ការអនុវត្ត AI នៅក្នុងខ្សែផលិតកម្ម 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 ដើម្បីពិសោធន៍ជាមួយក្បួនដោះស្រាយផ្សេងៗ ហើយជ្រើសរើសគំរូដែលសាកសមបំផុតជាមួយសំណុំទិន្នន័យក្នុងពិភពពិត។

យោងតាមលោក ហ៊ុយ ការលំបាកគឺស្ថិតនៅត្រង់ថាតើម៉ូដែលនៅតែអាចរក្សាភាពត្រឹមត្រូវដូចនៅក្នុងមន្ទីរពិសោធន៍ នៅពេលផ្ទេរម៉ូដែលពីបរិយាកាសបណ្តុះបណ្តាលទៅកាន់ខ្សែសង្វាក់ផលិតកម្មពិតប្រាកដ។

ដោយសារតែក្បួនដោះស្រាយអាចសម្រេចបាននូវភាពត្រឹមត្រូវ 99% នៅក្នុងបរិយាកាសក្លែងធ្វើ ប៉ុន្តែខកខានផលិតផលពិតប្រាកដនៅលើបន្ទាត់ដំឡើងសម្រាប់ហេតុផលសាមញ្ញដូចជាពន្លឺចាំង ធូលី ឬសមាសធាតុត្រូវបានបង្វិលបន្តិច។

លោក ហ៊ុយ បញ្ជាក់​ថា​៖ «​បញ្ហា​ប្រឈម​ក្នុង​ការ​អភិវឌ្ឍ AI មិន​ស្ថិត​នៅ​ក្នុង​ក្បួន​ដោះស្រាយ​ទេ ប៉ុន្តែ​ពី​មន្ទីរ​ពិសោធន៍​ទៅ​ភាព​ជាក់ស្តែង​។

អ្នកជំនាញ Duong Quang Huy មានវត្តមានក្នុងសិក្ខាសាលា - រូបថត៖ TRONG NHAN

យោងតាមអ្នកជំនាញ ដំណោះស្រាយជាមូលដ្ឋាន និងការសម្រេចចិត្តមួយគឺការធ្វើស្តង់ដារទិន្នន័យបញ្ចូល និងបង្កើតសំណុំទិន្នន័យបណ្តុះបណ្តាលត្រឹមត្រូវ។

ដោយសារតែកំហុសភាគច្រើននៅក្នុងការដាក់ពង្រាយគំរូគឺមកពីទិន្នន័យបញ្ចូលដែលមិនស៊ីគ្នា ដូចជារូបភាពដែលបង្ហាញច្រើនពេក ខូចទ្រង់ទ្រាយ ឬមិនផ្តោតអារម្មណ៍ លក្ខខណ្ឌពន្លឺខុសពីបរិយាកាសហ្វឹកហាត់ ឬសមាសធាតុដែលផ្លាស់ទីលំនៅបន្តិច។

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

ក្នុងពេលជាមួយគ្នានេះ ការដាក់ស្លាកត្រឹមត្រូវដោយប្រើឧបករណ៍ ឬការរួមបញ្ចូលគ្នានៃការដាក់ស្លាកដោយដៃ និងស្វ័យប្រវត្តិជួយឱ្យគំរូរៀនពីលក្ខណៈពិតនៃកំហុស ជំនួសឱ្យការរំខានដោយមុខងារដែលមិនពាក់ព័ន្ធ។

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 ហើយសំខាន់បំផុតគឺកាត់បន្ថយការប្រើប្រាស់ថាមពលក្នុងមួយកិច្ចការដោយ 100-1,000 ដង ដោយសារការលុបបំបាត់ជំហានដំណើរការកម្រិតមធ្យម។

ទំហំទីផ្សារ AI សកលឈានដល់ 1,811 ពាន់លានដុល្លារ

នៅក្នុងសន្និសីទនេះ អ្នកជំនាញក៏បានធ្វើបច្ចុប្បន្នភាពរបាយការណ៍ចុងក្រោយស្តីពីការអភិវឌ្ឍន៍ AI ដោយទំហំទីផ្សារពិភពលោករំពឹងថានឹងឈានដល់ 1,811 ពាន់លានដុល្លារនៅឆ្នាំ 2030។ ទន្ទឹមនឹងនេះដែរ ឧស្សាហកម្ម semiconductor មានបំណងឈានដល់ 1,000 ពាន់លានដុល្លារអាមេរិកក្នុងពេលតែមួយ។

នាពេលបច្ចុប្បន្ន 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