Aplicar IA em linhas de produção parece fácil, mas é difícil.

Segundo especialistas, o maior desafio no desenvolvimento de IA para a indústria de semicondutores atualmente é como fazer o modelo operar com precisão e estabilidade diretamente na linha de produção.

Especialistas aplicam IA no desenvolvimento de chips semicondutores - Foto: UMICH

Este foi um dos principais temas do workshop "Soluções de Inteligência Artificial (IA) na Indústria de Semicondutores", organizado pelo Centro de Inovação do Departamento de Ciência e Tecnologia da Cidade de Ho Chi Minh, na tarde de 5 de agosto.

Os especialistas têm se concentrado em encontrar soluções práticas para a implementação em ambientes de produção, o que é considerado o maior obstáculo atualmente.

O especialista Duong Quang Huy, engenheiro da Ascendas Systems, afirmou que, nas linhas de produção modernas, especialmente nas linhas de produção de semicondutores, os modelos de IA são necessários para detectar erros na produção.

Por exemplo, os engenheiros podem usar ferramentas como o Deep Network Designer para construir, visualizar e ajustar redes neurais, ou o Classification Learner para experimentar diferentes algoritmos e escolher o modelo que melhor se adapta a conjuntos de dados do mundo real.

Segundo o Sr. Huy, a dificuldade reside em saber se o modelo consegue manter a mesma precisão que no laboratório ao ser transferido do ambiente de treinamento para uma linha de produção real.

Isso ocorre porque os algoritmos podem atingir 99% de precisão em um ambiente simulado, mas deixam passar defeitos reais do produto na linha de montagem por motivos simples, como brilho excessivo, poeira ou um componente ligeiramente girado.

"O desafio no desenvolvimento da IA ​​não reside no algoritmo, mas sim na transição do laboratório para a realidade", afirmou o Sr. Huy.

Especialista Duong Quang Huy apresenta no workshop - Foto: TRONG NHAN

De acordo com especialistas, uma das soluções fundamentais e decisivas é padronizar os dados de entrada e construir conjuntos de dados de treinamento precisos.

Isso ocorre porque a maioria dos erros na implantação do modelo provém de dados de entrada inconsistentes, como imagens superexpostas, distorcidas ou fora de foco, condições de iluminação diferentes do ambiente de treinamento ou componentes ligeiramente deslocados.

Para resolver esse problema, o especialista Duong Quang Huy recomenda a padronização dos dados de imagem antes do treinamento, incluindo etapas como balanceamento de luz, ajuste de ângulos, aprimoramento do contraste e remoção de ruído.

Ao mesmo tempo, a rotulagem precisa, utilizando ferramentas ou uma combinação de rotulagem manual e automática, ajuda o modelo a aprender as verdadeiras características do erro, em vez de ser perturbado por características irrelevantes.

No evento, a especialista Tran Kim Duy Lan, diretora da Navagis no país, também destacou outro paradoxo no desenvolvimento da IA. Por um lado, a IA pode ajudar a reduzir o tempo de projeto de chips em 30% e aumentar a produtividade das fábricas em até 25%. Por outro lado, espera-se que os data centers que operam com IA consumam até 21% da eletricidade global até 2030.

Nesse contexto, o Sr. Lan enfatizou a importância da transição de modelos de IA centralizados para modelos distribuídos no dispositivo, especificamente IA de borda e IA no dispositivo. Isso é considerado uma tendência estratégica para garantir a sustentabilidade.

Com a IA de borda, os dados são processados ​​diretamente no dispositivo, como uma câmera inteligente, um microcontrolador ou uma placa embarcada, em vez de serem transmitidos integralmente para a nuvem. Isso pode reduzir a largura de banda de transmissão, além de diminuir a latência, aumentar a privacidade e, principalmente, reduzir o consumo de energia por tarefa em 100 a 1.000 vezes, graças à eliminação de etapas de processamento intermediárias.

O mercado global de IA atingiu 1,811 trilhão de dólares.

Na conferência, especialistas também atualizaram os relatórios mais recentes sobre o desenvolvimento da IA, com o tamanho do mercado global previsto para atingir 1,811 trilhão de dólares até 2030. Enquanto isso, a indústria de semicondutores almeja alcançar a marca de 1 trilhão de dólares no mesmo período.

Atualmente, a combinação de IA e semicondutores é considerada um "impulso duplo" para a nova revolução industrial, especialmente quando as tendências de IA ativa, IA multimodal e IA generativa e sustentável estão remodelando as necessidades de projeto, otimização e teste de chips.

PESO

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