Застосування штучного інтелекту на виробничих лініях, здавалося б, просте, але складне

За словами експертів, найбільшою проблемою в розробці штучного інтелекту для напівпровідникової промисловості сьогодні є те, як зробити так, щоб модель працювала точно та стабільно прямо на виробничій лінії.

Експерти застосовують штучний інтелект у розробці напівпровідникових мікросхем - Фото: UMICH

Це було важливою темою семінару «Рішення штучного інтелекту (ШІ) у напівпровідниковій промисловості», організованого Інноваційним центром Департаменту науки і технологій міста Хошимін у другій половині дня 5 серпня.

Експерти зосередилися на пошуку практичних можливостей впровадження у виробничому середовищі, що вважається найбільшою перешкодою на сьогодні.

Експерт Дуонг Куанг Хьюй – інженер з Ascendas Systems – зазначив, що на сучасних виробничих лініях, особливо на лініях виробництва напівпровідників, потрібні моделі штучного інтелекту для виявлення помилок у виробництві.

Наприклад, інженери можуть використовувати такі інструменти, як Deep Network Designer, для створення, візуалізації та точного налаштування нейронних мереж, або Classification Learner для експериментів з різними алгоритмами та вибору моделі, яка найкраще відповідає реальним наборам даних.

За словами пана Хуя, складність полягає в тому, чи зможе модель зберігати таку ж точність, як у лабораторії, під час перенесення моделі з навчального середовища на реальну виробничу лінію.

Оскільки алгоритми можуть досягати точності 99% у змодельованому середовищі, але пропускати реальні дефекти продукту на складальній лінії з простих причин, таких як відблиски, пил або незначне обертання компонента.

«Завдання у розробці штучного інтелекту полягає не в алгоритмі, а в переході від лабораторії до реальності», – підтвердив пан Гай.

Експерт Duong Quang Huy виступає на семінарі - Фото: TRONG NHAN

На думку експертів, одним із фундаментальних та вирішальних рішень є стандартизація вхідних даних та створення точних навчальних наборів даних.

Оскільки більшість помилок під час розгортання моделі виникають через суперечливі вхідні дані, такі як переекспоновані, спотворені або розфокусовані зображення, умови освітлення, що відрізняються від навчального середовища, або незначно зміщені компоненти.

Щоб вирішити цю проблему, експерт Дуонг Куанг Хью рекомендує стандартизувати дані зображення перед навчанням, включаючи такі кроки, як балансування світла, налаштування кутів, посилення контрастності та видалення шуму.

Водночас, точне маркування за допомогою інструментів або комбінація ручного та автоматичного маркування допомагає моделі вивчити справжні характеристики помилки, замість того, щоб її турбували нерелевантні особливості.

Також на заході експерт Тран Кім Дуй Лан, директор Navagis у країні, вказав на ще один парадокс у розвитку штучного інтелекту. З одного боку, ШІ може допомогти скоротити час розробки чіпів на 30% та підвищити продуктивність виробництва до 25%. З іншого боку, очікується, що центри обробки даних, що працюють на базі ШІ, споживатимуть до 21% світової електроенергії до 2030 року.

У цьому контексті пан Лан наголосив на важливості переходу від централізованих моделей штучного інтелекту до розподілених моделей на пристрої, зокрема до периферійного штучного інтелекту та штучного інтелекту на пристрої. Це вважається стратегічною тенденцією для забезпечення сталого розвитку.

Завдяки Edge AI дані обробляються безпосередньо на пристрої, такому як смарт-камера, мікроконтролер або вбудована плата, замість того, щоб повністю передавати їх у хмару. Це може зменшити пропускну здатність передачі, а також зменшити затримку, підвищити конфіденційність і, найголовніше, зменшити споживання енергії на завдання в 100-1000 разів завдяки усуненню проміжних етапів обробки.

Розмір світового ринку штучного інтелекту сягає 1811 мільярдів доларів США

На конференції експерти також оновили останні звіти щодо розвитку штучного інтелекту, очікується, що обсяг світового ринку до 2030 року досягне 1,811 млрд доларів США. Тим часом напівпровідникова промисловість прагне одночасно досягти позначки в 1000 млрд доларів США.

Наразі вважається, що поєднання штучного інтелекту та напівпровідників створює «подвійний поштовх» для нової промислової революції, особливо враховуючи те, що тенденції активного штучного інтелекту, мультимодального штучного інтелекту та генеративного та сталого штучного інтелекту змінюють потреби в розробці, оптимізації та тестуванні мікросхем.

ВАГА

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