股票十倍杠杆正规平台

中兴证券芯片制造，AI局限性凸显

（原标题：芯片制造中兴证券，AI局限性凸显）

如果您希望可以时常见面，欢迎标星收藏哦~

来源：本文来自 manufacturingdive ，谢谢。

英特尔、Global Foundries等行业大厂高管讨论了半导体行业采用人工智能以更快获得成果时所面临的挑战。

制造商正在将人工智能引入其流程中，以提高效率并获得竞争优势。

本周举行的行业会议上，高管们表示，最终，通过机器人、数据和软件的正确组合，可以实现完全自主的半导体晶圆厂或流程，从而释放人力来与人工智能一起解决问题。

在纽约奥尔巴尼举行的先进半导体制造大会上，来自英特尔、EMD、格芯和其他计算机芯片公司的领导人探讨了他们对人工智能的愿景。他们还谈到了随着该技术在整个行业应用的不断增长，该技术面临的挑战和局限性。

从数据稀缺问题到幻觉问题，以下是行业领导者在人工智能方面面临的一些关键限制。

确定从哪里获取人工智能的价值

目前，ChatGPT 等大型语言模型可以生成类似人类的文本并执行与语言相关的任务。一些工具可以生成视频、图像甚至代码，而其他形式的人工智能可以创建工厂车间的数字复制品，处理重复性任务或通过计算机视觉改进质量控制。

人工智能在芯片制造中的应用潜力无限。然而，随着各大公司竞相将人工智能技术融入其运营，它们可能会陷入在不了解其如何提升性能的情况下就直接使用工具的陷阱。

“人们总是喜欢吹捧人工智能。一切都是人工智能。我们想用人工智能做点什么，但我们投入的资金并没有带来相应的价值，”EMD Technologies 全球工厂运营和数字化转型主管 Safa Kutup Kurt 在一次会议小组讨论中说道。“我们需要找到这种平衡，我们需要真正致力于解决方案的可扩展性并创造价值。”

库尔特补充道：“如果我们无法量化它，那么就很难扩大规模。”

人工智能的“可解释性”中兴证券

人工智能工具可以提供解决方案的答案，但理解它们得出结论的原因却很棘手。

英特尔公司高级自动化和分析工程师 Jason Komorowski 在小组讨论中表示：“提高这些模型的可解释性和建立信任是它们需要发展的重要途径。”

“我们不能只是给人们一个黑匣子，然后说你输入你想要的东西，它就会告诉你需要做什么。对吧？我们必须能够解释它，了解哪些功能正在被使用，以及我们如何构建和做出决策，”科莫罗夫斯基补充道。

改善合作伙伴在人工智能方面的合作

公司往往专注于自身组织内部的先进技术改进。格芯全球流片和掩模运营副总裁 Pawitter Mangat 表示，这类问题更容易解决。Mangat 补充道，最具挑战性的是让公司与合作伙伴在整个端到端市场的技术上保持一致。

“我们都有各自的工艺流程，但也有各自的模型，”Mangat 说道。“从这个角度来看，如何优化呢？也就是说，我们没有针对格芯、英特尔或其他公司定制的解决方案，对吧？我认为这才是最大的挑战所在。如果我们拥有一个允许我们进行阴影处理的工艺流程，或者至少确定我们在某些模型中保持一致的基准，那么我们都能从中受益。”

数据稀缺

除了加强协作之外，数据可用性和可访问性也将成为进步和创新的挑战。

爱达荷国家实验室的数据科学家罗斯·昆茨在小组讨论中表示，人工智能模型需要大量数据才能有效运行而不受差异影响，而公司通常不愿意与他人共享专有数据。

“没有哪个单一的模型能够真正地提供最佳结果，”昆兹说道。“ChatGPT 不会在每个流程中都提供最佳结果。因此，模型必须具备某种稳健性，以便我们能够跨行业进行比较，并开发出……能够应用于多种规模的方法。”

人工智能模型的验证

人工智能模型的功能已经取得了很大进展，但数据验证仍然是一个挑战。

“我们经常在新闻里看到关于人工智能系统产生幻觉的报道，对吧？”科莫罗夫斯基说。“如果没有亲眼看到有人说‘是的，这很有道理’，就很难验证答案是否正确。因此，这些模型的验证肯定存在局限性。”

虽然人工智能在改善车间运营方面已经取得了进展，例如创建数字零件库存以减少浪费和运行完整的工厂模拟，但要充分利用先进技术，还有很多工作要做。

科莫罗夫斯基表示，需要进行更多研究和开发，以确保这些模型能够生成更确定性的结果，而不是概率性的结果。他还强调，需要提高人工智能的“可解释性”，并加强供应商和客户之间的交叉协作。

科莫沃斯基表示，随着创建标准化平台和共享格式的进展，这为英特尔和其他公司在整个工厂车间使用人工智能开辟了新途径，“因此我们不必每次都重新创建它，这是一个巨大的推动因素。”

https://www.manufacturingdive.com/news/limitations-of-ai-in-materials-manufacturing-semiconductor-robotics-chips/747632/

半导体精品公众号推荐