هوش مصنوعی فیزیک اکنون قادر است هزاران تغییر طراحی را در زمانی بررسی کند که شبیهسازی سنتی تنها چند مورد را پردازش میکند. بر اساس گفتههای شرکت زیمنس، این سرعت دقیقاً تا هزار برابر بیشتر است. با این حال، آنچه این فناوری نمیتواند انجام دهد، تأیید نهایی یک قطعه ایمنی-حیاتی است. در این نقطه، فناوری دارای حد مشخصی است و سام ماهالینگام که رهبری کسبوکار ساخت این فناوری را در زیمنس دیجیتال اینداستریز سافتویر بر عهده دارد، بدون هیچ تردیدی آن را بیان میکند.
او در حاشیه رویداد ریلایز لایو آسیا-پاسیفیک در بنگلور گفت: «آیا این برای کاربردهای ایمنی-حیاتی مناسب است؟ خیر، نیست.»
این موضوع اهمیت دارد زیرا پاسخ آن با دو سال اصرار صنعت بر توانایی هوش مصنوعی در انجام تقریباً همه چیز در تضاد است. ارزش برای مهندسان نه در سرعتی است که زیمنس میفروشد، بلکه در دانستن دقیق جایی است که آن سرعت دیگر ایمن نیست.
آنچه هوش مصنوعی فیزیک واقعاً انجام میدهد و آنچه انجام نمیدهد
فناوری مورد بحث سیمسنتر فیزیکسایآی، نرمافزار یادگیری عمیق هندسی زیمنس است که شرکت ادعا میکند میتواند پیشبینیهای طراحی را تا هزار برابر سریعتر از حلکننده سنتی انجام دهد. مکانیسم آن برای درک این هشدار مهم است. به جای محاسبه فیزیک از ابتدا در هر بار، یک مدل جایگزین از دادههای شبیهسازی تاریخی یاد میگیرد و نتیجه را برای طراحی جدید پیشبینی میکند. این یک تخمین است که در چند ثانیه تولید میشود، نه یک محاسبه کامل.
نگرانی آشکار دقت است و ماهالینگام مستقیماً به آن پرداخت. او توضیح داد که برای دههها، مهندسان شبیهسازی مبتنی بر فیزیک را با آزمایش فیزیکی مقایسه میکردند تا همبستگی به اندازه کافی محکم شود تا قابل اعتماد باشد. اکنون هوش مصنوعی در برابر همان خط پایه فیزیک سنجیده میشود. او گفت: «آنچه ما میبینیم این است که اگر داده کافی داشته باشید، بسیار نزدیک به حلکننده مبتنی بر فیزیک است»، با اشاره به تغییر یک تا سه درصدی که زیمنس در مطالعات موردی خود ذکر میکند.
نزدیک، اما نه به اندازه کافی نزدیک برای تأیید یک جزء حیاتی. و اینجا جایی است که ماهالینگام از اسکریپت استاندارد فروشندگان جدا میشود. مدل جایگزین جایگزین اعتبارسنجی نیست؛ بلکه فیلتری است که در جلوی آن قرار میگیرد. او گفت: «شما با استفاده از این موتور سریعتر، یعنی مدل جایگزین هوش مصنوعی فیزیک، تغییرات طراحی بسیار بیشتری را بررسی میکنید، روی دو یا سه طراحی که احساس میکنید خوب هستند متمرکز میشوید و سپس طراحی دقیقتری با شبیهسازی مبتنی بر فیزیک انجام میدهید.» تنها پس از اینکه آن finalists یک بررسی کامل مبتنی بر فیزیک را پشت سر بگذارند، طراحی به سمت تولید حرکت میکند.
او صریحاً گفت که حتی مثال برجستهای مانند مورد کیسه هوا کانتیننتال که زیمنس به نمایش گذاشته، داخل این مرز قرار دارد. او گفت: «این برای اکتشاف اولیه طراحی است. اینطور نیست که فقط با هوش مصنوعی فیزیک اعتبارسنجی کنید و بگویید، خوب، من این طراحی را برای تولید توصیه میکنم. خیر، اینطور نیست.»
وابستگی که اعداد سرعت به آن اشاره نمیکنند
محدودیت دوم وجود دارد که ارقام شتاب اغلب آن را پنهان میکنند و وقتی گفتگو به نحوه آموزش این مدلها رسید، آشکار شد. چندین نتیجه headline زیمنس، از جمله موارد مربوط به مگنا و کانتیننتال، بر هوش مصنوعی آموزشدیده بر دادههای مصنوعی استوار است: خروجی شبیهسازی تولیدشده توسط حلکنندههای خود زیمنس به جای اندازهگیری واقعی. اگر هوش مصنوعی فقط از شبیهسازی یاد بگیرد، سؤال این است که آیا میتواند هرگز بهتر از شبیهسازیای باشد که آن را آموزش داده است.
ماهالینگام وقتی پرسیده شد، از این دایرهوار بودن طفره نرفت. او گفت در مورد مگنا، مشتری اکتشاف گسترده طراحی را در سیمسنتر هیدز، ابزار جستجوی طراحی زیمنس، انجام داد و تغییرات را با سرعت با سیمسولید، حلکنندهای که مرحله کند ساخت مش را رد میکند، حل کرد. سپس آن خروجی شبیهسازی برای آموزش مدل هوش مصنوعی فیزیک بازخورد داده شد. جایی که مشتری هیچ دادهای ندارد، «آنها ابتدا داده مصنوعی با سیمسولید و هیدز تولید کردند و سپس به عقب برگشتند، آن داده را گرفتند و مدل هوش مصنوعی فیزیک را آموزش دادند.» به عبارت دیگر، مدل جایگزین فقط به اندازه شبیهسازی زیر آن خوب است، محدودیتی که او به جای نادیده گرفتن،承认 کرد.
آنچه از تبدیل شدن این به دام جلوگیری میکند، به گفته او، یک محافظ است که برای جلوگیری از پیشبینی مدل روی زمینی که هرگز ندیده ساخته شده. مدلی که روی تغییرات یک شکل آموزش دیده، اگر از آن خواسته شود یک شکل کاملاً متفاوت را پیشبینی کند، شکست میخورد و طراحی شده که این را بگوید. ماهالینگام گفت: «ما محافظهایی قرار دادهایم که برمیگردد و میگوید، هی، من نمیتوانم این را پیشبینی کنم. این کاملاً شکل متفاوتی نسبت به آنچه روی آن آموزش دیدهاید است. بنابراین مهندس نمیتواند به پای خودش شلیک کند.»
چرا صداقت داستان اصلی است
این صراحت خودکمبینی نیست؛ بلکه موقعیتیابی است. هر فروشنده شبیهسازی اکنون در حال مسابقه برای اتصال هوش مصنوعی به سبد خود است و خطر اعتبار این است که خریداران دیگر هیچ یک از اعداد را باور نکنند. با مشخص کردن لبه فناوری – ایمن برای اکتشاف، نه برای تأیید نهایی؛ قدرتمند با داده، بیفایده فراتر از پوشش آموزش – زیمنس شرط میبندد که مهندسان به ابزاری بیشتر اعتماد میکنند که به آنها میگوید چه کاری نمیتواند انجام دهد.
این از سمت شبیهسازی متفاوت به نظر میرسد. فروشندگان طراحی تراشه و هوش مصنوعی سازمانی چرخه hype را صرف وعده خودمختاری کردهاند؛ شرکتی که مشتریانش ساختارهای تصادف و موتورهای جت را مدل میکنند، در عوض اصرار دارد که مرحله اعتبارسنجی انسانی دقیقاً همان جایی بماند که هست. این hedge در برابر هوش مصنوعی نیست. بلکه روایتی واضحتر از جایی است که هوش مصنوعی متعلق است، به عنوان گذر اول سریع که جستجو را گسترش میدهد، در حالی که حلکننده مبتنی بر فیزیک هنوز قلم را روی هر چیزی که باید درست باشد نگه میدارد.
این ادعایی محدودتر از آنچه بازار عادت به شنیدن آن دارد و دوامپذیرتر است. زیمنس ۱۰۰۰ برابر را میفروشد، اما چیز ارزشمندتری که به مهندسان ارائه میدهد، مرز اطراف آن است.
نظرات
ثبت نظر جدید
هنوز نظری ثبت نشده است. اولین نفر باشید!