Cum pot depăși inginerii reticența față de AI? Inteligența artificială și știința materialelor: interviu tematic cu un specialist în domeniu, profesor al Politehnicii ieșene (XI)

Există riscul ca inginerii tradiționali să fie reticenți în fața AI? Cum poate fi depășită această barieră?

Da, există un risc real ca inginerii tradiționali să fie reticenți în fața AI, iar această reticență este firească și frecvent întâlnită în multe domenii tehnice. Motivele sunt diverse — de la neîncredere și lipsă de familiaritate, până la temeri legate de înlocuirea rolului uman. Dar vestea bună este că această barieră poate fi depășită, cu condiția să fie abordată inteligent, realist și uman.

Prof.univ.dr.habil.ing. Nicanor Cimpoeșu

De ce pot fi inginerii reticenți în fața AI?

1. Percepția AI ca o „cutie neagră”: mulți ingineri sunt obișnuiți cu modele explicabile, bazate pe formule, grafice și fizică clară. AI pare uneori imprevizibilă sau „neștiințifică”.
2. Frica de înlocuire sau pierdere a rolului profesional: automatizarea adusă de AI poate fi percepută ca o amenințare pentru meseria clasică – mai ales în controlul calității, analiză sau mentenanță.
3. Lipsa de încredere în fiabilitatea predicțiilor AI: inginerii preferă decizii validate fizic, nu doar prezise de un algoritm. Dacă AI greșește, cine e de vină?
4. Diferențe generaționale și de formare: cei formați într-un cadru strict inginerec, fără expunere la AI sau programare, pot simți că „nu mai aparțin noului sistem”.

Cum poate fi depășită această barieră?

1. Educație aplicată, nu teoretică

Nu e suficient să explici ce este AI. Trebuie arătat cum funcționează într-un caz concret de inginerie:

– „Uite cum AI a redus cu 30% rata defectelor într-un proces de turnare.”

– „Uite cum AI poate prezice când cedează o pompă.”

Când AI e legată direct de practica lor, devine un instrument, nu o amenințare.

2. Implicarea inginerilor în procesul de integrare: Nu impune AI „de sus”. Invită inginerii să participe activ la: alegerea datelor de antrenare, validarea modelelor, testarea sistemelor AI în practică. Astfel, AI devine un partener, nu un înlocuitor.
3. Crearea de echipe mixte (AI + ingineri de domeniu): Colaborarea între specialiști AI și ingineri tradiționali creează un transfer de cunoștințe în ambele sensuri. Un inginer învață cum funcționează AI, iar un data scientist învață cum funcționează procesul fizic.
4. Clarificarea rolului AI: asistă, nu înlocuiește: E important să subliniem că AI nu „decide”, ci ajută inginerul să ia decizia mai bine și mai repede. AI = instrument de sprijin, nu rival profesional.
5. Oferirea de cursuri scurte, practice și personalizate

Trainingurile pentru ingineri trebuie să fie: scurte, aplicate, pe limbaj tehnic, orientate spre rezolvarea de probleme reale, oferite ca oportunitate de dezvoltare profesională, nu ca obligație.

6. Recunoașterea valorii experienței inginerești: Modelele AI au nevoie de date curate, corect interpretate și de validare tehnică. Aici, experiența inginerească este esențială și trebuie recunoscută.

Fără ingineri, AI nu poate fi aplicată cu încredere în industrie.

Reticența inginerilor tradiționali față de AI este naturală, dar nu este o barieră permanentă. Ea poate fi depășită prin: educație aplicată, implicare activă, colaborare interdisciplinară, recunoașterea rolului fiecăruia.

Când inginerul devine „partenerul AI-ului”, și nu adversarul său, tehnologia are șanse reale să producă inovație sustenabilă și sigură.

Ce sfat le dați tinerilor ce vor să îmbine AI cu domeniul fascinant al științei și ingineriei materialelor?

Sfatul meu pentru tinerii pasionați de AI și știința materialelor:

Devino acel inginer care vorbește fluent două limbi: cea a atomilor și cea a algoritmilor. Pentru că în viitorul științei materialelor, cei care știu să combine înțelegerea profundă a comportamentului materialelor cu puterea inteligenței artificiale vor fi cei care vor descoperi următoarele materiale revoluționare — fie pentru baterii, rachete, construcții sau medicină.

Transmit și câteva sfaturi-cheie care te vor ajuta să reușești în această direcție:

1. Stăpânește bine știința materialelor – nu o să dispară! AI este un instrument, dar fizica, chimia și ingineria materialelor rămân fundamentale. Cunoașterea microstructurii, proceselor de fabricație, proprietăților mecanice etc. te va ajuta să înțelegi ce pot face materialele și ce vrei de la ele.
2. Învață programare – în special Python. Nu trebuie să devii expert, dar trebuie să fii suficient de confortabil încât să: analizezi date, scrii modele simple, folosești instrumente AI (Google Colab, Matminer, scikit-learn etc.)
3. Începe cu proiecte mici, dar aplicate: Caută baze de date gratuite (ex: Materials Project) și încearcă să: prezici o proprietate, clasifici un material, găsești corelații între compoziție și performanță. Înveți cel mai bine punând mâna pe date reale.
4. Găsește mentori și comunități interdisciplinare: Nu lucra izolat. Conectează-te cu: colegi din AI și data science, profesori interesați de materiale computaționale, grupuri de cercetare sau hackathoane tematice.
5. Ai răbdare și curaj – e un drum nou, dar valoros: sunt puțini cei care stăpânesc cu adevărat ambele domenii, așa că nu te descuraja dacă pare greu la început. Chiar și pașii mici te apropie de un viitor unde vei fi printre cei care modelează lumea la propriu, atom cu atom și algoritm cu algoritm.

Într-un singur cuvânt: interdisciplinaritate.

Tinerii care înțeleg această cheie – și o aplică – vor avea un rol crucial în: descoperirea de noi materiale, crearea de tehnologii sustenabile, accelerarea cercetării, și în construirea unor industrii mai inteligente și mai curate.

Găsiți mai multe detalii despre termenii folosiți în DICȚIONARUL AI

Marius GHEORGHIU

CONTACT – Email: redactie@ziaruldeiasi.ro, Telefon: 0745079523

Publicitate și alte recomandări video