目标，创建优化设计。是航空航天领域轻量化部件的理想之选。.
- Leo AI：一款生成式人工智能助手，可在几秒钟内将草图或文本描述转换为 3D 模型，它基于数百万个 CAD 文件进行训练。非常适合在头脑风暴期间进行快速原型制作。.
- 神经概念形状: 应用深度学习生成和评估概念设计，特别是流体动力学或结构元素，在详细建模之前完善想法。.
- 需求分析： IBM Watson Discovery、Azure Cognitive Services for Language、自定义 NLP 管道（Python、spaCy、NLTK）。.
- 其他工具: 拓扑学, Ansys Discovery, Siemens NX（生成式设计）, PTC Creo 生成式设计, IBM Watson Discovery, Azure 认知语言服务、自定义 NLP 管道（Python、spaCy、NLTK）。.
步骤二：详细的CAD建模
一旦方案确定，工程师就会创建详细的CAD模型。这一步骤定义了尺寸、材料和公差。反复改进可以确保精度，但这个过程可能重复且耗时。.
人工智能如何提供帮助
这里，, 人工智能在机械工程中的应用 通过自动化尺寸标注和合规性检查等任务，可以减少工作量。机器学习能够预测微小变化对整个系统的影响。生成式设计工具还能创建优化方案，从而提高性能或减少零件数量。.
这使得CAD工作速度更快、更准确、更具创新性。.
相关工具
- Siemens NX：具备人工智能功能，可自动修改设计并进行实时协作，是机械系统中复杂装配的理想选择。.
- PTC Creo：利用人工智能优化组件的性能和可制造性，在建模过程中建议圆角半径或材料替换。.
- Altair Inspire：一款人工智能驱动的拓扑优化工具，可优化结构完整性设计，常用于汽车底盘开发。.
- 生成式设计： Autodesk Fusion 360（生成式设计扩展）、nTopology、Ansys Discovery、,
- 其他工具: 达索系统 3DEXPERIENCE 平台人工智能功能, Autodesk Fusion 360 （人工智能建议）, 3DCS 变异分析, CETOL 6σ（西门子）.+ ThingWorx AI，,
模型草图[参考]
NX建模[参考]
步骤 3：仿真和 CAE 分析
仿真技术使工程师能够在制作物理原型之前，对设计进行虚拟测试。他们利用有限元分析 (FEA)、计算流体动力学 (CFD) 或热分析等方法，预测产品在应力、高温或气流等实际工况下的性能。然而，传统的仿真方法计算成本高昂且耗时。.
人工智能如何提供帮助
机械工程中的人工智能 它利用代理模型加快仿真速度，几分钟内即可获得近似结果。人工智能还能分析过去的仿真数据，预测故障并优化性能参数。例如，它可以预测桥梁中的应力分布或车辆中的气流，从而减少对物理原型的需求。.
相关工具
- Ansys AI：集成人工智能以加快多物理场模拟速度，从而能够快速探索“假设”场景。.
- SimScale：基于云的平台，具备人工智能增强的 CFD 和 FEA 功能，无需高端硬件即可进行实时分析。.
- 神经概念：利用深度学习进行 3D 形状优化模拟，预测车辆或飞机的空气动力性能。.
- 自动网格划分： SimAI（Ansys），点式字形脚本 + ML 集成。.
- 其他工具西门子Simcenter降阶建模（ROM），, Altair HyperWorks （AI驱动的设计探索），Monolith AI，SimAI（Ansys），Pointwise Glyph Scripting + ML集成，Monolith AI。.
流体流动模拟[参考]
随着人工智能不断重塑机械工程工作流程，, 仿真工程 人工智能正成为更快、更智能、更可靠的产品开发的关键支柱。要了解人工智能原生仿真工具、先进的有限元方法和智能自动化如何塑造工程分析的未来，您可以阅读我们关于此主题的深度文章。 仿真工程的发展.
第四步：原型制作
原型制作是利用物理或虚拟模型来验证想法的过程。虽然这一步骤至关重要，但它可能既费钱又费时。.
人工智能如何提供帮助
人工智能在机械工程中的应用 通过预测材料性能并减少试错，优化原型制作。生成式设计能够制造出更坚固、更轻便的零件。在增材制造中，人工智能确保逐层精准成型。虚拟原型制作还有助于及早发现设计问题，从而在实际生产前节省成本。.
相关工具
- Autodesk Fusion 360 人工智能将生成式设计扩展到原型优化，并与 3D 打印机集成，实现无缝制造。.
- Leo AI：从概念生成可用于原型制作的 CAD 模型，加快向物理测试的过渡。.
- 增材制造: Ansys Additive Suite（人工智能驱动的工艺仿真）,
- 预测容差： 3DCS 变异分析器（与主要 CAD 集成），CETOL 6σ（西门子）。.
利用人工智能进行原型建模[参考]
第五步：制造
制造环节是将原型产品规模化生产到大规模生产的过渡阶段。效率、资源优化和质量是关键挑战。.
人工智能如何提供帮助
机械工程中的人工智能 智能工厂、机器人和数字孪生技术正在变革制造业。这些虚拟副本能够实时监控和调整生产，从而提高效率并减少错误。预测分析还能预测设备需求，最大限度地减少停机时间并降低维护成本。.
人工智能驱动的计算机辅助制造 (CAM) 可优化数控刀具路径，从而减少加工时间、刀具磨损和能源消耗。这不仅能提高表面光洁度，还能确保加工过程中避免碰撞。机器学习还能预测最佳进给量、切削速度和切削策略。.
在工艺选择和可行性方面，, 人工智能在机械工程中的应用 它分析零件的几何形状、材料、数量和成本目标，并推荐最佳制造方法，同时及早发现潜在的可制造性设计（DFM/A）问题。.
预测性工艺规划通过分析历史数据和当前订单，预测生产时间、资源需求和潜在瓶颈。在增材制造中，人工智能进一步优化构建方向、支撑结构生成和工艺参数（例如激光功率和扫描速度），从而最大限度地减少缺陷、变形和构建时间。.
其结果是制造过程更快、成本更低、更可持续。.
相关工具
- 西门子数字化工业软件：用于工厂自动化的AI，包括预测性调度和机器人集成。.
- PTC Creo制造扩展：针对数控和增材制造进行人工智能优化的刀具路径，确保高质量的输出。.
- 工艺选择/面向制造的设计： 先验, 几何 DFMPro, 西门子 Opcenter DFM 分析仪.
- CAM优化： Siemens NX CAM AI 功能、Autodesk PowerMill（机器学习策略）、DMG MORI 的 CELOS（机床人工智能）、CloudNC。.
- 预测性规划： Siemens Opcenter APS（高级计划与排程）结合人工智能和 Oracle SCM 云人工智能功能。.
- 增材制造优化： Ansys Additive Suite（人工智能驱动的工艺仿真）、Materialise Magics（人工智能支持生成）、3D Systems Additive Manufacturing AI 工具、GE Additive Amp.
步骤六：质量控制和测试
质量检查旨在确认产品符合规格要求。人工检查往往效率低下且结果不一致。.
人工智能如何提供帮助
机械工程中的人工智能 人工智能驱动的计算机视觉系统将质量控制的精准度提升到了一个全新的水平。该系统通过实时分析图像或传感器数据，以超乎人类的精度检测缺陷。这些系统能够自动识别表面问题，例如划痕、凹痕和孔隙，以及尺寸偏差和装配错误，其速度远远超过人类。.
机器学习模型从历史检测数据中学习，并利用这些数据更可靠地标记异常情况。这减少了误报，提高了分类精度，并显著加快了检测速度。在现代装配线上，, 人工智能在机械工程中的应用 与物联网设备集成，实现持续监控。因此，整体质量提升了 15–25%，减少了到达客户手中的错误数量。.
相关工具
- IBM Maximo 视觉检测：利用图像识别技术进行机械零件缺陷检测的人工智能。.
- 自动视觉检测： Cognex ViDi、Keyence CV-X/AI 系列、Landing AI、Matrox Imaging Library + 自定义 CV 模型（TensorFlow、PyTorch）。.
- 过程控制： Rockwell Automation FactoryTalk Analytics、Siemens Edge 解决方案、定制机器学习部署。.
- AI SPC： Seeq、Trendminer、Dataiku、Domino Data Lab。.
步骤 7：维护和生命周期管理
即使部署完毕，设备仍需要持续维护。传统的被动维护方式会导致高昂的成本和长时间的停机。.
人工智能如何提供帮助
机械工程中的人工智能 实现预测性维护。通过分析传感器数据，人工智能可以预测故障并安排主动干预措施。数字孪生持续监控设备，并在整个生命周期内提出性能改进建议。这有助于减少停机时间并提高可靠性。.
相关工具
- IBM Watson IoT：用于机械系统预测性维护的人工智能，与传感器集成以实现实时警报。.
- Ansys 数字孪生：人工智能驱动的虚拟模型，用于持续优化和故障预测。.
- 预测性维护： 西门子 MindSphere、PTC ThingWorx、GE Predix、Uptake、Falkonry。.
- 测试计划/优化： Siemens Simcenter HEEDS、Altair HyperStudy、Ansys optiSLang。.
- 测试数据分析： MathWorks MATLAB（统计和机器学习工具箱）、Python（Pandas、Scikit-learn、PyTorch/TensorFlow）、TDM Systems（DIAdem）。.
- 预测生命模型： Ansys 数字孪生构建器、GE 数字孪生、西门子预测分析服务。.
- 智能PLM： PTC Windchill + ThingWorx AI、Siemens Teamcenter AI Assistants、Dassault Systèmes 3DEXPERIENCE AI 功能。.
8 hours video” img_size=”45×45″ woodmart_css_id=”6899be5ed4421″ info_box_inline=”no” wd_hide_on_desktop=”no” wd_hide_on_tablet_landscape=”no” wd_hide_on_tablet=”no” wd_hide_on_mobile=”no” responsive_spacing=”eyJwYXJhbV90eXBlIjoid29vZG1hcnRfcmVzcG9uc2l2ZV9zcGFjaW5nIiwic2VsZWN0b3JfaWQiOiI2ODk5YmU1ZWQ0NDIxIiwic2hvcnRjb2RlIjoid29vZG1hcnRfaW5mb19ib3giLCJkYXRhIjp7InRhYmxldCI6e30sIm1vYmlsZSI6e319fQ==” wd_z_index=”no”][/woodmart_info_box][woodmart_info_box image=”32842″ rounding_size=”” image_alignment=”left” title_size=”small” svg_animation=”yes” title=”Error-Free
Subtitles” img_size=”45×45″ woodmart_css_id=”67f4e3ed38dca” info_box_inline=”no” wd_hide_on_desktop=”no” wd_hide_on_tablet_landscape=”no” wd_hide_on_tablet=”no” wd_hide_on_mobile=”no” responsive_spacing=”eyJwYXJhbV90eXBlIjoid29vZG1hcnRfcmVzcG9uc2l2ZV9zcGFjaW5nIiwic2VsZWN0b3JfaWQiOiI2N2Y0ZTNlZDM4ZGNhIiwic2hvcnRjb2RlIjoid29vZG1hcnRfaW5mb19ib3giLCJkYXRhIjp7InRhYmxldCI6e30sIm1vYmlsZSI6e319fQ==” wd_z_index=”no”][/woodmart_info_box]
Practice” img_size=”45×45″ woodmart_css_id=”684a682bd5638″ info_box_inline=”no” wd_hide_on_desktop=”no” wd_hide_on_tablet_landscape=”no” wd_hide_on_tablet=”no” wd_hide_on_mobile=”no” responsive_spacing=”eyJwYXJhbV90eXBlIjoid29vZG1hcnRfcmVzcG9uc2l2ZV9zcGFjaW5nIiwic2VsZWN0b3JfaWQiOiI2ODRhNjgyYmQ1NjM4Iiwic2hvcnRjb2RlIjoid29vZG1hcnRfaW5mb19ib3giLCJkYXRhIjp7InRhYmxldCI6e30sIm1vYmlsZSI6e319fQ==” wd_z_index=”no”][/woodmart_info_box][woodmart_info_box image=”36248″ rounding_size=”” image_alignment=”left” title_tag=”span” title_size=”small” svg_animation=”yes” title=”Module by Module
Training” img_size=”45×45″ woodmart_css_id=”6899bf33c1191″ info_box_inline=”no” wd_hide_on_desktop=”no” wd_hide_on_tablet_landscape=”no” wd_hide_on_tablet=”no” wd_hide_on_mobile=”no” responsive_spacing=”eyJwYXJhbV90eXBlIjoid29vZG1hcnRfcmVzcG9uc2l2ZV9zcGFjaW5nIiwic2VsZWN0b3JfaWQiOiI2ODk5YmYzM2MxMTkxIiwic2hvcnRjb2RlIjoid29vZG1hcnRfaW5mb19ib3giLCJkYXRhIjp7InRhYmxldCI6e30sIm1vYmlsZSI6e319fQ==” wd_z_index=”no”][/woodmart_info_box]
这是一门全面的指导课程，旨在介绍如何利用人工智能 (AI) 和机器学习 (ML) 将 AI 工具应用于机械工程领域。
从 CAD 和 CAE 到设计自动化的工作流程。.
人工智能实施：实际考量
- 从小处着手，专注目标。：针对影响较大的痛点，例如减少 FEA 时间或实现检测自动化。.
- 数据至关重要在选择工具之前，请确保数据质量高且易于获取。.
- 技能发展：对工程师进行人工智能素养培训，并考虑为跨职能团队招聘数据科学家。.
- 一体化选择能够与现有 CAD、CAE、CAM、PLM 和 MES 系统集成的 AI 工具。.
- 变革管理：将人工智能定位为一种增强工具，促进协作而不是取代专业知识。.
项目管理与工作流程整合：在复杂环境中平稳航行
适用人群： 项目负责人管理着由各种工具、数据和团队成员组成的复杂网络。.
为什么这很重要： 人工智能驱动的项目管理软件能够协调设计、仿真和制造任务。通过减少人工数据处理并整合不同平台，它可以确保团队保持同步并提高效率。.
探索工具：
- Civils.ai： 自动提取和整理项目文档，以便更好地了解大型复杂项目。.
- Synera： 将 CAD 和分析工具连接成统一的工作流程，规范重复性任务，确保一致性。.
要点： 当您的工具能够无缝对接时，您就能减少管理时间，增加工程时间。.
工业4.0及其更宏观的视角：生命周期整合
适用人群： 具有前瞻性思维的工程师，他们超越孤立的任务，构想出一个完全互联的生态系统。.
为什么这很重要： 人工智能工具不仅能改进单个任务，还能融入贯穿设计、制造和维护等各个环节的庞大数字化流程。将物联网数据与您的产品生命周期管理 (PLM) 系统连接起来，人工智能洞察即可双向流动，从而在每个阶段提供更明智的决策依据。.
探索工具：
- PTC 风寒指数: PLM 集成确保从概念到生命周期结束的连续“数字主线”。.
- IBM Maximo： 通过人工智能和物联网数据进行预测性维护，可以预防故障并减少停机时间。.
要点： 人工智能不仅可以增强你今天所做的工作，还可以增强你在产品整个生命周期中改进流程的方式，从而培养持续改进的文化。.
未来展望
机械工程领域的人工智能正朝着集成化、自主系统的方向发展。预计人工智能将与数字孪生技术更深入地融合，强化学习在自主设计和控制中的应用将更加广泛，生成式人工智能在设计、文档编制和知识管理方面的应用也将更加普及。.
结论
人工智能在机械工程中的应用 正在革新工作流程的每个阶段。从生成式设计到预测性维护，, 机械工程中的人工智能 使流程更快、更准确、更具创新性。.
为了保持竞争力，工程师应该从小规模的试点项目入手，培训团队，并将人工智能工具集成到现有系统中。那些今天就拥抱人工智能的人，将塑造可持续、高性能工程的未来。.
浏览我们内容全面的 Abaqus 教程页面，其中包含免费的 PDF 指南和适合所有技能水平的详细视频。探索免费和付费套餐，以及高效掌握 Abaqus 的必备信息。立即开启您的 Abaqus 学习之旅！ Abaqus教程 现在！
机械工程师如何运用人工智能？
机械工程师可以利用人工智能彻底改变产品生命周期的每个阶段，从传统的手动流程转向自动化流程。 人工智能增强型工作流程 速度更快、精度更高。主要应用包括：
- 概念设计和计算机辅助设计： 工程师使用 生成式设计 人工智能可以根据重量和强度等约束条件，自动创建多个创新设计概念，其灵感通常来源于自然。人工智能还可以自动执行重复性的CAD任务，例如： 尺寸标注、合规性检查, 并预测微小的设计变更将如何影响整个系统。.
- 仿真和计算机辅助工程： 人工智能驱动的代理模型和神经网络可以取代计算量巨大的数值分析。这使得工程师能够进行预测。 有限元分析、计算流体动力学和热分析 结果以分钟甚至秒为单位，而不是以小时为单位，从而实现“准实时”性能映射。.
- 编码和自动化： ChatGPT 等工具允许工程师生成 Abaqus 和 Python 脚本 只需几秒钟即可自动执行复杂的工作流程和 CAE 任务。.
- 生产制造和质量控制： AI驱动的CAM有助于优化 数控刀具路径 以及预测过程规划。在质量控制方面，, 计算机视觉系统 以超乎常人的精度检测表面缺陷和装配错误。.
- 维护： 通过分析传感器数据 数字孪生, 工程师可以实施 预测性维护, 预测设备故障，防患于未然，从而减少停机时间。.
为了开始使用这些工具，我们鼓励工程师从以下方面入手： 入门课程 （例如吴恩达或斯坦福大学的作品），参与 实践项目 通过 Kaggle 等平台加入 人工智能社区 专门针对机械工程领域，分享见解和工具。.
从本质上讲，使用人工智能就像拥有一个高速副驾驶；工程师提供创意方向和判断，而人工智能则处理大量数据处理和优化工作，这是人类单独无法完成的。.
人工智能会取代机械工程吗？
各方普遍认为，机械工程的未来并非“人与人工智能”之争，而是人与人工智能的合作。 人类与人工智能共同设计. 与其说是全面接管，不如说是格局正在向……转变 增强智能, 机器的计算速度和准确性与人类能力相结合。 创造力、同理心和判断力.
人工智能被视为增强而非替代人类的关键原因包括：
- 创作和语境的限制： 虽然人工智能在重复性任务和处理海量数据集方面表现出色，但它缺乏…… 常识、情感理解力和适应能力 这是人类智能固有的特质。.
- 定义约束条件： 工程师仍然需要 奠定基础 通过定义重量、成本、强度和可持续性目标等关键参数，人工智能可以为项目进行设计。然后，人工智能会在这些人类定义的边界内探索“设计空间”。.
- 专业判断： 机械工程师必须利用人工智能解决方案 专注于他们的特定专业知识, 例如工厂自动化或材料合成。他们负责理解…… 局限性和潜在偏差 人工智能系统通过训练获得的数据，用于做出明智的最终决策。.
- 工作流程转型： 人工智能正在“自动化自动化”，接管繁琐的任务，例如 重复的编码、尺寸标注和合规性检查. 这使得工程师能够摆脱“繁琐的建模”，专注于更高层次的创新。.
- 新的职业机会： 人工智能不仅不会直接导致失业，预计还会…… 燃料创新 并由此发展出以前不存在的全新职业角色。.
为了保持竞争力，消息人士称，人工智能已不再是可选项；它是必不可少的。 定义下一代所需技能 设计和仿真专家。鼓励工程师将人工智能视为一种工具，并将其集成到现有系统中以促进…… 合作而非替代.
总而言之，人工智能就像…… 高度先进的电动工具 在技艺精湛的工匠的工作室里，它可以以超人的速度和精度切割、打磨和连接材料，但仍然需要工匠构思最终的作品，并引导工具创造出真正有价值的东西。.
哪种人工智能最适合机械工程？
机械工程领域并不存在单一的“最佳”人工智能；相反，最有效的工具取决于具体的工程阶段。 产品生命周期 以及正在解决的工程难题。资料来源重点介绍了几种按功能分类的专用人工智能工具：
1. 概念设计和三维建模
- Autodesk 生成式设计（Fusion 360）： 这因其创造作用而备受推崇。 优化设计 基于最大限度地减少材料用量并最大限度地提高耐用性等目标，使其成为轻型航空航天部件的理想选择。.
- Leo AI： 发挥 生成式人工智能副驾驶, 它允许工程师在几秒钟内将草图或文本描述转换为 3D 模型，这非常适合在头脑风暴期间进行快速原型制作。.
- 神经概念形状： 该工具利用深度学习技术生成和评估概念设计，尤其适用于 流体动力学 或结构构件。.
- Siemens NX 和 PTC Creo： 这些行业标准利用人工智能实现自动化。 尺寸标注、合规性检查, 并提出改进建议，以提高性能和可制造性。.
2. 仿真和CAE分析
- Ansys AI 和 SimScale： 这些最适合加速计算成本高昂的任务。 有限元分析和计算流体动力学模拟. 它们可以进行实时分析，并快速探索“假设”情景。.
- 神经概念： 除了设计之外，它还用于预测 空气动力性能 通过将数值近似值替换为神经网络预测，可以应用于车辆和飞机。.
- Monolith AI： 被列为人工智能驱动的设计探索和模拟的相关工具。.
3. 编码和工作流程自动化
- ChatGPT： 机械工程师用它来编写 Abaqus 和 Python 脚本 只需几秒钟，即可自动执行重复性任务和复杂的 CAE 工作流程。.
- Synera： 该工具可有效地将CAD和分析工具连接起来。 统一、标准化的工作流程, 减少人工数据处理。.
4. 生产制造和质量控制
- 西门子数字化工业软件： 提供人工智能 工厂自动化, 预测性调度和机器人集成。.
- IBM Maximo 可视化检测： 一款领先的工具 质量控制, 利用计算机视觉技术，以超人的精度检测表面缺陷，如划痕或凹痕。.
- aPriori 和 Geometric DFMPro： 这些用于 面向制造的设计（DFM） 分析几何形状和成本，推荐最佳制造方法。.
5. 维护和生命周期管理
- Ansys 数字孪生： 最适合创建能够持续监控设备的虚拟模型 故障预测 以及持续的优化。.
- IBM Watson IoT： 用于 预测性维护, 并集成传感器，以提供实时警报并在设备故障发生前进行预测。.
为了确定哪种方法最符合您的需求，相关资料建议如下： 从小规模做起 通过解决影响巨大的痛点，例如缩短模拟时间或实现自动化检查。您还可以加入类似的社区。 机械智能 了解该领域其他专业人士认为哪些工具最有效。.
从本质上讲，选择最佳人工智能就像…… 从技艺精湛的机械师的工具箱中挑选合适的工具你不会用扭矩扳手来测量间隙；你会选择专为解决特定问题而设计的、具有独特“几何形状”的软件。.
English 
Korean 
Chinese
2 回复
人工智能显然正在从理论走向实际的机械工程工作流程，尤其是在计算机辅助设计（CAD）和仿真领域。真正的问题不再是人工智能是否会被应用，而是工程师在日常设计和分析中会对其依赖到什么程度。您认为人工智能会首先在设计、仿真还是自动化领域产生最大的影响？
对于一个刚刚开始探索这个领域的人来说，您认为人工智能和机器学习在工程应用中最重要的区别是什么？机械工程师应该从哪里开始学习它们的实践应用？