344
人工智能正在成為很多領(lǐng)域的專業(yè)化工具，不論是醫(yī)療、汽車、商業(yè)、金融還是前沿科技……就連光刻機這樣絕對“卡脖子”的領(lǐng)域也不例外。
在納米制造技術(shù)中，光刻是控制芯片大小的基本制作過程，這其中有一個非常關(guān)鍵的環(huán)節(jié)就是層與層之間的堆砌，一旦連接失敗或是偏離預(yù)期，會嚴重影響產(chǎn)量甚至芯片質(zhì)量。
全球光刻機領(lǐng)導(dǎo)者ASML為了改進半導(dǎo)體制造中的對準計量環(huán)節(jié)，開發(fā)出了基于機器學(xué)習(xí)的虛擬計量技術(shù)。通過在開發(fā)流程中引入機器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)訓(xùn)練，能夠利用校準計量數(shù)據(jù)，對每個晶圓的對準數(shù)據(jù)進行預(yù)估和測量，從而極大地降低了生產(chǎn)制造的風(fēng)險。
ASML在該方案中應(yīng)用了MATLAB軟件建立并訓(xùn)練神經(jīng)網(wǎng)絡(luò)，通過神經(jīng)網(wǎng)絡(luò)模型從對齊計量中去預(yù)測對準計量。根據(jù)ASML一名工藝工程師反饋，他本人對神經(jīng)網(wǎng)絡(luò)和機器學(xué)習(xí)沒有任何經(jīng)驗，MATLAB示例會幫助他尋找并確定生成虛擬計量的最佳機器學(xué)習(xí)函數(shù)。通過建立并訓(xùn)練模型，AI幫助他免去了重新收集數(shù)據(jù)、編寫算法的過程，并完成了潛在的制造改進、降低了維護開銷。
在千行百業(yè)都在擁抱AI的今天，設(shè)計、仿真與驗證軟件正在發(fā)生哪些變化？又有哪些趨勢不可逆轉(zhuǎn)？帶著這些疑問，與非網(wǎng)采訪MathWorks首席戰(zhàn)略師Jim Tung，在他看來，2021年AI主要呈現(xiàn)五大趨勢。
?
MathWorks首席戰(zhàn)略師Jim Tung
趨勢一：AI會成為工程師和科學(xué)家的應(yīng)用主流
正如開篇光刻機的應(yīng)用案例所展示，構(gòu)建基于AI的解決方案的工具，正在從數(shù)據(jù)科學(xué)家擴展到專業(yè)的工程人員。借助這些工具，工程師可以將AI驅(qū)動的功能和模型注入到應(yīng)用程序中，而無需專業(yè)數(shù)據(jù)科學(xué)家的參與。
Jim Tung指出，AI系統(tǒng)越來越龐大，不可能一個工具完成所有事情，MATLAB、Simulink作為平臺，可以融合更多工具，幫助用戶更容易上手，完成AI相關(guān)項目或產(chǎn)品設(shè)計。目前，MathWorks提供了很多工具箱和相關(guān)的參考案例，例如激光雷達工具箱、預(yù)測性維護工具箱、無線工具箱、控制強化學(xué)習(xí)的工具箱等，還有針對自動駕駛的工具箱、虛擬道路仿真工具箱、以及無人機導(dǎo)航工具箱等細分方向的專用工具箱。
趨勢二：AI正在成為跨學(xué)科、跨領(lǐng)域、跨平臺的應(yīng)用
“AI的實施，是開發(fā)、運營、部署的有機結(jié)合，傳統(tǒng)上的開發(fā)運營模式通過與軟件服務(wù)的無縫連接，正在實現(xiàn)系統(tǒng)化的升級，從而成為有機結(jié)合的整體系統(tǒng)”，Jim Tung表示。
MathWorks工具正在與開發(fā)/部署工作流中的行業(yè)標準技術(shù)和平臺進行集成，MATLAB、Simulink主要集中在設(shè)計和測試階段，以減少返工量；在具體的操作方面，也會支持新的部署系統(tǒng)類型，例如在嵌入式系統(tǒng)、邊緣設(shè)備、IT/OT系統(tǒng)甚至云端等。從設(shè)計到部署，提供完整的解決方案，實現(xiàn)無縫連接。
阿特拉斯（Atlas）是全球知名的空調(diào)機公司，其高性能空調(diào)需要7*24小時工作?；贛athWorks的工具箱，阿特拉斯實現(xiàn)了全球超過12萬臺機器的聯(lián)網(wǎng)以及全面的優(yōu)化維護策略，目的就是實現(xiàn)這些設(shè)備的健康管理、維護，以及現(xiàn)場升級。通過MATLAB、Simulink，阿特拉斯實現(xiàn)了避免重復(fù)工作的標準化平臺，使得整個產(chǎn)品系列的效率提高了10%。
趨勢三：AI模型的可解釋性和可視化進一步提高
高安全領(lǐng)域比如軍工、航空航天、汽車等，對代碼、系統(tǒng)的安全性要求比較高，一直以來，這些領(lǐng)域非常重視AI模型的可解釋性，需要清晰了解模型每一層的主要特征，以及訓(xùn)練模型的網(wǎng)絡(luò)所使用的特征。但是，AI模型的黑盒特性即不可解釋性，一度阻礙了在這些高安全系統(tǒng)中的應(yīng)用。
Jim Tung認為，通過可視化的方法可以幫助模型解釋是如何以及為什么做出相應(yīng)的決策，通過特征標識可以向用戶、工程師或科學(xué)家展示是如何通過算法以及特征值被用來決定做出最后的決策。
MATLAB從R2017a版本，一直到最新的R2020b，專門針對模型可視化進行了升級，讓科學(xué)家和工程師知道算法過程中的特殊參數(shù)值。其次，高安全性系統(tǒng)領(lǐng)域有很多行業(yè)標準，隨著AI的發(fā)展，原有的方法對于新的AI、機器學(xué)習(xí)、深度學(xué)習(xí)算法等可能會有偏差，因此新的認證標準也非常關(guān)鍵，MathWorks正在和行業(yè)協(xié)會、組織等共同推動標準方面的建設(shè)。
趨勢四：通過仿真合成數(shù)據(jù)可以改善AI數(shù)據(jù)集
數(shù)據(jù)對于AI的實施非常重要，并且往往是需要大量的數(shù)據(jù)。在一個AI項目中，第一步就是數(shù)據(jù)的準備，然后是數(shù)據(jù)的清洗、提取，通過數(shù)據(jù)特征值進行模型的訓(xùn)練，仿真和測試，最后才是部署。
但是，在現(xiàn)實應(yīng)用中，極限工況的數(shù)據(jù)很難獲取，需要耗費大量人力物力，甚至?xí)ο到y(tǒng)造成破壞。比如在油氣行業(yè)，采油的液壓泵一旦發(fā)生泄露損失非常大。如何預(yù)測它何時泄露？故障原因可能是什么？這方面的數(shù)據(jù)很難獲取，但缺少就會影響算法的完整度。怎么辦？
在這種情況下，就可以通過仿真罕見的系統(tǒng)故障來建立模型，在模型中提取極限工況的數(shù)據(jù)，然后將這些數(shù)據(jù)導(dǎo)入到AI模型訓(xùn)練的序列中，分析可能會有的故障因素，從而進行預(yù)測與維護、故障診斷等，最后部署到實際系統(tǒng)中，在現(xiàn)實世界中避免這些故障的發(fā)生。
此外，也可以仿真傳感器數(shù)據(jù)，比如在自動駕駛汽車上所使用的激光雷達，價格非常昂貴，在系統(tǒng)測試過程中，同樣難以在現(xiàn)場獲取到極端工況的數(shù)據(jù)。通過仿真數(shù)據(jù)，導(dǎo)入到自動駕駛模型中，可以對自動駕駛系統(tǒng)進行分析。自動駕駛方面，MathWorks還推出新的RoadRunner工具箱，用來設(shè)計自動駕駛的3D場景，它可以方便快捷地搭建起道路、城市等外部環(huán)境，也可以和MATLAB、Simulink的算法相結(jié)合，實現(xiàn)對于自動駕駛的仿真和測試。
Jim Tung強調(diào)，單獨的AI模型是沒有意義的，因為最終要應(yīng)用在整個系統(tǒng)中，所以評估也要放在整個系統(tǒng)中。在把AI算法模型集成到整個系統(tǒng)中時，要在轉(zhuǎn)移硬件之前對它進行仿真，并且要充分驗證有效性，完成和系統(tǒng)其它算法的整體測試，這些都是最關(guān)鍵的。例如在自動駕駛系統(tǒng)中，定位、路基規(guī)劃、環(huán)境管理、互助算法等協(xié)同起來，才能保證車輛在任何情況下都能正常行駛。但這也意味著，基于模型的開發(fā)工作流必不可少，這樣才能建立完整的仿真環(huán)境，快速實現(xiàn)產(chǎn)品開發(fā)。
在他展示的客戶案例中，Denso Ten是豐田旗下的汽車電子主要供應(yīng)商，致力于自動駕駛等前沿科技。Denso Ten正在越來越多地把基于深度學(xué)習(xí)的AI算法、模型融合到整個開發(fā)流程和模型中，以提高效率。MathWorks為其提供了深度學(xué)習(xí)工具箱、嵌入式代碼生成器以及用于深度學(xué)習(xí)、ECU仿真/實現(xiàn)的Simulink。不過，一個鮮為人知的插曲是，該公司最初希望使用的是Python，但是在轉(zhuǎn)換成可以應(yīng)用于ECU的C代碼時遇到問題，這導(dǎo)致它無法和其他基于模型開發(fā)的算法相結(jié)合，最終使用了MATLAB。
趨勢五：AI模型將會被部署到更多低功耗、低成本的嵌入式設(shè)備中
自動化的代碼生成工具深受業(yè)界歡迎，因為無需人工干預(yù)，可以根據(jù)特定領(lǐng)域的應(yīng)用需求，通過算法生成不同類型的代碼。不論是CPU、GPU、FPGA，可以將編碼無誤地部署到任何處理器中，大大降低了編程技能的門檻。
Jim Tung給出了一個嵌入式計算機視覺和機器學(xué)習(xí)算法方面的應(yīng)用案例，IDNEO公司開發(fā)了用于解釋血型結(jié)果的嵌入式計算機視覺和機器學(xué)習(xí)算法。由于醫(yī)院的醫(yī)護人員每天會大量抽血，包括血型的檢測結(jié)果，很多需要進行比對。通過機器學(xué)習(xí)算法，實現(xiàn)了自動化地對工作人員所使用的視覺卡片進行解釋，來確定患者血液抗原的分型。該公司使用MATLAB開發(fā)、測試和生成圖像分析和機器學(xué)習(xí)算法的嵌入式代碼，節(jié)省了代碼生成時間，完成了額外迭代，可以快速部署到嵌入式系統(tǒng)中。
寫在最后
人工智能在各行各業(yè)落地時，所面臨的痛點需求千差萬別。
消費電子企業(yè)會告訴你，在生產(chǎn)過程中不在乎最快的算法，而是最可靠、最穩(wěn)定的算法；政府部門則關(guān)心“一個可持續(xù)維護的健壯的解決方案”；汽車行業(yè)反饋說，“我們努力與現(xiàn)實保持聯(lián)系，將真實的系統(tǒng)和人工智能連接起來，這是最關(guān)鍵的挑戰(zhàn)”； 航空航天的AI總監(jiān)則表示，“如果可以組合來自多個供應(yīng)商的工作流，那么這樣的產(chǎn)品將會非常強大”……
面對千差萬別的需求，設(shè)計、仿真、驗證的軟件工具能夠發(fā)揮出什么樣的價值？
細分到應(yīng)用，深入到場景，MathWorks在幫助從業(yè)人員更快、更好地上手AI，并落地實際應(yīng)用中。三大優(yōu)勢分別是：一是許多工程師、科學(xué)家早已熟悉MATLAB環(huán)境，它也提供強大的文檔支持；二是MathWorks正在通過越來越多的MATLAB應(yīng)用程序和工具箱，通過特定任務(wù)或工作流引導(dǎo)用戶使用AI；三是MathWorks非常重視與流行的AI框架的互操作性，并推動AI部署到嵌入式、邊緣和云端系統(tǒng)中。
