Τα Όρια της Φυσικής AI: Πού Παραμένει ο Άνθρωπος Υπεύθυνος Σύμφωνα με τη Siemens
Η τεχνητή νοημοσύνη στον τομέα της φυσικής έχει πλέον τη δυνατότητα να εξερευνά χιλιάδες παραλλαγές σχεδιασμού στον χρόνο που θα απαιτούσε μια παραδοσιακή προσομοίωση για να επεξεργαστεί λίγες από αυτές. Σύμφωνα με τη Siemens, η τεχνολογία αυτή μπορεί να είναι έως και 1.000 φορές ταχύτερη. Ωστόσο, δεν μπορεί να εγκρίνει ένα κρίσιμο για την ασφάλεια εξάρτημα. Σε αυτό το σημείο, η τεχνολογία έχει σαφή όρια, όπως δηλώνει ο Sam Mahalingam, επικεφαλής του τμήματος που την αναπτύσσει στη Siemens Digital Industries Software.
Αυτό είναι σημαντικό επειδή η απάντηση αυτή έρχεται σε αντίθεση με δύο χρόνια βιομηχανικής επιμονής ότι η AI μπορεί να κάνει σχεδόν τα πάντα. Η αξία για τους μηχανικούς δεν βρίσκεται στην ταχύτητα που προσφέρει η Siemens, αλλά στο να γνωρίζουν ακριβώς πού αυτή η ταχύτητα παύει να είναι ασφαλής για να βασιστούν.
Τι Ακριβώς Κάνει η Φυσική AI και Τι Όχι
Η τεχνολογία που συζητάμε είναι το Simcenter PhysicsAI, το γεωμετρικό λογισμικό βαθιάς μάθησης της Siemens, το οποίο μπορεί να κάνει προβλέψεις σχεδιασμού έως και 1.000 φορές πιο γρήγορα από έναν παραδοσιακό λύτη. Η κατανόηση του μηχανισμού είναι κρίσιμη για την κατανόηση του περιορισμού. Αντί να υπολογίζει τη φυσική από την αρχή κάθε φορά, ένα υποκατάστατο μοντέλο μαθαίνει από ιστορικά δεδομένα προσομοίωσης και προβλέπει το αποτέλεσμα για έναν νέο σχεδιασμό. Πρόκειται για μια εκτίμηση που παράγεται σε δευτερόλεπτα, όχι για πλήρη υπολογισμό.
Η προφανής ανησυχία είναι η ακρίβεια, και ο Mahalingam την αντιμετώπισε άμεσα. Για δεκαετίες, εξήγησε, οι μηχανικοί συγκρίνανε τις προσομοιώσεις βασισμένες στη φυσική με φυσικές δοκιμές μέχρι να υπάρξει επαρκής συσχέτιση για να τις εμπιστευτούν. Τώρα η AI μετριέται με το ίδιο φυσικό υπόβαθρο. «Αυτό που βλέπουμε είναι ότι αν έχετε επαρκή δεδομένα, είναι πολύ κοντά σε έναν λύτη βασισμένο στη φυσική», είπε, αναφέροντας την παραλλαγή 1% έως 3% που αναφέρει η Siemens στις δικές της μελέτες περίπτωσης.
Η Εξάρτηση που οι Αριθμοί Ταχύτητας Δεν Αναφέρουν
Υπάρχει ένας δεύτερος περιορισμός που οι αριθμοί επιτάχυνσης τείνουν να αποκρύπτουν, και αυτός εμφανίζεται όταν η συζήτηση στρέφεται στο πώς εκπαιδεύονται αυτά τα μοντέλα. Πολλά από τα αποτελέσματα που αναδεικνύει η Siemens, συμπεριλαμβανομένων περιπτώσεων με τη Magna και την Continental, βασίζονται σε AI που εκπαιδεύτηκε με συνθετικά δεδομένα: αποτελέσματα προσομοίωσης που παράγονται από τους δικούς της λύτες και όχι από πραγματικές μετρήσεις. Αν η AI μαθαίνει μόνο από την προσομοίωση, το ερώτημα είναι αν μπορεί ποτέ να είναι καλύτερη από την προσομοίωση που την δίδαξε.
Ο Mahalingam δεν απέφυγε την κυκλικότητα όταν ρωτήθηκε. Στην περίπτωση της Magna, είπε, ο πελάτης διενήργησε μια ευρεία εξερεύνηση σχεδιασμού στο Simcenter HEEDS, το εργαλείο αναζήτησης σχεδιασμού της Siemens, και έλυσε τις παραλλαγές με ταχύτητα χρησιμοποιώντας το Simsolid, έναν λύτη που παρακάμπτει το αργό βήμα δημιουργίας πλέγματος. Η έξοδος αυτής της προσομοίωσης χρησιμοποιήθηκε στη συνέχεια για την εκπαίδευση του μοντέλου φυσικής AI. Όπου ένας πελάτης δεν έχει δεδομένα για να ξεκινήσει, «πρώτα δημιούργησαν συνθετικά δεδομένα με το Simsolid και το HEEDS, και στη συνέχεια επέστρεψαν, πήραν αυτά τα δεδομένα, και εκπαίδευσαν ένα μοντέλο φυσικής AI». Το υποκατάστατο, με άλλα λόγια, είναι μόνο τόσο καλό όσο η προσομοίωση που το υποστηρίζει, ένας περιορισμός που αναγνώρισε αντί να τον παραβλέψει.
Γιατί η Ειλικρίνεια Είναι η Ιστορία
Η ειλικρίνεια δεν είναι αυτοϋποτίμηση, αλλά τοποθέτηση. Κάθε προμηθευτής προσομοίωσης τώρα αγωνίζεται να ενσωματώσει την AI στο χαρτοφυλάκιό του, και ο κίνδυνος για την αξιοπιστία είναι ότι οι αγοραστές θα σταματήσουν να πιστεύουν οποιονδήποτε από τους αριθμούς. Με το να ορίζει τα όρια της τεχνολογίας – ασφαλής για εξερεύνηση, όχι για τελική έγκριση· ισχυρή με δεδομένα, άχρηστη πέρα από το πλαίσιο εκπαίδευσής της – η Siemens κάνει το στοίχημα ότι οι μηχανικοί εμπιστεύονται περισσότερο ένα εργαλείο όταν τους λέει τι δεν μπορεί να κάνει.
Αυτό προσγειώνεται διαφορετικά όταν προέρχεται από την πλευρά της προσομοίωσης. Οι προμηθευτές σχεδιασμού τσιπ και AI για επιχειρήσεις έχουν περάσει τον κύκλο υπερβολής υποσχόμενοι αυτονομία· μια εταιρεία της οποίας οι πελάτες μοντελοποιούν δομές σύγκρουσης και κινητήρες τζετ επιμένει αντ' αυτού ότι το βήμα της ανθρώπινης επικύρωσης παραμένει ακριβώς εκεί που είναι. Αυτό δεν είναι μια αποφυγή της AI. Είναι μια πιο σαφής εκτίμηση του πού ανήκει, ως η γρήγορη πρώτη διέλευση που διευρύνει την αναζήτηση, με τον λύτη βασισμένο στη φυσική να κρατά ακόμα την πένα σε οτιδήποτε πρέπει να είναι σωστό.
Αυτός είναι ένας πιο στενός ισχυρισμός από αυτόν που η αγορά έχει συνηθίσει να ακούει, και ένας πιο ανθεκτικός. Η Siemens πουλάει το 1.000x, αλλά το πιο πολύτιμο πράγμα που προσφέρει στους μηχανικούς είναι το όριο γύρω από αυτό.
