Fiziğin yapay zekasının sınırları: Siemens'in insan kontrolünün devam etmesi gerektiği görüşü
Özet
Fizik Yapay Zekası, geleneksel simülasyonlara kıyasla bin kat daha hızlı çalışarak binlerce tasarım varyasyonunu saniyeler içinde inceleyebilir. Ancak Siemens ekibinden Sam Mahalingam'ın belirttiği gibi, bu teknoloji güvenlik açısından kritik parçaların onaylanması ve sertifikalandırılması için henüz uygun değildir. Yapay zeka tam bir hesaplama yapmak yerine geçmiş verilere dayanan tahminler ürettiğinden, mühendisler için asıl önem taşıyan nokta teknolojinin güven sınırlarını doğru bilmektir. Mevcut verilerle fizik tabanlı çözücülere oldukça yaklaşsa da, ölüm kalım meselesi olan bileşenlerde insan denetimi ve geleneksel yöntemler vazgeçilmezliğini korumaktadır.
Fizik Yapay Zekası, geleneksel bir simülasyonun bir avuç dolusu tasarımla uğraşacağı sürede artık binlerce tasarım varyasyonunu inceleyebilir. Siemens'e göre tam 1.000 kata kadar daha hızlı. Yapamadığı şey ise güvenliğin kritik olduğu bir parçayı onaylamak. Teknolojinin bu konuda katı bir sınırı var ve Siemens Digital Industries Software bünyesinde bunu geliştiren ekibin lideri olan Sam Mahalingam, bunu hiçbir kıvırtmaya yer vermeden dile getiriyor.
Bengaluru'daki Realize LIVE Asya-Pasifik etkinliğinin kulisinde kendisi şöyle konuştu: "Bu, güvenlik açısından kritik uygulamalar için iyi mi? Hayır, değil."
Bu durum önem taşıyor çünkü bu yanıt, sektörün yapay zekasının neredeyse her şeyi yapabileceği konusunda ısrarcı olduğu iki yıllık sürece ters düşüyor. Mühendisler için değer, Siemens'in pazarladığı hızda değil, tam olarak bu hıza güvenmenin nerede güvenli olmaktan çıkacağını bilmekte yatar.
Fizik yapay zekasının gerçekten yaptığı ve yapmadığı şeyler
Söz konusu teknoloji, Siemens'in tasarım tahminlerini geleneksel bir çözücüye göre 1.000 kata kadar daha hızlı yapabildiğini belirttiği geometrik derin öğrenme yazılımı Simcenter PhysicsAI'dır. Mekanizma, çekinceyi anlamak açısından önem taşıyor. Fizik her seferinde sıfırdan hesaplanmak yerine, bir vekil model geçmiş simülasyon verilerinden öğrenme gerçekleştiriyor ve yeni bir tasarım için sonucu tahmin ediyor. Tam bir hesaplama değil, saniyeler içinde üretilen bir tahmindir.
Bariz endişe doğruluktur ve Mahalingam bunu doğrudan ele aldı. Kendisi, mühendislerin onlarca yıldır fizik tabanlı simülasyonu, korelasyon güvenilebilecek kadar sıkılaşana kadar fiziksel testlerle kıyasladığını açıkladı. Yapay zeka artık aynı fizik tabanlı referans noktasına göre ölçülüyor. Siemens'in kendi vaka çalışmalarında belirttiği %1 ila %3'lük varyasyona atıfta bulunarak, "Gördüğümüz şey şu ki, eğer yeterli veriniz varsa, fizik tabanlı bir çözücüye çok yakın," dedi.
Yakın, ancak ölüm kalım meselesi olan bir bileşeni sertifikalandıracak kadar yakın değil. Ve Mahalingam'ın standart üretici söyleminden ayrıldığı nokta tam olarak burasıdır. Vekil model, validasyonun (doğrulamanın) yerini tutmaz; önüne yerleştirilmiş bir filtredir. "Bu daha hızlı motoru, yani fizik yapay zeka vekil modelini kullanarak çok daha fazla tasarım varyasyonu incelersiniz, iyi olduğunu düşündüğünüz iki veya üç tasarıma odaklanırsınız ve fizik tabanlı bir simülasyon kullanarak bunlar üzerinde daha ayrıntılı tasarım çalışması yapabilirsiniz" dedi. Yalnızca bu finalistler tam fizik tabanlı bir kontrolden geçtikten sonra bir tasarım üretime doğru ilerler.
Siemens'in sergilediği bir Continental hava yastığı vakası gibi önemli bir örneğin bile bu sınırın içinde yer aldığını açıkça belirtti. "Bu, ilk tasarım keşfi içindir" dedi. "Yalnızca fizik yapay zekası ile doğrulama yapıp, 'tamam, bu tasarımı üretime tavsiye edeceğim' dediğiniz bir durum söz konusu değil. Hayır, durum böyle değil."
Hız rakamlarının bahsetmediği bağımlılık
Hızlanma rakamlarının genellikle göz ardı etmeye eğilimli olduğu ikinci bir sınır daha var ve bu sınır, sohbet bu modellerin nasıl eğitildiğine döndüğünde ortaya çıktı. Magna ve Continental'i içerenler de dahil olmak üzere Siemens'in önde gelen sonuçlarının bir kısmı, sentetik verilerle eğitilmiş yapay zekaya dayanmaktadır