以數(shù)據(jù)為起點(diǎn)，探索生成式AI在測(cè)試行業(yè)的應(yīng)用前景

NI的首席技術(shù)官將智能且統(tǒng)一的數(shù)據(jù)模型視為未來(lái)測(cè)試的關(guān)鍵要素。

NI首席技術(shù)官Thomas Benjamin與Semiconductor Engineering 主編Ed Sperling探討測(cè)試的新方法，以數(shù)據(jù)為起點(diǎn)，以生成式AI 作為不同功能之間的橋梁。

Ed Sperling：您看到了哪些重大變化？它們?nèi)绾斡绊戧P(guān)鍵數(shù)據(jù)從實(shí)驗(yàn)室到工廠的移動(dòng)？

Thomas：如果您走進(jìn)制造車間或?qū)嶒?yàn)室，您都能看到測(cè)試、測(cè)量硬件和系統(tǒng)，以及在桌面電腦或平板電腦上正在運(yùn)行的LabVIEW軟件。所有這些產(chǎn)品都會(huì)創(chuàng)建一個(gè)測(cè)試序列。通過(guò)測(cè)試可以證明這個(gè)產(chǎn)品（半導(dǎo)體芯片、晶圓或電機(jī)）的性能是符合還是偏離了設(shè)計(jì)規(guī)范。但它們都像孤島一樣在運(yùn)行，分散在世界各地?cái)?shù)百個(gè)工廠中。隨著價(jià)格低廉的高帶寬通信讓萬(wàn)物互聯(lián)，任何一臺(tái)機(jī)器上出現(xiàn)異常情況都能被快速識(shí)別并洞察到根本原因，并很快部署到在多個(gè)系統(tǒng)中。這和谷歌地圖的工作方式非常相似。谷歌地圖在手機(jī)上運(yùn)行，并且在云端有一個(gè)樞紐。當(dāng)你遇到交通擁堵時(shí)，它會(huì)通過(guò)一個(gè)自治的超自動(dòng)化系統(tǒng)自動(dòng)為您重新安排路線。同樣，我們相信測(cè)試的未來(lái)不是一臺(tái)儀器，而是一個(gè)自治的超自動(dòng)化系統(tǒng)，它將硬件、軟件、數(shù)據(jù)、工作流程和智慧結(jié)合在一起。最終，生成式人工智能將用于創(chuàng)建、部署和執(zhí)行序列測(cè)試，甚至可以深入測(cè)試后的底層原因分析。

Ed Sperling：所以您所做的是采用生成式人工智能將各種功能整合起來(lái)？

Thomas：是的。但這是基于NI多年的積累。之前我們虛擬化了測(cè)試儀器，因此我們能夠很靈活地將這些“儀器”整合在一起。我們?cè)谙冗M(jìn)的數(shù)據(jù)分析領(lǐng)域也進(jìn)行了大量投資，演進(jìn)的下一個(gè)邏輯是使用人工智能。我們正在利用技術(shù)釋放的新功能繼續(xù)創(chuàng)新，使事情變得更簡(jiǎn)單、更有效。NVIDIA正在使用我們先進(jìn)的數(shù)據(jù)分析軟件管理分布在世界各地的多個(gè)合同制造商。我們討論了虛擬工程師使用NI軟件來(lái)補(bǔ)充實(shí)際工程師的概念，這有助于提高他們的產(chǎn)量。

Ed Sperling：它是如何從實(shí)驗(yàn)室轉(zhuǎn)移到晶圓廠的？在其他領(lǐng)域有應(yīng)用嗎？

Thomas：我們談到的涉及NVIDIA的產(chǎn)品已經(jīng)完全投入生產(chǎn)。在實(shí)驗(yàn)室中，您可以測(cè)量1,000個(gè)參數(shù)并對(duì)它們做測(cè)試。到了量產(chǎn)階段，就只需對(duì)其中最有價(jià)值的一組參數(shù)做測(cè)量，因?yàn)閷?shí)驗(yàn)室和量產(chǎn)兩地運(yùn)行的設(shè)備基礎(chǔ)設(shè)施相同，量產(chǎn)測(cè)得的數(shù)據(jù)可以很容易關(guān)聯(lián)回實(shí)驗(yàn)室的參數(shù)，這樣我們可以根據(jù)在生產(chǎn)中獲得的數(shù)據(jù)來(lái)改進(jìn)設(shè)計(jì)。這個(gè)模式貫穿在設(shè)計(jì)、驗(yàn)證、生產(chǎn)和使用的全過(guò)程。我們從實(shí)驗(yàn)室開始，并將其數(shù)據(jù)洞察復(fù)制到生產(chǎn)中。我們還需要能夠通過(guò)使用中的數(shù)據(jù)來(lái)跟蹤這一點(diǎn)，并在這個(gè)完整的循環(huán)中再次驗(yàn)證和微調(diào)設(shè)計(jì)。這是我們追求的最終目標(biāo)，隨著行業(yè)和市場(chǎng)的成熟，我們將分階段實(shí)現(xiàn)它。

Ed Sperling：這個(gè)技術(shù)方向是由汽車行業(yè)推動(dòng)的嗎？您如何看待汽車市場(chǎng)的變化？

Thomas：是的，我們的策略正在汽車行業(yè)獲得進(jìn)一步驗(yàn)證。結(jié)合我們的硬件和軟件能力，并將這一循環(huán)（從設(shè)計(jì)、驗(yàn)證、生產(chǎn)和使用）擴(kuò)展到半導(dǎo)體行業(yè)、汽車行業(yè)、航空航天/國(guó)防行業(yè)以及部分教育環(huán)節(jié)。

首先，未來(lái)的車輛將由計(jì)算機(jī)驅(qū)動(dòng)，計(jì)算機(jī)必須處理計(jì)劃內(nèi)或計(jì)劃外的任何場(chǎng)景。計(jì)劃內(nèi)場(chǎng)景的例子有“如何穿過(guò)交叉路口”；計(jì)劃外場(chǎng)景例如如何閱讀部分被遮擋的街道標(biāo)志。車輛需要不斷做出決策，為此需要進(jìn)行大量的測(cè)試和測(cè)量。如果決策準(zhǔn)確，我們就會(huì)開始信任這輛車，它會(huì)帶我們到達(dá)目的地。這意味著需要大量不同場(chǎng)景的數(shù)據(jù)來(lái)用于測(cè)試系統(tǒng)。過(guò)去通行的做法是基于刺激/反應(yīng)的測(cè)試?，F(xiàn)在我們必須進(jìn)行基于場(chǎng)景的測(cè)試，為此需要識(shí)別所有可測(cè)試的復(fù)雜場(chǎng)景，而這須要基于我們收集到的數(shù)據(jù)?，F(xiàn)在，當(dāng)我們看向6G領(lǐng)域時(shí)，我們正在復(fù)制其中的核心模式，因?yàn)槲覀冋J(rèn)為大部分模式是從自動(dòng)駕駛到6G的交叉影響。但在6G汽車領(lǐng)域，需要押注以下幾個(gè)領(lǐng)域：一是收集、管理和存儲(chǔ)數(shù)據(jù)的標(biāo)準(zhǔn)化方法。目前我們還沒(méi)有標(biāo)準(zhǔn)規(guī)范。因此，在DARPA倡議和國(guó)家科學(xué)基金會(huì)的贊助下，NI和東北大學(xué)（美國(guó)）一直在進(jìn)行一個(gè)名為RF數(shù)據(jù)工廠（RF Data Factory）的項(xiàng)目，該項(xiàng)目提供了一套自動(dòng)化工具，以一種稱為SigMF的標(biāo)準(zhǔn)化格式收集、管理和存儲(chǔ)數(shù)據(jù)。我們剛剛向開源社區(qū)發(fā)布了RF數(shù)據(jù)記錄API，以便研究人員和其他人可以以此為基礎(chǔ)設(shè)施，從不同的測(cè)試中收集數(shù)據(jù)。我們?cè)谠擃I(lǐng)域有很多NI USRP（通用軟件無(wú)線電外設(shè)）設(shè)備能夠做到這一點(diǎn)，我們?yōu)檠芯咳藛T開放了一個(gè)平臺(tái)，以獲取這種API并記錄和測(cè)試數(shù)據(jù)。因此，一旦收集了這些數(shù)據(jù)，您就擁有了創(chuàng)建這些無(wú)限場(chǎng)景的基礎(chǔ)設(shè)施，例如在汽車駕駛領(lǐng)域；例如6G，有哪些干擾場(chǎng)景？您如何維護(hù)您的手機(jī)****？您如何組織所有這些事情、使溝通更加有效和高效？如果我們能夠推出一個(gè)人人都可以使用的低成本版本，它將加速6G空間測(cè)試和測(cè)量的采用。

Ed Sperling：這確實(shí)是人工智能的口頭禪，對(duì)嗎？降低一切成本。

Thomas：是的，這正是我們想要做的。但這只是等式的一部分，因?yàn)橐坏┠阌辛藷o(wú)限多的測(cè)試場(chǎng)景，你如何測(cè)試它？例如，如果您問(wèn)ChatGPT “kitchen一詞中字母E的位置是什么”，它會(huì)告訴您kitchen中沒(méi)有字母E。原因是機(jī)器學(xué)習(xí)模型沒(méi)有針對(duì)此類場(chǎng)景進(jìn)行訓(xùn)練。當(dāng)您遇到這無(wú)限多的場(chǎng)景時(shí)，人類不可能測(cè)試所有這些場(chǎng)景。那么可以使用AI引擎來(lái)測(cè)試AI本身嗎？這是我們開始研究的另一個(gè)領(lǐng)域。這是我們?cè)谄囶I(lǐng)域經(jīng)常使用的概念。我們現(xiàn)在正嘗試跨入6G領(lǐng)域，吸取其中的一些經(jīng)驗(yàn)教訓(xùn)，并針對(duì)6G對(duì)其進(jìn)行改進(jìn)、個(gè)性化和情境化。

Ed Sperling：隨著我們的發(fā)展，誰(shuí)擁有這些數(shù)據(jù)？ChatGPT或任何生成式人工智能程序的擔(dān)憂之一是，數(shù)據(jù)來(lái)自許多不同的地方。

Thomas：我們?nèi)栽谂鉀Q這個(gè)問(wèn)題。第一個(gè)目標(biāo)是收集數(shù)據(jù)并保持正確的控制結(jié)構(gòu)。目前Azure上提供了一些基礎(chǔ)架構(gòu)，您可以在其中獲取可用于培訓(xùn)的本地化實(shí)例。我們正在研究它，但現(xiàn)在還處于早期階段。我們必須提出一些模型，以及行業(yè)聯(lián)盟或類似的機(jī)構(gòu)，以確保定義正確的數(shù)據(jù)所有權(quán)。但更重要的是，保護(hù)敏感信息的護(hù)欄必須到位。存在諸如同態(tài)加密之類的概念。但在這一過(guò)程得以簡(jiǎn)化并為實(shí)際消費(fèi)做好準(zhǔn)備之前，還有很多工作要做。

Ed Sperling：6G會(huì)像4G LTE一樣可用嗎？終端設(shè)備是手機(jī)、還是與公寓樓的點(diǎn)對(duì)點(diǎn)連接？

Thomas：6G的前景是能夠擁有10 Gbps以上的帶寬。這將使計(jì)算更加身臨其境，因?yàn)樵谶^(guò)去的40年里，我們只用鍵盤和鼠標(biāo)，現(xiàn)在可能還用平板電腦與計(jì)算機(jī)進(jìn)行交互。我們可以將其提升到更加身臨其境的水平。它到底是什么，時(shí)間會(huì)告訴我們答案。我們將擁有自動(dòng)駕駛汽車。汽車可以開始與道路或信號(hào)燈對(duì)話嗎？由此可以衍生出所有這些不同的用例，而6G就是其中一塊墊腳石。千兆赫/毫米波范圍內(nèi)仍有大量網(wǎng)絡(luò)帶寬尚未使用。有很多事情需要融合。如果你回顧20年前，我們會(huì)質(zhì)疑5G是否真的會(huì)出現(xiàn)。6G也是如此。過(guò)去20年發(fā)生了很多變化，而且變化非常迅速。

Ed Sperling：但這并不是說(shuō)你拿起5G手機(jī)并期望它在你開車時(shí)持續(xù)提供海量數(shù)據(jù)能力，對(duì)嗎？也許這是點(diǎn)對(duì)點(diǎn)連接而不是汽車中的移動(dòng)設(shè)備？

Thomas：你說(shuō)得對(duì)。在我們前進(jìn)過(guò)程中，機(jī)器對(duì)機(jī)器的通信將會(huì)得以推進(jìn)。如果你看1G和2G，那就是語(yǔ)音通話。今天則遠(yuǎn)不止于此。如果具有彈性的這種級(jí)別的帶寬可以通過(guò)相關(guān)的安全網(wǎng)獲得，那么這樣的情況還會(huì)更多。

Ed Sperling：5G和6G的OTA測(cè)試解決了嗎？您要尋找的是信號(hào)有多強(qiáng)，但這是否是硬件、軟件或信號(hào)本身的問(wèn)題？

Thomas：我們還沒(méi)有解決這個(gè)問(wèn)題，正在處理過(guò)程中。這就是不同情境發(fā)揮作用的地方，因?yàn)樗鼘⑹堑孛嬲?、無(wú)線信號(hào)和其他構(gòu)建模塊的組合。這些可能會(huì)干擾信號(hào)的不同的情境表征--尤其是當(dāng)你在體育場(chǎng)、機(jī)場(chǎng)或類似的擁擠場(chǎng)所，那里的消費(fèi)密度要大得多--需要模擬這些不同的場(chǎng)景，出現(xiàn)的問(wèn)題會(huì)有不同的特征，需要根據(jù)具體情況來(lái)解決。

Ed Sperling：所以需要很多的重復(fù)？

Thomas：是的

Ed Sperling：新的大機(jī)遇在哪里？

Thomas：當(dāng)然是汽車領(lǐng)域，尤其是電動(dòng)汽車。但其中很多也可以推廣到航空航天和衛(wèi)星通信等領(lǐng)域，因?yàn)樗羞@些都將作為一個(gè)互聯(lián)的系統(tǒng)網(wǎng)格發(fā)揮作用。測(cè)試的未來(lái)不是儀器。它是一個(gè)自主的、超自動(dòng)化的系統(tǒng)連結(jié)而成的系統(tǒng)。它不僅僅是一個(gè)孤立工作的系統(tǒng)，它是一個(gè)協(xié)同工作的網(wǎng)格，為最終客戶提供業(yè)務(wù)或產(chǎn)品性能的最終輸出。

Ed Sperling：您現(xiàn)在是否在考慮隨著時(shí)間的推移進(jìn)行測(cè)試，而不是僅僅在制造過(guò)程中進(jìn)行一系列測(cè)試然后投入市場(chǎng)？

Thomas：是的，我們?cè)谡麄€(gè)產(chǎn)品生命周期內(nèi)，隨著時(shí)間的推移來(lái)檢測(cè)異常，什么異常在什么時(shí)候出現(xiàn)可能是使用特性和系統(tǒng)負(fù)載的函數(shù)。所以這些都是我們傳統(tǒng)上沒(méi)有看到的維度。想想新年慶?；顒?dòng)，當(dāng)一個(gè)地方的人員密度增加并改變系統(tǒng)的行為特征時(shí)。每當(dāng)密度增加時(shí)，這些特征就會(huì)批量出現(xiàn)，當(dāng)你隨著時(shí)間的推移觀察導(dǎo)致這些系統(tǒng)異常的因素時(shí)--因?yàn)楫惓：苌贂?huì)瞬間發(fā)生--就會(huì)出現(xiàn)退化模式，甚至在出現(xiàn)異常之前，您就可以檢測(cè)到退化模式的斜率。

Ed Sperling：預(yù)測(cè)那些異質(zhì)集成和不均勻老化的異常是否會(huì)變得更加困難？

Thomas：系統(tǒng)變得越來(lái)越復(fù)雜。與單一整體相比，有更多的可移動(dòng)部件組合在一起形成一個(gè)系統(tǒng)。還有更多的子模塊以不同的排列組合組裝在一起。這就是為什么測(cè)試和測(cè)量的機(jī)會(huì)越來(lái)越強(qiáng)大。

Ed Sperling：那么最終目標(biāo)是彈性嗎？

Thomas：是的，這是你在軟件行業(yè)看到的事情。在黑色星期五，當(dāng)有數(shù)百萬(wàn)用戶試圖購(gòu)物時(shí)，如果一臺(tái)機(jī)器出現(xiàn)故障，它會(huì)自動(dòng)重新規(guī)劃路線，您的服務(wù)不會(huì)中斷?，F(xiàn)在的問(wèn)題是您是否可以將相同的功能引入硬件領(lǐng)域，并確保產(chǎn)品的最終客戶體驗(yàn)不會(huì)惡化。

Ed Sperling：現(xiàn)在的極端情況比以往任何時(shí)候都多，我們需要更快地識(shí)別并處理它們。我們?cè)撛趺醋瞿兀?/p>

Thomas：這就是基于場(chǎng)景的測(cè)試的用武之地，而大量的測(cè)試場(chǎng)景就是寶貴的金粉。你需要一個(gè)可以玩任何場(chǎng)景的場(chǎng)景網(wǎng)絡(luò)。這就是我們將測(cè)試和測(cè)量民主化（democratize test and measurement）作為下一個(gè)邏輯演變的方式。

Ed Sperling：您所尋求的是更快的上市時(shí)間和更少的失敗，對(duì)嗎？

Thomas：是的，而且需要一些時(shí)間才能到達(dá)那里。但我們可以幫助促進(jìn)這一點(diǎn)，因?yàn)闇y(cè)試和測(cè)量無(wú)處不在地跨越這些功能的不同構(gòu)建模塊。

Ed Sperling：所有這些都會(huì)產(chǎn)生更多數(shù)據(jù)。您如何管理所有這些數(shù)據(jù)？您保留多少以及保存多長(zhǎng)時(shí)間？

Thomas：我們的想法不是存儲(chǔ)所有數(shù)據(jù)。它是找到導(dǎo)致異常的關(guān)鍵模式并將其聚合，然后冷存儲(chǔ)并壓縮它，甚至歸檔它，或者根據(jù)需要清除它。您不需要每一行數(shù)據(jù)。訣竅是弄清楚什么是關(guān)鍵聚合存儲(chǔ)、以及應(yīng)該扔掉什么。

原文轉(zhuǎn)載自媒體Semiconductor Engineering：

https://semiengineering.com/using-generative-ai-to-connect-lab-to-fab-test/