AI 將如何改變測試和測量
加入技術交流群
人工智能 （AI） 有可能改變產品生命周期的每個階段，從設計和制造到運營和維護。雖然這種說法似乎很明顯，但測試和測量產品和流程的確切情況仍然成為焦點（圖 1）。
正如在測試和測量這樣一個眾所周知的保守行業(yè)中所預料的那樣，迄今為止，AI 主要用于適度的、漸進的改進。解析文檔以幫助用戶設置和作產品的工具顯然是一個起點。
更進一步，一些產品現在提供基于 AI 的功能，例如神經網絡，或針對特定參數的基于 AI 的優(yōu)化。對于管理大型數據集的科學家和工程師來說，用于后處理、檢測異常、跟蹤趨勢和指導決策的軟件工具非常強大，但需要定制。
用戶提示構建
然而，變化正在發(fā)生，這些漸進式改進正在讓位于更雄心勃勃的人工智能實施。Liquid Instruments 最近與新的 Moku：Delta 軟件定義儀器平臺一起宣布的生成式儀器等功能允許人工智能根據用戶提示構建整個儀器和測試設置（圖 2）。
用戶描述他們想要完成的任務，人工智能在多個儀器上確定和配置無數參數以達到最佳結果。如果不存在所需的功能，AI 可以創(chuàng)建它并將其部署到用戶可編程的 FPGA 中，以實時增強標準儀器的功能。
但結果可信嗎？
人工智能釋放創(chuàng)新和加速產品開發(fā)的前景不容忽視，即使在傳統(tǒng)上規(guī)避風險的領域也是如此。測試和測量供應商以在發(fā)布前測試其產品的每個角落而自豪。隨著人工智能進入產品，這將不再可能——當用戶使用人工智能開發(fā)前所未見的功能時，部分責任將轉移到用戶身上（圖 3）。
信任經受考驗
與人工智能的任何應用一樣，盲目相信它每次都能提供正確的答案是一個壞主意。不正確的測試結果至少會造成時間損失的不便。在最壞的情況下，它們可能會危及最終用戶的安全。通常的指導是一個好的開始：從簡單開始，仔細選擇訓練數據，保持專家的人工監(jiān)督。但是在使用測試系統(tǒng)時，用戶可以使用其他一些工具。
審核代碼以確保其正在做的事情有意義是一種可能困難但萬無一失的方法。這可以通過用于 FPGA 定制的硬件描述語言 （HDL） 或用于儀器配置的 Python 等軟件編程語言來完成。創(chuàng)建提供信號和測量可視化的自檢，以驗證系統(tǒng)是否已按預期方式配置或定制，提供了另一種建立對設計及其結果信任的方法。
如今，人工智能正在從工具過渡到助手。也許有一天它會成為真正的合作伙伴（希望不是老板！我們可以將人工智能的早期與互聯(lián)網的最初幾天進行類比。
“你不能相信你在網上讀到的東西”是上個世紀末的常見說法。但我們制定了戰(zhàn)略，使互聯(lián)網不僅是一個可用的信息來源，而且可能是最有價值的信息來源。為了充分利用 AI，我們需要一個升級的工具集，以及一種從根本上更現代、更靈活的測試和測量方法。
評論