Gopi表示，人工智能可以放大工程师的能力，但无法取代基本功

戈皮钱德·卡特拉加达认为，人工智能正在改变工程工作的规模和速度，但并未改变优秀工程所依赖的基础。在《印度时报》报道的一次采访中，他表示，工程师仍需要扎实的技术基本功，理解各个组件如何协同运作，并具备构建、测试和记录实用产品的纪律性。

卡特拉加达曾在GE和Tata Sons担任高级技术职务。他曾任GE印度技术中心（位于班加罗尔）的董事总经理，后来成为Tata Sons首位集团首席技术官兼创新负责人，目前领导Myelin Foundry。这是一家人工智能公司，业务涉及媒体和娱乐、工业物联网以及汽车应用。

在他看来，工程可以通过三个相互关联的领域来理解：理论与实践知识；组件层面的专业能力与系统思维相结合；以及执行力。最后一项包括高效开发产品、判断产品能否带来真正的商业价值，以及记录足够的信息，以便后续团队理解并改进这项工作。

印度工程需要在哪些方面改进

卡特拉加达表示，印度已经在数学、理论和单个组件的设计方面建立了相当强的实力。不过，他认为，印度需要进一步发展动手实践的工程能力、对完整系统的理解、研究能力以及文档记录能力。

他说，一个人可能知道如何设计涡轮叶片，却未必具备判断整个风电场应如何配置的能力。更宏观的视角要求工程师理解不同组件之间的相互作用、运行条件，以及最终系统的用途。

他还质疑将低成本视为执行成功的主要衡量标准这一习惯。如果最终产品没有商业可行性，或无法提供有意义的价值，那么低成本开发本身并不足够。在他看来，工程团队应投入必要的资源，打造能够在现实世界中良好运行的产品。

文档记录也是一个薄弱环节。工程师个人可能保留了大量知识，但如果不把这些知识写下来，就会增加协作难度，也会让未来的团队无法了解早期决策背后的依据。卡特拉加达认为，人工智能可以帮助让文档记录更加一致，而不是取代工程师自身的理解。

为什么经验在人工智能时代依然重要

卡特拉加达提醒年轻工程师，不要把人工智能作为获取专业知识的第一来源。他表示，在职业生涯早期，人们需要学习底层领域知识，而不能依赖捷径。对数据、硬件和运行环境的经验，能让工程师提出更好的问题，并判断答案是否可靠。

人工智能可以通过解释艰深理论、帮助查找相关信息以及建议获得实践经验的途径来支持学习。它也能协助编程、分析和书面记录。但工程师仍需负责确定问题、理解关键故障点，并决定哪些方面需要较早期系统有所改进。

当一个系统同时包含硬件和软件时，这种责任尤其重要。工程师在开始时可能并不了解每个细节，但他们应能够研究技术文档、调查故障，并测试某种算法是否能在为其设计的设备上正常运行。卡特拉加达的立场是，工程师不应简单接受人工智能生成的结果；他们需要对结果进行核查，并对最终成果负责。

飞机发动机的一个例子说明了领域知识的价值。涡轮叶片上有不同类型的孔。有些孔用于冷却，另一些则用于减轻重量，并帮助提高推重比，同时不削弱结构强度。理解这些特征为何存在，不能只靠生成一个看似合理的解释：这需要掌握相关工程问题，以及塑造设计方案的各种约束条件。

已在使用的人工智能应用

Myelin Foundry的产品展示了卡特拉加达认为人工智能能够助力实现的工程类型。该公司的一套系统可将视频带宽需求降低约40%。或者，它也可以提升低分辨率视频的画质，以便在现代显示器上使用。带宽降低意味着内容传输成本也相应下降，目前该系统正被数家国际OTT流媒体公司使用。

该公司还开发了一套车辆后视摄像头系统，旨在让夜间影像看起来更接近日光下的观看效果。其目标是帮助驾驶员在倒车时看得更清楚。卡特拉加达还提到的其他应用包括检测异常、预测维护需求以及生成文档。

这些例子凸显了他的更广泛观点：有用的人工智能工程并不只是向模型请求一个通用答案。它需要理解技术必须运行于其中的物理设备、软件、数据以及环境限制。人工智能或许能拓展工程师的能力范围，但基本功、实践测试以及对最终系统的责任担当仍不可或缺。