ਲਾਭ:
- ਇਹ ਪਤਾ ਲਗਾਉਣ ਦੀ ਸਮਰੱਥਾ ਕਿ AI ਇਲੈਕਟ੍ਰੋਨਿਕਸ/ਸੰਚਾਰ ਵਰਕਫਲੋ ਵਿੱਚ ਅਸਲ ਸਮੇਂ ਦੀ ਕਿੱਥੇ ਬਚਤ ਕਰਦਾ ਹੈ, ਅਤੇ ਕਿੱਥੇ ਪਾਲਣਾ ਅਤੇ ਸੁਰੱਖਿਆ-ਨਾਜ਼ੁਕ ਜ਼ਿੰਮੇਵਾਰੀ ਸਮਰੱਥ ਇੰਜੀਨੀਅਰ ਦੇ ਕੋਲ ਰਹਿੰਦੀ ਹੈ, ਜੋਖਮ ਪੱਧਰ ਦੇ ਅਧਾਰ ਤੇ
- ਇੱਕ ਬਹੁ-ਪੱਧਰੀ ਪ੍ਰਮਾਣਿਕਤਾ ਅਨੁਸ਼ਾਸਨ ਨੂੰ ਲਾਗੂ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਜੋ ਮਾਪ, ਸਿਮੂਲੇਸ਼ਨ, ਸਟੈਂਡਰਡ ਟੈਕਸਟ, ਅਤੇ ਸੁਤੰਤਰ ਗਣਨਾ ਦੇ ਵਿਰੁੱਧ ਹਰੇਕ AI ਆਉਟਪੁੱਟ ਦੀ ਜਾਂਚ ਕਰਦੀ ਹੈ
- ਸੰਦਰਭ ਨੂੰ ਅਗਿਆਤ ਕਰਨ ਦੀ ਆਦਤ ਪਾਓ ਅਤੇ ਡਿਜ਼ਾਈਨ ਫਾਈਲਾਂ, ਗਾਹਕ ਨੈਟਵਰਕ ਡੇਟਾ ਅਤੇ ਬੌਧਿਕ ਸੰਪੱਤੀ ਦੀ ਸੁਰੱਖਿਆ ਲਈ ਸੁਰੱਖਿਅਤ ਸਾਧਨ ਚੁਣੋ
ਇਲੈਕਟ੍ਰੋਨਿਕਸ ਅਤੇ ਸੰਚਾਰ ਇੰਜੀਨੀਅਰ ਦਾ ਕੰਮ ਅਦਿੱਖ ਭੌਤਿਕ ਮਾਤਰਾਵਾਂ (ਵੋਲਟੇਜ, ਵਰਤਮਾਨ, ਬਾਰੰਬਾਰਤਾ, ਖੇਤਰ) ਨੂੰ ਕਾਰਜਸ਼ੀਲ ਉਤਪਾਦਾਂ ਅਤੇ ਭਰੋਸੇਯੋਗ ਕੁਨੈਕਸ਼ਨਾਂ ਵਿੱਚ ਅਨੁਵਾਦ ਕਰਨਾ ਹੈ। ਇੱਕ ਸਰਕਟ ਡਿਜ਼ਾਇਨ ਕਰਨਾ, ਪ੍ਰਿੰਟਿਡ ਸਰਕਟ ਬੋਰਡ (PCB: ਪ੍ਰਿੰਟਿਡ ਸਰਕਟ ਬੋਰਡ, ਇੰਸੂਲੇਟਿੰਗ ਬੋਰਡ ਜਿਸ 'ਤੇ ਕੰਪੋਨੈਂਟ ਰੱਖੇ ਜਾਂਦੇ ਹਨ), ਸਿਗਨਲ ਨੂੰ ਫਿਲਟਰ ਕਰਨਾ ਅਤੇ ਮੋਡਿਊਲ ਕਰਨਾ, ਇਸ ਨੂੰ ਐਂਟੀਨਾ ਤੋਂ ਬਾਹਰ ਕੱਢਣਾ, ਏਮਬੇਡਡ ਸੌਫਟਵੇਅਰ (ਫਰਮਵੇਅਰ: ਸਥਾਈ ਮੈਮੋਰੀ ਵਿੱਚ ਲਿਖਿਆ ਗਿਆ ਸਾਫਟਵੇਅਰ ਜੋ ਡਿਵਾਈਸ ਦੇ ਹਾਰਡਵੇਅਰ ਨੂੰ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਚਲਾਉਂਦਾ ਹੈ), ਲਿਖਣਾ, ਨੈਟਵਰਕ ਦੇ ਸਾਰੇ ਪ੍ਰਦਰਸ਼ਨ ਦੀ ਨਿਗਰਾਨੀ ਅਤੇ ਦਸਤਾਵੇਜ਼ਾਂ ਦੀ ਨਿਗਰਾਨੀ ਕਰਨਾ। ਮਾਪਦੰਡਾਂ ਅਤੇ ਕਾਨੂੰਨਾਂ ਦੇ ਅਨੁਸਾਰ। ਇਹਨਾਂ ਨੌਕਰੀਆਂ ਦੀ ਆਮ ਵਿਸ਼ੇਸ਼ਤਾ ਬਹੁਤ ਸਾਰੇ ਮਾਪਾਂ ਅਤੇ ਡੇਟਾ ਦੇ ਨਾਲ ਕੰਮ ਕਰ ਰਹੀ ਹੈ, ਪਰ ਹਰੇਕ ਫੈਸਲਾ ਇਹ ਨਿਰਧਾਰਤ ਕਰਦਾ ਹੈ ਕਿ ਕੀ ਕੋਈ ਉਤਪਾਦ ਕੰਮ ਕਰੇਗਾ, ਕੀ ਇੱਕ ਪ੍ਰਸਾਰਣ ਕਾਨੂੰਨੀ ਸੀਮਾ ਦੇ ਅੰਦਰ ਰਹੇਗਾ, ਕੀ ਇੱਕ ਸਿਸਟਮ ਸੁਰੱਖਿਅਤ ਹੈ ਜਾਂ ਨਹੀਂ। ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (ਛੋਟੇ ਲਈ AI; ਸਾਫਟਵੇਅਰ ਸਿਸਟਮ ਜੋ ਟੈਕਸਟ, ਨੰਬਰਾਂ, ਕੋਡ ਅਤੇ ਚਿੱਤਰਾਂ 'ਤੇ ਵੱਡੇ ਡੇਟਾ ਅਤੇ ਭਾਸ਼ਾ ਮਾਡਲਾਂ ਨਾਲ ਕੰਮ ਕਰਦੇ ਹਨ) ਇਸ ਡੇਟਾ-ਇੰਤਜ਼ਾਮ ਪਰ ਫੈਸਲੇ-ਨਾਜ਼ੁਕ ਆਧਾਰ ਵਿੱਚ ਇੱਕ ਸ਼ਕਤੀਸ਼ਾਲੀ ਸਹਾਇਤਾ ਹੈ। ਇਹ ਯੂਨਿਟ ਤੁਹਾਨੂੰ ਸਿਖਾਉਂਦਾ ਹੈ ਕਿ ਇਲੈਕਟ੍ਰੋਨਿਕਸ/ਸੰਚਾਰ ਦੇ ਕੰਮ ਵਿੱਚ AI ਨੂੰ ਸੁਰੱਖਿਅਤ ਢੰਗ ਨਾਲ ਕਿੱਥੇ ਵਰਤਣਾ ਹੈ, ਇਹ ਕਿੱਥੇ ਖ਼ਤਰਨਾਕ ਹੈ, ਅਤੇ ਤੁਹਾਨੂੰ ਮਾਪ, ਸਿਮੂਲੇਸ਼ਨ, ਸਟੈਂਡਰਡ ਟੈਕਸਟ, ਅਤੇ ਇੰਜੀਨੀਅਰਿੰਗ ਨਿਰਣੇ ਦੁਆਰਾ ਹਰੇਕ AI ਆਉਟਪੁੱਟ ਨੂੰ ਪ੍ਰਮਾਣਿਤ ਕਿਉਂ ਕਰਨਾ ਪੈਂਦਾ ਹੈ।
ਕੇਂਦਰੀ ਸਿਧਾਂਤ ਜੋ ਤੁਸੀਂ ਇਸ ਮੋਡੀਊਲ ਵਿੱਚ ਵਰਤੋਗੇ: AI ਇੱਕ ਸਹਾਇਕ ਹੈ, ਇੱਕ ਫੈਸਲਾ ਲੈਣ ਵਾਲਾ ਨਹੀਂ। ਇੱਕ ਸਪਲਾਈ ਕਰੰਟ, ਇੱਕ ਰੁਕਾਵਟ ਮੁੱਲ, ਇੱਕ ਫਿਲਟਰ ਕੱਟ-ਆਫ ਬਾਰੰਬਾਰਤਾ, ਇੱਕ ਟ੍ਰਾਂਸਮਿਟ ਪਾਵਰ ਸੀਮਾ ਜਾਂ ਇੱਕ ਮਿਆਰੀ ਧਾਰਾ ਸਿਰਫ ਇਸ ਲਈ ਸਹੀ ਨਹੀਂ ਹੋ ਸਕਦੀ ਕਿਉਂਕਿ "AI ਨੇ ਅਜਿਹਾ ਕਿਹਾ"; ਡੇਟਾ ਸ਼ੀਟ, ਮਾਪ, ਸਿਮੂਲੇਸ਼ਨ, ਅਧਿਕਾਰਤ ਸਟੈਂਡਰਡ ਟੈਕਸਟ, ਅਤੇ ਸਮਰੱਥ ਇੰਜੀਨੀਅਰ ਨਿਰਣੇ ਦੁਆਰਾ ਪ੍ਰਮਾਣਿਤ ਹੋਣ ਤੱਕ ਇਹ ਸਿਰਫ਼ ਇੱਕ ਕਲਪਨਾ ਹੈ। ਤੁਸੀਂ ਇਸ ਵਾਕ ਨੂੰ ਮੋਡੀਊਲ ਦੀ ਹਰ ਇਕਾਈ ਵਿੱਚ ਦੁਬਾਰਾ ਦੇਖੋਗੇ, ਕਿਉਂਕਿ ਇਲੈਕਟ੍ਰੋਨਿਕਸ ਵਿੱਚ, ਇੱਕ ਗਲਤ ਨੰਬਰ ਦਾ ਅਕਸਰ ਮਤਲਬ ਹੁੰਦਾ ਹੈ ਇੱਕ ਕਾਰਡ ਬਰਨ, ਇੱਕ ਉਤਪਾਦ ਪ੍ਰਮਾਣੀਕਰਣ ਵਿੱਚ ਅਸਫਲ ਹੋ ਜਾਂਦਾ ਹੈ, ਜਾਂ ਇੱਕ ਸੰਚਾਰ ਲਿੰਕ ਕ੍ਰੈਸ਼ ਹੁੰਦਾ ਹੈ।
LLM ਕੀ ਹੈ, ਇਹ ਇਲੈਕਟ੍ਰੋਨਿਕਸ/ਸੰਚਾਰ ਵਿੱਚ ਕੀ ਕਰਦਾ ਹੈ?
LLM (ਵੱਡਾ ਭਾਸ਼ਾ ਮਾਡਲ) ਇੱਕ ਸਾਫਟਵੇਅਰ ਹੈ ਜੋ ਟੈਕਸਟ ਅਤੇ ਕੋਡ ਦੇ ਬਹੁਤ ਵੱਡੇ ਹਿੱਸਿਆਂ ਤੋਂ ਪੈਟਰਨ ਸਿੱਖਦਾ ਹੈ ਅਤੇ ਸੰਭਾਵਨਾ ਦੇ ਅਧਾਰ 'ਤੇ "ਅਗਲੇ ਸ਼ਬਦ" ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਦਾ ਹੈ। ਇਹ ChatGPT, Claude, Gemini ਵਰਗੇ ਟੂਲਸ ਦਾ ਇੰਜਣ ਹੈ। ਬਿੰਦੂ ਇਹ ਹੈ: LLM ਇੱਕ "ਭਾਸ਼ਾ ਅਤੇ ਕੋਡ ਅਨੁਮਾਨਕ" ਹੈ, ਇੱਕ "ਮਾਪਣ ਵਾਲਾ ਯੰਤਰ" ਜਾਂ "ਗਿਆਨ ਅਧਾਰ" ਨਹੀਂ ਹੈ। ਇੰਜਨੀਅਰਿੰਗ ਸ਼ਬਦਾਵਲੀ ਚੰਗੀ ਤਰ੍ਹਾਂ ਬੋਲਦਾ ਹੈ, ਪਰ ਰੁਕਾਵਟ ਨੂੰ ਮਾਪਦਾ ਨਹੀਂ ਹੈ; ਉਹ ਸੰਖਿਆ ਪੈਦਾ ਕਰਦਾ ਹੈ ਜੋ ਸਭ ਤੋਂ ਵੱਧ ਸੰਭਾਵਨਾ ਦਿਖਦਾ ਹੈ। ਇਸ ਲਈ, ਇਹ ਕਿਸੇ ਕੰਪੋਨੈਂਟ ਦੀ ਸਪਲਾਈ ਕਰੰਟ, ਰੈਗੂਲੇਸ਼ਨ ਸੀਮਾ ਜਾਂ ਮਿਆਰਾਂ ਦੀ ਸਾਰਣੀ ਬਾਰੇ ਭਰੋਸੇਮੰਦ ਪਰ ਗਲਤ ਜਵਾਬ ਦੇ ਸਕਦਾ ਹੈ। ਇਸ ਨੂੰ ਭੁਲੇਖਾ (ਫੈਬਰੀਕੇਸ਼ਨ) ਕਿਹਾ ਜਾਂਦਾ ਹੈ। ਭਰਮ ਇੱਕ ਖਰਾਬੀ ਨਹੀਂ ਹੈ, ਪਰ ਇਸ ਤਕਨਾਲੋਜੀ ਦੀ ਇੱਕ ਅੰਦਰੂਨੀ ਵਿਸ਼ੇਸ਼ਤਾ ਹੈ; ਇਸ ਲਈ, ਤਸਦੀਕ ਇੱਕ "ਵਾਧੂ ਕਦਮ" ਨਹੀਂ ਹੈ ਪਰ ਨੌਕਰੀ ਦਾ ਇੱਕ ਅਨਿੱਖੜਵਾਂ ਅੰਗ ਹੈ।
ਉਹ ਕੰਮ ਜਿੱਥੇ AI ਇਲੈਕਟ੍ਰਾਨਿਕਸ/ਸੰਚਾਰ ਵਿੱਚ ਮਜ਼ਬੂਤ ਹੈ:
- ਸੰਕਲਪ ਦੀ ਵਿਆਖਿਆ ਅਤੇ ਸਿੱਖਿਆ: ਪ੍ਰਤੀਰੋਧ ਮੇਲ ਕੀ ਹੈ, OFDM ਕਿਵੇਂ ਕੰਮ ਕਰਦਾ ਹੈ, ਅਲੀਅਸਿੰਗ ਦਾ ਕਾਰਨ ਕੀ ਹੈ, EMC ਕਿਵੇਂ ਵਿਘਨ ਪਾਉਂਦਾ ਹੈ।
- ਕੋਡ ਅਤੇ ਫਰਮਵੇਅਰ ਡਰਾਫਟ: ਮਾਈਕ੍ਰੋਕੰਟਰੋਲਰ ਡਰਾਈਵਰ, ਸਟੇਟ ਮਸ਼ੀਨ, ਪਾਈਥਨ ਸਿਗਨਲ ਵਿਸ਼ਲੇਸ਼ਣ, ਟੈਸਟ ਆਟੋਮੇਸ਼ਨ ਫਰੇਮਵਰਕ।
- ਡੇਟਾ ਕਲੀਨਿੰਗ ਅਤੇ ਸੰਗਠਨ: ਖਿੰਡੇ ਹੋਏ ਮਾਪ ਲੌਗਸ ਨੂੰ ਇਕਸਾਰ ਸਾਰਣੀ ਵਿੱਚ ਬਦਲਣਾ, ਇਕਾਈ ਬੇਮੇਲ ਨੂੰ ਕੈਪਚਰ ਕਰਨਾ।
- ਇੱਕ ਅਨੁਮਾਨ ਸੂਚੀ ਤਿਆਰ ਕਰਨਾ: ਸਵਾਲਾਂ ਦੇ ਕਾਰਨਾਂ ਦੀ ਇੱਕ ਯੋਜਨਾਬੱਧ ਸੂਚੀ ਜਿਵੇਂ ਕਿ ਇੱਕ ਸਰਕਟ ਕੰਮ ਕਿਉਂ ਨਹੀਂ ਕਰਦਾ, ਇੱਕ ਲਿੰਕ ਕਿਉਂ ਡਿੱਗਦਾ ਹੈ।
- ਟੈਕਸਟ ਡਰਾਫਟ: ਟੈਸਟ ਪਲਾਨ, ਫਾਲਟ ਰਿਪੋਰਟ, ਤਕਨੀਕੀ ਫਾਈਲ ਡਰਾਫਟ, ਡੇਟਾਸ਼ੀਟ ਸੰਖੇਪ।
- ਖਾਤਾ ਸੈਟਅਪ: ਲਿੰਕ ਬਜਟ, ਪਾਵਰ ਬਜਟ, ਫਿਲਟਰ ਡਿਜ਼ਾਈਨ ਕਦਮਾਂ ਦਾ ਪਿੰਜਰ ਸਥਾਪਤ ਕਰਨਾ।
ਜਿੱਥੇ AI ਕਮਜ਼ੋਰ ਅਤੇ ਜੋਖਮ ਭਰਪੂਰ ਹੈ:
- ਸਹੀ ਸੰਖਿਆਤਮਕ ਮੁੱਲ (ਸਪਲਾਈ ਮੌਜੂਦਾ, ਰੁਕਾਵਟ, ਕੱਟ-ਆਫ ਬਾਰੰਬਾਰਤਾ, ਪ੍ਰਸਾਰਣ ਪਾਵਰ ਸੀਮਾ)।
- ਮੌਜੂਦਾ ਅਤੇ ਖਾਸ ਮਿਆਰੀ/ਵਿਧਾਨਕ ਲੇਖ, ਸਾਰਣੀ ਮੁੱਲ ਅਤੇ ਰਿਲੀਜ਼ ਜਾਣਕਾਰੀ।
- ਤੁਹਾਡੇ ਹਾਰਡਵੇਅਰ ਦੇ ਅਸਲ ਮਾਪ ਡੇਟਾ ਤੋਂ ਬਿਨਾਂ ਡਾਇਗਨੌਸਟਿਕਸ।
- ਪਾਲਣਾ ਅਤੇ ਸੁਰੱਖਿਆ-ਨਾਜ਼ੁਕ ਫੈਸਲਾ: ਅਨੁਕੂਲਤਾ, ਰੀਲੀਜ਼, ਸੇਵਾਯੋਗਤਾ, ਸੁਰੱਖਿਆ ਸੀਮਾ ਦੀ EMC ਘੋਸ਼ਣਾ।
ਜੋਖਮ-ਅਧਾਰਿਤ ਵਰਗੀਕਰਨ: AI ਦੀ ਵਰਤੋਂ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਫਿਲਟਰ
ਹਰ ਕੰਮ ਜੋਖਮ ਦੇ ਇੱਕੋ ਪੱਧਰ 'ਤੇ ਨਹੀਂ ਹੁੰਦਾ। AI ਦੀ ਵਰਤੋਂ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਜੋਖਮ ਦੇ ਪੱਧਰ ਦੁਆਰਾ ਕੰਮ ਦਾ ਵਰਗੀਕਰਨ ਕਰੋ। ਹੇਠਾਂ ਦਿੱਤੀ ਸਾਰਣੀ ਇੱਕ ਫੈਸਲੇ ਦਾ ਢਾਂਚਾ ਪ੍ਰਦਾਨ ਕਰਦੀ ਹੈ ਜਿਸਦੀ ਵਰਤੋਂ ਤੁਸੀਂ ਇਸ ਮੋਡੀਊਲ ਵਿੱਚ ਕਰੋਗੇ।
ਜੋਖਮ ਦਾ ਪੱਧਰ
ਨਮੂਨਾ ਕੰਮ
AI ਭੂਮਿਕਾ
ਲਾਜ਼ਮੀ ਪੁਸ਼ਟੀਕਰਨ
ਘੱਟ
ਸੰਕਲਪ ਵਿਆਖਿਆ, ਡਰਾਫਟ ਟੈਕਸਟ, ਕੋਡ ਪਿੰਜਰ
ਮੁਫਤ ਵਰਤੋਂ
ਸਮੀਖਿਆ ਕਾਫ਼ੀ ਹੈ
ਮੱਧਮ
ਡਾਟਾ ਸਫਾਈ, ਅਨੁਮਾਨ ਸੂਚੀ, ਗਣਨਾ ਸੈੱਟਅੱਪ
ਡਰਾਫਟ/ਸਹਿ-ਲੇਖਕ
ਮੈਨੁਅਲ ਜਾਂਚ + ਡਾਟਾ ਸ਼ੀਟ ਦੀ ਪੁਸ਼ਟੀ
ਉੱਚ
ਸਰਕਟ ਰੇਟਿੰਗ, ਫਿਲਟਰ/ਐਂਟੀਨਾ ਡਿਜ਼ਾਈਨ, ਫਰਮਵੇਅਰ ਤਰਕ
ਵਿਚਾਰ ਜਨਰੇਟਰ
ਸਿਮੂਲੇਸ਼ਨ + ਪ੍ਰੋਟੋਟਾਈਪ ਮਾਪ
ਨਾਜ਼ੁਕ
EMC/ਪ੍ਰਸਾਰਣ ਪਾਲਣਾ, ਸੁਰੱਖਿਆ ਹਾਸ਼ੀਏ, ਸੇਵਾਯੋਗਤਾ
ਸਿਰਫ਼ ਡਰਾਫਟ/ਸਕੈਨ
ਸਮਰੱਥ ਇੰਜੀਨੀਅਰ ਦੀ ਪ੍ਰਵਾਨਗੀ + ਮਾਨਤਾ ਪ੍ਰਾਪਤ ਟੈਸਟਿੰਗ
ਸੁਝਾਅ: ਜੇਕਰ ਤੁਸੀਂ ਕਿਸੇ ਕੰਮ ਨੂੰ "ਨਾਜ਼ੁਕ" ਵਜੋਂ ਚਿੰਨ੍ਹਿਤ ਕੀਤਾ ਹੈ, ਤਾਂ AI ਦਾ ਆਉਟਪੁੱਟ ਕਦੇ ਵੀ ਅੰਤਿਮ ਦਸਤਾਵੇਜ਼ ਨਹੀਂ ਹੁੰਦਾ। ਵੱਧ ਤੋਂ ਵੱਧ ਇਹ ਇੱਕ ਸ਼ੁਰੂਆਤੀ ਡਰਾਫਟ ਜਾਂ ਚੈਕਲਿਸਟ ਹੋ ਸਕਦਾ ਹੈ; ਸਮਰੱਥ ਇੰਜੀਨੀਅਰ ਦਸਤਖਤ ਅਤੇ ਜ਼ਿੰਮੇਵਾਰੀ ਲੈਂਦਾ ਹੈ।
ਐਂਡ-ਟੂ-ਐਂਡ ਫਲੋ: ਤੁਹਾਡੇ ਵਰਕਫਲੋ ਵਿੱਚ ਏਆਈ ਨੂੰ ਸ਼ਾਮਲ ਕਰਨਾ
ਇਲੈਕਟ੍ਰੋਨਿਕਸ/ਸੰਚਾਰ ਵਿੱਚ ਇੱਕ ਆਮ ਸਮੱਸਿਆ-ਹੱਲ ਕਰਨ ਵਾਲਾ ਚੱਕਰ ਹੇਠਾਂ ਦਿੱਤਾ ਗਿਆ ਹੈ, ਜਿਸ ਵਿੱਚ AI ਹਰ ਪੜਾਅ ਵਿੱਚ ਦਾਖਲ ਹੁੰਦਾ ਹੈ ਪਰ ਉਹਨਾਂ ਵਿੱਚੋਂ ਕਿਸੇ ਨੂੰ ਵੀ ਆਪਣੇ ਆਪ ਬੰਦ ਨਹੀਂ ਕਰਦਾ ਹੈ:
- ਸਮੱਸਿਆ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰੋ: ਕੀ ਡਿਜ਼ਾਇਨ ਕੀਤਾ ਜਾਵੇਗਾ, ਪ੍ਰਦਰਸ਼ਨ ਦਾ ਕੀ ਟੀਚਾ, ਕਿਹੜੀਆਂ ਰੁਕਾਵਟਾਂ (ਸ਼ਕਤੀ, ਲਾਗਤ, ਬਾਰੰਬਾਰਤਾ, ਵਿਧਾਨ) ਹਨ? (AI: ਸਵਾਲ ਨੂੰ ਸਪੱਸ਼ਟ ਕਰਦਾ ਹੈ।)
- ਡਾਟਾ/ਲੋੜਾਂ ਇਕੱਠੀਆਂ ਕਰੋ: ਡਾਟਾ ਸ਼ੀਟਾਂ, ਮਿਆਰੀ ਸੀਮਾਵਾਂ, ਮਾਪ ਲੌਗ। (AI: ਸੰਖੇਪ ਅਤੇ ਅਸੰਗਤਤਾਵਾਂ ਦੀ ਖੋਜ ਕਰਦਾ ਹੈ।)
- ਅਨੁਮਾਨ/ਡਿਜ਼ਾਈਨ ਤਿਆਰ ਕਰੋ: ਵਿਕਲਪਕ ਟੋਪੋਲੋਜੀਜ਼, ਹੱਲ ਦ੍ਰਿਸ਼। (AI: ਯੋਜਨਾਬੱਧ ਸੂਚੀ ਤਿਆਰ ਕਰਦਾ ਹੈ।)
- ਵਿਸ਼ਲੇਸ਼ਣ: ਗਣਨਾ, ਸਿਮੂਲੇਸ਼ਨ, ਕੋਡ, ਸਿਗਨਲ ਵਿਸ਼ਲੇਸ਼ਣ। (AI: ਕੋਡ ਅਤੇ ਕੈਲਕੂਲੇਸ਼ਨ ਫਿਕਸ਼ਨ ਤਿਆਰ ਕਰਦਾ ਹੈ।)
- ਪੁਸ਼ਟੀ ਕਰੋ: ਸਿਮੂਲੇਸ਼ਨ, ਪ੍ਰੋਟੋਟਾਈਪ, ਮਾਪ, ਮਿਆਰੀ ਟੈਕਸਟ। (AI ਪਾਸੇ ਹੈ; ਮਾਪ ਅਤੇ ਮਨੁੱਖ ਫੈਸਲਾ ਕਰਦੇ ਹਨ।)
- ਦਸਤਾਵੇਜ਼ ਅਤੇ ਫੈਸਲਾ: ਸਮਰੱਥ ਇੰਜੀਨੀਅਰ ਜ਼ਿੰਮੇਵਾਰੀ ਲੈਂਦਾ ਹੈ। (AI: ਡਰਾਫਟ ਲੇਖਕ।)
ਇਹਨਾਂ ਛੇ ਕਦਮਾਂ ਨੂੰ ਧਿਆਨ ਵਿੱਚ ਰੱਖੋ; ਬਾਕੀ ਦਾ ਮੋਡਿਊਲ ਤੁਹਾਨੂੰ ਦਿਖਾਉਂਦਾ ਹੈ ਕਿ AI ਦੀ ਵਰਤੋਂ ਠੋਸ ਇਲੈਕਟ੍ਰੋਨਿਕਸ/ਸੰਚਾਰ ਕਾਰਜਾਂ ਨਾਲ, ਕਦਮ ਦਰ ਕਦਮ ਨਾਲ ਕਿਵੇਂ ਕਰਨੀ ਹੈ।
ਤਿੰਨ ਛੋਟੇ ਕੇਸ
ਕੇਸ 1 — ਗਲਤ ਕੰਪੋਨੈਂਟ ਮੁੱਲ। ਇੱਕ ਇੰਟਰਨ AI ਨੂੰ ਇੱਕ 3.3 V ਰੈਗੂਲੇਟਰ ਤੋਂ ਖੁਆਏ ਗਏ ਸਰਕਟ ਵਿੱਚ ਲੋੜੀਂਦੇ ਡੀਕਪਲਿੰਗ ਕੈਪੇਸੀਟਰ ਮੁੱਲ ਬਾਰੇ ਪੁੱਛਦਾ ਹੈ; AI ਕਹਿੰਦਾ ਹੈ "100 nF ਕਾਫ਼ੀ ਹੈ" ਅਤੇ ਇੱਕ ਸਟੀਕ ਨੁਸਖ਼ਾ ਵੀ ਦਿੰਦਾ ਹੈ: "ਹਰੇਕ IC ਲਈ 10 µF ਜੋੜੋ"। ਇੰਟਰਨ ਇਸ ਨੂੰ ਡਾਇਗ੍ਰਾਮ ਵਿੱਚ ਸਿੱਧਾ ਲਿਖਦਾ ਹੈ। ਜਦੋਂ ਕਿ ਸਹੀ ਮੁੱਲ ਵਰਤੇ ਗਏ ਚਿਪਸ ਦੀ ਡੈਟਾਸ਼ੀਟ ਵਿੱਚ ਸਿਫ਼ਾਰਸ਼ਾਂ, ਸਵਿਚਿੰਗ ਬਾਰੰਬਾਰਤਾ ਅਤੇ ਮੌਜੂਦਾ ਪ੍ਰੋਫਾਈਲ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ। ਇਸ ਡਿਜ਼ਾਇਨ ਵਿੱਚ, ਇੱਕ ਹਾਈ-ਸਪੀਡ ਚਿੱਪ ਪ੍ਰਤੀ ਸਕਿੰਟ ਲੱਖਾਂ ਵਾਰ ਕਰੰਟ ਖਿੱਚਦੀ ਹੈ, ਅਤੇ 100 nF ਹੀ ਨਾਕਾਫ਼ੀ ਹੈ; ਕਾਰਡ ਸਟਾਰਟਅੱਪ 'ਤੇ ਅਨਿਯਮਿਤ ਵਿਵਹਾਰ ਕਰਦਾ ਹੈ। ਸਹੀ ਪਹੁੰਚ ਹਰ ਚਿੱਪ ਦੀ ਡੇਟਾਸ਼ੀਟ ਅਤੇ ਪਾਵਰ ਇਕਸਾਰਤਾ ਵਿਸ਼ਲੇਸ਼ਣ ਤੋਂ ਮੁੱਲ ਲੈਣਾ ਹੈ।
ਕੇਸ 2 - ਗੈਰ-ਮੌਜੂਦ ਰੈਗੂਲੇਟਰੀ ਸੀਮਾ। ਇੱਕ ਇੰਜੀਨੀਅਰ AI ਨੂੰ 2.4 GHz ਬੈਂਡ ਵਿੱਚ ਆਪਣੇ ਉਤਪਾਦ ਦੀ ਅਧਿਕਤਮ ਮਨਜ਼ੂਰਸ਼ੁਦਾ EIRP (ਬਰਾਬਰ ਆਈਸੋਟ੍ਰੋਪਿਕ ਰੇਡੀਏਟਿਡ ਪਾਵਰ) ਲਈ ਪੁੱਛਦਾ ਹੈ। AI ਕਹਿੰਦਾ ਹੈ "ਨਿਯਮ ਅਨੁਸਾਰ 20 dBm" ਅਤੇ ਇੱਕ ਪਦਾਰਥ ਨੰਬਰ ਬਣਾਉਂਦਾ ਹੈ। ਇੰਜੀਨੀਅਰ ਉਸ ਅਨੁਸਾਰ ਤਕਨੀਕੀ ਫਾਈਲ ਲਿਖਦਾ ਹੈ। ਟੈਸਟ ਪ੍ਰਯੋਗਸ਼ਾਲਾ ਵਿੱਚ, ਇਹ ਖੁਲਾਸਾ ਹੋਇਆ ਹੈ ਕਿ ਸੀਮਾ ਦਾ ਮੁੱਲ ਬੈਂਡ, ਚੈਨਲ ਦੀ ਚੌੜਾਈ ਅਤੇ ਦੇਸ਼ ਦੇ ਅਧਾਰ 'ਤੇ ਬਦਲਦਾ ਹੈ, ਅਤੇ ਦਿੱਤਾ ਗਿਆ ਆਈਟਮ ਨੰਬਰ ਅਸਲ ਨਹੀਂ ਹੈ। ਸਹੀ ਪਹੁੰਚ ਮੌਜੂਦਾ ਨਿਯਮ (ਜਿਵੇਂ ਕਿ ਸੰਬੰਧਿਤ ETSI/FCC ਦਸਤਾਵੇਜ਼ ਅਤੇ ਦੇਸ਼ ਅਥਾਰਟੀ ਦੇ ਫੈਸਲੇ) ਨੂੰ ਅਧਿਕਾਰਤ ਸਰੋਤ ਤੋਂ ਖੋਲ੍ਹਣਾ ਅਤੇ ਮੁੱਲ ਅਤੇ ਪਦਾਰਥ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨਾ ਹੈ।
ਕੇਸ 3 - ਸਹੀ ਵਰਤੋਂ। ਇੱਕ ਇੰਜੀਨੀਅਰ ਨੂੰ ਤਾਪਮਾਨ ਸੈਂਸਰ ਤੋਂ 5000-ਲਾਈਨ ਮਾਪ ਲੌਗ ਵਿੱਚ ਇੱਕ ਅਸੰਗਤਤਾ ਦਾ ਸ਼ੱਕ ਹੈ। ਇਹ AI ਨੂੰ "ਇਸ ਸਾਰਣੀ ਵਿੱਚ ਉਹਨਾਂ ਕਤਾਰਾਂ ਨੂੰ ਸੂਚੀਬੱਧ ਕਰਨ ਲਈ ਕਹਿੰਦਾ ਹੈ ਜਿਹਨਾਂ ਵਿੱਚ ਇੱਕ ਯੂਨਿਟ ਅਸੰਗਤਤਾ (°C/°F ਉਲਝਣ), ਇੱਕ ਭੌਤਿਕ ਤੌਰ 'ਤੇ ਅਸੰਭਵ ਮੁੱਲ, ਇੱਕ ਸਪਾਈਕ, ਅਤੇ ਇੱਕ ਖਾਲੀ ਸੈੱਲ ਹੋ ਸਕਦਾ ਹੈ, ਅਤੇ ਉਹ ਲਿਖੋ ਜੋ ਤੁਹਾਨੂੰ ਹਰ ਇੱਕ ਲਈ ਸ਼ੱਕ ਹੈ; ਠੀਕ ਨਾ ਕਰੋ, ਸਿਰਫ਼ ਨਿਸ਼ਾਨ ਲਗਾਓ।" AI ਕਈ 999 ਕੋਡ ਰੀਡਿੰਗਾਂ, ਦੋ -300 °C ਰੀਡਿੰਗਾਂ, ਅਤੇ ਸਪਾਈਕਸ ਨੂੰ ਫਲੈਗ ਕਰਦਾ ਹੈ ਜੋ ਸੈਂਸਰ ਰੀਸੈੱਟਾਂ ਨਾਲ ਮਿਲਦੇ-ਜੁਲਦੇ ਹਨ। ਇੰਜੀਨੀਅਰ ਇਨ੍ਹਾਂ ਨੂੰ ਕੱਚੇ ਡੇਟਾ ਤੋਂ ਜਾਂਚਦਾ ਅਤੇ ਠੀਕ ਕਰਦਾ ਹੈ। ਇੱਥੇ AI ਦੀ ਸਹੀ ਵਰਤੋਂ ਕੀਤੀ ਗਈ ਸੀ: ਧਿਆਨ ਖਿੱਚਿਆ, ਮਨੁੱਖ ਨੇ ਫੈਸਲਾ ਲਿਆ ਅਤੇ ਸੁਧਾਰ ਕੀਤਾ।
ਕਾਪੀ ਕਰਨ ਯੋਗ ਪ੍ਰੋਂਪਟ ਟੈਂਪਲੇਟਸ
ਤੁਸੀਂ ਹੇਠਾਂ ਦਿੱਤੇ ਟੈਂਪਲੇਟਾਂ ਨੂੰ ਆਪਣੇ ਕਾਰੋਬਾਰ ਲਈ ਅਨੁਕੂਲ ਬਣਾ ਕੇ ਵਰਤ ਸਕਦੇ ਹੋ। ਉਹਨਾਂ ਵਿੱਚੋਂ ਹਰੇਕ ਵਿੱਚ, "ਇੱਕ ਸਹੀ ਸੰਖਿਆ ਦੇਣ, ਸਰੋਤ ਦਰਸਾਉਣ, ਅਨਿਸ਼ਚਿਤਤਾ ਦੀ ਵਿਆਖਿਆ ਕਰਨ" ਲਈ ਇੱਕ ਸੁਚੇਤ ਹਦਾਇਤ ਹੈ।
ਰੋਲ ਅਤੇ ਸੀਮਾ ਟੈਮਪਲੇਟ "ਭੂਮਿਕਾ: ਤੁਸੀਂ ਇੱਕ ਤਜਰਬੇਕਾਰ ਸਹਾਇਕ ਇਲੈਕਟ੍ਰੋਨਿਕਸ/ਸੰਚਾਰ ਇੰਜੀਨੀਅਰ ਹੋ। ਕੰਮ: [ਵਿਸ਼ਾ ਲਿਖੋ]। ਨਿਯਮ: ਸਹੀ ਸੰਖਿਆਤਮਕ ਮੁੱਲ (ਮੌਜੂਦਾ, ਰੁਕਾਵਟ, ਬਾਰੰਬਾਰਤਾ, ਪਾਵਰ ਸੀਮਾ) ਦਿੰਦੇ ਸਮੇਂ, ਕਹੋ ਕਿ ਇਹ ਡੇਟਾ ਸ਼ੀਟ ਜਾਂ ਮਾਪ ਤੋਂ ਤਸਦੀਕ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ; ਜੇਕਰ ਤੁਸੀਂ ਯਕੀਨੀ ਨਹੀਂ ਚੁਣਦੇ ਹੋ, ਤਾਂ ਕਹੋ। ਸਟੈਂਡਰਡ/ਰੈਗੂਲੇਟਰੀ ਧਾਰਾ, ਇਸਨੂੰ ਇਸਦੇ ਸੰਸਕਰਣ ਦੇ ਨਾਲ ਦਿਓ, ਪਰ ਇਸਦੀ ਅਧਿਕਾਰਤ ਸਰੋਤ ਤੋਂ ਪੁਸ਼ਟੀ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ, ਤੁਹਾਡੇ ਜਵਾਬ ਦੇ ਅੰਤ ਵਿੱਚ, 'ਸਿਮੂਲੇਸ਼ਨ/ਮਾਪ ਦੁਆਰਾ ਤਸਦੀਕ ਕਰਨ ਦੀ ਲੋੜ ਹੈ' ਲਿਖੋ।
ਹਾਈਪੋਥੀਸਿਸ ਜਨਰੇਸ਼ਨ ਟੈਂਪਲੇਟ"ਹੇਠ ਦਿੱਤੇ ਲੱਛਣਾਂ ਦੇ ਸੰਭਵ ਕਾਰਨਾਂ ਦੀ ਇੱਕ ਯੋਜਨਾਬੱਧ ਸੂਚੀ ਤਿਆਰ ਕਰੋ: [ਲੱਛਣ ਦਾ ਵਰਣਨ ਕਰੋ; ਕੀ ਦੇਖਿਆ ਗਿਆ ਹੈ, ਕੀ ਮਾਪ ਹੈ]. ਹਰੇਕ ਪਰਿਕਲਪਨਾ ਲਈ: (1) ਕਿਹੜਾ ਸਬੂਤ ਇਸਦਾ ਸਮਰਥਨ ਕਰਦਾ ਹੈ, (2) ਪੁਸ਼ਟੀ / ਅਸਵੀਕਾਰ ਕਰਨ ਲਈ ਕਿਹੜਾ ਮਾਪ (ਔਸੀਲੋਸਕੋਪ, ਐਨਾਲਾਈਜ਼ਰ, ਮਲਟੀਮੀਟਰ) ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਇੱਕ ਨਿਸ਼ਚਤ ਨਿਦਾਨ ਕਰੋ; ਸਮੱਸਿਆ-ਨਿਪਟਾਰਾ ਕਰਨ ਵਾਲਾ ਰੋਡ ਮੈਪ ਬਣਾਓ।"
ਤਸਦੀਕ ਚੈਕਲਿਸਟ ਟੈਮਪਲੇਟ "ਹੇਠਾਂ ਦਿੱਤੇ ਡਿਜ਼ਾਈਨ/ਰਿਪੋਰਟ ਡਰਾਫਟ ਵਿੱਚ ਹਰੇਕ ਸੰਖਿਆਤਮਕ ਮੁੱਲ ਅਤੇ ਹਰ ਮਿਆਰੀ/ਨਿਯੰਤ੍ਰਕ ਸੰਦਰਭ ਦੀ ਸੂਚੀ ਬਣਾਓ। ਹਰੇਕ ਲਈ, ਇਹ ਦਰਸਾਓ ਕਿ ਕਿਸ ਸਰੋਤ ਤੋਂ (ਡੇਟਾਸ਼ੀਟ, ਅਧਿਕਾਰਤ ਮਿਆਰੀ ਟੈਕਸਟ, ਪ੍ਰਯੋਗਸ਼ਾਲਾ ਮਾਪ, ਸਿਮੂਲੇਸ਼ਨ) ਇਸਦੀ ਤਸਦੀਕ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ। ਅਨਿਸ਼ਚਿਤ ਮੂਲ ਦੇ ਉਹਨਾਂ ਨੂੰ ਇਕੱਠਾ ਕਰੋ ਜੋ 'ਵਰਤਿਆ ਨਹੀਂ ਜਾ ਸਕਦਾ ਹੈ।
ਅਨਾਮਾਈਜ਼ੇਸ਼ਨ ਪ੍ਰੀ-ਚੈੱਕ ਟੈਮਪਲੇਟ "ਕਿਸੇ AI ਟੂਲ ਨੂੰ ਹੇਠਾਂ ਦਿੱਤੇ ਟੈਕਸਟ ਨੂੰ ਦੇਣ ਤੋਂ ਪਹਿਲਾਂ, ਫਲੈਗ ਟਰੇਡ ਸੀਕਰੇਟ ਜਾਂ ਨਿੱਜੀ/ਨਿਯੰਤ੍ਰਕ ਸੰਵੇਦਨਸ਼ੀਲ ਹਿੱਸੇ: ਗਾਹਕ/ਪ੍ਰੋਜੈਕਟ ਦਾ ਨਾਮ, PCB ਫਾਈਲ ਰੈਫਰੈਂਸ, ਫਰਮਵੇਅਰ ਕੁੰਜੀ/ਪਾਸਵਰਡ, ਅਸਲੀ IP/MAC ਐਡਰੈੱਸ, ਗਾਹਕ ਡੇਟਾ, ਲੁਕਵੀਂ ਲਾਗਤ। ਸੁਝਾਅ ਦਿਓ ਕਿ ਮੈਂ ਇਹਨਾਂ ਨੂੰ ਕਿਵੇਂ ਅਗਿਆਤ ਕਰ ਸਕਦਾ ਹਾਂ: [Tepa]."
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ / ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ
ਇੱਕੋ ਸਵਾਲ ਨੂੰ ਦੋ ਤਰੀਕਿਆਂ ਨਾਲ ਪੁੱਛਣ ਨਾਲ ਬਹੁਤ ਵੱਖਰੇ ਨਤੀਜੇ ਨਿਕਲਣਗੇ।
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ: "ਇਸ ਐਂਟੀਨਾ ਦਾ ਕੀ ਫਾਇਦਾ ਹੈ?"
ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ: "ਭੂਮਿਕਾ: ਤੁਸੀਂ ਇੱਕ ਸਹਾਇਕ RF ਇੰਜੀਨੀਅਰ ਹੋ। ਵਿਆਖਿਆ ਕਰੋ ਕਿ ਐਂਟੀਨਾ ਦਾ ਲਾਭ ਕਿਹੜੇ ਕਦਮਾਂ ਦੁਆਰਾ ਨਿਰਧਾਰਤ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ (ਕਿਸਮ ਦੀ ਚੋਣ, ਆਕਾਰ, ਫੀਲਡ ਸਿਮੂਲੇਸ਼ਨ, ਐਨੀਕੋਇਕ ਰੂਮ ਮਾਪ) ਅਤੇ ਹਰੇਕ ਪੜਾਅ 'ਤੇ ਕਿਹੜਾ ਡੇਟਾ ਅਤੇ ਕਿਸ ਤਸਦੀਕ ਦੀ ਲੋੜ ਹੈ। ਕੋਈ ਸਹੀ ਲਾਭ ਨੰਬਰ ਨਾ ਦਿਓ; ਇਸ ਗੱਲ 'ਤੇ ਜ਼ੋਰ ਦਿਓ ਕਿ ਇਹ ਸਿਰਫ਼ ਅਤੇ ਮਾਪਯੋਗ ਇਕਾਈ ਦੁਆਰਾ ਨਿਰਧਾਰਿਤ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ ਅਤੇ ਮਾਪਿਆ ਜਾ ਸਕਦਾ ਹੈ। ਸੀਮਾਵਾਂ ਦਾ ਮੁਲਾਂਕਣ EIRP ਰਾਹੀਂ ਕੀਤਾ ਜਾਵੇਗਾ।"
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ AI ਨੂੰ ਮੇਕਅੱਪ ਕਰਨ ਲਈ ਸੱਦਾ ਦਿੰਦਾ ਹੈ; ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ ਇਸ ਨੂੰ ਸਹੀ ਕੰਮ (ਪ੍ਰਕਿਰਿਆ ਦਾ ਵਰਣਨ) ਵਿੱਚ ਰੱਖਦਾ ਹੈ ਅਤੇ ਡਿਜੀਟਲ ਭੁਲੇਖੇ ਨੂੰ ਪਹਿਲੀ ਥਾਂ 'ਤੇ ਹੋਣ ਤੋਂ ਰੋਕਦਾ ਹੈ।
ਆਮ ਗਲਤੀਆਂ
- ਕੰਪੋਨੈਂਟ/ਡਿਜ਼ਾਈਨ ਮੁੱਲਾਂ ਲਈ AI ਨੂੰ "ਪੁੱਛਣਾ"। ਸਪਲਾਈ ਮੌਜੂਦਾ, ਰੁਕਾਵਟ, ਕੱਟ-ਆਫ ਬਾਰੰਬਾਰਤਾ ਸਿਰਫ ਡੇਟਾਸ਼ੀਟ ਅਤੇ ਮਾਪ ਤੋਂ ਆਉਂਦੀ ਹੈ।
- ਇਸਦੀ ਪੁਸ਼ਟੀ ਕੀਤੇ ਬਿਨਾਂ ਮਿਆਰੀ/ਵਿਧਾਨ ਧਾਰਾ ਦੀ ਵਰਤੋਂ ਕਰਨਾ। ਆਈਟਮ ਨੰਬਰ, ਸਾਰਣੀ ਮੁੱਲ ਅਤੇ ਰੀਲੀਜ਼ ਅਕਸਰ ਭੁਲੇਖੇ ਵਿੱਚ ਹੁੰਦੇ ਹਨ।
- AI ਆਉਟਪੁੱਟ 'ਤੇ ਪਾਲਣਾ/ਸੁਰੱਖਿਆ ਫੈਸਲੇ ਨੂੰ ਅਧਾਰ ਬਣਾ ਕੇ। EMC ਪਾਲਣਾ, ਪ੍ਰਸਾਰਣ ਅਧਿਕਾਰ, ਸੇਵਾਯੋਗਤਾ ਸਮਰੱਥ ਇੰਜੀਨੀਅਰ ਅਤੇ ਮਾਨਤਾ ਪ੍ਰਾਪਤ ਟੈਸਟਿੰਗ ਦਾ ਕੰਮ ਹੈ।
- ਸੰਵੇਦਨਸ਼ੀਲ ਡੇਟਾ ਨੂੰ ਅਗਿਆਤ ਕੀਤੇ ਬਿਨਾਂ ਕਲਾਉਡ ਟੂਲ ਵਿੱਚ ਪੇਸਟ ਕਰਨਾ। PCB/ਫਰਮਵੇਅਰ, ਗਾਹਕ ਟੋਪੋਲੋਜੀ ਅਤੇ ਗਾਹਕ ਡੇਟਾ ਵਪਾਰਕ ਰਾਜ਼ ਅਤੇ ਨਿੱਜੀ ਡੇਟਾ ਹਨ।
- ਇੱਕ ਸਵਾਲ ਅਤੇ ਇੱਕ ਜਵਾਬ ਦੀ ਉਡੀਕ ਹੈ। AI ਦੀ ਦੁਹਰਾਈ ਨਾਲ ਵਰਤੋਂ ਕਰੋ: ਡਰਾਫਟ, ਆਲੋਚਨਾ, ਸਿਮੂਲੇਟ, ਮਾਪ, ਰਿਫਾਈਨ।
ਸਾਵਧਾਨ: ਇੱਕ AI ਆਉਟਪੁੱਟ ਵਿੱਚ ਇੱਕ ਨੰਬਰ ਜਿੰਨਾ ਜ਼ਿਆਦਾ ਸਟੀਕ ਅਤੇ ਭਰੋਸੇਮੰਦ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ, ਤਸਦੀਕ ਦੀ ਲੋੜ ਓਨੀ ਹੀ ਜ਼ਿਆਦਾ ਹੋਵੇਗੀ। ਸ਼ੁੱਧਤਾ ਸ਼ੁੱਧਤਾ ਦੀ ਗਾਰੰਟੀ ਨਹੀਂ ਹੈ।
ਸੰਖੇਪ ਵਿੱਚ
ਇਸ ਯੂਨਿਟ ਵਿੱਚ ਤੁਸੀਂ ਦੇਖਿਆ ਹੈ ਕਿ AI ਇਲੈਕਟ੍ਰੋਨਿਕਸ/ਸੰਚਾਰ ਵਿੱਚ ਇੱਕ ਸਹਾਇਕ ਹੈ ਨਾ ਕਿ ਇੱਕ ਫੈਸਲਾ ਲੈਣ ਵਾਲਾ। LLM ਭਾਸ਼ਾ ਅਤੇ ਕੋਡ ਅਨੁਮਾਨਕ ਹਨ; ਸੰਕਲਪ ਸਪਸ਼ਟੀਕਰਨ, ਕੋਡ/ਫਰਮਵੇਅਰ ਰੂਪਰੇਖਾ, ਡੇਟਾ ਕਲੀਨਿੰਗ ਅਤੇ ਪਰਿਕਲਪਨਾ ਬਣਾਉਣ ਵਿੱਚ ਸ਼ਕਤੀਸ਼ਾਲੀ, ਪਰ ਸਟੀਕ ਕੰਪੋਨੈਂਟ ਮੁੱਲ ਅਤੇ ਮਿਆਰੀ ਪਦਾਰਥ (ਭਰਮ) ਪੈਦਾ ਕਰਨ ਵਿੱਚ ਜੋਖਮ ਭਰਪੂਰ। ਕਾਰਜਾਂ ਨੂੰ ਘੱਟ/ਮੱਧਮ/ਉੱਚ/ਨਾਜ਼ੁਕ ਵਜੋਂ ਸ਼੍ਰੇਣੀਬੱਧ ਕਰੋ ਅਤੇ ਉਸ ਅਨੁਸਾਰ ਤਸਦੀਕ ਦੀ ਡੂੰਘਾਈ ਨੂੰ ਵਿਵਸਥਿਤ ਕਰੋ। ਡੇਟਾ ਸ਼ੀਟ ਜਾਂ ਮਾਪ ਤੋਂ ਹਰੇਕ ਸੰਖਿਆਤਮਕ ਮੁੱਲ, ਅਤੇ ਅਧਿਕਾਰਤ ਸਰੋਤ ਤੋਂ ਹਰੇਕ ਮਿਆਰੀ ਸੰਦਰਭ ਦੀ ਪੁਸ਼ਟੀ ਕਰੋ। ਪਾਲਣਾ ਅਤੇ ਸੁਰੱਖਿਆ-ਨਾਜ਼ੁਕ ਫੈਸਲੇ ਹਮੇਸ਼ਾ ਯੋਗਤਾ ਪ੍ਰਾਪਤ ਇੰਜੀਨੀਅਰ ਕੋਲ ਰਹਿੰਦੇ ਹਨ ਅਤੇ ਵਰਤੋਂ ਤੋਂ ਪਹਿਲਾਂ ਸੰਵੇਦਨਸ਼ੀਲ ਡਿਜ਼ਾਈਨ/ਗਾਹਕ ਡੇਟਾ ਨੂੰ ਅਗਿਆਤ ਕਰਦੇ ਹਨ।
ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ
ਆਪਣੇ ਖੁਦ ਦੇ ਕੰਮ (ਜਾਂ ਇੱਕ ਕਾਲਪਨਿਕ ਇਲੈਕਟ੍ਰੋਨਿਕਸ ਪ੍ਰੋਜੈਕਟ) ਵਿੱਚੋਂ ਪੰਜ ਕਾਰਜ ਚੁਣੋ: ਇੱਕ ਸੰਕਲਪ ਵਰਣਨ, ਇੱਕ ਡੇਟਾ ਸਫਾਈ, ਇੱਕ ਅਸਫਲ ਅਨੁਮਾਨ ਸੂਚੀ, ਇੱਕ ਭਾਗ/ਸੰਖਿਆਤਮਕ ਮੁੱਲ, ਅਤੇ ਇੱਕ ਰੈਗੂਲੇਟਰੀ/ਸਟੈਂਡਰਡਸ ਸਵਾਲ। ਉਪਰੋਕਤ ਜੋਖਮ ਸਾਰਣੀ ਵਿੱਚ ਹਰੇਕ ਨੂੰ ਰੱਖੋ। ਫਿਰ "ਰੋਲ ਅਤੇ ਸੀਮਾ" ਟੈਮਪਲੇਟ ਨਾਲ AI ਨੂੰ ਦੋ ਘੱਟ/ਮੱਧਮ ਜੋਖਮ ਵਾਲੇ ਕਾਰਜਾਂ ਨੂੰ ਆਊਟਸੋਰਸ ਕਰੋ ਅਤੇ ਆਉਟਪੁੱਟ ਦੇ ਹਰੇਕ ਸੰਖਿਆਤਮਕ/ਮਿਆਰੀ ਤੱਤ ਨੂੰ "ਪ੍ਰਮਾਣਿਕਤਾ ਚੈਕਲਿਸਟ" ਟੈਮਪਲੇਟ ਨਾਲ ਚਿੰਨ੍ਹਿਤ ਕਰੋ। ਲਿਖੋ ਕਿ ਕਿਹੜੇ ਤੱਤ ਬਿਨਾਂ ਤਸਦੀਕ ਦੇ ਵਰਤੇ ਨਹੀਂ ਜਾ ਸਕਦੇ।
ਚੈੱਕਲਿਸਟ
- ਮੈਂ ਇਸ ਦੀ ਵਰਤੋਂ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਮਿਸ਼ਨ ਨੂੰ ਜੋਖਮ ਪੱਧਰ (ਘੱਟ/ਮੱਧਮ/ਉੱਚ/ਨਾਜ਼ੁਕ) 'ਤੇ ਰੱਖਿਆ।
- [ ] ਮੈਨੂੰ AI ਨੂੰ ਪੁੱਛਣ ਦੀ ਬਜਾਏ ਡੇਟਾਸ਼ੀਟ ਅਤੇ ਮਾਪ ਤੋਂ ਕੰਪੋਨੈਂਟ/ਡਿਜ਼ਾਈਨ ਮੁੱਲ ਮਿਲੇ ਹਨ।
- [ ] ਮੈਂ ਅਧਿਕਾਰਤ ਸਰੋਤ (ਸਹੀ ਸੰਸਕਰਣ) ਤੋਂ ਹਰੇਕ ਮਿਆਰੀ/ਰੈਗੂਲੇਟਰੀ ਸੰਦਰਭ ਦੀ ਪੁਸ਼ਟੀ ਕੀਤੀ ਹੈ।
- [ ] ਮੈਂ ਸੰਵੇਦਨਸ਼ੀਲ ਡੇਟਾ (PCB/ਫਰਮਵੇਅਰ, ਗਾਹਕ, IP/MAC, ਗਾਹਕ) ਨੂੰ ਅਗਿਆਤ ਕੀਤਾ ਹੈ।
- [] ਮੈਂ ਅਨੁਕੂਲਤਾ/ਸੁਰੱਖਿਆ-ਨਾਜ਼ੁਕ ਫੈਸਲੇ ਨੂੰ ਯੋਗਤਾ ਪ੍ਰਾਪਤ ਇੰਜੀਨੀਅਰ ਅਤੇ ਮਾਨਤਾ ਪ੍ਰਾਪਤ ਟੈਸਟਰ 'ਤੇ ਛੱਡ ਦਿੱਤਾ ਹੈ।
- [ ] ਮੈਂ AI ਆਉਟਪੁੱਟ ਵਿੱਚ ਹਰੇਕ ਸੰਖਿਆਤਮਕ ਮੁੱਲ ਨੂੰ "ਪੁਸ਼ਟੀ ਤੋਂ ਬਿਨਾਂ ਵਰਤਿਆ ਨਹੀਂ ਜਾ ਸਕਦਾ" ਲਈ ਸਕੈਨ ਕੀਤਾ ਹੈ।