سود:
- امکان تولید اسکریپت هایی که سیگنال ها، لاگ و داده های تله متری را با پایتون پاک و تجسم می کند، با پشتیبانی هوش مصنوعی
- توانایی تشخیص کیفیت داده ها، یادگیری بیش از حد و خطرات برون یابی هنگام ساخت مدل های ساده پیش بینی و ناهنجاری
- امکان تأیید کد و نتیجه تولید شده توسط هوش مصنوعی با کنترل واحد، داده های مرجع و قابلیت مهندسی
امتحان ماژول
1. یک کارآموز از ابزار چت هوش مصنوعی جریان منبع مورد نیاز یک LNA (تقویت کننده کم نویز) را می خواهد و مقدار حاصل از '15 میلی آمپر' را مستقیماً در جدول بودجه برق می نویسد. اشتباه اساسی در این رویکرد چیست؟
- الف) مقدار فعلی باید از برگه داده و شرایط عملیاتی جزء انتخاب شده باشد. شماره تولید شده توسط هوش مصنوعی ممکن است ساختگی بدون منبع باشد ✔
- ب) باید به جای mA به AI در μA خواسته می شد
- ج) مقدار صحیح است، فقط باید املای واحد تصحیح می شد
- د) کافی است سه بار همین سوال را از هوش مصنوعی بپرسید و میانگین بگیرید
توضیح: مدل زبان دیتاشیت جزء خاصی را که انتخاب کرده اید نمی داند. عددی را تولید می کند که محتمل ترین به نظر می رسد (توهم). جریان تغذیه فقط از برگه داده و شرایط عملکرد قطعه مورد استفاده می آید. خروجی هوش مصنوعی بدون تایید نمی تواند وارد جدول شود.
2. «طبقهبندی مبتنی بر ریسک» چه چیزی را در استفاده از هوش مصنوعی در کارهای الکترونیکی/ارتباطاتی ممکن میسازد؟
- الف) کاهش هزینه اشتراک ابزار هوش مصنوعی
- ب) نقش هوش مصنوعی و عمق اجباری تأیید را با توجه به سطح خطر کار تعیین کنید ✔
- ج) دستورات باید کوتاهتر نوشته شوند
- د) به طور خودکار تمام تصمیمات را به هوش مصنوعی واگذار کنید
توضیح: هر ماموریتی در سطح ریسک یکسانی نیست. طبقهبندی کار بهعنوان کم/متوسط/بالا/بحرانی تعیین میکند که کدام خروجی میتواند آزادانه استفاده شود و به اندازهگیری، شبیهسازی و تأیید مهندس واجد شرایط نیاز دارد.
3. معیار نمونه برداری Nyquist در پردازش سیگنال چه می گوید و در صورت نقض آن چه اتفاقی می افتد؟
- الف) فرکانس نمونه برداری باید حداقل دو برابر بالاترین فرکانس باشد. در غیر این صورت، aliasing رخ می دهد و سیگنال به طور غیر قابل برگشتی کاهش می یابد ✔
- ب) هر چه فرکانس نمونه برداری کمتر باشد، وضوح بالاتر است
- ج) نمونه برداری فقط برای سیگنال های آنالوگ مورد نیاز است نه دیجیتال
- د) معیار Nyquist فقط سطح نویز را تعیین می کند
توضیح: برای بازیابی دقیق سیگنال، فرکانس نمونه برداری باید حداقل دو برابر بالاترین فرکانس سیگنال باشد. اگر این شرط برآورده نشود، فرکانس های بالا به عنوان فرکانس های پایین ظاهر می شوند. به این حالت aliasing می گویند و داده ها برای همیشه خراب می شوند.
4. زمانی که هوش مصنوعی طرحبندی PCB را پیشنهاد میکند، بهترین رویکرد چیست؟
- الف) ارسال طرح پیشنهادی هوش مصنوعی به طور مستقیم به تولید
- ب) پیشنهاد را به عنوان یک چک لیست/راه اندازی ارزیابی کنید تا توسط DRC، شبیه سازی و اندازه گیری نمونه اولیه تأیید شود.
- ج) کپی کردن متن هوش مصنوعی بدون باز کردن برگه های داده
- د) نادیده گرفتن قوانین یکپارچگی سیگنال زیرا هوش مصنوعی آنها را رد می کند
توضیحات: هوش مصنوعی می تواند اصول طرح بندی کلی و یکپارچگی سیگنال (مسیر بازگشت کوتاه، صفحه مرجع، قرار دادن خازن جداسازی) را به یاد بیاورد. با این حال، طرح نهایی توسط DRC (بررسی قوانین طراحی)، شبیهسازی و اندازهگیری نمونه اولیه تأیید میشود. خروجی هوش مصنوعی یک چک لیست و نقطه شروع است.
5. «EIRP» در بودجه پیوند RF به چه معناست؟
- الف) توان تابشی موثر، که قدرت فرستنده و بهره آنتن را با کسر تلفات ترکیب می کند.
- ب) مقدار مطلق کف صدا در گیرنده
- ج) اندازه فیزیکی آنتن
- د) امپدانس مشخصه کابل
توضیح: EIRP (Effective Isotropic Radiated Power) توان مؤثری است که توسط یک آنتن همسانگرد تابش می شود، همراه با توان خروجی فرستنده و بهره آنتن، منهای تلفات کابل/کانکتور. بودجه پیوند و محدودیت های نظارتی تا حد زیادی به EIRP بستگی دارد. مقدار نهایی با اندازه گیری و تنظیم تأیید می شود.
6. وقتی هوش مصنوعی یک "ناهنجاری" در دما و داده های فعلی در تعمیر و نگهداری پیش بینی پیدا می کند به چه معناست؟
- الف) اثبات اینکه تجهیزات قطعاً از کار افتاده است
- ب) هشداری مبنی بر انحراف داده ها از حالت عادی. تشخیص عیب قطعی نیست، بلکه نشانه ای است که باید با بازرسی میدانی تایید شود ✔
- ج) دستور دهید که تجهیزات باید به طور خودکار خاموش شوند
- د) تضمین کنید که داده ها نادرست ثبت شده اند
توضیح: ناهنجاری انحراف داده ها از رفتار عادی است و ممکن است نشان دهنده یک نقص باشد. but it is not a definitive diagnosis. تصمیم برای غیرفعال کردن یا تعویض کارت/تجهیزات با کنترل فیزیکی در محل و تایید مدیر عملیات گرفته می شود.
7. کدام یک برای امنیت/پایداری قبل از بارگیری کد معمول سرویس وقفه میانافزار (ISR) نوشته شده با هوش مصنوعی در سختافزار اجباری است؟
- الف) مستقیماً بدون خواندن کد در دستگاههای موجود در میدان مستقر شوید
- ب) فقط چک کنید که کامپایل شده و نصب کنید
- ج) خواندن کد، عبور آن از طریق تجزیه و تحلیل استاتیک، بررسی امنیت داده های مشترک/زمان بندی و تست آن بر روی سخت افزار ✔
- د) با تکیه بر تعداد کم خطوط خروجی
توضیح: کد هوش مصنوعی ممکن است از محافظت از متغیرهای مشترک (فرار/اتمی)، عملیات طولانی/مسدود کننده در ISR استفاده کند یا از ثبت نامناسب استفاده کند. خواندن کد، اجرای آن از طریق تجزیه و تحلیل استاتیک و آزمایش آن در شرایط واقعی بر روی سخت افزار ضروری است. ISR can be security-critical.
8. رابطه معمولی بین BER (نرخ خطای بیت) و SNR (نسبت سیگنال به نویز) در ارتباطات دیجیتال چیست و هوش مصنوعی هنگام تفسیر آن چه چیزی را باید به خاطر بسپارد؟
- الف) این دو همیشه با هم زیاد می شوند
- ب) هیچ رابطه ای بین آنها وجود ندارد
- ج) به طور کلی، با افزایش SNR، BER کاهش می یابد. مقادیر واقعی به مدولاسیون، کانال و کدگذاری بستگی دارد و باید با شبیهسازی/اندازهگیری تأیید شوند.
- د) رابطه ثابت است و در همه سیستم ها دارای مقدار عددی یکسان است
توضیح: به طور کلی، با افزایش SNR، BER کاهش می یابد (با قوی تر شدن سیگنال نسبت به نویز، خطا کاهش می یابد). هوش مصنوعی میتواند این روند کلی و منحنیهای نظری را توضیح دهد، اما مقادیر واقعی به نوع مدولاسیون، کانال، کدگذاری و سختافزار بستگی دارد و باید با شبیهسازی/اندازهگیری تأیید شوند. منحنی کلی جایگزین حقیقت خاص سیستم نمی شود.
9. مناسب ترین استفاده برای حل مشکل ارتباط I2C (دستگاه پاسخ نمی دهد) با هوش مصنوعی چیست؟
- الف) علل احتمالی را در فهرستی از فرضیه ها فهرست کنید. تشخیص قطعی با اندازه گیری آنالایزر/اسیلوسکوپ ✔
- ب) اولین دلیل ارائه شده توسط هوش مصنوعی را به عنوان یک نقص قطعی بپذیرید و سخت افزار را جایگزین کنید.
- ج) بارها کد پیشنهاد شده توسط هوش مصنوعی را بدون اندازه گیری خط بارگذاری کنید
- د) نادیده گرفتن اندازه گیری آنالایزر و تکیه صرفاً بر پیش بینی هوش مصنوعی
توضیحات: هوش مصنوعی می تواند دلایل احتمالی (آدرس اشتباه، عدم وجود مقاومت بالاکشی، عدم تطابق سرعت، عدم وجود زمینه مشترک، مشاجره) را به عنوان یک لیست سیستماتیک از فرضیه ها استخراج کند. با این حال، تشخیص قطعی با اندازه گیری خط با یک تحلیلگر منطقی یا اسیلوسکوپ انجام می شود. خروجی هوش مصنوعی یک نقشه جستجو است، نه یک تشخیص قطعی.
10. در بهینهسازی شبکه سلولی، دقیقترین نگرش نسبت به علامت «تخریب» که هوش مصنوعی در روند RSRP/SINR پیدا میکند، چیست؟
- الف) تغییر پارامترهای شبکه زنده به طور مستقیم بر اساس خروجی هوش مصنوعی
- ب) هشدار را نادیده بگیرید و به تماشا ادامه دهید
- ج) علت اصلی را از طریق اندازهگیری میدانی/تست درایو و تحلیل مهندس شبکه بررسی کنید، سپس تصمیم بگیرید ✔
- د) تنها تکیه بر هوش مصنوعی و لغو اندازه گیری میدانی
توضیح: ممکن است به زودی یک مشکل پوشش/تداخل احتمالی در روند KPI هوش مصنوعی را نشان دهد. با این حال، علت اصلی (شیب آنتن، تداخل سلول همسایه، خرابی سختافزار) توسط اندازهگیری میدانی/تست و تجزیه و تحلیل درایو توسط مهندس شبکه تعیین میشود. خروجی هوش مصنوعی یک هشدار اسکن است، نه تصمیم تغییر پارامتر.
11. دقیق ترین رویکرد برای مقابله با راه حلی که توسط هوش مصنوعی (به عنوان مثال افزودن دانه های فریت) در یک مطالعه EMC/EMI پیشنهاد شده است، چیست؟
- الف) اعلام سازگاری محصول مستقیماً پس از اعمال توصیه هوش مصنوعی
- ب) پیشنهاد را به عنوان یک فرضیه راه حل ممکن در نظر بگیرید و آن را با اندازه گیری ها مطابق با حد استاندارد در یک آزمایشگاه معتبر تأیید کنید. ✔
- ج) رفع محدودیت های استاندارد با مقادیر داده شده توسط هوش مصنوعی
- د) رد شدن از اندازه گیری و تکیه بر شبیه سازی
توضیحات: هوش مصنوعی میتواند مسیرهای تداخل احتمالی و راهحلهای معمولی (فیلتر کردن، محافظ، اتصال به زمین، مدیریت کابل) را به یاد بیاورد. با این حال، تصمیم گیری در مورد مناسب بودن با اندازه گیری در یک آزمایشگاه معتبر مطابق با حد استاندارد (به عنوان مثال CISPR/EN) گرفته می شود. خروجی هوش مصنوعی یک فرضیه اولیه است، نه بیانیه تناسب اندام.
12. قوی ترین راه برای جلوگیری از دریافت یک مرجع ساختگی (توهم) هوش مصنوعی در زمانی که از آن شماره قسمت/بند استانداردی مانند 3GPP یا IEEE 802.11 می خواهید چیست؟
- الف) با تکیه بر تعداد آیتم و ارزش جدول داده شده توسط هوش مصنوعی
- ب) پرسیدن مجدد همان سوال با کلمات متفاوت
- ج) نگاه کردن به یک پست انجمن به جای استاندارد
- د) باز کردن و تایید هر مرجع از متن رسمی فعلی استاندارد (نسخه/نسخه صحیح) و اخذ تاییدیه مجاز در صورت لزوم ✔
توضیح: حتی اگر مدل زبان به درستی نام استاندارد را بداند، ممکن است شماره بخش، مقدار جدول و متن را توهم کند. علاوه بر این، مقادیر بین نسخه ها متفاوت است. هر مرجع باید از متن رسمی فعلی استاندارد باز شده و تأیید شود و در صورت لزوم تأیید شخص مجاز باید اخذ شود.
13. مهم ترین بررسی قبل از اجرای اسکریپت تجزیه و تحلیل سیگنال پایتون که توسط هوش مصنوعی نوشته شده است چیست؟
- الف) خواندن کد و تأیید تطابق نمونه/واحد، آزمایش با سیگنال مرجع شناخته شده و بررسی معقول بودن نتیجه ✔
- ب) اجرای کد به طور مستقیم بر روی کل مجموعه داده بدون خواندن آن
- ج) فقط دیدن اشتباه و قبول نتیجه
- د) با تکیه بر گرافیک خروجی برای زیبایی بصری
توضیح: کد هوش مصنوعی ممکن است فرکانس نمونهگیری، ترکیب واحدها (Hz/kHz، V/mV)، نادیده گرفتن پنجره/نرمالسازی یا عدم تطابق ستونها را به اشتباه فرض کند. خواندن کد، تأیید پارامترهای واحد و نمونه برداری، آزمایش با یک سیگنال مرجع شناخته شده و بررسی اینکه آیا نتیجه از نظر فیزیکی قابل قبول است ضروری است.
14. بهترین اقدام از نظر حفظ حریم خصوصی و مالکیت معنوی هنگام ارائه فایل های طراحی یا داده های شبکه مشتری به ابزار هوش مصنوعی مبتنی بر ابر چیست؟
- الف) چسباندن تمام دادههای طراحی خام/مش به شکلی که هست
- ب) زمینه را ناشناس کنید و داده های طراحی/مشتری/اندازه گیری حساس را تمیز کنید و از ابزارهای شرکتی مطابق با خط مشی استفاده کنید ✔
- ج) با فرض اینکه ارائه اطلاعات واقعی مشتری و IP برای کیفیت نتیجه ضروری است
- د) نادیده گرفتن سیاست حفظ حریم خصوصی و مالکیت معنوی
توضیحات: فایل های شماتیک/PCB، منبع سیستم عامل، توپولوژی مشتری و داده های مشترک/اندازه گیری از نظر اسرار تجاری و قوانین (KVKK/GDPR) حساس هستند. ناشناس کردن زمینه، پاک کردن IP/MAC/ مختصات/ نام مشتری واقعی، انتخاب ابزار مطابق با خط مشی و شرکت و مطابقت با خط مشی شرکت ضروری است.