Ieguvumi:
- Spēja atšķirt, kur transportlīdzekļa izstrādes dzīves ciklā (V-modelis) mākslīgais intelekts rada reālu vērtību un kuri lēmumi jāpaliek kompetentā inženiera ziņā
- Spēja pielietot trīs enkura validācijas disciplīnas, kas pārbauda katru AI izvadi pēc lieluma, inženiertehniskās ticamības un neatkarīgiem testa/mērīšanas pierādījumiem.
- Atpazīt halucinācijas, neskaidrības, komercnoslēpuma un funkcionālās drošības riskus un iegūt ieradumu izveidot drošus uzvednes, anonimizējot kontekstu
Automobiļu inženierija; Tā ir milzīga ķēde, kas sākas no transportlīdzekļa koncepcijas rasējuma un sniedzas līdz projektēšanai, simulācijai, prototipam, testēšanai, masveida ražošanai un lauka uzraudzībai. Mūsdienās mākslīgais intelekts (īsi sakot, AI vai AI) ir aktīvs kā paātrinātājs katrā šīs ķēdes posmā. Taču kļūda automobiļu rūpniecībā nav kļūda, kas atstāta laboratorijā: tā nozīmē drošību, atsaukšanu un cilvēka dzīvību miljoniem transportlīdzekļu uz ceļa. Tāpēc pirmais un svarīgākais šī moduļa teikums ir: mākslīgais intelekts paātrina inženieri, bet īpašnieks un atbildīgs par drošībai būtisko lēmumu vienmēr ir kompetentais inženieris.
Šajā nodaļā mēs uzzināsim, kur AI rada reālu vērtību transportlīdzekļu izstrādē, kur ir sarkanās līnijas un kā disciplinēti apstiprināt katru AI izvadi.
Transportlīdzekļa izstrādes V-modelis un AI vieta
Autobūves attīstība bieži tiek aprakstīta ar V-modeli. V-modelis; Tas ir izstrādes process, kas norisinās burta "V" formā, un prasības un projektēšanas soļi ir lejupielādējami kreisajā pusē, programmatūras/aparatūras ieviešana apakšā, bet verifikācijas un integrācijas testi - labajā pusē. Kreisajā rokā tiek definēts "ko mēs darīsim" (prasība, sistēmas dizains), labajā rokā tiek pārbaudīts "vai mēs to izdarījām pareizi" (vienības testēšana, integrācija, instrumenta pārbaude).
Mākslīgais intelekts skar gandrīz katru šī V aspektu:
- Kreisā roka (dizains): piedāvājiet vieglas daļas ģeometriju ar ģeneratīvu dizainu, paātriniet simulāciju ar surogātmodeli, uztveriet neatbilstības prasību tekstos.
- Apakš (ieviešana): koda ģenerēšanas palīdzība, testa gadījumu atvasināšana, kalibrēšanas parametru skenēšana.
- Labā roka (pārbaude): anomālijas atzīmēšana no testa datiem, ziņojuma uzmetuma, izturības testa kopsavilkuma.
- Ražošana un lauks: vizuālo defektu noteikšana, paredzamā apkope, telemetrijas analīze, piegādes ķēdes prognozēšana.
Padoms: AI pozicionējiet kā palīgu, kas "ģenerē potenciālos pirkumus un piesaista uzmanību", nevis "lēmumu pieņēmēju". Lēmumu pieņem inženiertehniskie pierādījumi.
Ko mēs atstājam AI ziņā un ko ne?
Vispārīgs noteikums: AI ir spēcīga atkārtotā, datu ietilpīgā, pirmā projekta darbā; Spriedums, drošība un galīgais apstiprinājums pieder cilvēkam. Tālāk esošajā tabulā ir parādīta šī atšķirība.
Meklējumi
AI loma
Lēmuma īpašnieks
Anomāliju skenēšana 50 000 ceļa testa ieraksta rindiņās
Automātiskā marķēšana, iepriekšēja pārbaude
pārbaudes inženieris
Bremžu programmatūras drošības pārbaude
Iesakiet testa scenāriju
Funkcionālās drošības inženieris
Koncepcijas šasijas ģeometrijas ģenerēšana
Alternatīvu ģenerēšana (ģeneratīva)
Dizaina/CAE inženieris
Metināšanas šuvju defektu klasifikācija
Iepriekšēja noteikšana attēlā
Kvalitātes inženieris/operators
Homologācijas (tipa apstiprinājuma) deklarācija
teksta melnraksts
Atbildīgais inženieris/vadītājs
Piezīme: tabulas labā kolonna nekad nevar būt "AI". Galīgais paraksts par tādiem jautājumiem kā emisiju deklarācija, avārijas drošības apstiprinājums, bremžu veiktspēja utt. vienmēr pieder pilnvarotai personai. Lielākajā daļā valstu tas ir ne tikai ētisks, bet arī juridisks pienākums.
Trīs enkura pārbaudes disciplīnas
Visā šajā modulī mēs pārbaudīsim katru AI izvadi pret trim neatkarīgiem "enkuriem". Enkurs; Tāpat kā svars, kas notur kuģi vietā, tas neļauj AI vilkt mūs līdzi.
- Lieluma secības pārbaude: vai rezultāts ir aptuveni pareizajā skalā? Vieglā automobiļa paātrinājums no nulles līdz simts km/h ir aptuveni 6-9 sekundes; Ja AI saka "0,6 sekundes", kaut kas nav kārtībā. Ieteikums pilnībā uzlādēt akumulatoru 2 minūšu laikā ir fiziski apšaubāms.
- Inženiertehniskā ticamība: vai rezultāts ir saderīgs ar fiziku un inženiertehnisko intuīciju? Ja detaļa, kuru izgatavojat vieglāku, izrādās lētāka, stiprāka un vienlaikus vieglāk izgatavojama, atcerieties principu "bezmaksas pusdienu nav"; Kaut kur ir paslēpts kompromiss.
- Neatkarīga pārbaude/mērīšanas pierādījums: spēcīgākais enkurs. Salīdziniet simulāciju ar fizisko testēšanu, prognozēšanu ar faktiskajiem datiem, AI kopsavilkumu ar neapstrādātiem datiem. Neviena drošībai svarīga izvade netiek pieņemta bez pierādījumiem.
Uzmanību: AI var radīt dezinformāciju, izmantojot ļoti tekošu un pārliecinošu valodu; to sauc par halucinācijām. Plūsma neliecina par precizitāti. Nedomājiet, ka skaitlis, standarta skaitlis vai materiāla īpašība ir pareiza tikai tāpēc, ka tas ir pateikts ar pārliecību; Apstipriniet no avota.
Mini gadījumu izpēte
1. gadījums — pasūtījuma kļūdu uztveršana. Praktikants liek AI aprēķināt transportlīdzekļa aerodinamisko pretestības spēku un iegūt rezultātu "12 000 N" ar ātrumu 100 km/h. Vecākais inženieris veic līmeņa pārbaudi: parasta vieglā automobiļa pretestības spēks pie šāda ātruma ir aptuveni 300–400 N (apmēram 30–40 kgf). N12 000 ir trīsdesmit reizes vairāk. Pārbaudot, šķiet, ka AI izmanto nepareizu gaisa blīvuma mērvienību (g/cm³ neskaidrības, nevis kg/m³). Rezultāts: vienkārša ranga pārbaude novērsa vairākas stundas nepareiziem dizaina lēmumiem.
2. gadījums — saprātīguma filtrs. Iepirkuma komanda lūdz AI padomu izmaksu samazināšanai; AI iesaka pirkt no viena piegādātāja, ietaupot 8%. Plānošanas vadītājs veic ticamības pārbaudi: šī daļa ir drošībai būtisks gaisa spilvena sensors, un vienīgais avots apturētu visu ražošanu, ja šajā rūpnīcā būtu pārtraukums. Ieteikums tiek labots, pievienojot otro avotu un krājumu buferi. Rezultāts: tika novērsts risks "pārtraukt līniju", lai ietaupītu 8%.
3. gadījums — neatkarīgi pierādījumi. CAE komanda prognozē pārsega paneļa vibrācijas (NVH — troksnis, vibrācija, skarbums) uzvedību, izmantojot ātru aizstājējmodeli; Modelis paredz rezonansi (pārmērīgu vibrāciju noteiktā frekvencē) pie 47 Hz. Komanda to apstiprina ar fizisko modālo testēšanu; patiesais maksimums notiek pie 44 Hz. Atšķirība ir neliela, bet svarīga; Surogātmodelis tiek pieņemts, bet dizaina rezerve ir attiecīgi paplašināta. Secinājums: tika izmantota ātra AI prognoze, taču tā tika kalibrēta ar neatkarīgiem pierādījumiem.
Drošas uzvednes iestatīšana: privātums un komercnoslēpumi
Automobiļu dati bieži satur komercnoslēpumus (jauna modeļa dizains, piegādātāja cena) vai personas datus (vadītāja atrašanās vieta, VIN - šasijas numurs). Neapstrādātu konfidenciālu datu sūtīšana uz publisku mākoņa AI rīku ir liels risks.
Tālāk ir sniegts vāju un spēcīgu uzvedņu salīdzinājums.
Vāja uzvedne:
Es pievienoju mūsu 2027. gada zīmola X elektriskā SUV projekta reālos akumulatora testa datus, mūsu šūnu piegādātājs ir uzņēmums Y, vienības cena ir 92 USD. Atrisiniet diapazona problēmu transportlīdzekļiem ar šiem VIN: [īstais VIN saraksts]
Šajā uzvednē tiek atklāta marka, modelis, piegādātājs, cena un personīgais VIN; Tas ir bīstami gan privātumam, gan konkurencei.
Spēcīga uzvedne:
Loma: Esmu elektrisko transportlīdzekļu akumulatoru testēšanas inženieris. Konteksts: es izmeklēju attāluma novirzi pasažieru SUV akumulatorā (aptuveni 75 kWh). Es anonimizēju datus; zīmoli tika kodēti kā A/B, transportlīdzekļi kā transportlīdzeklis_1..transportlīdzeklis_20. Uzdevums: Pievienotajā (anonīmajā) temperatūras diapazonu tabulā uzskaitiet 3 mainīgos, kas visvairāk ietekmē diapazonu, un katram iesakiet pārbaudes testu. Ierobežojums: nepieprasiet galīgu iemeslu; sniegt hipotēzi un pārbaudes soli.Izvade: tabula + prioritāšu secība.
Padoms: izmantojiet AI vidi ar uzņēmuma datu līgumu (neizmantojiet savus datus apmācībā), anonimizējiet datus un sniedziet tikai minimālo nepieciešamo informāciju (datu minimizēšana).
RGBÇ raksts labai uzvednei
Vienkāršais modelis, ko mēs atkal un atkal izmantosim šajā modulī: loma - uzdevums - konteksts - izvade (RGBÇ).
Loma: [Kādam ekspertam vajadzētu rīkoties AI]Uzdevums: [ko vēlaties vienā teikumā]Konteksts: [vienības, ierobežojumi, standarta, anonīmi dati]Ierobežojums: [ko nedarīt, ko darīt neskaidrībā]Izvade: [tabula/saraksts/kods, kāds formāts]
Loma: Jūs esat pieredzējis NVH (trokšņa-vibrācijas) inženieris. Uzdevums: uzskaitiet iespējamos stūres vibrācijas traucējumu cēloņus. Konteksts: Priekšējā ass, 80-100 km/h, uz līdzena ceļa; Riepas tikko sabalansētas.Ierobežojums: Kārtot no visticamākā līdz vismazāk iespējamajam; katram iemeslam ieteikt vienu verifikācijas mērījumu. Izvade: numurēts saraksts + pārbaudes kolonna.
Loma: Jūs esat automobiļu kvalitātes inženieris. Uzdevums: Pārveidojiet metinājuma defektu ziņojumu formātā 5W1H (kas/kāpēc/kur...). Konteksts: Robotiskā punktmetināšana, korpusa līnija; pēdējās 3 maiņās palielinājies defektu līmenis. Rezultāts: strukturēts kopsavilkums + 3 tūlītējas kontroles ieteikumi.
Loma: darbojies kā datu analītiķis. Uzdevums: izlasiet tālāk esošos telemetrijas kolonnu aprakstus un iesakiet 8 iespējamos atribūtus paredzamajai apkopei. Ierobežojums: Ieteikt atribūtus, izmantojot nākotnes informāciju (noplūdes risks); uzrakstiet katra atribūta iemeslu.Izvade: Atribūts | Pamatojums | Noplūdes riska (J/N) tabula.
Biežas kļūdas
- AI izvades maldināšana kā pierādījums. Šķidrais teksts nav pārbaudīts inženierijā. Noenkurojiet katru numuru.
- Apejot ranga pārbaudi. Šī ir lētākā un jaudīgākā kļūdu slazdošanas metode; Tas aizņem desmit sekundes.
- Neapstrādātu konfidenciālu datu sūtīšana. Informācijas, piemēram, zīmola, piegādātāja, cenas, VIN, kopīgošana bez anonimizācijas ir līguma un likuma pārkāpums.
- Nenoteiktības ignorēšana. "Vai esat pārliecināts?" Tā vietā, lai jautātu, pieprasiet pierādījumus; AI pārliecība nav tās precizitātes mērs.
- Vainot AI. “Modele tā teica” nav aizstāvība; Paraksts ir jūsu.
Rezumējot
- AI ir paātrinātājs katrā V-modeļa transportlīdzekļa izstrādes posmā; Taču drošībai būtisks lēmums un apstiprinājums vienmēr ir kompetentam inženierim.
- Pārbaudiet katru AI izvadi pret trim enkuriem: lieluma secība, inženiertehniskā ticamība, neatkarīgas pārbaudes/mērīšanas pierādījumi.
- Halucinācijas ir reālas; Raidums nav precizitāte.
- Anonimizējiet konfidenciālos un personas datus, ieviesiet datu minimizēšanu, izmantojiet uzņēmuma AI vidi.
- Lai iegūtu labas uzvednes, izmantojiet modeli Role-Task-Context-Output (RGBÇ).
Lietojumprogrammas uzdevums
Izvēlieties uzdevumu no sava uzņēmuma (vai no iedomāta vieglo automašīnu projekta): piemēram, "bremžu kluču nodiluma prognoze". (1) Kurā vietā V-modelī jūs ievietotu šo uzdevumu? (2) Tabulā ierakstiet AI lomu un lēmuma īpašnieku. (3) Uzrakstiet uzvedni ar RGBÇ modeli un anonimizējiet visu tajā esošo konfidenciālo/personisko informāciju. (4) Atzīmējiet trīs vienumus, ar kuriem trīs enkuriem pārbaudīsit AI atbildi.
kontrolsaraksts
- [ ] Noteicu sava uzdevuma vietu V-modelī.
- [ ] Es atsevišķi uzrakstīju AI lomu un galīgā lēmuma īpašnieku.
- [ ] Savā uzvednē es anonimizēju informāciju, piemēram, zīmolu/piegādātāju/cenu/VIN.
- [ ] Es izmantoju RGBS modeli (loma, uzdevums, konteksts, ierobežojums, izvade).
- [ ] Man ir gatavs plāns, lai pārbaudītu rezultātu ar trim enkuriem (rangs, ticamība, neatkarīgi pierādījumi).
- [ ] Esmu apstiprinājis, ka drošībai būtisks apstiprinājums paliek cilvēkam.