בשנים האחרונות ניתן לראות בתחומים רבים ניסיונות כניסה לעולם הבינה המלאכותית בחברות שמפתחות מוצרים. ארגונים, ובעיקר מחלקות ההנדסה והפיתוח, נדרשים להבין כיצד נכון עבורם להשתמש בטכנולוגיה פורצת הדרך וכיצד יש לשלבה בתוך תהליך הפיתוח הקיים.
על המנהלים להחליט כיצד יש להתאים את יכולות הבינה המלאכותית לעולם האפליקטיבי הספציפי שלהם, מהי סביבת האלגוריתמים והסימולציה הנכונה עבורם לכלל תהליך הפיתוח, ואיך כלי AI משתלבים בתוך הסביבה הסימולטיבית. בהתמודדות בנושא הזה מסייעת להם מיישמת פתרונות המחשוב "סיסטמטיקס" - חברה טכנולוגית שמקדמת, מספקת ומטמיעה פתרונות לטרנספורמציה דיגיטלית בתחומי המדע, ההנדסה והתעשייה.
בנייה, תכנון, אינטגרציה ובדיקות
"ארגונים מגיעים אלינו עם סימני שאלה לגבי שילוב בינה מלאכותית במערכות ההנדסיות הקיימות ולגבי פיתוח מערכות חדשות בעזרתה", אומר רוני פאר, CTO ב"סיסטמטיקס". "השוק הבין שהבינה מלאכותית היא חלק בתהליך הפיתוח, אך לא תהליך הפיתוח בעצמו. כחברה טכנולוגית אנחנו פוגשים חברות מוצר ממגוון רחב של תעשיות, וכתוצאה מהעבודה ההדוקה איתם, יש לנו את היכולת למקם את הבינה המלאכותית בפאזל המאתגר, שמשלב בתוכו את התהליכים ההנדסיים הנוכחים, למול הצורך לפתור בעיות נוספות בעזרת בינה מלאכותית. כחלק מהתהליך, אנחנו מסייעים לחברות לבנות את תשתית הפיתוח הנכונה ולשלב את הטכנולוגיה הזאת בתוך מחזור החיים של המוצר – מתחילת הדרך, בפיתוח ההנדסי, ועד לייצור ותחזוק המוצר לאורך הזמן".
"MATLAB ו-Simulink של חברת MathWorks הן הפלטפורמות המתאימות ביותר לעשות זאת", אומר מושיק כהן, מנהל הפעילות של חברת MathWorks ב"סיסטמטיקס". "יחד הן מהוות פלטפורמה למהנדסים, חוקרים, ומפתחי אלגוריתמים. פלטפורמה בה משתמשים בתעשייה הביטחונית, האלקטרוניקה, הרפואה, התקשורת, המוליכים למחצה ועוד".
אלו אתגרים עולים כתוצאה משילוב הבינה המלאכותית בתוך תהליך הפיתוח הקיים?
מושיק: "חברות המחליטות לשלב רכיב של בינה מלאכותית במוצר שלהן עומדות בפני אתגר הטמעתו בסביבה ההנדסית הקיימת, על כלל התהליכים. הסימולציה שבעזרתה נוכל לענות על האתגרים בתהליך הפיתוח בארגון, כולל שילוב רכיב הבינה מלאכותית. סביבת הסימולציה של MATLAB ו-Simulink מאפשרת בנייה, עיצוב ואינטגרציה של הפתרונות ההנדסיים ביחד - כולל אלו המבוססים על בינה מלאכותית: הרצת האלגוריתמים הקיימים, בניית סימולציה מערכתית שכוללת את הסביבה הפיזיקאלית, שילוב פתרונות תוכנה נוספים ובחינת רכיב הבינה המלאכותית לשילוב יכולות חדשות במוצר בזמן קצר".
"MATLAB מהווה את פלטפורמת האלגוריתמיקה ו-Simulink את סביבת הסימולציה, הבדיקות והאינטגרציה ואף יצירת קוד בצורה אוטומטית. כך הן משלימות אחת את השנייה. בעזרת תכנון נכון נוכל להחליף רכיב קיים ברכיב מבוסס בינה מלאכותית, נבדוק בזמן קצר את המערכת ההנדסית החדשה, נוודא שלא הכנסנו שגיאות למערכת, ושקיבלנו את ההחלטות הנכונות בתהליך הפיתוח. יכולת זו מתאפשרת בזכות הסביבה הסימולטיבית שלוקחת את כלל הטכנולוגיות שיש בארגון, מרמת הנדסת המערכת דרך האלגוריתמיקה ועד קוד התוכנה והחומרה הקיים, 'ומסמלצת' את הכל ביחד כדי לבדוק את ההשפעה על כלל המערכת".
פאר: "הערך הגדול של צוות 'סיסטמטיקס' הוא באפיון הפתרון ההנדסי לבעיה והטמעתו תוך ליווי צמוד והכשרת הלקוח לשימוש עצמי במערכות MATLAB ו-Simulink".
ייצור מערכות חכמות ואדפטיביות יותר
מניסיונם עם ארגונים המשלבים בינה מלאכותית בתהליכי הפיתוח, מתרשמים פאר ומושיק שטכנולוגיה זו משפיעה כיום מהותית על שיטות הפיתוח וצורות העבודה. תהליך הפיתוח יכול להשתפר משמעותית, בין השאר הודות להתייעלות שמאפשרת הבינה המלאכותית. "תהליך הוולידציה, למשל, לוקח זמן רב", מדגים פאר. "צריך לבחור בין מגוון של אפשרויות יישום של הרכיב ההנדסי, כשלכל אחת יש מספר ממדים, מה שהופך את האופטימיזציה למורכבת. נדרש חישוב ארוך, לעיתים של מיליוני אופציות שונות. כשעובדים בצורה הקלאסית פותרים את הבעיה בשיטה הלינארית, המצריכה שעות אדם רבות. שילוב של בינה מלאכותית מאפשר לקצר את תהליך הבדיקות ב-70%-80%. זה מהפכני".
מושיק: "אחד האתגרים כיום בעולם התקשורת הוא כיצד נכון להתמודד עם דרישות של קצב העברת מידע וכמויות מידע גדולות. הפתרון של שימוש ברוחב פס גדול יותר, מוביל לבעיה טכנולוגית שהמהנדסים מתמודדים איתה – כיצד נכון לגשת לעיוותים לא לינארים, על מנת לשחזר את המידע כפי ששודר. שילוב של בינה מלאכותית מאפשרת למערכת ללמוד את העיוות שנוצר, ולנסות לפצות עליו, כך שהשחזור של האות יהיה יותר מדויק. כאשר ניגשים לפתרון בעיה כזו, חשובה ההבנה של העולם האפליקטיבי ושילוב נכון של בינה מלאכותית כדי לענות על כל הניואנסים שמתקבלים תוך כדי התהליך. ב-MATLAB יש לי את היכולת לבנות ולאמן רשת מתאימה, ושתיתן מענה מדוייק עבור המקרה ההנדסי".
אלו אתגרים נוספים קיימים כאשר אני רוצה לוודא שהמערכת ההנדסית שלי תיתן מענה לתנאי קיצון?
מושיק: "כשעובדים עם בינה מלאכותית נעזרים במידע רב כדי לאמן את המערכת וכך לאפשר לה לעבוד נכון בהתבסס על הקלטות ונתונים היסטוריים. אבל מה עושים אם אין מספיק מאלו? הרי כדי ללמד מערכת של רכב כיצד נראית תאונה לא נייצר תאונה. מה שכן ניתן לייצר זה מידע סינתטי: לוקחים מודלים מתמטיים והתנהגותיים שמתארים את התסריט, על כל הפרמטרים הקשורים לו, ועמם מייצרים מידע חדש שניתן לאמן בעזרתו. המידע הסינתטי שנוצר במערכות הדיגיטליות מאפשר לבדוק אפילו תרחישים דמיוניים".
אפשר לסמוך על זה?
פאר: "זה מביא לאתגר נוסף: היכולת להבין את החלטותיה של הבינה המלאכותית. לא לכל אחד מספיק לדעת שהכלי החכם קיבל החלטה. בעולם ההנדסי לא מסתפקים בהסתכלות על מערכת הבינה המלאכותית כקופסה שחורה. חייבים להבין מדוע היא קיבלה החלטה מסוימת. פה נכנס תחום ה-Explainable AI - היכולת להסביר כיצד הבינה המלאכותית עובדת ומקבלת החלטות לטובת הפתרון ההנדסי. זו יכולת הפותחת חלון לצורת ה'חשיבה' של הכלי ולוודא שהסתמך על המידע הנכון בקבלת ההחלטה. אלמנט זה הוא קריטי במיוחד במערכות האחראיות על חיי אדם – מרפואה, אוטומציה תעשייתית ועד רכב ותעופה. כשמכשירים ומרשיינים עבורן קוד חובה לדעת שהוא עומד בתנאי הבטיחות. ישנם מכוני רישוי שלא יתנו אישור לפיתוח ללא הסבר כיצד התקבלו החלטות. פלטפורמת הפיתוח MATLAB ו-Simulink ש'סיסטמטיקס' מציעה מאפשרת להבין את החלטותיה של הבינה המלאכותית ומיוצרת השקיפות לה מצפה המהנדס".
"בסך הכל, שילוב בינה מלאכותית מאפשר לייצר מערכות הנדסיות יותר חכמות ואדפטיביות, כאלו שיכולות לחזות ולהגיב תוך כדי פעולה. אינטגרציית AI מאפשרת מתן מענה לאתגרים שלא היה קיים קודם, לשפר מערכות קיימות ולפתח מוצרים חדשים טובים יותר בשלל תעשיות. אנחנו, כבני אדם בכלל וכמהנדסים בפרט, צריכים להשקיע מחשבה רבה בשאלה היכן הבינה המלאכותית יכולה לסייע לנו וכיצד נכון להטמיע אותה. 'סיסטמטיקס' תשמח לסייע לכל מי שמתחבט בסוגיה זו. מעבר למכירת הפלטפורמה, אנחנו גם עוזרים ביישום, מעבירים קורסים, סמינרים וימי עיון לקהל ההנדסי. בכנסים אלו ניתן לעשות נטוורקינג וללמוד אחד מהשני. כך שאנחנו לא רק נציגים של הכלים אלא בונים סוג של קהילה הנדסית. זה חלק מחזון החברה".
להמשך העמקה בפתרונות >>> לאתר החברה <<<
בשיתוף סיסטמטיקס
