ອຸດສາຫະກໍາ semiconductor ມີການປ່ຽນແປງຢ່າງໄວວາຍ້ອນປັນຍາປະດິດ.

ກປ.ອອນໄລ - ຕອນເຊົ້າວັນທີ 12 ມີນາ, ທີ່ກອງປະຊຸມສາກົນກ່ຽວກັບປັນຍາປະດິດ ແລະ ເຊມິຄອນດັກເຕີ (AISC) 2025 ໄດ້ຈັດຂຶ້ນໃນຕອນເຊົ້າວັນທີ 12 ມີນາ, ໂດຍ Aitomatic (ອາເມລິກາ) ແລະ ສູນປະດິດສ້າງແຫ່ງຊາດ (NIC) ຢູ່ຮ່າໂນ້ຍ, ຜູ້ຊ່ຽວຊານດ້ານເຕັກໂນໂລຢີໄດ້ປຶກສາຫາລືກ່ຽວກັບການພົວພັນທີ່ເປັນມູນເຊື້ອໃນການພັດທະນາປັນຍາປະດິດ (AI) ແລະ semiconductors.

ທີ່​ກອງ​ປະຊຸມ, ບັນດາ​ຄວາມ​ເຫັນ​ໄດ້​ຢືນຢັນ​ວ່າ AI ​ແລະ semiconductors ປະຈຸ​ບັນ​ແມ່ນ​ເສົາ​ຄ້ຳ​ສຳລັບ​ອະນາຄົດ​ຂອງ​ພື້ນຖານ ​ເສດຖະກິດ ​ດີ​ຈີ​ຕອນ. ໂດຍສະເພາະ, ສອງອົງປະກອບ "AI" ແລະ "Semiconductor" ໄປຄຽງຄູ່ກັນ. ແນ່ນອນທີ່ສຸດ, AI ຊ່ວຍອັດຕະໂນມັດຂະບວນການຜະລິດ semiconductor, ຄາດຄະເນແລະກວດພົບຂໍ້ບົກພ່ອງຂອງຜະລິດຕະພັນ, ປັບປຸງຄຸນນະພາບການຜະລິດແລະປະສິດທິພາບ.

ທ່ານ Christopher Nguyen - CEO ຂອງ Aitomatic, ຍົກ​ຕົວ​ຢ່າງ, ຮອດ​ປີ 2030, ບາງ​ໂຮງ​ງານ​ຜະ​ລິດ, ພິ​ເສດ​ແມ່ນ​ບັນ​ດາ​ໂຮງ​ງານ​ຜະ​ລິດ​ທີ່​ກ້າວ​ໜ້າ, ຈະ​ຮຽກ​ຮ້ອງ​ໃຫ້​ມີ​ມາດ​ຕະ​ຖານ​ເຂັ້ມ​ງວດ​ກວ່າ. ສໍາລັບຕົວຢ່າງ, ໃນຂະບວນການປຸງແຕ່ງ plasma, ຕົວກໍານົດການເຊັ່ນ: ເສັ້ນຜ່າສູນກາງນໍ້າມັນເຊື້ອໄຟ, ຄວາມກົດດັນ, ອຸນຫະພູມແລະຫຼາຍສິບຂອງປັດໃຈອື່ນໆເພື່ອຮັບປະກັນຄວາມຖືກຕ້ອງໃກ້ຄຽງ. AI ຈະປະກອບສ່ວນໃນການຮັບປະກັນຄວາມຖືກຕ້ອງນີ້.

ທ່ານກ່າວວ່າ "AI ບໍ່ສາມາດພັດທະນາໄດ້ໂດຍບໍ່ມີສານ semiconductors, ແລະໃນທາງກັບກັນ, ອຸດສາຫະກໍາ semiconductor ມີການປ່ຽນແປງຢ່າງໄວວາຍ້ອນຄວາມກ້າວຫນ້າໃນ AI. ມັນເປັນຄວາມສໍາພັນທີ່ສົມມຸດຕິຖານທີ່ທັງສອງຊຸກຍູ້ເຊິ່ງກັນແລະກັນ,".

ທ່ານ Christopher Nguyen, CEO ຂອງ Aitomatic ກ່າວຄໍາເຫັນທີ່ກອງປະຊຸມ.

ກ່ຽວ​ກັບ​ຮູບ​ພາບ​ເຕັກ​ໂນ​ໂລ​ຊີ​ທົ່ວ​ໄປ, ທ່ານ Christopher Nguyen ອ້າງ​ຕາມ​ກົດ​ໝາຍ​ຂອງ Moore, ຢືນ​ຢັນ​ວ່າ ຄວາມ​ໄວ​ພັດ​ທະ​ນາ​ຂອງ AI ແລະ semiconductors ແມ່ນ​ໄວ​ທີ່​ສຸດ. ທຸກໆ 18 ເດືອນ, ເຕັກໂນໂລຢີ microprocessor ມີການປັບປຸງທີ່ສໍາຄັນ.

ສໍາລັບຕະຫຼາດ, ໂລກ ກໍາລັງເຫັນການຂະຫຍາຍຕົວທີ່ໂດດເດັ່ນດ້ວຍຄວາມຕ້ອງການສໍາລັບຊິບປະມວນຜົນ AI ຄາດວ່າຈະສືບຕໍ່ເພີ່ມຂຶ້ນຢ່າງຫຼວງຫຼາຍໃນຊຸມປີຂ້າງຫນ້າ. ບັນດາ​ປະ​ເທດ​ເຊັ່ນ​ອາ​ເມ​ລິ​ກາ, ຈີນ, ຍີ່​ປຸ່ນ, ​ແລະ ສ.​ເກົາຫຼີ ພວມ​ເພີ່ມ​ທະວີ​ການ​ລົງທຶນ​ໃນ​ຂົງ​ເຂດ​ນີ້. ການແຂ່ງຂັນລະຫວ່າງປະເທດຊັ້ນນໍາທາງດ້ານເຕັກໂນໂລຢີແມ່ນໂຫດຮ້າຍທີ່ສຸດ.

ໃນຂົງເຂດການຜະລິດຊິບ, ນາງ Anna Goldie - ນັກຄົ້ນຄວ້າ ວິທະຍາສາດ ອາວຸໂສ, Google - ໃຫ້ຄໍາເຫັນວ່າໃນຂະນະທີ່ຄວາມຕ້ອງການຂອງຄອມພິວເຕີ້ຂອງ AI ກໍາລັງເຕີບໂຕຢ່າງບໍ່ຢຸດຢັ້ງ, ຄວາມສາມາດຂອງຮາດແວບໍ່ໄດ້ຮັກສາ, ສ້າງຊ່ອງຫວ່າງທີ່ເພີ່ມຂຶ້ນ. ເພື່ອແກ້ໄຂບັນຫານີ້, ເຕັກໂນໂລຢີ AI ໃຫມ່ເຊັ່ນ AlphaChip - ວິທີການອອກແບບຊິບ AI - ໄດ້ຖືກນໍາສະເຫນີ. ນາງກ່າວວ່າຂໍຂອບໃຈກັບຄໍາຮ້ອງສະຫມັກຂອງ AI, ຂະບວນການອອກແບບຊິບໄດ້ຖືກເລັ່ງຢ່າງບໍ່ຫນ້າເຊື່ອ, ໃນຂະນະທີ່ຊ່ວຍຫຼຸດຜ່ອນຄ່າໃຊ້ຈ່າຍແລະເພີ່ມປະສິດທິພາບການເຮັດວຽກ.

"ເພື່ອຂຸດຄົ້ນທ່າແຮງຂອງ AI ຢ່າງສົມບູນ, ພວກເຮົາຈໍາເປັນຕ້ອງໄດ້ຫຼຸດຮອບວຽນການອອກແບບຊິບ, ປັບປຸງລະບົບສູດການຄິດໄລ່ແລະນໍາໃຊ້ຂໍ້ມູນຫຼາຍທີ່ສຸດ. ໃນອະນາຄົດ, AI ບໍ່ພຽງແຕ່ຈະຊ່ວຍປັບປຸງຮາດແວເທົ່ານັ້ນ, ແຕ່ຍັງປະກອບສ່ວນເຂົ້າໃນການພັດທະນາໃນຫຼາຍຂົງເຂດອື່ນໆ, ຈາກການດູແລສຸຂະພາບ, ການເງິນກັບການຜະລິດອຸດສາຫະກໍາ, "ນາງ Anna Goldie ກ່າວ.

ໂດຍສະເພາະ, ນາງ Anna Goldie ໄດ້ແນະນໍາວິທີການ AlphaChip ທີ່ໃຊ້ AI ເພື່ອເພີ່ມປະສິດທິພາບການຈັດວາງຂອງອົງປະກອບໃນຊິບ, ຊ່ວຍຫຼຸດຜ່ອນຄວາມລ່າຊ້າ, ປະຫຍັດພະລັງງານແລະເພີ່ມປະສິດທິພາບພື້ນທີ່ການຜະລິດ. AI ສາມາດປັບປຸງຂະບວນການອອກແບບຊິບໂດຍການຫຼຸດຜ່ອນເວລາແລະປັບປຸງການປະຕິບັດຜະລິດຕະພັນ. AlphaChip ໄດ້ຖືກນໍາໃຊ້ກັບ TPUs ຂອງ Google ລຸ້ນທີ່ຜ່ານມາ, ນໍາເອົາປະສິດທິພາບທີ່ສໍາຄັນເມື່ອທຽບກັບວິທີການອອກແບບແບບດັ້ງເດີມ.

​ໃນ​ຂະນະ​ນັ້ນ, ທ່ານ ​ເຈີ່ນ​ແທ່ງ​ລອງ, ສາດສະດາຈານ​ມະຫາວິທະຍາ​ໄລ Warwick ​ໄດ້​ແບ່ງປັນ​ບັນດາ​ຄວາມ​ມານະ​ພະຍາຍາມ​ໃນ​ທົ່ວ​ໂລກ​ທີ່​ພວມ​ໜູນ​ຊ່ວຍ​ເພີ່ມ​ທະວີ​ກຳລັງ​ແຮງ​ຂອງ AI ​ແລະ ເຕັກ​ໂນ​ໂລ​ຢີ semiconductor. ຕົວຢ່າງ, ລາວໄດ້ກ່າວເຖິງວິທີການນໍາໃຊ້ຮ້ານເກັບຮັກສາຄວາມຊົງຈໍາແລະທິດສະດີ Bayes ເພື່ອປັບປຸງປະສິດທິພາບແລະຂະຫນາດຂອງປັນຍາປະດິດ (AI). ເກັບຮັກສາຄວາມຊົງຈໍາຊ່ວຍໃຫ້ AI ຈື່ຈໍາຂໍ້ມູນເປັນເວລາດົນນານແລະນໍາໃຊ້ຂໍ້ມູນທີ່ຜ່ານມາເພື່ອເພີ່ມປະສິດທິພາບການຕັດສິນໃຈ.

"ທິດສະດີ Bayesian ຊ່ວຍໃຫ້ AI ປັບຄວາມເປັນໄປໄດ້ຂອງການຄາດຄະເນໂດຍອີງໃສ່ຂໍ້ມູນໃຫມ່, ຊ່ວຍໃຫ້ລະບົບຮຽນຮູ້ໄດ້ໄວຂຶ້ນແລະມີປະສິດທິພາບຫຼາຍ.

ນອກຈາກນັ້ນ, ວິທີການນີ້ຊ່ວຍໃຫ້ AI ເຮັດວຽກໄດ້ງ່າຍຂຶ້ນໃນຂົງເຂດຕ່າງໆເຊັ່ນ: ການດູແລສຸຂະພາບ, ການຜະລິດອຸດສາຫະກໍາ, ແລະອັດຕະໂນມັດ. ໂດຍສະເພາະ, AI ສາມາດປະມວນຜົນຂໍ້ມູນໄດ້ດີກວ່າໂດຍບໍ່ຕ້ອງອີງໃສ່ສູນຂໍ້ມູນຂະຫນາດໃຫຍ່ເກີນໄປ, ປະຫຍັດຄ່າໃຊ້ຈ່າຍແລະຊັບພະຍາກອນ. ດັ່ງນັ້ນ, ລະບົບຕ່າງໆຈຶ່ງສະຫຼາດຂຶ້ນ, ມີປະສິດທິພາບຫຼາຍຂຶ້ນ, ແລະການປັບຕົວຕົນເອງໂດຍບໍ່ຈໍາເປັນຕ້ອງມີຂໍ້ມູນຈໍານວນຫຼວງຫຼາຍ.

ນາງ Ngan Vu ຈາກ Google DeepMind ແນະນໍາທິດທາງການຄົ້ນຄວ້າທີ່ສະເຫນີການນໍາໃຊ້ເຄືອຂ່າຍ Neural Networks ເພື່ອສ້າງການອອກແບບວົງຈອນຕາມເຫດຜົນທີ່ມີປະສິດທິພາບ. ໂດຍການນໍາໃຊ້ເຕັກນິກການຫມູນວຽນແບບຈໍາລອງແລະເຕັກນິກການເພີ່ມປະສິດທິພາບອື່ນໆ, ທີມງານຜູ້ຊ່ຽວຊານຂອງນາງມີຈຸດປະສົງເພື່ອເຮັດໃຫ້ວົງຈອນການອອກແບບວົງຈອນສັ້ນລົງຈາກຄວາມຄິດໄປສູ່ຜະລິດຕະພັນຕົວຈິງ.

ຫນຶ່ງໃນສິ່ງທ້າທາຍທີ່ສໍາຄັນແມ່ນການດຸ່ນດ່ຽງຄວາມຖືກຕ້ອງແລະການປະຕິບັດຂອງວົງຈອນ, ໃຫ້ແນ່ໃຈວ່າການອອກແບບບໍ່ພຽງແຕ່ເຮັດວຽກຢ່າງຖືກຕ້ອງ, ແຕ່ຍັງປະຫຍັດຊັບພະຍາກອນ. ຢ່າງໃດກໍຕາມ, ຖ້າຫາກວ່າຊ່ອງຫວ່າງລະຫວ່າງຊອບແວ AI ແລະຮາດແວສາມາດແຄບລົງ, ມັນຈະເປີດໂອກາດໃຫມ່ຈໍານວນຫຼາຍໃນອຸດສາຫະກໍາ semiconductor. ທ່ານນາງ ຫງວນ ວູ ກ່າວວ່າ: “ການນຳໃຊ້ AI ເຂົ້າໃນການອອກແບບວົງຈອນໃຫ້ຄຳໝັ້ນສັນຍາວ່າ ຈະປ່ຽນວິທີການດຳເນີນງານຂອງອຸດສາຫະກຳເຊມິຄອນດັກເຕີ້, ຊ່ວຍເລັ່ງຂະບວນການພັດທະນາ ແລະ ສະໜອງການອອກແບບທີ່ເໝາະສົມທີ່ສຸດ”.