ការអនុវត្ត AI នៅក្នុងខ្សែសង្វាក់ផលិតកម្ម ហាក់ដូចជាងាយស្រួល ប៉ុន្តែពិបាក

យោងតាមអ្នកជំនាញ បញ្ហាប្រឈមដ៏ធំបំផុតក្នុងការអភិវឌ្ឍន៍ AI សម្រាប់ឧស្សាហកម្ម semiconductor នាពេលបច្ចុប្បន្ននេះ គឺរបៀបធ្វើឱ្យម៉ូដែលដំណើរការបានត្រឹមត្រូវ និងមានស្ថេរភាពនៅលើខ្សែសង្វាក់ផលិតកម្ម។

អ្នកជំនាញអនុវត្ត AI ក្នុងការអភិវឌ្ឍន៍បន្ទះឈីប semiconductor - រូបថត៖ UMICH

នេះជាប្រធានបទលេចធ្លោក្នុងសិក្ខាសាលា “ដំណោះស្រាយបញ្ញាសិប្បនិមិត្ត (AI) ក្នុងឧស្សាហកម្ម Semiconductor” ដែលរៀបចំដោយមជ្ឈមណ្ឌលច្នៃប្រឌិត នាយកដ្ឋាន វិទ្យាសាស្ត្រ និងបច្ចេកវិទ្យានៃទីក្រុងហូជីមិញ នារសៀលថ្ងៃទី៥ ខែសីហា។

អ្នកជំនាញបានផ្តោតលើការស្វែងរកសមត្ថភាពអនុវត្តជាក់ស្តែងនៅក្នុងបរិយាកាសផលិតកម្ម ដែលត្រូវបានចាត់ទុកថាជាឧបសគ្គដ៏ធំបំផុតនាពេលបច្ចុប្បន្ននេះ។

អ្នកជំនាញ Duong Quang Huy - វិស្វករមកពី Ascendas Systems - បាននិយាយថា នៅក្នុងខ្សែផលិតកម្មទំនើប ជាពិសេសខ្សែសង្វាក់ផលិតកម្ម semiconductor ម៉ូដែល AI ត្រូវបានទាមទារដើម្បីរកមើលកំហុសក្នុងផលិតកម្ម។

ឧទាហរណ៍ វិស្វករអាចប្រើឧបករណ៍ដូចជា Deep Network Designer ដើម្បីបង្កើត មើលឃើញ និងសម្រួលបណ្តាញសរសៃប្រសាទ ឬ Classification Learner ដើម្បីសាកល្បងក្បួនដោះស្រាយផ្សេងៗ ហើយជ្រើសរើសគំរូដែលសាកសមបំផុតជាមួយសំណុំទិន្នន័យក្នុងពិភពពិត។

យោងតាមលោក ហ៊ុយ ការលំបាកគឺស្ថិតនៅត្រង់ថាតើម៉ូដែលនៅតែអាចរក្សាភាពត្រឹមត្រូវដូចនៅក្នុងមន្ទីរពិសោធន៍ នៅពេលផ្ទេរម៉ូដែលពីបរិយាកាសបណ្តុះបណ្តាលទៅកាន់ខ្សែសង្វាក់ផលិតកម្មពិតប្រាកដ។

ដោយសារតែក្បួនដោះស្រាយអាចសម្រេចបាននូវភាពត្រឹមត្រូវ 99% នៅក្នុងបរិយាកាសក្លែងធ្វើ ប៉ុន្តែខកខានផលិតផលពិតប្រាកដនៅលើបន្ទាត់ដំឡើងសម្រាប់ហេតុផលសាមញ្ញដូចជាពន្លឺចាំង ធូលី ឬសមាសធាតុត្រូវបានបង្វិលបន្តិច។

លោក ហ៊ុយ បាន​បញ្ជាក់​ថា​៖ «​បញ្ហា​ប្រឈម​ក្នុង​ការ​អភិវឌ្ឍ AI មិន​ស្ថិត​នៅ​ក្នុង​ក្បួន​ដោះស្រាយ​ទេ ប៉ុន្តែ​ក្នុង​ការ​ផ្លាស់​ប្តូរ​ពី​មន្ទីរ​ពិសោធន៍​ទៅ​កាន់​ការពិត។

អ្នកជំនាញ Duong Quang Huy បង្ហាញក្នុងសិក្ខាសាលា - រូបថត៖ TRONG NHAN

យោងតាមអ្នកជំនាញ ដំណោះស្រាយជាមូលដ្ឋាន និងការសម្រេចចិត្តមួយគឺ ការធ្វើស្តង់ដារទិន្នន័យបញ្ចូល និងបង្កើតសំណុំទិន្នន័យបណ្តុះបណ្តាលត្រឹមត្រូវ។

ដោយសារកំហុសភាគច្រើនក្នុងការដាក់ពង្រាយគំរូបានមកពីទិន្នន័យបញ្ចូលមិនស៊ីសង្វាក់គ្នា ដូចជារូបភាពដែលហួសហេតុពេក បង្ខូចទ្រង់ទ្រាយ ការផ្តោតអារម្មណ៍ មានលក្ខខណ្ឌពន្លឺខុសពីបរិយាកាសហ្វឹកហាត់ ឬមានធាតុផ្សំដែលផ្លាស់ប្តូរទីលំនៅបន្តិច។

ដើម្បីដោះស្រាយបញ្ហានេះ អ្នកជំនាញ Duong Quang Huy ណែនាំឱ្យធ្វើស្តង់ដារទិន្នន័យរូបភាពមុនពេលហ្វឹកហាត់ រួមទាំងជំហានដូចជា តុល្យភាពពន្លឺ លៃតម្រូវមុំ បង្កើនកម្រិតពណ៌ និងលុបសំឡេងរំខាន។

ក្នុងពេលជាមួយគ្នានេះ ការដាក់ស្លាកត្រឹមត្រូវដោយប្រើឧបករណ៍ ឬការរួមបញ្ចូលគ្នានៃការដាក់ស្លាកដោយដៃ និងស្វ័យប្រវត្តិជួយឱ្យម៉ូដែលរៀនពីលក្ខណៈពិតនៃពិការភាព ជំនួសឱ្យការរំខានដោយលក្ខណៈពិសេសដែលមិនពាក់ព័ន្ធ។

នៅក្នុងព្រឹត្តិការណ៍នេះដែរ អ្នកជំនាញ Tran Kim Duy Lan ដែលជានាយកប្រចាំប្រទេសនៃ Navagis បានចង្អុលបង្ហាញពីភាពផ្ទុយគ្នាមួយទៀតនៅក្នុងការអភិវឌ្ឍន៍ AI ។ ម៉្យាងវិញទៀត AI អាចជួយកាត់បន្ថយពេលវេលារចនាបន្ទះឈីប 30% និងបង្កើនផលិតភាពរោងចក្ររហូតដល់ 25%។ ម៉្យាងវិញទៀត មជ្ឈមណ្ឌលទិន្នន័យដែលដំណើរការ AI ត្រូវបានគេរំពឹងថានឹងប្រើប្រាស់ថាមពលអគ្គិសនីដល់ទៅ 21% នៃពិភពលោកនៅឆ្នាំ 2030។

នៅក្នុងបរិបទនោះ លោក Lan បានសង្កត់ធ្ងន់លើសារៈសំខាន់នៃការផ្លាស់ប្តូរពីគំរូ AI កណ្តាលទៅម៉ូដែលចែកចាយនៅឧបករណ៍ ជាពិសេស Edge AI និង AI នៅលើឧបករណ៍។ នេះ​ត្រូវ​បាន​គេ​ចាត់​ទុក​ថា​ជា​និន្នាការ​យុទ្ធសាស្ត្រ​ដើម្បី​ធានា​និរន្តរភាព។

ជាមួយនឹង Edge AI ទិន្នន័យត្រូវបានដំណើរការភ្លាមៗនៅលើឧបករណ៍ ដូចជាកាមេរ៉ាឆ្លាតវៃ ឧបករណ៍បញ្ជាមីក្រូ ឬបន្ទះដែលបានបង្កប់ ជំនួសឱ្យការបញ្ជូនទាំងស្រុងទៅកាន់ពពក។ នេះអាចកាត់បន្ថយកម្រិតបញ្ជូនបញ្ជូន ខណៈពេលដែលកាត់បន្ថយភាពយឺតយ៉ាវ បង្កើនភាពឯកជន និងសំខាន់បំផុតគឺកាត់បន្ថយការប្រើប្រាស់ថាមពលក្នុងមួយកិច្ចការដោយ 100-1,000 ដង ដោយសារការលុបបំបាត់ជំហានដំណើរការកម្រិតមធ្យម។

ទំហំទីផ្សារ AI សកលឈានដល់ 1,811 ពាន់លានដុល្លារ

នៅក្នុងសន្និសីទនេះ អ្នកជំនាញក៏បានធ្វើបច្ចុប្បន្នភាពរបាយការណ៍ចុងក្រោយស្តីពីការអភិវឌ្ឍន៍ AI ដោយទំហំទីផ្សារពិភពលោករំពឹងថានឹងឈានដល់ 1,811 ពាន់លានដុល្លារនៅឆ្នាំ 2030។ ទន្ទឹមនឹងនោះ ឧស្សាហកម្ម semiconductor មានបំណងឈានដល់ 1,000 ពាន់លានដុល្លារក្នុងពេលតែមួយ។

នាពេលបច្ចុប្បន្ននេះ ការរួមបញ្ចូលគ្នានៃ AI និង semiconductors ត្រូវបានចាត់ទុកថាបង្កើត "ការជំរុញទ្វេរដង" សម្រាប់បដិវត្តន៍ឧស្សាហកម្មថ្មី ជាពិសេសនៅពេលដែលនិន្នាការនៃ AI សកម្ម AI ពហុម៉ូឌុល និង AI ជំនាន់ថ្មី និងនិរន្តរភាពកំពុងផ្លាស់ប្តូរតម្រូវការសម្រាប់ការរចនាបន្ទះឈីប ការបង្កើនប្រសិទ្ធភាព និងការធ្វើតេស្ត។

ទម្ងន់

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