Lợi nhuận:
- Khả năng phân biệt vị trí AI tiết kiệm thời gian thực trong quy trình làm việc điện tử/truyền thông và vị trí tuân thủ và trách nhiệm quan trọng về bảo mật vẫn thuộc về kỹ sư có thẩm quyền, dựa trên mức độ rủi ro
- Khả năng áp dụng kỷ luật xác thực nhiều lớp để kiểm tra từng đầu ra AI dựa trên phép đo, mô phỏng, văn bản tiêu chuẩn và tính toán độc lập
- Tập thói quen ẩn danh bối cảnh và chọn các công cụ an toàn để bảo vệ tệp thiết kế, dữ liệu mạng khách hàng và tài sản trí tuệ
Công việc của một kỹ sư điện tử và truyền thông là chuyển các đại lượng vật lý vô hình (điện áp, dòng điện, tần số, trường) thành các sản phẩm hoạt động được và các kết nối đáng tin cậy. Thiết kế mạch, đặt bảng mạch in (PCB: Bảng mạch in, bảng cách điện nơi đặt các bộ phận), lọc và điều chế tín hiệu, phát ra từ ăng-ten, viết phần mềm nhúng (chương trình cơ sở: phần mềm được ghi trong bộ nhớ vĩnh viễn vận hành trực tiếp phần cứng của thiết bị), thiết lập các giao thức, giám sát hiệu suất của mạng và ghi lại tất cả những điều này theo tiêu chuẩn và pháp luật. Đặc điểm chung của những công việc này là làm việc với rất nhiều phép đo và dữ liệu, nhưng mỗi quyết định đều quyết định liệu một sản phẩm có hoạt động hay không, liệu chương trình phát sóng có nằm trong giới hạn pháp lý hay không, hệ thống có an toàn hay không. Trí tuệ nhân tạo (viết tắt là AI; hệ thống phần mềm hoạt động trên văn bản, số, mã và hình ảnh với các mô hình ngôn ngữ và dữ liệu lớn) là một công cụ hỗ trợ mạnh mẽ trong nền tảng sử dụng nhiều dữ liệu nhưng mang tính quyết định quan trọng này. Học phần này hướng dẫn bạn nơi sử dụng AI một cách an toàn trong công việc điện tử/truyền thông, nơi nguy hiểm và lý do bạn phải xác thực mọi đầu ra AI thông qua đo lường, mô phỏng, văn bản tiêu chuẩn và đánh giá kỹ thuật.
Nguyên tắc trọng tâm mà bạn sẽ sử dụng trong suốt mô-đun này là: AI là trợ lý chứ không phải là người ra quyết định. Dòng điện cung cấp, giá trị trở kháng, tần số cắt của bộ lọc, giới hạn công suất phát hoặc điều khoản tiêu chuẩn không thể đúng chỉ vì "AI đã nói như vậy"; Nó chỉ là một giả thuyết cho đến khi được xác minh bằng bảng dữ liệu, phép đo, mô phỏng, văn bản tiêu chuẩn chính thức và đánh giá của kỹ sư có thẩm quyền. Bạn sẽ gặp lại câu này trong mỗi đơn vị của mô-đun, vì trong điện tử, sai số thường có nghĩa là thẻ bị cháy, sản phẩm không được chứng nhận hoặc đường truyền liên lạc bị hỏng.
LLM là gì, nó có tác dụng gì trong lĩnh vực điện tử/truyền thông?
LLM (Mô hình ngôn ngữ lớn) là một phần mềm học các mẫu từ các khối văn bản và mã rất lớn, đồng thời dự đoán "từ tiếp theo" dựa trên xác suất. Đây là công cụ của các công cụ như ChatGPT, Claude, Gemini. Vấn đề là ở đây: LLM là "công cụ ước tính ngôn ngữ và mã", không phải là "thiết bị đo lường" hay "cơ sở kiến thức". Nói trôi chảy thuật ngữ kỹ thuật nhưng không đo trở kháng; tạo ra con số có vẻ có khả năng xảy ra nhất. Do đó, nó có thể đưa ra những câu trả lời tự tin nhưng không chính xác về dòng điện cung cấp của một bộ phận, giới hạn quy định hoặc bảng tiêu chuẩn. Đây được gọi là ảo giác (bịa đặt). Ảo giác không phải là một trục trặc mà là một đặc điểm cố hữu của công nghệ này; Vì vậy, việc xác minh không phải là “bước bổ sung” mà là một phần không thể thiếu trong công việc.
Các nhiệm vụ mà AI mạnh về điện tử/truyền thông:
- Giải thích và giảng dạy khái niệm: kết hợp trở kháng là gì, OFDM hoạt động như thế nào, nguyên nhân gây ra hiện tượng răng cưa, EMC bị gián đoạn như thế nào.
- Bản thảo mã và chương trình cơ sở: trình điều khiển vi điều khiển, máy trạng thái, phân tích tín hiệu Python, khung tự động hóa thử nghiệm.
- Làm sạch và sắp xếp dữ liệu: chuyển đổi nhật ký đo lường rải rác thành bảng mạch lạc, ghi lại sự không khớp của đơn vị.
- Tạo danh sách giả thuyết: danh sách có hệ thống các lý do cho các câu hỏi như tại sao mạch không hoạt động, tại sao liên kết bị rớt.
- Bản thảo văn bản: kế hoạch kiểm tra, báo cáo lỗi, dự thảo file kỹ thuật, tóm tắt datasheet.
- Thiết lập tài khoản: thiết lập khung ngân sách liên kết, ngân sách năng lượng, các bước thiết kế bộ lọc.
Trường hợp AI yếu và rủi ro:
- Giá trị số chính xác (dòng cung cấp, trở kháng, tần số cắt, giới hạn công suất phát sóng).
- Tiêu chuẩn/điều luật hiện tại và cụ thể, giá trị bảng và thông tin phát hành.
- Chẩn đoán không có dữ liệu đo lường thực tế của phần cứng của bạn.
- Quyết định tuân thủ và quan trọng về an toàn: Tuyên bố về sự phù hợp, phát hành, khả năng sử dụng, giới hạn an toàn của EMC.
Phân loại dựa trên rủi ro: bộ lọc trước khi sử dụng AI
Không phải mọi nhiệm vụ đều có cùng mức độ rủi ro. Phân loại nhiệm vụ theo mức độ rủi ro trước khi sử dụng AI. Bảng dưới đây cung cấp khung quyết định mà bạn sẽ sử dụng trong suốt mô-đun này.
Mức độ rủi ro
nhiệm vụ mẫu
vai trò AI
Xác minh bắt buộc
thấp
Giải thích khái niệm, văn bản nháp, khung mã
sử dụng miễn phí
Đánh giá là đủ
trung bình
Làm sạch dữ liệu, danh sách giả thuyết, thiết lập tính toán
Bản thảo/đồng tác giả
Kiểm tra thủ công + xác nhận bảng dữ liệu
cao
Đánh giá mạch, thiết kế bộ lọc/ăng-ten, logic phần sụn
người tạo ý tưởng
Mô phỏng + đo nguyên mẫu
quan trọng
Tuân thủ EMC/phát sóng, giới hạn an toàn, khả năng phục vụ
Chỉ bản nháp/quét
Phê duyệt kỹ sư có thẩm quyền + thử nghiệm được công nhận
Mẹo: Nếu bạn đã đánh dấu một nhiệm vụ là "quan trọng" thì kết quả của AI sẽ không bao giờ là tài liệu cuối cùng. Nhiều nhất nó có thể là bản dự thảo sơ bộ hoặc danh sách kiểm tra; Kỹ sư có thẩm quyền cam kết ký tên và chịu trách nhiệm.
Luồng từ đầu đến cuối: nhúng AI vào quy trình làm việc của bạn
Một chu trình giải quyết vấn đề điển hình trong điện tử/truyền thông như sau, trong đó AI thực hiện từng bước nhưng không tự đóng bất kỳ bước nào trong số đó:
- Xác định vấn đề: Điều gì sẽ được thiết kế, mục tiêu hiệu suất nào, hạn chế nào (điện năng, chi phí, tần suất, luật pháp)? (AI: làm rõ câu hỏi.)
- Thu thập dữ liệu/yêu cầu: Bảng dữ liệu, giới hạn tiêu chuẩn, nhật ký đo. (AI: tóm tắt và tìm kiếm sự mâu thuẫn.)
- Tạo giả thuyết/thiết kế: Cấu trúc liên kết thay thế, kịch bản giải pháp. (AI: tạo danh sách có hệ thống.)
- Phân tích: Tính toán, mô phỏng, mã hóa, phân tích tín hiệu. (AI: tạo ra mã và tính toán hư cấu.)
- Xác minh: Mô phỏng, nguyên mẫu, đo lường, văn bản chuẩn. (AI đang đứng bên lề; đo lường và con người quyết định.)
- Lập hồ sơ và quyết định: Kỹ sư có thẩm quyền chịu trách nhiệm. (AI: người viết bản thảo.)
Hãy ghi nhớ sáu bước này; phần còn lại của mô-đun hướng dẫn bạn cách sử dụng AI với các tác vụ điện tử/truyền thông cụ thể theo từng bước.
ba trường hợp nhỏ
Trường hợp 1 - Giá trị thành phần không đúng. Một thực tập sinh hỏi AI giá trị tụ điện tách rời cần thiết trong mạch được cấp nguồn từ bộ điều chỉnh 3,3 V; AI nói “100 nF là đủ” và còn đưa ra đơn thuốc chính xác: “thêm 10 µF cho mỗi IC”. Thực tập sinh viết điều này trực tiếp vào sơ đồ. Trong khi đó, giá trị chính xác phụ thuộc vào khuyến nghị trong biểu dữ liệu của chip được sử dụng, tần số chuyển đổi và cấu hình hiện tại. Trong thiết kế này, một con chip tốc độ cao tiêu thụ dòng điện hàng trăm triệu lần mỗi giây và chỉ riêng 100 nF là không đủ; Thẻ hoạt động thất thường khi khởi động. Cách tiếp cận đúng là lấy giá trị từ bảng dữ liệu của mỗi chip và phân tích tính toàn vẹn nguồn điện.
Trường hợp 2 - Không tồn tại giới hạn quy định. Một kỹ sư yêu cầu AI về EIRP (công suất bức xạ đẳng hướng tương đương) tối đa cho phép của sản phẩm của anh ta ở băng tần 2,4 GHz. AI nói "20 dBm theo quy định" và tạo nên số lượng chất. Kỹ sư viết hồ sơ kỹ thuật phù hợp. Trong phòng thí nghiệm thử nghiệm, người ta tiết lộ rằng giá trị giới hạn thay đổi tùy theo băng tần, độ rộng kênh và quốc gia, đồng thời số mục được cung cấp là không có thật. Cách tiếp cận đúng là mở quy định hiện hành (ví dụ: tài liệu ETSI/FCC có liên quan và quyết định của cơ quan có thẩm quyền quốc gia) từ nguồn chính thức và xác nhận giá trị cũng như nội dung.
Trường hợp 3 - Sử dụng đúng. Một kỹ sư nghi ngờ có sự không nhất quán trong nhật ký đo 5000 dòng từ cảm biến nhiệt độ. Nó yêu cầu AI "liệt kê các hàng trong bảng này có thể có sự không nhất quán về đơn vị (nhầm lẫn ° C/° F), giá trị không thể thực hiện được về mặt vật lý, mức tăng đột biến và ô trống, đồng thời viết những gì bạn nghi ngờ cho mỗi hàng; KHÔNG sửa, chỉ đánh dấu." AI gắn cờ một số lần đọc mã 999, hai lần đọc -300 ° C và các mức tăng đột biến giống như việc đặt lại cảm biến. Kỹ sư kiểm tra và sửa những lỗi này từ dữ liệu thô. Ở đây AI đã được sử dụng một cách chính xác: thu hút sự chú ý, con người đưa ra quyết định và sửa chữa.
Mẫu lời nhắc có thể sao chép
Bạn có thể sử dụng các mẫu bên dưới bằng cách điều chỉnh chúng cho phù hợp với doanh nghiệp của riêng bạn. Trong mỗi chúng đều có một chỉ dẫn có ý thức là "đưa ra con số chính xác, cho biết nguồn, giải thích điều không chắc chắn".
MẪU VAI TRÒ VÀ GIỚI HẠN "Vai trò: Bạn là một trợ lý kỹ sư điện tử/truyền thông có kinh nghiệm. Nhiệm vụ: [viết chủ đề]. Quy tắc: Khi đưa ra giá trị số chính xác (dòng điện, trở kháng, tần số, giới hạn công suất), hãy nói rằng nó phải được xác minh từ BẢNG DỮ LIỆU hoặc ĐO LƯỜNG của thành phần đã chọn; nếu bạn không chắc chắn, hãy nói 'đã xác minh'. Nếu bạn đưa ra một điều khoản tiêu chuẩn/quy định, hãy đưa ra cùng với phiên bản của nó, nhưng nó phải được xác nhận từ nguồn chính thức Ở cuối của bạn trả lời, hãy viết ra 'những gì cần được xác minh bằng mô phỏng/đo lường'.
MẪU TẠO GIẢ THUYẾT"Đưa ra một danh sách có hệ thống các nguyên nhân có thể gây ra triệu chứng sau: [mô tả triệu chứng; cái gì được quan sát, cái gì được đo lường]. Đối với mỗi giả thuyết: (1) bằng chứng nào ủng hộ giả thuyết đó, (2) nên thực hiện phép đo nào (máy hiện sóng, máy phân tích, đồng hồ vạn năng) để xác nhận/bác bỏ. THỰC HIỆN chẩn đoán xác định; tạo một lộ trình khắc phục sự cố."
MẪU DANH SÁCH KIỂM TRA XÁC MINH"Liệt kê MỌI giá trị số và MỌI tham chiếu tiêu chuẩn/quy định trong bản dự thảo thiết kế/báo cáo bên dưới. Đối với mỗi giá trị, hãy cho biết từ nguồn nào (bảng dữ liệu, văn bản tiêu chuẩn chính thức, phép đo trong phòng thí nghiệm, mô phỏng) cần được xác minh. Thu thập những giá trị có nguồn gốc không chắc chắn trong phần 'không thể sử dụng nếu không xác minh'. Văn bản: [dán]."
MẪU KIỂM TRA TRƯỚC BẰNG MẶT NẠI DANH "Trước khi cung cấp văn bản sau cho công cụ AI, hãy gắn cờ bí mật thương mại hoặc các phần nhạy cảm cá nhân/theo quy định: khách hàng/tên dự án, tham chiếu tệp PCB, khóa/mật khẩu chương trình cơ sở, địa chỉ IP/MAC thực, dữ liệu người đăng ký, chi phí ẩn. Đề xuất cách tôi có thể ẩn danh những phần này. Văn bản: [dán]."
Dấu nhắc yếu / Dấu nhắc mạnh
Hỏi cùng một câu hỏi theo hai cách sẽ mang lại kết quả rất khác nhau.
NHẮC NHỞ YẾU: "Tăng ích của ăng-ten này là bao nhiêu?"
NHẮC NHỞ MẠNH: "Vai trò: Bạn là trợ lý kỹ sư RF. Giải thích qua các bước nào phải xác định mức tăng của ăng-ten (lựa chọn loại, kích thước, mô phỏng trường, đo phòng chống phản xạ) cũng như dữ liệu và xác minh nào được yêu cầu ở mỗi bước. KHÔNG đưa ra số mức tăng CHÍNH XÁC; nhấn mạnh rằng điều này chỉ có thể được xác định bằng mô phỏng và đo lường, ý nghĩa của đơn vị dBi và các giới hạn quy định sẽ được đánh giá thông qua EIRP."
Dấu nhắc yếu mời AI bù đắp; Lời nhắc mạnh mẽ giúp nó hoạt động đúng công việc (mô tả quy trình) và ngăn chặn ảo giác kỹ thuật số xảy ra ngay từ đầu.
Những lỗi thường gặp
- “Hỏi” AI về các giá trị thành phần/thiết kế. Dòng điện cung cấp, trở kháng, tần số cắt chỉ đến từ bảng dữ liệu và phép đo.
- Sử dụng điều khoản tiêu chuẩn/pháp luật mà không xác nhận nó. Số vật phẩm, giá trị bảng và bản phát hành thường bị ảo giác.
- Căn cứ quyết định tuân thủ/bảo mật dựa trên đầu ra AI. Tuân thủ EMC, ủy quyền phát sóng, khả năng sử dụng là công việc của các kỹ sư có năng lực và thử nghiệm được công nhận.
- Dán dữ liệu nhạy cảm vào công cụ đám mây mà không ẩn danh nó. PCB/chương trình cơ sở, cấu trúc liên kết khách hàng và dữ liệu người đăng ký là bí mật thương mại và dữ liệu cá nhân.
- Chờ đợi một câu hỏi và một câu trả lời. Sử dụng AI lặp đi lặp lại: soạn thảo, phê bình, mô phỏng, đo lường, tinh chỉnh.
Thận trọng: Một con số xuất hiện trong kết quả AI càng chính xác và đáng tin cậy thì nhu cầu xác minh càng cao. Độ chính xác không phải là sự đảm bảo cho độ chính xác.
Tóm lại
Trong bài này bạn đã thấy rằng AI là trợ lý trong lĩnh vực điện tử/truyền thông chứ không phải là người ra quyết định. LLM là công cụ ước tính ngôn ngữ và mã; Mạnh mẽ trong việc làm rõ khái niệm, phác thảo mã/chương trình cơ sở, làm sạch dữ liệu và tạo giả thuyết, nhưng có rủi ro trong việc tạo ra giá trị thành phần chính xác và vật chất tiêu chuẩn (ảo giác). Phân loại nhiệm vụ theo mức độ thấp/trung bình/cao/quan trọng và điều chỉnh độ sâu xác minh cho phù hợp. Xác minh từng giá trị số từ bảng dữ liệu hoặc phép đo và từng tham chiếu tiêu chuẩn từ nguồn chính thức. Các quyết định quan trọng về tuân thủ và bảo mật luôn thuộc về kỹ sư có trình độ và ẩn danh dữ liệu khách hàng/thiết kế nhạy cảm trước khi sử dụng.
Nhiệm vụ ứng dụng
Chọn năm nhiệm vụ từ công việc của bạn (hoặc một dự án điện tử tưởng tượng): mô tả khái niệm, làm sạch dữ liệu, danh sách giả thuyết lỗi, thành phần/giá trị số và câu hỏi quy định/tiêu chuẩn. Đặt mỗi thứ vào bảng rủi ro ở trên. Sau đó, thuê ngoài hai nhiệm vụ có rủi ro thấp/trung bình cho AI bằng mẫu “Vai trò và ranh giới” và đánh dấu từng thành phần số/tiêu chuẩn của đầu ra bằng mẫu “Danh sách kiểm tra xác thực”. Viết ra những yếu tố nào không thể được sử dụng nếu không xác minh.
danh sách kiểm tra
- [ ] Tôi đã đặt nhiệm vụ ở mức độ rủi ro (thấp/trung bình/cao/nghiêm trọng) trước khi sử dụng nó.
- [ ] Tôi nhận được các giá trị thành phần/thiết kế từ bảng dữ liệu và phép đo thay vì hỏi AI.
- [ ] Tôi đã xác minh từng tài liệu tham khảo tiêu chuẩn/quy định từ nguồn chính thức (phiên bản chính xác).
- [ ] Tôi đã ẩn danh dữ liệu nhạy cảm (PCB/firmware, khách hàng, IP/MAC, người đăng ký).
- [ ] Tôi để lại quyết định quan trọng về tính tương thích/bảo mật cho kỹ sư có trình độ và người kiểm tra được công nhận.
- [ ] Tôi đã quét mọi giá trị số trong đầu ra AI để tìm "không thể sử dụng nếu không xác minh".