Pelnas:
- Gebėjimas atskirti, kurioje transporto priemonės kūrimo ciklo dalyje (V modelis) dirbtinis intelektas sukuria tikrą vertę, o už kokius sprendimus turėtų atsakyti kompetentingas inžinierius.
- Galimybė taikyti tris tvirtinimo disciplinas, kurios tikrina kiekvieną AI išvestį pagal dydį, inžinerinį patikimumą ir nepriklausomus bandymo / matavimo įrodymus.
- Atpažinti haliucinacijas, dviprasmiškumą, komercinės paslapties ir funkcinio saugumo riziką ir įgyti įprotį nustatyti saugius raginimus anonimizuojant kontekstą
Automobilių inžinerija; Tai didžiulė grandinė, kuri prasideda nuo transporto priemonės koncepcijos brėžinio ir tęsiasi iki projektavimo, modeliavimo, prototipo, bandymų, masinės gamybos ir lauko stebėjimo. Šiandien dirbtinis intelektas (trumpai tariant, AI arba AI) yra aktyvus kaip greitintuvas kiekvienoje šios grandinės grandyje. Tačiau klaida automobilių pramonėje nėra klaida, palikta laboratorijoje: milijonams kelyje važiuojančių transporto priemonių tai reiškia saugumą, atšaukimą ir žmogaus gyvybę. Todėl pirmasis ir svarbiausias šio modulio sakinys: dirbtinis intelektas pagreitina inžinierių, tačiau savininkas ir atsakingas už saugai kritinį sprendimą visada yra kompetentingas inžinierius.
Šiame skyriuje sužinosime, kur AI sukuria tikrą vertę kuriant transporto priemones, kur yra raudonos linijos ir kaip disciplinuotai patvirtinti kiekvieną AI išvestį.
V formos transporto priemonių kūrimo modelis ir AI vieta
Automobilių plėtra dažnai apibūdinama naudojant V modelį. V formos modelis; Tai yra kūrimo procesas, vykstantis raidės „V“ forma, kai reikalavimai ir projektavimo žingsniai nusileidžia kairėje, programinės įrangos / aparatinės įrangos diegimas apačioje, o tikrinimo ir integravimo testai kyla dešinėje. Kairėje rankoje apibrėžiama „ką darysime“ (reikalavimas, sistemos dizainas), dešinėje – „ar padarėme teisingai“ (vieneto testavimas, integravimas, įrankių patikra).
Dirbtinis intelektas paliečia beveik kiekvieną šio V aspektą:
- Kairė ranka (dizainas): pasiūlykite lengvą detalių geometriją su generatyviu dizainu, paspartinkite modeliavimą su pakaitiniu modeliu, gaukite reikalavimų tekstų neatitikimus.
- Sub (įgyvendinimas): kodo generavimo pagalba, bandomojo atvejo išvedimas, kalibravimo parametrų nuskaitymas.
- Dešinė ranka (patikra): anomalijos žymėjimas iš bandymo duomenų, ataskaitos juodraščio, patvarumo testo santraukos.
- Gamyba ir sritis: vizualinis defektų aptikimas, nuspėjamoji priežiūra, telemetrinė analizė, tiekimo grandinės prognozavimas.
Patarimas: AI nustatykite kaip asistentą, kuris „generuoja potencialius klientus ir patraukia dėmesį“, o ne „sprendimų priėmėjas“. Sprendimą priima inžineriniai įrodymai.
Ką paliekame dirbtiniam intelektui, o ko ne?
Bendra taisyklė: dirbtinis intelektas yra stiprus atliekant pasikartojančius, daug duomenų reikalaujančius, pirmojo juodraščio darbus; Nuosprendis, saugumas ir galutinis pritarimas priklauso žmogui. Žemiau pateikta lentelė atspindi šį skirtumą.
Quest
AI vaidmuo
Sprendimo savininkas
Anomalijų nuskaitymas 50 000 kelių bandymų įrašo eilučių
Automatinis žymėjimas, išankstinė atranka
bandymų inžinierius
Stabdžių programinės įrangos saugumo patikrinimas
Pasiūlykite bandymo scenarijų
Funkcinės saugos inžinierius
Koncepcinės važiuoklės geometrijos generavimas
Alternatyvų generavimas (generatyvinis)
Dizainas/CAE inžinierius
Suvirinimo siūlių defektų klasifikacija
Išankstinis aptikimas paveikslėlyje
Kokybės inžinierius/operatorius
Homologavimo (tipo patvirtinimo) deklaracija
teksto juodraštis
Atsakingas inžinierius/vadybininkas
Pastaba: dešinysis lentelės stulpelis niekada negali būti „AI“. Galutinį parašą tokiais klausimais kaip išmetamųjų teršalų deklaracija, saugos nuo susidūrimo patvirtinimas, stabdymo charakteristikos ir kt. visada turi įgaliotas asmuo. Daugelyje šalių tai ne tik etinė, bet ir teisinė prievolė.
Trys inkaro tikrinimo disciplinos
Šiame modulyje mes išbandysime kiekvieną AI išvestį pagal tris nepriklausomus „inkarus“. Inkaras; Kaip ir svoris, laikantis laivą vietoje, jis neleidžia dirbtiniam intelektui mūsų tempti kartu.
- Patikrinimas pagal dydį: ar rezultatas yra maždaug teisingas? Lengvojo automobilio įsibėgėjimas nuo nulio iki šimto km/h yra apie 6-9 sekundes; Jei AI sako „0,6 sekundės“, kažkas negerai. Rekomendacija visiškai įkrauti akumuliatorių per 2 minutes fiziškai abejotina.
- Inžinerinis patikimumas: ar rezultatas suderinamas su fizika ir inžinerine intuicija? Jei jūsų pagaminta lengvesnė dalis pasirodo pigesnė, tvirtesnė ir lengviau pagaminama tuo pačiu metu, atsiminkite principą „nemokamų pietų nėra“; Kažkur paslėptas kompromisas.
- Nepriklausomas bandymas / matavimo įrodymas: stipriausias inkaras. Palyginkite modeliavimą su fiziniu testavimu, numatymą su faktiniais duomenimis, AI santrauką su neapdorotais duomenimis. Jokia saugumui svarbi produkcija nepriimama be įrodymų.
Atsargiai: AI gali pateikti dezinformaciją labai sklandžiai ir užtikrintai kalba; tai vadinama haliucinacija. Sklandumas nėra tikslumo įrodymas. Nemanykite, kad skaičius, standartinis skaičius ar materialinė savybė yra teisingi vien todėl, kad jie sakomi su pasitikėjimu; Patvirtinkite iš šaltinio.
Mini atvejų analizė
1 atvejis – užsakymo klaidų gaudymas. Stažuotojas AI apskaičiuoja automobilio aerodinaminę pasipriešinimo jėgą ir gauna rezultatą „12 000 N“ važiuojant 100 km/h greičiu. Vyresnysis inžinierius atlieka lygio patikrinimą: įprasto lengvojo automobilio pasipriešinimo jėga tokiu greičiu yra apie 300–400 N (apie 30–40 kgf). N12 000 yra trisdešimt kartų daugiau. Patikrinus paaiškėjo, kad AI naudoja netinkamą oro tankio vienetą (g/cm³, o ne kg/m³ painiavos). Rezultatas: Paprastas rango patikrinimas išvengė klaidingų projektavimo sprendimų.
2 atvejis – pagrįstumo filtras. Pirkimų komanda prašo dirbtinio intelekto patarimo dėl išlaidų mažinimo; AI rekomenduoja pirkti iš vieno tiekėjo, sutaupant 8 proc. Planavimo vadovas atlieka patikimumo patikrą: ši dalis yra saugai svarbios oro pagalvės jutiklis, o vienintelis šaltinis sustabdytų visą gamybą, jei toje gamykloje įvyktų gedimas. Pasiūlymas taisomas pridedant antrąjį šaltinį ir atsargų buferį. Rezultatas: buvo išvengta rizikos „sustabdyti eilę“ siekiant sutaupyti 8 proc.
3 atvejis – nepriklausomi įrodymai. CAE komanda numato gaubto plokštės vibracijos (NVH – triukšmas, vibracija, šiurkštumas) elgseną naudodama greitą pakaitinį modelį; Modelis numato rezonansą (per didelę vibraciją tam tikru dažniu) esant 47 Hz. Komanda tai patvirtina atlikdama fizinius modalinius bandymus; tikroji smailė būna 44 Hz. Skirtumas nedidelis, bet svarbus; Priimamas pakaitinis modelis, tačiau atitinkamai praplečiama dizaino marža. Išvada: buvo naudojamas greitas AI numatymas, tačiau kalibruotas remiantis nepriklausomais įrodymais.
Saugaus raginimo nustatymas: privatumas ir komercinės paslaptys
Automobilių duomenyse dažnai yra komercinių paslapčių (naujo modelio dizainas, tiekėjo kaina) arba asmens duomenys (vairuotojo vieta, VIN – važiuoklės numeris). Neapdorotų konfidencialių duomenų siuntimas į viešąjį debesies AI įrankį yra didelė rizika.
Žemiau pateikiamas silpnų ir stiprių raginimų palyginimas.
Silpnas raginimas:
Pridedu realius mūsų 2027 m. modelio X prekės ženklo elektrinio visureigio projekto akumuliatoriaus testo duomenis, mūsų elementų tiekėjas yra įmonė Y, vieneto kaina 92 USD. Išspręskite transporto priemonių su šiais VIN asortimento problemą: [tikrasis VIN sąrašas]
Šis raginimas atskleidžia markę, modelį, tiekėją, kainą ir asmeninį VIN; Tai pavojinga ir privatumui, ir konkurencijai.
Galingas raginimas:
Vaidmuo: Esu elektromobilių akumuliatorių testavimo inžinierius. Kontekstas: aš tiriu keleivinio visureigio akumuliatoriaus (apie 75 kWh) atstumo dreifą. anonimizuojau duomenis; markės buvo koduojamos kaip A/B, transporto priemonės kaip transporto priemonė_1..transporto priemonė_20. Užduotis: Prisegtoje (anoniminėje) temperatūros diapazono lentelėje išvardykite 3 kintamuosius, kurie labiausiai veikia diapazoną, ir kiekvienam pasiūlykite patikrinimo testą. Apribojimas: nereikalaukite galutinės priežasties; pateikti hipotezę ir patikrinimo žingsnį.Išvestis: lentelė + prioritetų tvarka.
Patarimas: naudokite dirbtinio intelekto aplinką su įmonės duomenų sutartimi (nenaudokite duomenų mokymo metu), anonimizuokite duomenis ir pateikite tik minimalią reikalingą informaciją (duomenų sumažinimas).
RGBÇ raštas – geras raginimas
Paprastas modelis, kurį vėl ir vėl naudosime šiame modulyje: Vaidmuo – Užduotis – Kontekstas – Išvestis (RGBÇ).
Vaidmuo: [Koks ekspertas turėtų veikti AI]Užduotis: [ko norite viename sakinyje]Kontekstas: [vienetai, apribojimai, standartiniai, anoniminiai duomenys]Apribojimas: [nedaryk ko, ką daryti esant neapibrėžtumui]Išvestis: [lentelė/sąrašas/kodas, koks formatas]
Vaidmuo: esate patyręs NVH (triukšmo ir vibracijos) inžinierius. Užduotis: išvardykite galimas pagrindines skundo dėl vairo vibracijos priežastis. Kontekstas: priekinė ašis, 80-100 km/h, lygiame kelyje; Padangos ką tik subalansuotos. Apribojimas: Rūšiuoti nuo labiausiai tikėtino iki mažiausiai tikėtino; pasiūlykite vieną patikrinimo matavimą kiekvienai priežasčiai. Išvestis: sunumeruotas sąrašas + patikros stulpelis.
Vaidmuo: esate automobilių kokybės inžinierius. Užduotis: Konvertuoti suvirinimo defektų ataskaitą į 5W1H (kas/kodėl/kur...) formatą. Kontekstas: Robotinis taškinis suvirinimas, korpuso linija; defektų dažnis padidėjo per paskutines 3 pamainas. Rezultatas: struktūrizuota santrauka + 3 tiesioginės kontrolės rekomendacijos.
Vaidmuo: dirbkite kaip duomenų analitikas. Užduotis: perskaitykite toliau pateiktus telemetrijos stulpelių aprašymus ir pasiūlykite 8 numatomus atributus. Apribojimas: Rekomenduoti atributus naudojant būsimą informaciją (nutekėjimo rizika); parašykite kiekvieno atributo priežastį.Išvestis: Požymis | Pagrindimas | Nuotėkio rizikos (Y/N) lentelė.
Dažnos klaidos
- Klaidingas AI išvestis kaip įrodymas. Sklandus tekstas nėra patvirtintas inžinerija. Pritvirtinkite kiekvieną skaičių.
- Apeinant rango patikrinimą. Tai pigiausias ir galingiausias klaidų gaudymo metodas; Tai trunka dešimt sekundžių.
- Siunčiami neapdoroti konfidencialūs duomenys. Dalijimasis tokia informacija kaip prekės ženklas, tiekėjas, kaina, VIN be anonimiškumo yra sutarties ir įstatymų pažeidimas.
- Nepaisydamas neapibrėžtumo. – Ar tu tikras? Užuot klausę, prašykite įrodymų; AI pasitikėjimas nėra jo tikslumo matas.
- Kaltinti AI. „Modelis taip pasakė“ nėra gynyba; Parašas yra jūsų.
Apibendrinant
- Dirbtinis intelektas yra akceleratorius kiekviename V formos transporto priemonės kūrimo etape; Tačiau saugai svarbius sprendimus ir patvirtinimą visada turi kompetentingas inžinierius.
- Išbandykite kiekvieną AI išvestį pagal tris priedus: dydį, inžinerinį patikimumą, nepriklausomo bandymo / matavimo įrodymus.
- Haliucinacijos yra tikros; Sklandumas nėra tikslumas.
- Anonimizuoti konfidencialius ir asmeninius duomenis, įgyvendinti duomenų sumažinimą, naudoti įmonės AI aplinką.
- Norėdami gauti gerų raginimų, naudokite vaidmens-užduotis-konteksto išvesties (RGBÇ) šabloną.
Taikymo užduotis
Pasirinkite užduotį iš savo verslo (arba iš įsivaizduojamo lengvojo automobilio projekto): pavyzdžiui, „stabdžių trinkelių nusidėvėjimo prognozė“. (1) Kurioje V modelio vietoje įdėtumėte šią užduotį? (2) Lentelėje užrašykite AI ir sprendimo savininko vaidmenį. (3) Parašykite raginimą su RGBÇ šablonu ir anonimuokite visą konfidencialią / asmeninę informaciją. (4) Pažymėkite tris elementus, su kuriais trimis inkarais patikrinsite AI atsakymą.
kontrolinis sąrašas
- [ ] Nustačiau savo užduoties vietą V modelyje.
- [ ] Atskirai parašiau AI ir galutinio sprendimo savininko vaidmenį.
- [ ] Savo raginimu padariau anoniminę informaciją, pvz., prekės ženklą / tiekėją / kainą / VIN.
- [ ] Naudojau RGBS šabloną (vaidmuo, užduotis, kontekstas, apribojimas, išvestis).
- [ ] Turiu paruoštą planą patikrinti išvestį trimis inkarais (ranga, patikimumas, nepriklausomi įrodymai).
- [ ] Patvirtinau, kad saugumui svarbus patvirtinimas lieka žmogui.