AI 将如何改变测试和测量
加入技术交流群
人工智能 （AI） 有可能改变产品生命周期的每个阶段，从设计和制造到运营和维护。虽然这种说法似乎很明显，但测试和测量产品和流程的确切情况仍然成为焦点（图 1）。
正如在测试和测量这样一个众所周知的保守行业中所预料的那样，迄今为止，AI 主要用于适度的、渐进的改进。解析文档以帮助用户设置和作产品的工具显然是一个起点。
更进一步，一些产品现在提供基于 AI 的功能，例如神经网络，或针对特定参数的基于 AI 的优化。对于管理大型数据集的科学家和工程师来说，用于后处理、检测异常、跟踪趋势和指导决策的软件工具非常强大，但需要定制。
用户提示构建
然而，变化正在发生，这些渐进式改进正在让位于更雄心勃勃的人工智能实施。Liquid Instruments 最近与新的 Moku：Delta 软件定义仪器平台一起宣布的生成式仪器等功能允许人工智能根据用户提示构建整个仪器和测试设置（图 2）。
用户描述他们想要完成的任务，人工智能在多个仪器上确定和配置无数参数以达到最佳结果。如果不存在所需的功能，AI 可以创建它并将其部署到用户可编程的 FPGA 中，以实时增强标准仪器的功能。
但结果可信吗？
人工智能释放创新和加速产品开发的前景不容忽视，即使在传统上规避风险的领域也是如此。测试和测量供应商以在发布前测试其产品的每个角落而自豪。随着人工智能进入产品，这将不再可能——当用户使用人工智能开发前所未见的功能时，部分责任将转移到用户身上（图 3）。
信任经受考验
与人工智能的任何应用一样，盲目相信它每次都能提供正确的答案是一个坏主意。不正确的测试结果至少会造成时间损失的不便。在最坏的情况下，它们可能会危及最终用户的安全。通常的指导是一个好的开始：从简单开始，仔细选择训练数据，保持专家的人工监督。但是在使用测试系统时，用户可以使用其他一些工具。
审核代码以确保其正在做的事情有意义是一种可能困难但万无一失的方法。这可以通过用于 FPGA 定制的硬件描述语言 （HDL） 或用于仪器配置的 Python 等软件编程语言来完成。创建提供信号和测量可视化的自检，以验证系统是否已按预期方式配置或定制，提供了另一种建立对设计及其结果信任的方法。
如今，人工智能正在从工具过渡到助手。也许有一天它会成为真正的合作伙伴（希望不是老板！我们可以将人工智能的早期与互联网的最初几天进行类比。
“你不能相信你在网上读到的东西”是上个世纪末的常见说法。但我们制定了战略，使互联网不仅是一个可用的信息来源，而且可能是最有价值的信息来源。为了充分利用 AI，我们需要一个升级的工具集，以及一种从根本上更现代、更灵活的测试和测量方法。
评论