تطبيق الذكاء الاصطناعي في خطوط الإنتاج، يبدو سهلاً ولكنه صعب

وبحسب الخبراء فإن التحدي الأكبر في تطوير الذكاء الاصطناعي لصناعة أشباه الموصلات اليوم هو كيفية جعل النموذج يعمل بدقة وثبات على خط الإنتاج.

خبراء يطبقون الذكاء الاصطناعي في تطوير رقائق أشباه الموصلات - صورة: UMICH

كان هذا موضوعًا بارزًا في ورشة العمل "حلول الذكاء الاصطناعي في صناعة أشباه الموصلات" التي نظمها مركز الابتكار التابع لإدارة العلوم والتكنولوجيا في مدينة هوشي منه بعد ظهر يوم 5 أغسطس.

ركز الخبراء على إيجاد إمكانيات التنفيذ العملي في بيئات الإنتاج، وهو ما يعتبر العائق الأكبر اليوم.

قال الخبير دونج كوانج هوي - المهندس من شركة أسينداس سيستمز - إنه في خطوط الإنتاج الحديثة، وخاصة خطوط إنتاج أشباه الموصلات، هناك حاجة إلى نماذج الذكاء الاصطناعي للكشف عن الأخطاء في الإنتاج.

على سبيل المثال، يستطيع المهندسون استخدام أدوات مثل Deep Network Designer لبناء الشبكات العصبية وتصورها وضبطها، أو Classification Learner لتجربة خوارزميات مختلفة واختيار النموذج الذي يناسب مجموعات البيانات في العالم الحقيقي بشكل أفضل.

وبحسب السيد هوي، فإن الصعوبة تكمن في ما إذا كان النموذج لا يزال قادرًا على الحفاظ على نفس الدقة كما هو الحال في المختبر عند نقل النموذج من بيئة التدريب إلى خط إنتاج حقيقي.

لأن الخوارزميات يمكن أن تحقق دقة تصل إلى 99% في بيئة محاكاة، ولكنها تفوت عيوب المنتج الحقيقية على خط التجميع لأسباب بسيطة مثل الوهج أو الغبار أو دوران أحد المكونات قليلاً.

وأكد السيد هوي أن "التحدي في تطوير الذكاء الاصطناعي لا يكمن في الخوارزمية، بل من المختبر إلى الواقع".

الخبير دونج كوانج هوي يقدم عرضًا في ورشة العمل - الصورة: TRONG NHAN

وبحسب الخبراء فإن أحد الحلول الأساسية والحاسمة هو توحيد بيانات الإدخال وبناء مجموعات بيانات تدريبية دقيقة.

نظرًا لأن معظم الأخطاء في نشر النموذج تأتي من بيانات إدخال غير متسقة، مثل الصور المفرطة التعرض أو المشوهة أو غير الواضحة، أو ظروف الإضاءة المختلفة عن بيئة التدريب، أو المكونات النازحة قليلاً.

ولحل هذه المشكلة، يوصي الخبير دوونغ كوانغ هوي بتوحيد بيانات الصورة قبل التدريب، بما في ذلك خطوات مثل موازنة الضوء، وضبط الزوايا، وتعزيز التباين، وإزالة الضوضاء.

وفي الوقت نفسه، تساعد العلامات الدقيقة باستخدام الأدوات أو مزيج من العلامات اليدوية والآلية النموذج على تعلم الخصائص الحقيقية للخطأ، بدلاً من الانزعاج من الميزات غير ذات الصلة.

خلال الفعالية أيضًا، أشار الخبير تران كيم دوي لان، المدير الإقليمي لشركة نافاجيس، إلى مفارقة أخرى في تطوير الذكاء الاصطناعي. فمن جهة، يُمكن للذكاء الاصطناعي أن يُساعد في تقليل وقت تصميم الرقائق بنسبة 30% وزيادة إنتاجية المصانع بنسبة تصل إلى 25%. ومن جهة أخرى، من المتوقع أن تستهلك مراكز البيانات التي تعمل بالذكاء الاصطناعي ما يصل إلى 21% من الكهرباء العالمية بحلول عام 2030.

في هذا السياق، أكد السيد لان على أهمية التحول من نماذج الذكاء الاصطناعي المركزية إلى نماذج موزعة على الجهاز، وتحديدًا الذكاء الاصطناعي المحيطي والذكاء الاصطناعي المدمج. ويُعتبر هذا توجهًا استراتيجيًا لضمان الاستدامة.

مع الذكاء الاصطناعي الطرفي، تُعالَج البيانات مباشرةً على الجهاز، مثل الكاميرا الذكية أو المتحكم الدقيق أو اللوحة المدمجة، بدلاً من نقلها بالكامل إلى السحابة. يُقلِّل هذا من عرض النطاق الترددي للإرسال، مع تقليل زمن الوصول، وزيادة الخصوصية، والأهم من ذلك، تقليل استهلاك الطاقة لكل مهمة بمقدار 100-1000 مرة، بفضل الاستغناء عن خطوات المعالجة الوسيطة.

حجم سوق الذكاء الاصطناعي العالمي يصل إلى 1,811 مليار دولار أمريكي

وفي المؤتمر، استعرض الخبراء أحدث التقارير حول تطور الذكاء الاصطناعي، حيث من المتوقع أن يصل حجم السوق العالمية إلى 1,811 مليار دولار أمريكي بحلول عام 2030. وفي الوقت نفسه، تهدف صناعة أشباه الموصلات إلى الوصول إلى علامة 1,000 مليار دولار أمريكي في الوقت نفسه.

في الوقت الحاضر، يُعتقد أن الجمع بين الذكاء الاصطناعي وأشباه الموصلات سيشكل "دفعة مزدوجة" للثورة الصناعية الجديدة، خاصة عندما تعمل اتجاهات الذكاء الاصطناعي النشط والذكاء الاصطناعي متعدد الوسائط والذكاء الاصطناعي التوليدي والمستدام على إعادة تشكيل احتياجات تصميم الرقائق وتحسينها واختبارها.

وزن

المصدر: https://tuoitre.vn/ung-dung-ai-trong-day-chuyen-san-xuat-tuong-de-ma-kho-20250805160542772.htm