以數據為起點(diǎn)，探索生成式AI在測試行業(yè)的應用前景

NI的首席技術(shù)官將智能且統一的數據模型視為未來(lái)測試的關(guān)鍵要素。

NI首席技術(shù)官Thomas Benjamin與Semiconductor Engineering 主編Ed Sperling探討測試的新方法，以數據為起點(diǎn)，以生成式AI 作為不同功能之間的橋梁。

Ed Sperling：您看到了哪些重大變化？它們如何影響關(guān)鍵數據從實(shí)驗室到工廠(chǎng)的移動(dòng)？

Thomas：如果您走進(jìn)制造車(chē)間或實(shí)驗室，您都能看到測試、測量硬件和系統，以及在桌面電腦或平板電腦上正在運行的LabVIEW軟件。所有這些產(chǎn)品都會(huì )創(chuàng )建一個(gè)測試序列。通過(guò)測試可以證明這個(gè)產(chǎn)品（半導體芯片、晶圓或電機）的性能是符合還是偏離了設計規范。但它們都像孤島一樣在運行，分散在世界各地數百個(gè)工廠(chǎng)中。隨著(zhù)價(jià)格低廉的高帶寬通信讓萬(wàn)物互聯(lián)，任何一臺機器上出現異常情況都能被快速識別并洞察到根本原因，并很快部署到在多個(gè)系統中。這和谷歌地圖的工作方式非常相似。谷歌地圖在手機上運行，并且在云端有一個(gè)樞紐。當你遇到交通擁堵時(shí)，它會(huì )通過(guò)一個(gè)自治的超自動(dòng)化系統自動(dòng)為您重新安排路線(xiàn)。同樣，我們相信測試的未來(lái)不是一臺儀器，而是一個(gè)自治的超自動(dòng)化系統，它將硬件、軟件、數據、工作流程和智慧結合在一起。最終，生成式人工智能將用于創(chuàng )建、部署和執行序列測試，甚至可以深入測試后的底層原因分析。

Ed Sperling：所以您所做的是采用生成式人工智能將各種功能整合起來(lái)？

Thomas：是的。但這是基于NI多年的積累。之前我們虛擬化了測試儀器，因此我們能夠很靈活地將這些“儀器”整合在一起。我們在先進(jìn)的數據分析領(lǐng)域也進(jìn)行了大量投資，演進(jìn)的下一個(gè)邏輯是使用人工智能。我們正在利用技術(shù)釋放的新功能繼續創(chuàng )新，使事情變得更簡(jiǎn)單、更有效。NVIDIA正在使用我們先進(jìn)的數據分析軟件管理分布在世界各地的多個(gè)合同制造商。我們討論了虛擬工程師使用NI軟件來(lái)補充實(shí)際工程師的概念，這有助于提高他們的產(chǎn)量。

Ed Sperling：它是如何從實(shí)驗室轉移到晶圓廠(chǎng)的？在其他領(lǐng)域有應用嗎？

Thomas：我們談到的涉及NVIDIA的產(chǎn)品已經(jīng)完全投入生產(chǎn)。在實(shí)驗室中，您可以測量1,000個(gè)參數并對它們做測試。到了量產(chǎn)階段，就只需對其中最有價(jià)值的一組參數做測量，因為實(shí)驗室和量產(chǎn)兩地運行的設備基礎設施相同，量產(chǎn)測得的數據可以很容易關(guān)聯(lián)回實(shí)驗室的參數，這樣我們可以根據在生產(chǎn)中獲得的數據來(lái)改進(jìn)設計。這個(gè)模式貫穿在設計、驗證、生產(chǎn)和使用的全過(guò)程。我們從實(shí)驗室開(kāi)始，并將其數據洞察復制到生產(chǎn)中。我們還需要能夠通過(guò)使用中的數據來(lái)跟蹤這一點(diǎn)，并在這個(gè)完整的循環(huán)中再次驗證和微調設計。這是我們追求的最終目標，隨著(zhù)行業(yè)和市場(chǎng)的成熟，我們將分階段實(shí)現它。

Ed Sperling：這個(gè)技術(shù)方向是由汽車(chē)行業(yè)推動(dòng)的嗎？您如何看待汽車(chē)市場(chǎng)的變化？

Thomas：是的，我們的策略正在汽車(chē)行業(yè)獲得進(jìn)一步驗證。結合我們的硬件和軟件能力，并將這一循環(huán)（從設計、驗證、生產(chǎn)和使用）擴展到半導體行業(yè)、汽車(chē)行業(yè)、航空航天/國防行業(yè)以及部分教育環(huán)節。

首先，未來(lái)的車(chē)輛將由計算機驅動(dòng)，計算機必須處理計劃內或計劃外的任何場(chǎng)景。計劃內場(chǎng)景的例子有“如何穿過(guò)交叉路口”；計劃外場(chǎng)景例如如何閱讀部分被遮擋的街道標志。車(chē)輛需要不斷做出決策，為此需要進(jìn)行大量的測試和測量。如果決策準確，我們就會(huì )開(kāi)始信任這輛車(chē)，它會(huì )帶我們到達目的地。這意味著(zhù)需要大量不同場(chǎng)景的數據來(lái)用于測試系統。過(guò)去通行的做法是基于刺激/反應的測試?，F在我們必須進(jìn)行基于場(chǎng)景的測試，為此需要識別所有可測試的復雜場(chǎng)景，而這須要基于我們收集到的數據?，F在，當我們看向6G領(lǐng)域時(shí)，我們正在復制其中的核心模式，因為我們認為大部分模式是從自動(dòng)駕駛到6G的交叉影響。但在6G汽車(chē)領(lǐng)域，需要押注以下幾個(gè)領(lǐng)域：一是收集、管理和存儲數據的標準化方法。目前我們還沒(méi)有標準規范。因此，在DARPA倡議和國家科學(xué)基金會(huì )的贊助下，NI和東北大學(xué)（美國）一直在進(jìn)行一個(gè)名為RF數據工廠(chǎng)（RF Data Factory）的項目，該項目提供了一套自動(dòng)化工具，以一種稱(chēng)為SigMF的標準化格式收集、管理和存儲數據。我們剛剛向開(kāi)源社區發(fā)布了RF數據記錄API，以便研究人員和其他人可以以此為基礎設施，從不同的測試中收集數據。我們在該領(lǐng)域有很多NI USRP（通用軟件無(wú)線(xiàn)電外設）設備能夠做到這一點(diǎn)，我們?yōu)檠芯咳藛T開(kāi)放了一個(gè)平臺，以獲取這種API并記錄和測試數據。因此，一旦收集了這些數據，您就擁有了創(chuàng )建這些無(wú)限場(chǎng)景的基礎設施，例如在汽車(chē)駕駛領(lǐng)域；例如6G，有哪些干擾場(chǎng)景？您如何維護您的手機****？您如何組織所有這些事情、使溝通更加有效和高效？如果我們能夠推出一個(gè)人人都可以使用的低成本版本，它將加速6G空間測試和測量的采用。

Ed Sperling：這確實(shí)是人工智能的口頭禪，對嗎？降低一切成本。

Thomas：是的，這正是我們想要做的。但這只是等式的一部分，因為一旦你有了無(wú)限多的測試場(chǎng)景，你如何測試它？例如，如果您問(wèn)ChatGPT “kitchen一詞中字母E的位置是什么”，它會(huì )告訴您kitchen中沒(méi)有字母E。原因是機器學(xué)習模型沒(méi)有針對此類(lèi)場(chǎng)景進(jìn)行訓練。當您遇到這無(wú)限多的場(chǎng)景時(shí)，人類(lèi)不可能測試所有這些場(chǎng)景。那么可以使用AI引擎來(lái)測試AI本身嗎？這是我們開(kāi)始研究的另一個(gè)領(lǐng)域。這是我們在汽車(chē)領(lǐng)域經(jīng)常使用的概念。我們現在正嘗試跨入6G領(lǐng)域，吸取其中的一些經(jīng)驗教訓，并針對6G對其進(jìn)行改進(jìn)、個(gè)性化和情境化。

Ed Sperling：隨著(zhù)我們的發(fā)展，誰(shuí)擁有這些數據？ChatGPT或任何生成式人工智能程序的擔憂(yōu)之一是，數據來(lái)自許多不同的地方。

Thomas：我們仍在努力解決這個(gè)問(wèn)題。第一個(gè)目標是收集數據并保持正確的控制結構。目前Azure上提供了一些基礎架構，您可以在其中獲取可用于培訓的本地化實(shí)例。我們正在研究它，但現在還處于早期階段。我們必須提出一些模型，以及行業(yè)聯(lián)盟或類(lèi)似的機構，以確保定義正確的數據所有權。但更重要的是，保護敏感信息的護欄必須到位。存在諸如同態(tài)加密之類(lèi)的概念。但在這一過(guò)程得以簡(jiǎn)化并為實(shí)際消費做好準備之前，還有很多工作要做。

Ed Sperling：6G會(huì )像4G LTE一樣可用嗎？終端設備是手機、還是與公寓樓的點(diǎn)對點(diǎn)連接？

Thomas：6G的前景是能夠擁有10 Gbps以上的帶寬。這將使計算更加身臨其境，因為在過(guò)去的40年里，我們只用鍵盤(pán)和鼠標，現在可能還用平板電腦與計算機進(jìn)行交互。我們可以將其提升到更加身臨其境的水平。它到底是什么，時(shí)間會(huì )告訴我們答案。我們將擁有自動(dòng)駕駛汽車(chē)。汽車(chē)可以開(kāi)始與道路或信號燈對話(huà)嗎？由此可以衍生出所有這些不同的用例，而6G就是其中一塊墊腳石。千兆赫/毫米波范圍內仍有大量網(wǎng)絡(luò )帶寬尚未使用。有很多事情需要融合。如果你回顧20年前，我們會(huì )質(zhì)疑5G是否真的會(huì )出現。6G也是如此。過(guò)去20年發(fā)生了很多變化，而且變化非常迅速。

Ed Sperling：但這并不是說(shuō)你拿起5G手機并期望它在你開(kāi)車(chē)時(shí)持續提供海量數據能力，對嗎？也許這是點(diǎn)對點(diǎn)連接而不是汽車(chē)中的移動(dòng)設備？

Thomas：你說(shuō)得對。在我們前進(jìn)過(guò)程中，機器對機器的通信將會(huì )得以推進(jìn)。如果你看1G和2G，那就是語(yǔ)音通話(huà)。今天則遠不止于此。如果具有彈性的這種級別的帶寬可以通過(guò)相關(guān)的安全網(wǎng)獲得，那么這樣的情況還會(huì )更多。

Ed Sperling：5G和6G的OTA測試解決了嗎？您要尋找的是信號有多強，但這是否是硬件、軟件或信號本身的問(wèn)題？

Thomas：我們還沒(méi)有解決這個(gè)問(wèn)題，正在處理過(guò)程中。這就是不同情境發(fā)揮作用的地方，因為它將是地面站、無(wú)線(xiàn)信號和其他構建模塊的組合。這些可能會(huì )干擾信號的不同的情境表征--尤其是當你在體育場(chǎng)、機場(chǎng)或類(lèi)似的擁擠場(chǎng)所，那里的消費密度要大得多--需要模擬這些不同的場(chǎng)景，出現的問(wèn)題會(huì )有不同的特征，需要根據具體情況來(lái)解決。

Ed Sperling：所以需要很多的重復？

Thomas：是的

Ed Sperling：新的大機遇在哪里？

Thomas：當然是汽車(chē)領(lǐng)域，尤其是電動(dòng)汽車(chē)。但其中很多也可以推廣到航空航天和衛星通信等領(lǐng)域，因為所有這些都將作為一個(gè)互聯(lián)的系統網(wǎng)格發(fā)揮作用。測試的未來(lái)不是儀器。它是一個(gè)自主的、超自動(dòng)化的系統連結而成的系統。它不僅僅是一個(gè)孤立工作的系統，它是一個(gè)協(xié)同工作的網(wǎng)格，為最終客戶(hù)提供業(yè)務(wù)或產(chǎn)品性能的最終輸出。

Ed Sperling：您現在是否在考慮隨著(zhù)時(shí)間的推移進(jìn)行測試，而不是僅僅在制造過(guò)程中進(jìn)行一系列測試然后投入市場(chǎng)？

Thomas：是的，我們在整個(gè)產(chǎn)品生命周期內，隨著(zhù)時(shí)間的推移來(lái)檢測異常，什么異常在什么時(shí)候出現可能是使用特性和系統負載的函數。所以這些都是我們傳統上沒(méi)有看到的維度。想想新年慶?；顒?dòng)，當一個(gè)地方的人員密度增加并改變系統的行為特征時(shí)。每當密度增加時(shí)，這些特征就會(huì )批量出現，當你隨著(zhù)時(shí)間的推移觀(guān)察導致這些系統異常的因素時(shí)--因為異常很少會(huì )瞬間發(fā)生--就會(huì )出現退化模式，甚至在出現異常之前，您就可以檢測到退化模式的斜率。

Ed Sperling：預測那些異質(zhì)集成和不均勻老化的異常是否會(huì )變得更加困難？

Thomas：系統變得越來(lái)越復雜。與單一整體相比，有更多的可移動(dòng)部件組合在一起形成一個(gè)系統。還有更多的子模塊以不同的排列組合組裝在一起。這就是為什么測試和測量的機會(huì )越來(lái)越強大。

Ed Sperling：那么最終目標是彈性嗎？

Thomas：是的，這是你在軟件行業(yè)看到的事情。在黑色星期五，當有數百萬(wàn)用戶(hù)試圖購物時(shí)，如果一臺機器出現故障，它會(huì )自動(dòng)重新規劃路線(xiàn)，您的服務(wù)不會(huì )中斷?，F在的問(wèn)題是您是否可以將相同的功能引入硬件領(lǐng)域，并確保產(chǎn)品的最終客戶(hù)體驗不會(huì )惡化。

Ed Sperling：現在的極端情況比以往任何時(shí)候都多，我們需要更快地識別并處理它們。我們該怎么做呢？

Thomas：這就是基于場(chǎng)景的測試的用武之地，而大量的測試場(chǎng)景就是寶貴的金粉。你需要一個(gè)可以玩任何場(chǎng)景的場(chǎng)景網(wǎng)絡(luò )。這就是我們將測試和測量民主化（democratize test and measurement）作為下一個(gè)邏輯演變的方式。

Ed Sperling：您所尋求的是更快的上市時(shí)間和更少的失敗，對嗎？

Thomas：是的，而且需要一些時(shí)間才能到達那里。但我們可以幫助促進(jìn)這一點(diǎn)，因為測試和測量無(wú)處不在地跨越這些功能的不同構建模塊。

Ed Sperling：所有這些都會(huì )產(chǎn)生更多數據。您如何管理所有這些數據？您保留多少以及保存多長(cháng)時(shí)間？

Thomas：我們的想法不是存儲所有數據。它是找到導致異常的關(guān)鍵模式并將其聚合，然后冷存儲并壓縮它，甚至歸檔它，或者根據需要清除它。您不需要每一行數據。訣竅是弄清楚什么是關(guān)鍵聚合存儲、以及應該扔掉什么。

原文轉載自媒體Semiconductor Engineering：

https://semiengineering.com/using-generative-ai-to-connect-lab-to-fab-test/