Aplicar IA na linha de produção, aparentemente fácil, mas difícil

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

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

Este foi um tópico de destaque no 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.

Especialistas têm se concentrado em encontrar capacidades práticas de implementação em ambientes de produção, o que é considerado a maior barreira atualmente.

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

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

Segundo o Sr. Huy, a dificuldade está em saber se o modelo ainda consegue manter a mesma precisão do laboratório ao transferir o modelo do ambiente de treinamento para uma linha de produção real.

Porque os algoritmos podem atingir 99% de precisão em um ambiente simulado, mas não detectam defeitos reais do produto na linha de montagem por razões simples, como brilho, poeira ou um componente ligeiramente girado.

"O desafio no desenvolvimento da IA ​​não está nos algoritmos, mas em passar do laboratório para a realidade", afirmou o Sr. Huy.

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

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

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

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

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

Também no evento, o especialista Tran Kim Duy Lan, diretor nacional da Navagis, apontou 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 de migrar de modelos de IA centralizados para modelos distribuídos no dispositivo, especificamente IA de Borda e IA no dispositivo. Essa é considerada uma tendência estratégica para garantir a sustentabilidade.

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

O tamanho do mercado global de IA atinge 1,811 trilhão de dólares

Na conferência, os 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 pretende atingir 1 trilhão de dólares ao mesmo tempo.

Atualmente, a combinação de IA e semicondutores é considerada uma forma de criar um "duplo impulso" para a nova revolução industrial, especialmente quando as tendências de IA proativa, IA multimodal e IA generativa e sustentável estão remodelando as necessidades de design, otimização e testes de chips.

PESO

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