我在2020年2月16日写了随笔《人工智能提高数值模拟速度的读后感》，访客薛老师评论道：见解高明！“居高声自远，非是藉秋风”，思路决定出路！
我回复了薛老师，也把回复内容单独整理成一篇博文，参照昨天博文的题目《再谈智能+X的基本要素和实施路径》，把今天回复的内容权且命名为《三谈智能+X的基本要素和实施路径》，希望从我们近30年的研究心得体会和发展历程中能对大家有所启发和助益。
非常感谢薛老师的精彩评论！
我从1992年秋季在西安交大机械工程学院获得免试读研之后就开始了有限元模拟技术研究，持续至今。在不断深化、拓展有限元模拟的同时，深切感受到了其局限性，尤其是模拟仿真的输入初边值条件如何能反映实际问题的初边值条件？模拟仿真的结果（例如各个应力应变场和温度场）如何得到量化的直接验证？如何量化评估模拟仿真的中间过程是准确的？这种日益强化的困惑和巨大压力促使我们掌握了分布式、多物理量、实时在线监测技术，并和我们精通的有限元模拟技术直接紧密地结合起来，相互促进，相得益彰，极大地拓展了我们的视野和深度。
我们在不断深入和拓展应用分布式在线监测技术的过程中，也愈发感觉数值模拟技术（例如，我们精通的有限元模拟技术、熟练使用的分子动力学仿真技术）在实时计算和决策方面的致命问题。而智能+X的绝大多数技术是必然要求实时检测、实时决策、实时控制等“三个实时”的，即对应于计算机的实时输入、实时计算、实时输出。就我对数值模拟技术的理解，在相当长的一段时间内，都很难达到低成本实时计算要求。因此，我认为，以获得验证的数值模拟技术作为人工智能技术的训练手段，则可以把人类社会积累的宝贵知识用于人工智能技术，从而既能解决智能+X的高质量样本难以获得、知其然而不知其所以然的难题，又避免了数值模拟技术的计算速度慢、难以实时解决实际复杂问题、关键时刻总是掉链子的极度尴尬局面。
抛砖引玉，请大家批评指正！
