AI ב-MATLAB נועד עבורכם המהנדסים!
כולנו מנסים לפתור את בעיות הנדסיות שונות ביום-יום שלנו. לעיתים קורה, שמדובר בבעיה ממש מורכבת, ואנחנו חושקים בשילוב AI לפתרון שלה – אולי יחד עם הכלי הזה שיש סביבו הייפ מטורף נוכל להגיע לתוצאות שטרם הצלחנו להשיג?
הבעיה היא (וגם היתרון), שאנחנו ממש טובים במה שאנחנו עושים – למעשה אנחנו מומחים אמיתיים ב-Domain שלנו – אבל אולי טרם רכשנו ניסיון ב-AI, או שפשוט עוד לא הצלחנו לגייס צוות של Data scientists שנוכל לרוץ איתו.
ואולי – כבר יש לנו תהליך פיתוח שלם שפיתחנו כבר, ורק היינו רוצים לשבץ לו מודל מוכן שחברינו מצוות מקביל פיתחו בפלטפורמה אחרת כמו Pytorch או Tensorflow?
כבר ראיתי הרבה פעמים מפתחים ומהנדסים בשלבים שונים שעומדים במקום מול שאלות אלו ולא יודעים כיצד להתקדם..
טוב, אני כאן כדי להרגיע ולהגיד – יש לנו הרבה איך לעזור לכם!
אחלק את הפוסט הבא לנקודות – כשבכל אחת מהן טמון ערך רב שניתן לקבל יחד עם כלי MathWorks ל-AI לצד סיסטמטיקס.
- MATLAB נועדה למהנדסים!
ולכן בראש ובראשונה חשוב להבין ש-AI ב-MathWorks כולל גם את כל היכולות המתקדמות מוורטיקלים הנדסיים מעולמות כמו Predictive Maintenance, Radar, Lidar, Visual Inspection, Virtual Sensing, ROM, Wireless, Medical Imaging, ועוד.
מדובר כאן על פתרון שיכול לשלב ולענות על הבעיות ההנדסיות הספציפיות מה-Domain הרלוונטי לכם.
- פיתוח AI בגישת Low Code\No Code במטרה להרחיב את קהל המפתחים והמהנדסים שיוכלו להתעסק ב-AI בחזית הטכנולוגיה.
בצורה זו מתאפשר גם למפתחים עם יכולות תכנות בסיסיות יותר, וגם למפתחים שפשוט לא מעוניינים לתכנת – לעבוד על פרויקטי AI מורכבים ולפתור בעיות מתקדמות.
ובאמצעות גישות אלו ניתן לפתח פרויקטים שלמים עם כתיבת קוד מינימלית/ ללא כתיבת קוד כלל.
כל זה תוך כדי כך שאין התחייבות לשפת פיתוח אחת מסוימת, ובעיקר – תוך כדי היכולת להתרכז במה שחשוב באמת: הבעיה עצמה אותה אנחנו מעוניינים לפתור (ופחות באיך מיישמים את ה-AI).
האפליקציות תמיד מתעדכנות ומתרחבות; למשל בגרסה האחרונה בוצעו שיפורים נוספים באפליקציית Deep Network Designer, למשל לייצוא רשתות הישר לתוך Simulink ושיפורים בייבוא רשתות מ-Pytorch ו-Tensorflow היישר לתוך האפליקציה (מעבר לארסנל הרשתות המאומנות הזמינות לייבוא) – להמשך ביצוע שינויים בארכיקטורה (אם נדרש), אימון מחדש, fine tuning, ועוד.
- התמונה השלמה: שילוב AI בתוך Simulink
בשורה התחתונה, אנחנו לא מפתחים רק רכיב AI קטן ויחיד שמקבל תמונות של חתולים ומסווג אותם לפי רמת חמידות, אנחנו עושים הרבה יותר מזה: אנחנו צריכים בסופו של דבר לשלב את רכיב ה-AI בתוך מערכת שלמה – מערכת שכנראה משלבת בתוכה רכיבים נוספים, בין אם מדובר ברכיבים פיזיקליים, חשמליים, רכיבי בקרה, סנסורים, תקשורת, ועוד!
בנוסף לכל זה, המערכת במרבית הסיכויים תצטרך לעבור אופטימיזציות ולהיות יעילה ביותר על מנת לעבוד בסופו של דבר על טרגט היעד, בין אם מדובר על חומרה מסוגים שונים, בענן, או על מערכת אנטרפרייז…
יש כאן המון רכיבים לדאוג להם – כשכולם צריכים לעבוד יחד בצורה הטובה ביותר!
ובהחלט בגרסה האחרונה התווספה יכולת של שילוב בלוקים היישר מ-Pytorch, Tensorflow ו-ONNX בתוך מודלים של Simulink – כך שגם אם המודלים שלי כבר אומנו ב-Open Source, אוכל לבחון ולסמלץ את התנהגות של המערכת כולה!
- אנחנו חייבים לסמוך על החלטות מודלי ה-AI ברמה הגבוהה ביותר:
עבור תעשיות שמפתחות מוצרים "רגישים" כמו התעשייה הביטחונית, תעשיית הרכב והמכשור הרפואי, מעבר לאתגרים הקשורים באימוץ AI לתהליך הפיתוח שלהם, מתווסף אתגר נוסף ולא פחות חשוב: למוצרים אותן הן מפתחות, עלולות להיות השלכות מסכנות חיים.
ולכן עליהם לסמוך בלב שלם על מודל הניבוי ועל תהליך קבלת ההחלטות הפנימי המתרחש, על מנת לאמת את המהימנות שלו.
ונקודה זו באה לידי ביטוי מ-3 כיוונים שונים:
- Explainable AI (XAI): או – למה מודל ה-AI שלנו הגיע להחלטה המסוימת שהגיע אליה?
חשוב שנשאל שאלות (ונצליח לענות עליהן) כמו – למה המודל לא בחר בניבוי אחר? מתי המודל מצליח להגיע לדיוקים טובים? מתי הוא נכשל? מתי אוכל לסמוך עליו? איך אוכל לתקן את השגיאות של המודל?
במיוחד בתעשיות הנ"ל אשר נדרשות בעמידה בתקנים רגולטורים מאוד מחמירים – חשוב שהחברות השונות יוכלו לסמוך על המודלים שהן מפתחות.
- ביצוע וולידציה וורפיקציה של מודלי ה-AI:
אימוץ שיטות ווריפיקציה וולידציה למודלי AI עבור פיתוח מוצרים הנדרשים לעמוד בתקנות הבטיחות המחמירות ביותר, בין היתר על ידי שיטות פורמליות לווריפיקציה על מנת לאמת את הרובסטיות של מודלי החיזוי (עם DL Verification Library)
- AI Certification:
רישיון וסרטיפיקציה של מודלי AI הינו נושא כאוב המהווה לאתגר מרכזי בתעשיות רבות – בייחוד לתעשיות המפתחות מוצרים עם השלכות מסכנות חיים.
התעשיות השונות מתאימות את עצמן לפיתוחים של מוצרים מבוססים AI על ידי אימוץ מתודת פיתוח לפי דיאגרמת W המחודשת, לעומת דיאגרמת V המסורתית בה נהגו עד היום.
- Explainable AI (XAI): או – למה מודל ה-AI שלנו הגיע להחלטה המסוימת שהגיע אליה?
כך, ניתן להפחית את סיכון הפיתוח והקטנת מספר ה-Recalls שעלולים להתרחש – בסביבה מאתגרת של מערכות ותוכנה מורכבת. גישת תכנון מבוסס-מודלים היא גישה שכבר שנים רבות קיימת בתעשיות השונות, ומאפשרת הפחתה של בניית אבי-טיפוס פיזיים, שילוב תהליכי V&V כחלק מהפיתוח, ואינטגרציה מערכתית עוד בשלב התכן הדיגיטלי.
- Interoperability – ליהנות מהטוב שבכל העולמות:
היום קיימות קהילות גדולות שכבר עשו עבודה טובה ופיתחו רשתות מורכבות ואימנו אותן שעות על גבי שעות.
ואין סיבה שלא להשתמש במאגרי הידע השימושיים האלו עבור הפרויקטים שלנו, תוך כדי שאנחנו בוחרים את פלטפורמת הפיתוח המרכזית המועדפת עלינו?
יכולת שיתוף הפעולה בין הפלטפורמות מאפשרת לנו כמפתחים למנף את העבודה שפותחה על ידי מפתחים אחרים ולהשתמש ב-MATLAB לחלקים אחרים של הפיתוח, כמו אלגוריתמי עיבוד מקדים קיימים או למנף את יכולות יצירת קוד.
- אומרים שאין הנחתום מעיד על עיסתו … אבל נקודה לא פחות חשובה היא:
אנחנו 😊 – הצוות בסיסטמטיקס והצוותים השונים ב-MathWorks!
למידה מתמדת, הכשרות, סדנאות Hands-on, כנסים ואירועים שונים הם רק חלק מתפקידנו.
בסיסטמטיקס קיים מערך של מומחים טכניים שישמחו לעזור לכם לבחור את הדרך הנכונה עבורכם לפיתוח ולהטמיע תהליכי עבודה חדשים ויעילים יותר בחברה.
בנוסף בכל ימות השבוע מנגנון של תמיכה טכנית פעיל ועומד לשירותכם! במידה ונתקלתם בבעיה – באמת שנשמח לעזור ובמקרה הצורך להגיע עד אליכם.
אתם מוזמנים ליצור איתנו קשר ולשמוע עוד על איך נוכל לתרום לכם 😊
לקריאה (ולצפייה) נוספת:
- MATLAB and Simulink for AI (32:23)
- AI with Model-Based Design (22:42)
- Integrating AI into System-Level Design (E-book)
- What is Explainable AI? (עמוד באתר)
