Üretim hatlarında yapay zekanın uygulanması, görünüşte kolay ama zor

Uzmanlara göre, bugün yarı iletken endüstrisi için yapay zeka geliştirmenin en büyük zorluğu, modelin üretim hattında doğru ve istikrarlı bir şekilde nasıl çalıştırılacağıdır.

Uzmanlar yarı iletken çip geliştirmede yapay zekayı uyguluyor - Fotoğraf: UMICH

Bu konu, 5 Ağustos öğleden sonra Ho Chi Minh Şehri Bilim ve Teknoloji Bölümü İnovasyon Merkezi tarafından düzenlenen "Yarı İletken Endüstrisinde Yapay Zeka (YZ) Çözümleri" çalıştayında öne çıkan bir konuydu.

Uzmanlar, günümüzde en büyük engel olarak görülen üretim ortamlarında pratik uygulama kabiliyetleri bulmaya odaklandı.

Ascendas Systems'dan mühendis Duong Quang Huy, modern üretim hatlarında, özellikle yarı iletken üretim hatlarında, üretimdeki hataları tespit etmek için yapay zeka modellerine ihtiyaç duyulduğunu söyledi.

Örneğin, mühendisler sinir ağlarını oluşturmak, görselleştirmek ve ince ayar yapmak için Deep Network Designer gibi araçları veya farklı algoritmalarla denemeler yapmak ve gerçek dünya veri kümelerine en uygun modeli seçmek için Classification Learner gibi araçları kullanabilirler.

Bay Huy'a göre zorluk, modelin eğitim ortamından gerçek üretim hattına aktarıldığında laboratuvardakiyle aynı doğruluğu koruyup koruyamayacağında yatıyor.

Çünkü algoritmalar simüle edilmiş bir ortamda %99 doğruluk oranına ulaşabilir, ancak parlama, toz veya bir bileşenin hafifçe döndürülmesi gibi basit nedenlerle montaj hattındaki gerçek ürün kusurlarını gözden kaçırabilir.

Bay Huy, "Yapay zeka geliştirmedeki zorluk algoritmada değil, laboratuvardan gerçeğe geçişte yatıyor" dedi.

Uzman Duong Quang Huy atölyede sunum yapıyor - Fotoğraf: TRONG NHAN

Uzmanlara göre temel ve kesin çözümlerden biri girdi verilerinin standartlaştırılması ve doğru eğitim veri setlerinin oluşturulmasıdır.

Çünkü model dağıtımındaki hataların çoğu, aşırı pozlanmış, bozulmuş veya odak dışı görüntüler, eğitim ortamından farklı ışık koşulları veya hafifçe yerinden oynamış bileşenler gibi tutarsız giriş verilerinden kaynaklanır.

Uzman Duong Quang Huy, bu sorunu çözmek için eğitimden önce görüntü verilerinin standartlaştırılmasını öneriyor. Bu standartlaştırmada ışık dengeleme, açıları ayarlama, kontrastı artırma ve gürültüyü giderme gibi adımlar yer alıyor.

Aynı zamanda, araçlar veya manuel ve otomatik etiketlemenin bir kombinasyonu kullanılarak yapılan doğru etiketleme, modelin alakasız özellikler tarafından rahatsız edilmesi yerine hatanın gerçek özelliklerini öğrenmesine yardımcı olur.

Etkinlikte ayrıca, Navagis ülke direktörü uzman Tran Kim Duy Lan, yapay zeka geliştirmedeki bir başka paradoksa dikkat çekti. Yapay zeka, bir yandan çip tasarım süresini %30 oranında azaltmaya ve fabrika verimliliğini %25'e kadar artırmaya yardımcı olabilir. Diğer yandan, yapay zeka kullanan veri merkezlerinin 2030 yılına kadar küresel elektriğin %21'ine kadarını tüketmesi bekleniyor.

Bu bağlamda, Bay Lan, merkezi yapay zeka modellerinden cihaz bazında dağıtılmış modellere, özellikle de Edge AI ve cihaz içi yapay zekaya geçişin önemini vurguladı. Bu, sürdürülebilirliği sağlamak için stratejik bir trend olarak kabul ediliyor.

Edge AI ile veriler, tamamen buluta aktarılmak yerine, akıllı kamera, mikrodenetleyici veya gömülü kart gibi bir cihazda doğrudan işlenir. Bu, iletim bant genişliğini azaltırken gecikmeyi de azaltır, gizliliği artırır ve en önemlisi, ara işlem adımlarının ortadan kaldırılması sayesinde görev başına güç tüketimini 100-1.000 kat azaltır.

Küresel yapay zeka pazarının büyüklüğü 1.811 milyar ABD dolarına ulaştı

Konferansta uzmanlar ayrıca yapay zekanın gelişimine ilişkin son raporları da güncelledi ve küresel pazar büyüklüğünün 2030 yılına kadar 1.811 milyar ABD dolarına ulaşmasının beklendiğini belirtti. Bu arada yarı iletken endüstrisinin de aynı dönemde 1.000 milyar ABD doları seviyesine ulaşması hedefleniyor.

Günümüzde, yapay zeka ve yarı iletkenlerin bir araya gelmesinin, özellikle aktif yapay zeka, çok modlu yapay zeka ve üretken ve sürdürülebilir yapay zeka trendlerinin çip tasarımı, optimizasyonu ve test ihtiyaçlarını yeniden şekillendirdiği bir dönemde, yeni sanayi devrimi için "çift yönlü bir itme" yaratacağı düşünülmektedir.

AĞIRLIK

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