ການໃຊ້ AI ໃນສາຍການຜະລິດ, ເບິ່ງຄືວ່າງ່າຍແຕ່ຍາກ

ອີງຕາມຜູ້ຊ່ຽວຊານ, ສິ່ງທ້າທາຍທີ່ໃຫຍ່ທີ່ສຸດໃນການພັດທະນາ AI ສໍາລັບອຸດສາຫະກໍາ semiconductor ໃນມື້ນີ້ແມ່ນວິທີການເຮັດໃຫ້ຮູບແບບປະຕິບັດງານຢ່າງຖືກຕ້ອງແລະຫມັ້ນຄົງຢູ່ໃນສາຍການຜະລິດ.

Báo Tuổi Trẻ•05/08/2025

AI - Ảnh 1. — ຜູ້ຊ່ຽວຊານນໍາໃຊ້ AI ໃນການພັດທະນາຊິບ semiconductor - ຮູບພາບ: UMICH

ນີ້ແມ່ນຫົວຂໍ້ທີ່ພົ້ນເດັ່ນໃນກອງປະຊຸມ “ວິທີແກ້ໄຂປັນຍາທຽມ (AI) ໃນອຸດສາຫະກຳ Semiconductor” ໂດຍສູນປະດິດສ້າງ, ກົມ ວິທະຍາສາດ ແລະ ເຕັກໂນໂລຊີ ນະຄອນ ໂຮ່ຈີມິນ ຈັດຕັ້ງໃນຕອນບ່າຍວັນທີ 5/8.

ຜູ້ຊ່ຽວຊານໄດ້ສຸມໃສ່ການຊອກຫາຄວາມສາມາດໃນການປະຕິບັດຕົວຈິງໃນສະພາບແວດລ້ອມການຜະລິດ, ເຊິ່ງຖືວ່າເປັນອຸປະສັກທີ່ໃຫຍ່ທີ່ສຸດໃນມື້ນີ້.

ຜູ້ຊ່ຽວຊານ Duong Quang Huy - ວິສະວະກອນຈາກ Ascendas Systems - ໄດ້ກ່າວວ່າໃນສາຍການຜະລິດທີ່ທັນສະໄຫມ, ໂດຍສະເພາະແມ່ນສາຍການຜະລິດ semiconductor, ຮູບແບບ AI ຈໍາເປັນຕ້ອງກວດພົບຄວາມຜິດພາດໃນການຜະລິດ.

ຕົວຢ່າງ, ວິສະວະກອນສາມາດໃຊ້ເຄື່ອງມືຕ່າງໆ ເຊັ່ນ: Deep Network Designer ເພື່ອສ້າງ, ເຫັນພາບ, ແລະປັບເຄືອຂ່າຍ neural ລະອຽດ, ຫຼື Classification Learner ເພື່ອທົດລອງກັບ algorithms ທີ່ແຕກຕ່າງກັນ ແລະເລືອກຮູບແບບທີ່ເໝາະສົມກັບຊຸດຂໍ້ມູນຕົວຈິງ.

ຕາມທ່ານ ຮ່ວາງຈູງຫາຍ, ຄວາມຫຍຸ້ງຍາກຢູ່ທີ່ຕົວແບບຍັງສາມາດຮັກສາຄວາມຖືກຕ້ອງຄືກັບຫ້ອງທົດລອງເມື່ອໂອນຕົວແບບຈາກສະພາບແວດລ້ອມແຫ່ງການຝຶກອົບຮົມໄປສູ່ສາຍການຜະລິດຕົວຈິງ.

ເນື່ອງຈາກວ່າ algorithms ສາມາດບັນລຸຄວາມຖືກຕ້ອງ 99% ໃນສະພາບແວດລ້ອມ simulated, ແຕ່ພາດຂໍ້ບົກພ່ອງຂອງຜະລິດຕະພັນທີ່ແທ້ຈິງຢູ່ໃນສາຍປະກອບສໍາລັບເຫດຜົນງ່າຍໆເຊັ່ນ: glare, ຂີ້ຝຸ່ນ, ຫຼືອົງປະກອບທີ່ຖືກຫມຸນເລັກນ້ອຍ.

"ສິ່ງທ້າທາຍໃນການພັດທະນາ AI ບໍ່ໄດ້ນອນຢູ່ໃນລະບົບສູດການຄິດໄລ່, ແຕ່ຈາກຫ້ອງທົດລອງໄປສູ່ຄວາມເປັນຈິງ,"

AI - Ảnh 2. — ຊ່ຽວຊານ ດ່າງກວາງຮຸຍ ເຂົ້າຮ່ວມກອງປະຊຸມ - ພາບ: TRONG NHAN

ອີງຕາມຜູ້ຊ່ຽວຊານ, ຫນຶ່ງໃນການແກ້ໄຂພື້ນຖານແລະການຕັດສິນໃຈແມ່ນເພື່ອມາດຕະຖານການປ້ອນຂໍ້ມູນແລະສ້າງຊຸດຂໍ້ມູນການຝຶກອົບຮົມທີ່ຖືກຕ້ອງ.

ເນື່ອງຈາກຄວາມຜິດພາດສ່ວນໃຫຍ່ໃນການນຳໃຊ້ຕົວແບບແມ່ນມາຈາກຂໍ້ມູນການປ້ອນຂໍ້ມູນທີ່ບໍ່ສອດຄ່ອງກັນ, ເຊັ່ນ: ຮູບທີ່ສະແດງຫຼາຍເກີນໄປ, ບິດເບືອນ ຫຼື ໂຟກັສນອກລະບົບ, ສະພາບແສງທີ່ແຕກຕ່າງຈາກສະພາບແວດລ້ອມໃນການຝຶກອົບຮົມ ຫຼື ອົງປະກອບທີ່ປ່ຽນໄປເລັກນ້ອຍ.

ເພື່ອແກ້ໄຂບັນຫານີ້, ຜູ້ຊ່ຽວຊານ Duong Quang Huy ແນະນໍາໃຫ້ມາດຕະຖານຂໍ້ມູນຮູບພາບກ່ອນການຝຶກອົບຮົມ, ລວມທັງຂັ້ນຕອນເຊັ່ນ: ການດຸ່ນດ່ຽງແສງສະຫວ່າງ, ປັບມຸມ, ປັບປຸງຄວາມຄົມຊັດ, ແລະລົບສິ່ງລົບກວນ.

ໃນຂະນະດຽວກັນ, ການຕິດສະຫລາກທີ່ຖືກຕ້ອງໂດຍໃຊ້ເຄື່ອງມືຫຼືການປະສົມປະສານຂອງການຕິດສະຫລາກຄູ່ມືແລະອັດຕະໂນມັດຊ່ວຍໃຫ້ຕົວແບບຮຽນຮູ້ລັກສະນະທີ່ແທ້ຈິງຂອງຄວາມຜິດພາດ, ແທນທີ່ຈະຖືກລົບກວນໂດຍລັກສະນະທີ່ບໍ່ກ່ຽວຂ້ອງ.

ໃນໂອກາດນີ້, ທ່ານ Tran Kim Duy Lan, ຜູ້ອຳນວຍການໃຫຍ່ປະເທດ Navagis ໄດ້ຊີ້ໃຫ້ເຫັນຄວາມຂັດແຍ່ງອີກອັນໜຶ່ງໃນການພັດທະນາ AI. ໃນອີກດ້ານຫນຶ່ງ, AI ສາມາດຊ່ວຍຫຼຸດຜ່ອນເວລາການອອກແບບຊິບໄດ້ 30% ແລະເພີ່ມຜົນຜະລິດຂອງໂຮງງານເຖິງ 25%. ໃນທາງກົງກັນຂ້າມ, ສູນຂໍ້ມູນທີ່ປະຕິບັດການ AI ຄາດວ່າຈະບໍລິໂພກເຖິງ 21% ຂອງພະລັງງານໄຟຟ້າທົ່ວໂລກໃນປີ 2030.

ໃນສະພາບການນັ້ນ, ທ່ານລານກ່າວເນັ້ນເຖິງຄວາມສຳຄັນຂອງການຫັນປ່ຽນຈາກຕົວແບບ AI ແບບສູນກາງໄປເປັນຕົວແບບແຈກຢາຍຢູ່ອຸປະກອນ, ໂດຍສະເພາະແມ່ນ Edge AI ແລະ AI ໃນອຸປະກອນ. ນີ້ໄດ້ຮັບຖືວ່າແມ່ນທ່າອ່ຽງຍຸດທະສາດເພື່ອຮັບປະກັນຄວາມຍືນຍົງ.

ດ້ວຍ Edge AI, ຂໍ້ມູນຈະຖືກປະມວນຜົນໃນອຸປະກອນເຊັ່ນ: ກ້ອງຖ່າຍຮູບອັດສະລິຍະ, ໄມໂຄຄອນຄວບຄຸມ, ຫຼືກະດານຝັງ, ແທນທີ່ຈະຖືກສົ່ງຜ່ານຄລາວທັງໝົດ. ນີ້ສາມາດຫຼຸດຜ່ອນແບນວິດຂອງສາຍສົ່ງ, ໃນຂະນະທີ່ຍັງຫຼຸດຜ່ອນ latency, ເພີ່ມຄວາມເປັນສ່ວນຕົວ, ແລະສໍາຄັນທີ່ສຸດ, ການຫຼຸດຜ່ອນການໃຊ້ພະລັງງານຕໍ່ຫນ້າວຽກໂດຍ 100-1,000 ເທື່ອ, ຍ້ອນການລົບລ້າງຂັ້ນຕອນການປຸງແຕ່ງລະດັບປານກາງ.

ຂະໜາດຕະຫຼາດ AI ທົ່ວໂລກບັນລຸ 1,811 ຕື້ USD

ທີ່ກອງປະຊຸມ, ບັນດານັກຊ່ຽວຊານຍັງໄດ້ປັບປຸງບົດລາຍງານຫຼ້າສຸດກ່ຽວກັບການພັດທະນາຂອງ AI, ດ້ວຍຂະໜາດຕະຫຼາດທົ່ວໂລກຄາດວ່າຈະບັນລຸ 1.811 ຕື້ USD ໃນປີ 2030. ໃນຂະນະນັ້ນ, ຂະແໜງອຸດສາຫະກຳ semiconductor ມຸ່ງໄປເຖິງລະດັບ 1.000 ຕື້ USD ໃນເວລາດຽວກັນ.

ໃນປັດຈຸບັນ, ການປະສົມປະສານຂອງ AI ແລະ semiconductors ຖືວ່າເປັນການສ້າງ "ການຊຸກຍູ້ສອງເທົ່າ" ສໍາລັບການປະຕິວັດອຸດສາຫະກໍາໃຫມ່, ໂດຍສະເພາະໃນເວລາທີ່ແນວໂນ້ມຂອງ AI ທີ່ມີການເຄື່ອນໄຫວ, multi-modal AI ແລະ generative & ຍືນຍົງ AI ແມ່ນ reshaping ຄວາມຕ້ອງການສໍາລັບການອອກແບບ chip, ການເພີ່ມປະສິດທິພາບແລະການທົດສອບ.

ນ້ຳໜັກ

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