畅(wang)想一下GPT时代的仿真软件

不止GPT-4，美国谷歌、国内的百度、阿里、京东、商汤科技等公司都发布了各自的语言类大模型内测。

这纯粹是一篇妄想。

我没有这个资源，也暂时没有这个意愿实现我下面写的任何一部分内容。

在我写这篇推送的时候，chatGPT的原始网站甚至太挤了 没能进去。

但……这些在技术上应该都已经有了可实现的基础。希望在不远的未来，能见到这样的应用在各类专业软件中出现。

让GPT阅读帮助文档

我们知道，虽然GPT模型看起来甚至已经能够通过图灵测试，它对事物已经有相当程度上的理解力和创造性，但在本质上，GPT仍然只是一个语言模型。它的回答还是基于概率，给出当前条件下概率最高的一个答案。这样的模型可能会在严格的数学问题和逻辑推理上有一定缺陷。

但是，如New Bing这样接入GPT模型的搜索引擎，以及最近出现的许多基于GPT-3.5  API接口的应用，都已经可以做到让语言模型自行搜索、阅读一些网页或文档等新内容，并总结其中的大意。这个阅读新内容的过程其实不属于“训练”，而应该算是应用模型中现有的能力，去理解并提取给定文档中的信息。

让AI帮你读论文：chatPDF

一个多月以前，笔者简单测试了一下，让chatGPT写一小段APDL脚本。它第一次写出来的结果不是很正确，甚至连其中一些命令的语法都写错了。但在那之后，我其实没有纠正它，也没有给它提供更多的反馈。

随便玩一下ChatGPT

ChatGPT：请问有限元仿真工程师会被AI取代吗？

但，其实再想一想，现在各类商用有限元软件的帮助文档内容那么全面，不远的将来，有没有可能调用GPT-3甚至GPT-4的API接口，让它能实时参考仿真软件的帮助文档，基于帮助文档给出更准确的仿真操作建议呢？

就比如说，现在我们如果想要做一个显式动力学分析，用LS-Dyna完成的话，你需要知道许多Dyna内部的关键字。从定义材料、截面，到输出控制，用户需要学习和掌握每一个关键字的语法格式。

接入GPT以后，有没有可能，工程师可以直接将仿真需求用自然语言描述给它，它帮我查阅文档以后，直接给出可行的仿真实现？

仿真普及化的阻碍

多年以来，有限元仿真的门槛一直都很高。即使像ANSYS这样的软件已经将用户界面做的非常易用，但其中一些复杂的功能，以及像LS-Dyna、Radioss这样的高级显式动力学分析软件，想将它们正确的用起来也需要不低的知识门槛。这件事一直阻碍着仿真技术向更广泛的用户普及。

比如医生想要用仿真来研究对比不同的截骨手术方案，目前来看很多时候还是只能和工科类高校的课题组合作完成仿真分析。虽然ANSYS Discovery、Altair Inspire等这类仿真软件将门槛进一步降低，但一些设置和理论仍然是用户绕不过去的门槛。

如果让仿真软件接入GPT，或者前期只是让GPT能够自由访问某一款商业仿真软件的帮助文档，再加上一个规模大小合适的分析案例数据库和材料数据库的话，医生、建筑设计师、机械设计师们或许可以像和仿真工程师沟通那样，直接将需求描述给GPT模型。

也许前几次得到的结果不尽如人意。可能因为用户的描述本身就不够精确，可能因为GPT模型也对仿真求解器的行为有错误的认识，求解器可能会报错。但经过几轮沟通和迭代，也许就能给出一个可堪一用的仿真模型，工程师可以直接根据这个仿真模型来做设计优化和决策。

让ANSYS内置一个AI助手

如果说，仿真软件的帮助文档虽然我们平常可以自由访问，但归根结底还是有版权和使用限制，那么这部分工作有没有可能由ANSYS公司来实现？

通过一定的二次开发，调用某一款（不一定要GPT-4，未来其他公司的AI语言模型或许也可以）语言模型的API，将其直接内置在ANSYS界面上，就像Office曾经的那个回形针助理一样。用户有任何仿真技术上的疑问，直接询问这个AI助理，它可以基于帮助文档和技术论坛，为你整理出专业的回答并给出参考的文档页面链接。这样的体验一定是划时代的。

又或许，这种体验不一定只局限于ANSYS。比如远算可以考虑用大语言模型的接口帮助用户建立code_Aster的仿真模型；像WELSIM或者其他对开源的OpenRadioss求解器感兴趣的公司也可以调用语言模型来阅读参考Radioss的文档，帮助用户做显式动力学模型的前处理。甚至可以考虑把语言模型接入OpenFOAM这样的开源流体求解器，不仅阅读文档，还能辅助用户阅读部分源代码，帮用户理解一些具体的算法实现。

用人工智能代替确定性的物理解算器的思路只是人工智能和CAE结合的路线之一。像GPT这样的通用语言模型，如果能对各类专业软件，在易用性上做出革命性的改善，一定能获得大量用户的欢迎。

这篇文章只是一个畅想，或者说妄想。但我觉得，这件事在技术上应该不是不可实现的。我希望在不远的未来，我的妄想就能成真。

大语言模型的“开悟”

最后，关于GPT的底层技术，最近网络上已有很多免费的、付费的资料做了不同深度的介绍。作为一个纯粹的外行，我读过的一个版本的介绍来自得到APP， 万维钢《精英日课》。

感兴趣的读者可以自己去试读一下。简单来说， 就是使用经典的方法来训练一个语言模型，当语料足够多、模型足够大的时候，语言模型好像就突然学会了即兴演讲和创造性发挥。量变的过程产生了质变，模型发生了「开悟（Grokking）」。

红色曲线代表训练，绿色曲线代表生成性发挥。训练到100万步，模型对生成性题目的正确率接近100%。

——————

我们生存在一个变革的时代。任何人、任何组织，哪怕是图灵奖得主，都没办法阻碍AI技术向AGI方向发展。只有不断拥抱变化，尽早用上新技术，让它成为我们的助力。