2026年3月24日18:00，由交通学院主办的同济高等讲堂第64讲在同心楼224室成功举办。本次讲座特别邀请了国际电气电子工程师学会会士（IEEE Fellow）、国际预测与健康管理学会会士（PHM Fellow）、亚太人工智能协会会士（AAIA Fellow）、质量与可靠性领域的国际知名专家Zio Enrico教授，为在场师生作题为“AI赋能系统可靠性分析、故障预测与健康管理（PHM）及风险评估：技术前沿与产业实践”的主题报告。

Zio Enrico教授是意大利米兰理工大学能源学院全职教授、博导，曾任欧洲安全可靠性协会主席、米兰理工大学研究生院院长，并荣获德国洪堡基金。他于1995年和1998年分别在意大利米兰理工大学和美国麻省理工学院获得博士学位，长期从事可靠性、可维护性、预测性、安全性、脆弱性、弹性和安全特性建模的基础理论与应用技术研究，整合了运筹学、统计学、管理学、经济学、电气工程、控制科学与工程等多个领域的理论与方法，构建了全新的多学科交叉融合的质量与可靠性理论及应用格局。其研究成果成功应用于意大利、法国、中国等多个国家的核电厂、能源、电气等基础设施建设，发表高水平论文近2000篇，总引用次数超过50000次，谷歌学术H指数高达107，在世界科学家中排名前2%。

在讲座中，Zio Enrico教授深入探讨了人工智能技术在系统可靠性分析和风险评估领域的创新贡献与应用前景。他指出，随着工业系统日益复杂化，传统的可靠性分析方法正面临数据维度高、不确定性因素多、实时性要求强等严峻挑战，而AI技术的引入为解决这些问题提供了全新路径。教授系统阐述了工业界如何利用AI辅助分析决策，包括基于机器学习的故障预测与健康管理（PHM）、智能风险评估模型的构建，以及AI驱动的维护策略优化等核心内容。

随后，Zio Enrico教授重点剖析了多项前沿技术方向，如自然语言处理（NLP）技术在非结构化故障文本挖掘与知识抽取中的应用、元学习（Meta-Learning）在小样本故障场景下的快速适应能力，以及数字孪生（Digital Twin）技术与AI融合实现的全生命周期可靠性仿真等。他结合核反应堆冷却泵故障检测、核电站蒸汽发生器退化分析等具体工业案例，详细展示了自联想核回归、卷积去噪自编码器结合单类支持向量机（CDAE-OCSVM）、多分支深度神经网络等先进方法在实际工程中的成功应用。

教授还深入讨论了这些技术在工程实践中面临的挑战，如数据质量与可解释性、模型泛化能力、人机协同决策机制等关键问题，并结合典型案例分享了相应的解决方法与最佳实践。他强调，AI模型虽可预测系统故障，但关停系统成本高昂，必须确保决策可靠性，不能仅依赖“黑箱”算法，这为在场师生提供了极具价值的工程伦理思考。

在互动问答环节，Zio Enrico教授针对同学们提出的关于多源数据融合难题、小样本条件下的模型训练策略、以及可信AI在工业系统中的实现路径等问题作出了耐心而深入的解答。他鼓励同学们积极拥抱AI带来的技术变革，夯实跨学科知识基础，在未来的研究和工作中保持严谨求实的科学精神。讲座在热烈而持久的掌声中圆满结束。