AI 时代为何需要系统思维：工程师的角色正在转变

现代工程项目越来越多地将人类判断与机器能力结合起来。工程师可以定义一个问题，然后让人工智能工具检索相关研究和技术标准、生成设计方案、在仿真中测试这些方案并比较结果。随后，工程师可以把结果带给专家，由他们判断AI无法自行判断的部分，例如某项设计能否安全建造、在特定场景中是否合理，或者可能对用户产生什么影响。关于是否推进以及如何推进的最终决定，仍然是人类的责任。

AI可以帮助工程师完成早期项目步骤，而这些步骤过去需要多名具备不同技术技能的人共同完成。因此，工程师的角色正从执行每一个技术步骤，扩展为决定人、机器和专家知识应如何在项目中协同工作。

问题，而非头衔

工程学一直按学科划分，而且理由充分。电气、机械、土木、软件及其他工程领域都需要多年积累的深厚知识。AI并不能取代这种需求。它只是改变了工程师探索自身专业之外问题部分的难易程度。

设想一位从事医疗设备工作的软件工程师。AI可以帮助这位工程师查阅相关生物医学研究、理解不熟悉的术语、分析数据并构建早期模型。

这并不会使该工程师成为医生或生物医学专家。它让工程师能够在与专家合作之前提出更好的问题。

能源、交通、制造以及许多其他领域同样如此。一个问题可能起初是软件问题，随后很快涉及硬件、安全措施、经济性、人类行为和法规。

工程师不需要精通每一个领域；他们需要识别问题需要哪些专业知识，并把合适的人和工具汇聚在一起。

系统思维的重要性

因此，系统思维变得尤为重要。它要求审视整个问题：理解各部分如何相互影响，识别约束条件和失效点，并做出权衡。

AI为这一过程增添了新要素。工程师不仅必须决定技术部分如何组合，还必须决定把哪些工作交给AI、哪些必须由人检查、何时应由专家做出决定，以及何时需要重新定义问题。

工程师的价值不在于无所不知。而在于知道如何界定问题、如何提出正确的问题、如何检验答案，以及何时应由另一位专家来主导项目。

这一点至关重要，因为工程中的技术挑战很少是静态的。随着新见解的出现，目标可能发生变化，未预见的限制可能浮现，最初的假设也可能被证明有缺陷。高效的工程师不会僵化地遵循初始规格，而是随着对系统的理解不断加深而调整并细化范围。

因此，工程学不仅限于掌握技术概念；它也是一种应对不断演变挑战的适应性、结构化方法。

新证据可能改变目标、揭示隐藏的约束条件，或表明最初的假设是错误的。高效的工程师不会仅仅依据最初的问题陈述行事。随着对系统的理解不断加深，他们会更新问题陈述。

从这个意义上说，工程学不仅是一套技术知识体系，也是一种关于项目的严谨思维方式。

人类判断很重要

即使假设薄弱，AI也能给出令人信服的答案。它可以生成在一个测试中有效、在另一个测试中失败的代码。它可以总结研究，却不理解哪些证据最强，或者为错误的目标优化设计。这些局限使人类专业知识更加重要，而非更不重要。

在速度、规模、搜索、模式识别和数据生成重要的地方，机器很有用。在背景、价值观、责任和判断重要的地方，人不可或缺。挑战在于决定各自应处于什么位置。

例如，一个AI系统可能为医疗传感器生成多种设计，并预测每种设计的表现。工程师可以检验这些预测，并否决违反技术要求的方案。临床医生可以判断该传感器能否在实际中应用。患者和从业者可能揭示工程师和开发者都未曾考虑的问题。最终解决方案来自综合各方视角。

工程师仍然是建设者和专家，但也日益成为知识的协调者。

工程师的价值不在于无所不知。而在于知道如何界定问题、如何提出正确的问题、如何检验答案，以及何时应由另一位专家来主导项目。

IEEE的关键作用

更广泛的工程形态为IEEE赋予了重要角色。其协会已经汇聚了各种技术、工程教育、技术标准及其他领域的专业知识。这使IEEE处于有利位置，能够帮助工程师跨专业协作，同时不削弱专业化的价值。

IEEE可以围绕需要多个领域专业知识的问题，创建更多社区。示例包括可信的临床AI、韧性基础设施、能源可靠性、科学发现和安全自主系统。工程师可以从自己的本专业起步，然后根据项目需要，与其他IEEE社区的专家合作。

IEEE还可以帮助制定人机协作的实用标准。工程师需要明确的指导，了解何时必须检查AI生成的工作、应如何记录不确定性、何时必须由专家做出决定，以及当系统同时使用人类判断和机器输出时由谁负责。

这些问题正成为日常工程工作的一部分。它们不应留给每家公司或每位项目经理各自独立回答。专业组织可以提供共同的期望，这些期望会伴随工程师在岗位、行业和技术领域之间流动。

对工程师更宽泛的定义

AI不会让工程学科变得不那么重要；它让学科之间的联系更容易利用。深厚的专业知识为工程师提供判断什么可靠的基础。系统思维帮助他们理解问题的不同部分如何相互契合。AI可以扩展工程师跨领域探索、测试和沟通的能力。人类判断为工作提供方向和责任。

工程师不仅仅由职位头衔或一组固定任务来定义。工程师是受过训练的人，能够理解复杂系统、定义并重新定义问题、汇集解决问题所需的知识和工具、检验解决方案是否有效，并对结果承担责任。

这就是成为“无界”工程师的含义。

专业之间的边界变得更容易跨越，机器可能承担更多技术工作，但工程的核心仍然是人：决定哪个问题值得解决、什么证据足够充分、各部分如何相互契合，以及在答案不确定时该怎么做。