Menggunakan AI dalam barisan pengeluaran, nampaknya mudah tetapi sukar

Menurut pakar, cabaran terbesar dalam membangunkan AI untuk industri semikonduktor hari ini ialah bagaimana untuk menjadikan model itu beroperasi dengan tepat dan stabil tepat pada barisan pengeluaran.

Pakar menggunakan AI dalam pembangunan cip semikonduktor - Foto: UMICH

Ini adalah topik yang menonjol dalam bengkel "Penyelesaian Kepintaran Buatan (AI) dalam Industri Semikonduktor" anjuran Pusat Inovasi, Jabatan Sains dan Teknologi Bandaraya Ho Chi Minh pada petang 5 Ogos.

Pakar telah memberi tumpuan untuk mencari keupayaan pelaksanaan praktikal dalam persekitaran pengeluaran, yang dianggap sebagai halangan terbesar hari ini.

Pakar Duong Quang Huy - jurutera dari Ascendas Systems - berkata dalam barisan pengeluaran moden, terutamanya barisan pengeluaran semikonduktor, model AI diperlukan untuk mengesan ralat dalam pengeluaran.

Sebagai contoh, jurutera boleh menggunakan alatan seperti Deep Network Designer untuk membina, memvisualisasikan dan memperhalusi rangkaian neural, atau Classification Learner untuk mencuba algoritma yang berbeza dan memilih model yang paling sesuai dengan set data dunia sebenar.

Menurut Encik Huy, kesukarannya terletak pada sama ada model itu masih boleh mengekalkan ketepatan yang sama seperti di makmal apabila memindahkan model dari persekitaran latihan ke barisan pengeluaran sebenar.

Kerana algoritma boleh mencapai ketepatan 99% dalam persekitaran simulasi, tetapi terlepas kecacatan produk sebenar pada baris pemasangan atas sebab mudah seperti silau, habuk atau komponen yang diputarkan sedikit.

"Cabaran dalam membangunkan AI bukan terletak pada algoritma, tetapi dari makmal kepada realiti," En. Huy menegaskan.

Pakar Duong Quang Huy membentangkan di bengkel - Foto: TRONG NHAN

Menurut pakar, salah satu penyelesaian asas dan tegas ialah menyeragamkan data input dan membina set data latihan yang tepat.

Kerana kebanyakan ralat dalam penggunaan model datang daripada data input yang tidak konsisten, seperti imej yang terlalu terdedah, herot, atau tidak fokus, keadaan pencahayaan yang berbeza daripada persekitaran latihan, atau komponen yang sedikit tersesar.

Untuk menyelesaikan masalah ini, pakar Duong Quang Huy mengesyorkan menyeragamkan data imej sebelum latihan, termasuk langkah seperti mengimbangi cahaya, melaraskan sudut, meningkatkan kontras dan mengeluarkan bunyi.

Pada masa yang sama, pelabelan yang tepat menggunakan alatan atau gabungan pelabelan manual dan automatik membantu model mempelajari ciri sebenar ralat, dan bukannya diganggu oleh ciri yang tidak berkaitan.

Juga pada acara itu, pakar Tran Kim Duy Lan - pengarah negara Navagis - menunjukkan satu lagi paradoks dalam pembangunan AI. Di satu pihak, AI boleh membantu mengurangkan masa reka bentuk cip sebanyak 30% dan meningkatkan produktiviti kilang sehingga 25%. Sebaliknya, pusat data yang mengendalikan AI dijangka menggunakan sehingga 21% tenaga elektrik global menjelang 2030.

Dalam konteks itu, Encik Lan menekankan kepentingan beralih daripada model AI berpusat kepada model teragih pada peranti, khususnya AI Edge dan AI pada peranti. Ini dianggap sebagai trend strategik untuk memastikan kemampanan.

Dengan Edge AI, data diproses terus pada peranti, seperti kamera pintar, mikropengawal atau papan terbenam, dan bukannya dihantar sepenuhnya ke awan. Ini boleh mengurangkan lebar jalur penghantaran, sambil juga mengurangkan kependaman, meningkatkan privasi, dan yang paling penting, mengurangkan penggunaan kuasa setiap tugas sebanyak 100-1,000 kali, terima kasih kepada penghapusan langkah pemprosesan pertengahan.

Saiz pasaran AI global mencecah 1,811 bilion USD

Pada persidangan itu, pakar juga mengemas kini laporan terkini mengenai pembangunan AI, dengan saiz pasaran global dijangka mencecah 1,811 bilion USD menjelang 2030. Sementara itu, industri semikonduktor menyasarkan untuk mencapai tanda 1,000 bilion USD pada masa yang sama.

Pada masa ini, gabungan AI dan semikonduktor dianggap mencipta "dorongan berganda" untuk revolusi perindustrian baharu, terutamanya apabila trend AI aktif, AI berbilang modal dan AI generatif & mampan membentuk semula keperluan untuk reka bentuk cip, pengoptimuman dan ujian.

BERAT BADAN

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