Technical Exchange

2024 / 技术交流（第十期）

人工智能在水运工程设计中

的应用探索

8月23日，事业部开展第十期技术交流，主讲人姜奇与大家交流了人工智能在水运工程设计中的应用探索。

本次技术交流从基本概念入手，首先，对人工智能、机器学习、深度学习等概念进行了清晰的解释，并通过通俗易懂的例子说明了它们之间的关系。然后，简要介绍了机器学习的原理，包括算法、算力和数据三个要素，并以梯度下降法、决策树、神经网络等经典算法为例，阐述了机器学习如何通过数据进行学习和预测。随后，重点介绍了近年来备受关注的大语言模型，通过对其原理的剖析，解释了大语言模型是如何通过海量数据训练，并生成人类可理解的文本。此外，姜奇还强调了提示词在使用大语言模型时的重要性，并给出了优化提示词的建议和示例。

技术交流的核心在于探讨如何将人工智能技术应用于水运工程设计。姜奇现场展示了自主开发的AI驱动快速建模软件，基于大模型的语义识别能力，在几分钟内通过语音识别和文字输入两种方式，实现板的快速建模。在介绍现有成果后，提出了几种可能发展方向的展望，包括：将大语言模型与现有计算软件结合，实现自然语言驱动的参数化建模计算；开发基于大语言模型的WPS插件，实现改写扩写纠错等功能；借助dxf文件与大模型的语义识别功能实现参数化CAD绘图；构建基于大语言模型和RAG技术的私有知识库，增强模型在专业领域的应用能力等。未来，人工智能能够与工程设计深度融合，实现设计过程的智能化、自动化，从而提高效率、降低成本、提升质量。

事业部总体、工艺、电控、水工及感兴趣人员参加了此次技术交流活动，与会人员围绕人工智能技术在生产中的应用开展了热烈讨论。

扫描二维码关注我们吧

 Technical Exchange

2024 / 技术交流（第十期）

人工智能在水运工程设计中

的应用探索

8月23日，事业部开展第十期技术交流，主讲人姜奇与大家交流了人工智能在水运工程设计中的应用探索。

本次技术交流从基本概念入手，首先，对人工智能、机器学习、深度学习等概念进行了清晰的解释，并通过通俗易懂的例子说明了它们之间的关系。然后，简要介绍了机器学习的原理，包括算法、算力和数据三个要素，并以梯度下降法、决策树、神经网络等经典算法为例，阐述了机器学习如何通过数据进行学习和预测。随后，重点介绍了近年来备受关注的大语言模型，通过对其原理的剖析，解释了大语言模型是如何通过海量数据训练，并生成人类可理解的文本。此外，姜奇还强调了提示词在使用大语言模型时的重要性，并给出了优化提示词的建议和示例。

技术交流的核心在于探讨如何将人工智能技术应用于水运工程设计。姜奇现场展示了自主开发的AI驱动快速建模软件，基于大模型的语义识别能力，在几分钟内通过语音识别和文字输入两种方式，实现板的快速建模。在介绍现有成果后，提出了几种可能发展方向的展望，包括：将大语言模型与现有计算软件结合，实现自然语言驱动的参数化建模计算；开发基于大语言模型的WPS插件，实现改写扩写纠错等功能；借助dxf文件与大模型的语义识别功能实现参数化CAD绘图；构建基于大语言模型和RAG技术的私有知识库，增强模型在专业领域的应用能力等。未来，人工智能能够与工程设计深度融合，实现设计过程的智能化、自动化，从而提高效率、降低成本、提升质量。

事业部总体、工艺、电控、水工及感兴趣人员参加了此次技术交流活动，与会人员围绕人工智能技术在生产中的应用开展了热烈讨论。

扫描二维码关注我们吧