Σύντομη απάντηση: Οι ηλεκτρολόγοι μηχανικοί δεν θα αντικατασταθούν μαζικά, αλλά η Τεχνητή Νοημοσύνη θα αναλάβει ένα δίκαιο μερίδιο επαναλήψιμης εργασίας: σχεδίαση, τεκμηρίωση, τυποποιημένο υλικολογισμικό και σχέδια πρώτου σταδίου. Εάν η δουλειά σας είναι κυρίως «εκτέλεση μοτίβων», θα νιώσετε την πίεση. Εάν έχετε τον έλεγχο περιορισμών, επαλήθευσης και αποφάσεων ασφαλείας, η Τεχνητή Νοημοσύνη γίνεται πολλαπλασιαστής δύναμης.
Βασικά συμπεράσματα:
Μετατόπιση εργασιών : Αυτοματοποιήστε τη σύνταξη, τις περιλήψεις, τις λίστες ελέγχου και τους γρήγορους υπολογισμούς, διατηρώντας παράλληλα την ανθρώπινη επίβλεψη.
Περιορισμοί : Διατηρήστε την αξία σας ελέγχοντας τα θερμικά όρια, τα όρια ηλεκτρομαγνητικής συμβατότητας, την υποβάθμιση, την ερπυσμό και τα όρια αξιοπιστίας.
Επαλήθευση : Αντιμετωπίστε τα αποτελέσματα της Τεχνητής Νοημοσύνης ως υποθέσεις· επιβεβαιώστε τα μέσω προσομοίωσης, μετρήσεων και αυστηρών σχεδίων δοκιμών.
Λογοδοσία : Οι άνθρωποι παραμένουν υπεύθυνοι για τη συμμόρφωση, τις κρίσιμες για την ασφάλεια αποφάσεις και τις συνέπειες της αποτυχίας.
Επιπτώσεις στους νέους : Οι νέοι χρειάζονται περισσότερους εκπροσώπους εργαστηρίων και εξάσκηση στην αποσφαλμάτωση, εάν η Τεχνητή Νοημοσύνη απορροφά την πρώιμη εργασία «μαθητείας».
Αυτό το ερώτημα τείνει να καταλήγει με ένα χτύπημα. Όχι επειδή η ηλεκτρολογία είναι εύθραυστη (δεν είναι), αλλά επειδή η Τεχνητή Νοημοσύνη είναι ανησυχητικά ικανή σε μια εργασία που κάποτε έμοιαζε - αν όχι ιερή - τουλάχιστον με ασφάλεια ανθρώπινη. Σύνταξη, σύνοψη, αναζήτηση, εντοπισμός μοτίβων και μετατροπή μιας ομιχλώδους ιδέας σε κάτι που φαίνεται «τελειωμένο» 🧠⚡ ΟΟΣΑ McKinsey
Λοιπόν, θα αντικατασταθούν οι Ηλεκτρολόγοι Μηχανικοί από την Τεχνητή Νοημοσύνη; Η καλύτερη απάντηση δεν είναι ένα δραματικό ναι ή όχι. Διαβάζεται περισσότερο ως εξής: ορισμένες εργασίες θα «καταναλωθούν», μερικές θα υπερτροφοδοτηθούν και μερικές θα παραμείνουν πεισματικά ανθρώπινες . Παγκόσμιο Οικονομικό Φόρουμ ILO
Παρακάτω είναι η πλήρης ανάλυση - τι είναι αυτοματοποιημένο, τι όχι, πού οδεύει αυτό και πώς να παραμείνετε πολύτιμοι (χωρίς να μετατραπείτε εσείς οι ίδιοι σε ρομπότ 🤖).
Άρθρα που ίσως σας ενδιαφέρουν μετά από αυτό:
🔗 Θα αντικαταστήσει η Τεχνητή Νοημοσύνη τους ακτινολόγους
Τι μπορεί και τι δεν μπορεί να κάνει ο αυτοματισμός στην ιατρική απεικόνιση σήμερα.
🔗 Θα αντικαταστήσει η Τεχνητή Νοημοσύνη τους λογιστές
Πώς η Τεχνητή Νοημοσύνη επηρεάζει τη λογιστική, τους ελέγχους και την επαγγελματική σταδιοδρομία στη λογιστική.
🔗 Θα αντικαταστήσει η Τεχνητή Νοημοσύνη τους επενδυτικούς τραπεζίτες;
Εργασίες που μπορεί να αυτοματοποιήσει η Τεχνητή Νοημοσύνη στον τραπεζικό τομέα και σε ό,τι παραμένει ανθρώπινο.
🔗 Θα αντικαταστήσει η Τεχνητή Νοημοσύνη τους αναλυτές δεδομένων: πραγματική συζήτηση;
Μια ειλικρινής ματιά στην εργασία, τα εργαλεία ανάλυσης και την ασφάλεια της εργασίας.
1) Η ξεκάθαρη απάντηση στο «Θα αντικατασταθούν οι Ηλεκτρολόγοι Μηχανικοί από την Τεχνητή Νοημοσύνη;» 😬
Οι ηλεκτρολόγοι μηχανικοί δεν θα αντικατασταθούν μαζικά. Αλλά μέρος της εργασίας ήδη αντικαθίσταται. Παγκόσμιο Οικονομικό Φόρουμ ΟΟΣΑ
Αυτό που συμβαίνει είναι «αντικατάσταση καθηκόντων» και όχι «αντικατάσταση σταδιοδρομίας». ΔΟΕ ΟΟΣΑ
Η Τεχνητή Νοημοσύνη ολισθαίνει σε:
-
επαναλαμβανόμενη τεκμηρίωση 📄
-
σχέδια και προσχέδια πρώτης φάσης ✍️
-
Εντοπισμός σφαλμάτων στον κώδικα και τις ρυθμίσεις 🧩
-
ανάλυση δεδομένων δοκιμών και ανίχνευση ανωμαλιών 📈
-
γρήγοροι υπολογισμοί, έλεγχοι λογικής και εργασία αναζήτησης 🔍 ΟΟΣΑ McKinsey
Και δεν γλιστράει ευγενικά. Μπαίνει σαν νήπιο με μαρκαδόρο.
Αλλά ο πλήρης ρόλος ενός ηλεκτρολόγου μηχανικού περιλαμβάνει πολύ περισσότερα από την απλή δημιουργία ενός καλογραμμένου σχηματικού. Περιλαμβάνει την ευθύνη, την ασφάλεια, τους συμβιβασμούς, τους φυσικούς περιορισμούς, τη συμμόρφωση, τις ακατάλληλες απαιτήσεις και την περιστασιακή κατάσταση «αυτό θα έπρεπε να λειτουργεί, αλλά δεν λειτουργεί και κανείς δεν ξέρει γιατί» 😵💫 NIST AI RMF BSI EN 60601
Η τεχνητή νοημοσύνη βοηθάει - μερικές φορές σε μεγάλο βαθμό - αλλά δεν αναλαμβάνει τις συνέπειες. Οι άνθρωποι εξακολουθούν να αναλαμβάνουν. NIST AI RMF EU AI Act (EUR-Lex)
Ναι, λοιπόν, θα αντικατασταθούν οι Ηλεκτρολόγοι Μηχανικοί από την Τεχνητή Νοημοσύνη; Κάποιοι θα νιώσουν ότι έχουν αντικατασταθεί αν κάνουν μόνο το εύκολο στην αυτοματοποίηση κομμάτι. Οι περισσότεροι όχι, επειδή ο ρόλος είναι μεγαλύτερος από το κομμάτι.
2) Τι κάνει μια έκδοση Τεχνητής Νοημοσύνης καλή για ηλεκτρολογικές εργασίες; ✅🤝
Δεν είναι όλες οι λειτουργίες της τεχνητής νοημοσύνης χρήσιμες. Μερικές από αυτές είναι απλώς ήχος αυτοπεποίθησης με φιλικό τόνο. Χαριτωμένο, αλλά όχι. Προφίλ NIST GenAI
Μια καλή έκδοση της Τεχνητής Νοημοσύνης για την ηλεκτρολογία συνήθως έχει:
-
Επίγνωση περιορισμών : Δεν αγνοεί τις ονομαστικές τάσεις, τα θερμικά όρια, την πραγματικότητα της ηλεκτρομαγνητικής συμβατότητας, την ερπυσμό, την απόσταση, τον κύκλο λειτουργίας, την υποβάθμιση... τα λιγότερο εντυπωσιακά πράγματα που εξοικονομούν προϊόντα 🔥 TI BSI IEC 60664-1 IEC EMC MIL-STD-1547B
-
Ιχνηλάσιμος συλλογισμός : Μπορεί να εξηγήσει γιατί επέλεξε μια προσέγγιση, όχι απλώς να αποκαλύψει μια απάντηση 🧠 NIST AI RMF
-
Λεξιλόγιο τομέα : Μιλάει για «φύλλο δεδομένων», «στοίβα ανοχής», «σταθερότητα βρόχου», «περιθώριο φάσης», «επιστροφή εδάφους», χωρίς να χρειάζεται παιδικές κουβέντες 📚
-
Επαναληπτική συνεργασία : Δεν καταρρέει όταν λέτε «αυτή είναι μια πλακέτα 4 επιπέδων με θόρυβο εναλλαγής και μια φθηνή υποδοχή» 😅
-
Έξοδος φιλική προς την επαλήθευση : Παράγει υλικό που μπορείτε να δοκιμάσετε, να προσομοιώσετε ή να αναθεωρήσετε - όχι μόνο δονήσεις ⚙️ NIST AI RMF
-
Έλεγχοι ταπεινότητας (ναι, πραγματικά): Επισημαίνει αβεβαιότητα, προτείνει ελέγχους και δεν προσποιείται ότι μέτρησε την κυματομορφή 🫠 Προφίλ NIST GenAI
Αν ένα εργαλείο τεχνητής νοημοσύνης δεν μπορεί να συμπεριφερθεί υπό περιορισμούς, είναι σαν ένα κατσαβίδι φτιαγμένο από τυρί. Τεχνικά ένα εργαλείο... όχι πρακτικά.
3) Όπου η Τεχνητή Νοημοσύνη αντικαθιστά ήδη (σιωπηλά) τμήματα της ηλεκτρολογίας 🧠⚡
Εδώ είναι που η Τεχνητή Νοημοσύνη ήδη καταβάλλει χρονοβόρα εργασία, ειδικά σε ομάδες που την υιοθετούν:
Σύνταξη και τεκμηρίωση
-
μετατροπή σημειώσεων σε έγγραφα απαιτήσεων
-
συνοψίζοντας τις κριτικές σχεδιασμού
-
δημιουργία διαδικασιών δοκιμών και λιστών ελέγχου
-
σύνταξη σχολίων υλικολογισμικού και αρχείων README OECD
Δεν είναι λαμπερή δουλειά, αλλά είναι πολλές ώρες. Η τεχνητή νοημοσύνη τρώει ώρες 🍽️
Κύκλωμα πρώτης διέλευσης και σκαλωσιά υλικολογισμικού
-
προτείνοντας επιλογές τοπολογίας για στάδια ισχύος
-
δημιουργία ενσωματωμένου κώδικα εκκίνησης (οδηγοί, μηχανές κατάστασης, σκελετοί επικοινωνιών)
-
προτείνοντας «κλάσεις» συστατικών (όχι ακριβή μέρη, αλλά κατηγορίες) McKinsey
Εδώ είναι που οι άνθρωποι τρομάζουν επειδή μοιάζουν με μηχανική. Είναι - αλλά το "πρώτο πέρασμα" δεν είναι το τελευταίο γεύμα.
Αναγνώριση μοτίβων εντοπισμού σφαλμάτων
-
ανίχνευση ανωμαλιών σε όλα τα αρχεία καταγραφής
-
εντοπισμός συσχετίσεων σε δεδομένα δοκιμών
-
Εντοπισμός επαναλαμβανόμενων υπογραφών αστοχίας NIST DARE MERL
Είναι σαν να έχεις έναν υπερκινητικό ασκούμενο που δεν κοιμάται ποτέ και δεν ζητάει σνακ. Επικίνδυνο και εύχρηστο 😆
4) Με τι δυσκολεύεται η Τεχνητή Νοημοσύνη στην ηλεκτρολογία (γνωστή και ως τα κολλώδη πράγματα) 🧷
Η Τεχνητή Νοημοσύνη δυσκολεύεται περισσότερο εκεί που η πραγματικότητα αντιστέκεται. Η ηλεκτρολογία είναι γεμάτη πραγματικότητα.
Ο φυσικός κόσμος δεν ενδιαφέρεται για την αυτοπεποίθηση
Η Τεχνητή Νοημοσύνη μπορεί να ακούγεται σίγουρη. Η Φυσική δεν ενδιαφέρεται. Παράσιτα διάταξης, ηλεκτρομαγνητικές παρεμβολές, κραδασμοί, υγρασία, φθορά συνδετήρων, περιθωριακά εξαρτήματα - αυτοί είναι οι «φόροι έκπληξη» των προϊόντων που βρίσκονται έξω από τις διαφάνειες. IEC EMC FCC Μέρος 15
Γείωση, EMI και συμβιβασμοί διάταξης
Δεν μπορείτε να λύσετε πλήρως το EMI με πρόβλεψη κειμένου. Μπορείτε να το λύσετε με:
-
γεωμετρία
-
διαδρομές επιστροφής
-
επιλογές θωράκισης και φιλτραρίσματος
-
μέτρηση
-
επανάληψη IEC 61000-4-3 IEC EMC
Η Τεχνητή Νοημοσύνη μπορεί να προτείνει διορθώσεις, αλλά δεν αντιλαμβάνεται την αποτυχία στη δοκιμή του θαλάμου. Οι μηχανικοί αντιλαμβάνονται 👃⚡
Διαπραγμάτευση απαιτήσεων και εμπλοκή με ενδιαφερόμενους φορείς
Η μισή δουλειά είναι η μετάφραση:
-
«κάν'το μικρότερο»
-
«Κάνε το φθηνότερο»
-
«Κάντε το να περάσει τη συμμόρφωση»
-
«Κάντε την αποστολή την επόμενη εβδομάδα»
Σε ένα βιώσιμο σχέδιο. Η Τεχνητή Νοημοσύνη δεν έχει την ευθύνη για την πολιτική, το ρίσκο ή την ευθύνη. Οι άνθρωποι την έχουν (ναι;) 😅
Λογοδοσία και ασφάλεια
Όταν ένα τροφοδοτικό διακοπεί, μια ιατρική συσκευή παρουσιάσει βλάβη ή μια μπαταρία μετατραπεί σε φωτιά, κάποιος πρέπει να έχει λάβει δικαιολογημένες αποφάσεις. BSI EN 60601 NI ISO 26262
Η τεχνητή νοημοσύνη μπορεί να εμπλέκεται, αλλά δεν μπορεί να είναι το υπεύθυνο μέρος. Αυτό έχει μεγάλη σημασία. Νόμος της ΕΕ για την τεχνητή νοημοσύνη (EUR-Lex) NIST AI RMF
5) Οι θέσεις εργασίας στον τομέα της ηλεκτρολογίας που είναι πιο εκτεθειμένες στον αυτοματισμό 🎯
Ορισμένοι δευτερεύοντες ρόλοι θα αλλάξουν πιο γρήγορα από άλλους. Όχι επειδή είναι «λιγότερο σημαντικοί» - απλώς επειδή περιέχουν περισσότερα επαναλήψιμα μοτίβα.
Πιο εκτεθειμένα:
-
συνήθης σχηματική σχεδίαση από γνωστά πρότυπα
-
βασικό ενσωματωμένο στερεότυπο (κώδικας έναρξης, κοινά πρωτόκολλα, λογική κόλλησης) McKinsey
-
δημιουργία αναφορών δοκιμών και μορφοποίηση εγγράφων συμμόρφωσης
-
περιλήψεις έρευνας συστατικών (με ανθρώπινη επαλήθευση, παρακαλώ)
-
απλή επανάληψη διάταξης PCB (τοποθέτηση γνωστών κυκλωμάτων επανειλημμένα)
Λιγότερο εκτεθειμένοι:
-
Ακεραιότητα ισχύος + Σχεδιασμός με υψηλή ηλεκτρομαγνητική συμβατότητα (EMC) IEC EMC
-
κρίσιμα για την ασφάλεια συστήματα NI ISO 26262
-
υλικό υψηλής αξιοπιστίας (σκληρά περιβάλλοντα, μεγάλη διάρκεια ζωής) MIL-STD-1547B
-
νέα αρχιτεκτονική (νέοι περιορισμοί, νέοι τρόποι αστοχίας)
-
μηχανική συστημάτων (ο ρόλος του μεταφραστή σε διάφορους κλάδους)
Αν λοιπόν κάποιος ρωτήσει ξανά, θα αντικατασταθούν οι Ηλεκτρολόγοι Μηχανικοί από την Τεχνητή Νοημοσύνη; Όσο περισσότερο η δουλειά σας είναι «εκτέλεση προτύπων», τόσο περισσότερο η Τεχνητή Νοημοσύνη μπορεί να σας επισκιάσει. Όσο περισσότερο η δουλειά σας «κατέχει την πραγματικότητα», τόσο περισσότερο η Τεχνητή Νοημοσύνη γίνεται βοηθός σας.
6) Πίνακας σύγκρισης: κοινές επιλογές τεχνητής νοημοσύνης που βοηθούν τους EEs 🧰🤖
(Αυτές είναι κατηγορίες, όχι μαγικές μάρκες. Οι πραγματικές ομάδες συχνά συνδυάζουν μερικές.)
| Εργαλείο / Επιλογή | Ακροατήριο | Τιμή | Γιατί λειτουργεί (περίπου) |
|---|---|---|---|
| Βοηθός κώδικα τεχνητής νοημοσύνης για ενσωματωμένη εργασία | EE με μεγάλο υλικολογισμικό | Δωρεάν έως και Συνδρομή | Γρήγορες τυποποιημένες αλλαγές + αναδιαμορφώσεις, αλλά μερικές φορές με αυτοπεποίθηση λάθος... σαν θορυβώδης συνάδελφος εργαστηρίου 😬 arXiv McKinsey |
| Συμβουλές για προσομοιωτή κυκλώματος με βελτιωμένη τεχνητή νοημοσύνη | αναλογικοί/ισχύος σχεδιαστές | Συνδρομή | Βοηθά στην εξερεύνηση τοπολογιών και εντοπίζει «προφανή» λάθη διαμόρφωσης - χρειάζεται ακόμα πραγματικός προσομοιωτής + κρίση NIST AI RMF |
| Γεννήτρια απαιτήσεων για δοκιμή | συστήματα + επικύρωση | Ομάδα / Επιχείρηση | Μετατρέπει γρήγορα τις προδιαγραφές σε δοκιμαστικές θήκες. Εξοικονομεί άχαρες ώρες, αλλά μπορεί να χάσει δύσκολες θήκες NIST AI RMF |
| Ανιχνευτής ανωμαλιών log + κυματομορφής | μηχανικοί δοκιμών | Συνδρομή | Εξαιρετικός στον εντοπισμό μοτίβων σε τεράστια σύνολα δεδομένων· δεν καταλαβαίνει το «γιατί» εκτός αν τον καθοδηγήσετε. NIST DARE |
| Βοηθός τοποθέτησης PCB με υποβοήθηση τεχνητής νοημοσύνης | διάταξη + υλικό | Επιχείρηση | Επιταχύνει την επαναλαμβανόμενη τοποθέτηση. Η πειθαρχία δρομολόγησης + EMI χρειάζεται ακόμα έναν άνθρωπο που έχει καεί στο παρελθόν 🔥 Ρυθμός |
| Τεκμηρίωση Τεχνητής Νοημοσύνης + συνοπτική παρουσίαση κριτικών | καθένας | Ελεύθερο | Μειώνει τη λάσπη από τις συναντήσεις· κάνει τις κριτικές αναζητήσιμες - μερικές φορές όμως συνοψίζει λάθος πράγματα... ωχ Προφίλ NIST GenAI |
Παρατηρήστε το θέμα: Η τεχνητή νοημοσύνη επιταχύνει τις εξόδους , αλλά οι μηχανικοί επικυρώνουν την πραγματικότητα . Αυτός είναι ο χορός. NIST AI RMF
7) Πώς αλλάζει ο ρόλος του ηλεκτρολόγου μηχανικού (και γιατί οι νεότεροι το νιώθουν πρώτοι) 👣⚡
Αυτό το κομμάτι είναι λίγο άβολο, οπότε θα το πω ξεκάθαρα.
Η Τεχνητή Νοημοσύνη θα αλλάξει την «κλίμακα μαθητείας». Παγκόσμιο Οικονομικό Φόρουμ του ΟΟΣΑ
Παραδοσιακά, οι νεότεροι μηχανικοί μάθαιναν κάνοντας:
-
σχηματικά σχέδια
-
γράφοντας απλούς οδηγούς
-
τεκμηρίωση δοκιμών
-
διόρθωση προφανών σφαλμάτων
-
επανάληψη σε γνωστά σχέδια
Αλλά αν η Τεχνητή Νοημοσύνη χειριστεί ένα μεγάλο μέρος αυτού... οι νεότεροι μπορεί να έχουν λιγότερες επαναλήψεις. ILO
Αυτό δεν σημαίνει ότι οι juniors είναι καταδικασμένοι. Σημαίνει ότι η πορεία αλλάζει. Οι ομάδες θα πρέπει να είναι συνειδητές στην προπόνηση και οι juniors θα πρέπει να επιδιώξουν:
-
ώρα για πρακτική εξάσκηση στο εργαστήριο 🔧
-
Δεξιότητες μέτρησης (σκοπευτικό, VNA, αισθητήρες, γειώσεις) 📟
-
ένστικτα εντοπισμού σφαλμάτων (τι να ελέγξετε πρώτα, δεύτερο, τρίτο)
-
συστημική σκέψη (διεπαφές, τρόποι αστοχίας, περιορισμοί)
Ο μηχανικός που μπορεί να μετρήσει σωστά γίνεται πιο πολύτιμος, όχι λιγότερο. Επειδή η μέτρηση είναι το σημείο όπου η Τεχνητή Νοημοσύνη είναι λιγότερο «πραγματική». IEC 61000-4-3 FCC Μέρος 15
Αν είστε ανώτερος/η, η εργασία σας μετατοπίζεται προς:
-
αρχιτεκτονικές αποφάσεις
-
συμβιβασμοί κινδύνου
-
αξιολογήσεις και σχέδια επαλήθευσης
-
διαλειτουργική διαπραγμάτευση
-
καθοδήγηση - αλλά με διαφορετικό τρόπο
Και ναι, μπορεί να αφιερώνεις περισσότερο χρόνο «σκηνοθετώντας» την Τεχνητή Νοημοσύνη, κάτι που ακούγεται ανόητο μέχρι να συνειδητοποιήσεις ότι η σκηνοθεσία είναι ουσιαστικά μηχανική ούτως ή άλλως.
8) Το πρακτικό εγχειρίδιο: πώς να μην αντικατασταθείτε (χωρίς να γίνετε μαζορέτα της Τεχνητής Νοημοσύνης) 🛠️
Αν θέλετε μια απλή στρατηγική, είναι η εξής:
Γίνε ο μηχανικός που έχει υπό την κατοχή του περιορισμούς ✅
Η Τεχνητή Νοημοσύνη είναι καλή στις δυνατότητες. Γίνεσαι πολύτιμος/η έχοντας στην κατοχή σου:
-
περιθώρια ασφαλείας
-
περιορισμοί συμμόρφωσης
-
κατασκευασιμότητα
-
στόχοι αξιοπιστίας
-
θερμικοί και ενεργειακοί προϋπολογισμοί
-
δοκιμασιμότητα NIST AI RMF
Αποκτήστε εξαιρετικές επιδόσεις στην επαλήθευση 🔍
Το μέλλον ανήκει στους μηχανικούς που μπορούν να πουν:
-
«Εδώ είναι η υπόθεση.»
-
«Ορίστε το σχέδιο μέτρησης.»
-
«Εδώ είναι το αποτέλεσμα.»
-
«Να τι αλλάξαμε.»
Η Τεχνητή Νοημοσύνη μπορεί να προτείνει. Οι άνθρωποι αποδεικνύουν. NIST AI RMF
Δημιουργήστε «εξειδίκευση στη διεπαφή»
Να είσαι το άτομο που καταλαβαίνει τα όρια:
-
υλικό σε υλικολογισμικό
-
αναλογικό σε ψηφιακό
-
ισχύς για σήμα
-
αισθητήρα για υπολογισμό
-
απαιτήσεις προϊόντος σύμφωνα με τις μηχανικές προδιαγραφές
Τα σφάλματα διεπαφής είναι το σημείο όπου τα χρονοδιαγράμματα πεθαίνουν 😵
Μάθετε να χρησιμοποιείτε την Τεχνητή Νοημοσύνη σαν ένας νεότερος συμπαίκτης
Όχι σαν αφεντικό, όχι σαν θεός. Σαν συμπαίκτης του νεότερου επιπέδου που είναι:
-
γρήγορα
-
πρόθυμος
-
μερικές φορές λάθος
-
εξαιρετικά ευκρινές κατά καιρούς Προφίλ NIST GenAI
Δεν αναθέτεις σε εξωτερικούς συνεργάτες τη σκέψη. Αναθέτεις σε εξωτερικούς συνεργάτες τα προσχέδια και την εξερεύνηση.
9) Κοινοί μύθοι σχετικά με το «Θα αντικατασταθούν οι Ηλεκτρολόγοι Μηχανικοί από την Τεχνητή Νοημοσύνη;» 🧠💥
Μύθος: «Η Τεχνητή Νοημοσύνη θα κάνει ολόκληρο τον σχεδιασμό»
Πραγματικότητα: Μπορεί να δημιουργήσει ένα αντικείμενο σε σχήμα σχεδίασης. Αλλά ο πραγματικός σχεδιασμός περιλαμβάνει περιορισμούς, δοκιμές, πραγματικότητες διάταξης, συμμόρφωση και κατασκευή. Αυτό είναι όλο το ακατάστατο σάντουιτς. NIST AI RMF
Μύθος: «Μόνο το υλικό είναι ασφαλές»
Πραγματικότητα: το υλικολογισμικό αυτοματοποιείται ταχύτερα σε ορισμένες περιοχές επειδή βασίζεται σε κείμενο. Το υλικό έχει φυσικές τριβές, αλλά η τεκμηρίωση και η σύνταξη αυτοματοποιούνται επίσης. ΟΟΣΑ
Μύθος: «Αν η Τεχνητή Νοημοσύνη μπορεί να περάσει τις εξετάσεις, τότε μπορεί να κάνει και τη δουλειά της»
Πραγματικότητα: Οι εξετάσεις δεν είναι η δουλειά. Η δουλειά είναι να αντιμετωπίζεις ελλιπείς απαιτήσεις, κακές συνδέσεις, θορυβώδεις ράγες τροφοδοσίας και προμηθευτές που ορκίζονται ότι το ανταλλακτικό είναι πανομοιότυπο ενώ... δεν είναι πανομοιότυπο 😑
Μύθος: «Η Τεχνητή Νοημοσύνη πάντα εξοικονομεί χρόνο»
Πραγματικότητα: Η Τεχνητή Νοημοσύνη εξοικονομεί χρόνο όταν επαληθεύετε γρήγορα. Αν δεν επαληθεύσετε, χάνετε χρόνο αργότερα. Σαν να σκουπίζετε σκόνη κάτω από ένα χαλί, αλλά το χαλί είναι η ημερομηνία κυκλοφορίας σας. Προφίλ NIST GenAI
10) Τελικές σημειώσεις και γρήγορη ανακεφαλαίωση 🌩️✨
Λοιπόν, θα αντικατασταθούν οι ηλεκτρολόγοι μηχανικοί από την τεχνητή νοημοσύνη; Όχι με τον τρόπο που φοβούνται οι άνθρωποι. Ο ρόλος δεν θα εξαφανιστεί. Θα αναπροσαρμοστεί . Παγκόσμιο Οικονομικό Φόρουμ ILO
Η Τεχνητή Νοημοσύνη θα:
-
αυτοματοποιήστε τμήματα σύνταξης, τεκμηρίωσης και επαναλαμβανόμενης υλοποίησης
-
επιτάχυνση της εξερεύνησης και της αντιμετώπισης προβλημάτων
-
αύξηση της βασικής προσδοκίας για την ταχύτητα παραγωγής ΟΟΣΑ
Οι ηλεκτρολόγοι μηχανικοί θα εξακολουθούν να χρειάζονται για:
-
δική ασφάλεια, συμμόρφωση και αξιοπιστία BSI EN 60601 NI ISO 26262
-
επικύρωση με μετρήσεις και δοκιμές IEC 61000-4-3 FCC Μέρος 15
-
κάνουν συμβιβασμούς υπό περιορισμούς
-
χειριστείτε την πρακτική ενσωμάτωση
-
να είστε υπεύθυνοι όταν χαλάσει κάτι (γιατί θα χαλάσει) NIST AI RMF
Γρήγορη ανακεφαλαίωση 😄
Η Τεχνητή Νοημοσύνη αντικαθιστά εργασίες. Οι μηχανικοί που εκτελούν μόνο εργασίες που μπορούν να αντικατασταθούν αισθάνονται πιεσμένοι. Οι μηχανικοί που έχουν υπό την κατοχή τους περιορισμούς, την επαλήθευση και τους πρακτικούς συμβιβασμούς γίνονται ακόμη πιο πολύτιμοι. Παρήγορο με τον δικό του τρόπο.
Και αν θέλετε τη συντομότερη εκδοχή:
Η Τεχνητή Νοημοσύνη είναι ένα ηλεκτρικό εργαλείο. Εσύ είσαι ακόμα αυτός που χτίζει το σπίτι. Μερικές φορές το εργαλείο βγάζει σπινθήρες. 🔧⚡ (Εντάξει, αυτή η μεταφορά είναι λίγο ασταθής, αλλά το καταλαβαίνετε.)
Συχνές ερωτήσεις
Θα αντικατασταθούν οι ηλεκτρολόγοι μηχανικοί από την Τεχνητή Νοημοσύνη τα επόμενα 5-10 χρόνια;
Στις περισσότερες περιπτώσεις, οι ηλεκτρολόγοι μηχανικοί δεν θα αντικατασταθούν αμέσως, αλλά πολλές επαναλήψιμες εργασίες θα αυτοματοποιηθούν. Η μετατόπιση είναι πιο κοντά στην «αντικατάσταση εργασιών» παρά στην «αντικατάσταση σταδιοδρομίας», με την Τεχνητή Νοημοσύνη να χειρίζεται τη σύνταξη, την τεκμηρίωση και την πρόωρη ολοκλήρωση των εργασιών. Οι μηχανικοί που παραμένουν πολύτιμοι είναι αυτοί που έχουν τον έλεγχο των περιορισμών, της επαλήθευσης και των πρακτικών συμβιβασμών. Η λογοδοσία εξακολουθεί να βαρύνει τους ανθρώπους, ειδικά όταν εμπλέκονται η ασφάλεια και η συμμόρφωση.
Ποια μέρη της ηλεκτρολογίας είναι πιο εύκολο να αυτοματοποιηθούν από την Τεχνητή Νοημοσύνη;
Η Τεχνητή Νοημοσύνη τείνει να επεξεργάζεται εργασίες που είναι βαριές με κείμενο, επαναλαμβανόμενες ή βασίζονται σε μοτίβα. Αυτό περιλαμβάνει τεκμηρίωση, συνοπτικές αξιολογήσεις, δημιουργία λιστών ελέγχου, τυποποιημένη δομή υλικολογισμικού, γρήγορους υπολογισμούς και ανίχνευση ανωμαλιών σε αρχεία καταγραφής δοκιμών. Μπορεί επίσης να προτείνει επιλογές τοπολογίας και κατηγορίες στοιχείων ως σημείο εκκίνησης. Το πρόβλημα είναι ότι αυτές οι έξοδοι χρειάζονται ακόμη ανθρώπινη επαλήθευση για να αποφευχθούν λάθη που είναι σίγουρα αλλά λανθασμένα.
Ποιοι τομείς της ηλεκτρολογίας είναι λιγότερο πιθανό να αντικατασταθούν από την Τεχνητή Νοημοσύνη;
Η εργασία που είναι στενά συνδεδεμένη με τον φυσικό κόσμο και τις συνέπειες είναι πιο δύσκολο να αυτοματοποιηθεί. Η ακεραιότητα ισχύος, ο σχεδιασμός με βαρύτητα στην ηλεκτρομαγνητική συμβατότητα/ηλεκτρομαγνητική συμβατότητα (EMC/EMI), τα συστήματα κρίσιμης σημασίας για την ασφάλεια, το υλικό υψηλής αξιοπιστίας και οι αποφάσεις για νέες αρχιτεκτονικές είναι λιγότερο εκτεθειμένες επειδή εξαρτώνται από μετρήσεις, επαναλήψεις και κρίση υπό περιορισμούς. Η μηχανική συστημάτων παραμένει επίσης ανθρωποκεντρική επειδή αφορά τη διαπραγμάτευση, τους συμβιβασμούς κινδύνου και τη μετατροπή των διφορούμενων απαιτήσεων σε υπερασπίσιμα σχέδια.
Πώς μπορώ να χρησιμοποιήσω την Τεχνητή Νοημοσύνη στην ηλεκτρολογία χωρίς να την εμπιστεύομαι υπερβολικά;
Αντιμετωπίστε την Τεχνητή Νοημοσύνη σαν έναν γρήγορο, κατώτερο συμπαίκτη: βολικό για προσχέδια και εξερεύνηση, αλλά όχι πηγή αλήθειας. Μια συνηθισμένη προσέγγιση είναι να της ζητάτε επιλογές, σχέδια δοκιμών ή μια εξήγηση πρώτου σταδίου και στη συνέχεια να την επικυρώνετε με προσομοίωση, μέτρηση και αξιολογήσεις. Προτιμήστε τις ροές εργασίας όπου τα αποτελέσματα είναι «φιλικά προς την επαλήθευση», που σημαίνει ότι μπορείτε να τα ελέγξετε γρήγορα. Εάν δεν μπορεί να εξηγήσει τη συλλογιστική της ή δεν επισημαίνει αβεβαιότητα, αναλάβετε επιπλέον κίνδυνο.
Τι θα πρέπει να είναι σε θέση να κάνει ένα «καλό» εργαλείο Τεχνητής Νοημοσύνης για την ηλεκτρολογία;
Η χρήσιμη Τεχνητή Νοημοσύνη για την εργασία στον τομέα της ενεργειακής απόδοσης (EE) συμπεριφέρεται καλά υπό περιορισμούς και δεν αγνοεί μη εντυπωσιακές πραγματικότητες όπως η υποβάθμιση, τα θερμικά όρια, η ερπυσμός/κάθαρση, η ηλεκτρομαγνητική συμβατότητα (EMC) και ο κύκλος λειτουργίας. Θα πρέπει να παρέχει ιχνηλάσιμη συλλογιστική, να χρησιμοποιεί με ακρίβεια το λεξιλόγιο του τομέα και να παράγει αποτελέσματα που μπορείτε να δοκιμάσετε ή να προσομοιώσετε. Χρειάζεται επίσης «ελέγχους ταπεινότητας» που να επισημαίνουν την αβεβαιότητα και να προτείνουν ελέγχους. Αν παράγει μόνο αξιόπιστες απαντήσεις, είναι περισσότερο θόρυβος παρά εργαλείο.
Θα επηρεαστούν περισσότερο οι νεότεροι ηλεκτρολόγοι μηχανικοί από την Τεχνητή Νοημοσύνη σε σχέση με τους μεγαλύτερους σε ηλικία;
Ναι, οι νεότεροι μαθητές συχνά το νιώθουν πρώτοι, επειδή οι παραδοσιακές εργασίες εισαγωγικού επιπέδου επικαλύπτονται με αυτά που αυτοματοποιεί καλά η Τεχνητή Νοημοσύνη: σύνταξη, απλά προγράμματα οδήγησης, τεκμηρίωση και βασικές διορθώσεις σφαλμάτων. Εάν η Τεχνητή Νοημοσύνη αναλαμβάνει αυτές τις επαναλήψεις, οι ομάδες πρέπει να είναι πιο συνειδητές στην εκπαίδευση. Οι νεότεροι μαθητές μπορούν να παραμείνουν μπροστά επιδιώκοντας πρακτικό χρόνο εργαστηρίου, δεξιότητες μέτρησης και ένστικτα εντοπισμού σφαλμάτων. Η ικανότητα σχεδιασμού δοκιμών και ερμηνείας πραγματικών σημάτων γίνεται διαφοροποιητικό στοιχείο.
Πώς μπορώ να προετοιμάσω για το μέλλον την καριέρα μου ως ηλεκτρολόγος μηχανικός καθώς βελτιώνεται η Τεχνητή Νοημοσύνη;
Στόχος σας είναι να γίνετε ο μηχανικός που ελέγχει τους περιορισμούς και την επαλήθευση. Εστιάστε στα περιθώρια ασφαλείας, τη συμμόρφωση, την κατασκευασιμότητα, τους στόχους αξιοπιστίας, τους θερμικούς και ενεργειακούς προϋπολογισμούς και τη δυνατότητα δοκιμής - τομείς όπου η πρακτική ευθύνη έχει σημασία. Δημιουργήστε ισχυρή γνώση διεπαφών σε όλα τα όρια υλικού/υλικολογισμικού και αναλογικού/ψηφιακού, όπου τα σφάλματα ενσωμάτωσης είναι συνηθισμένα. Χρησιμοποιήστε την Τεχνητή Νοημοσύνη για να επιταχύνετε τα σχέδια και την εξερεύνηση, αλλά κάντε την βασική σας αξία «οι άνθρωποι αποδεικνύουν, η Τεχνητή Νοημοσύνη προτείνει»
Μπορεί η Τεχνητή Νοημοσύνη να χειριστεί αξιόπιστα προβλήματα EMI/EMC και συμβιβασμούς διάταξης PCB;
Η Τεχνητή Νοημοσύνη μπορεί να προτείνει κοινές λύσεις, αλλά η Ηλεκτρομαγνητική Συνεχιζόμενη Συμβατότητα (EMI/EMC) είναι γνωστά συνδεδεμένη με τη γεωμετρία, τις διαδρομές επιστροφής, την θωράκιση, τις επιλογές φιλτραρίσματος και την επαναληπτική διαδικασία που βασίζεται σε μετρήσεις. Τα παρασιτικά της διάταξης και οι περιβαλλοντικοί παράγοντες δεν ενδιαφέρονται για το πόσο σίγουρο ακούγεται ένα μοντέλο. Στην πράξη, οι μηχανικοί πρέπει ακόμα να επικυρώνουν σε εργαστηριακά περιβάλλοντα και σε περιβάλλοντα συμμόρφωσης και να επαναλαμβάνουν με βάση τα αποτελέσματα. Η Τεχνητή Νοημοσύνη μπορεί να επιταχύνει την ανταλλαγή ιδεών, αλλά δεν μπορεί να αντικαταστήσει την «παρατήρηση της κυματομορφής» και την απόδειξη ότι η λύση λειτουργεί.
Είναι η «επιτυχία στις εξετάσεις της Τεχνητής Νοημοσύνης» ένα σημάδι ότι μπορεί να κάνει πραγματική εργασία ηλεκτρολόγου μηχανικού;
Όχι ακριβώς, επειδή οι εξετάσεις δεν αποτυπώνουν την ακατάστατη πραγματικότητα της μηχανικής εργασίας. Η εργασία περιλαμβάνει ελλιπείς απαιτήσεις, απροσδόκητες αποτυχίες ενσωμάτωσης, φθορά συνδέσμων, προβλήματα θορύβου, εκπλήξεις προμηθευτών και περιορισμούς συμμόρφωσης που εμφανίζονται αργά. Η Τεχνητή Νοημοσύνη μπορεί να παράγει αποτελέσματα σε σχήμα σχεδιασμού, αλλά το δύσκολο κομμάτι είναι η ανάληψη ευθύνης για συμβιβασμούς, οι δοκιμές και η λογοδοσία όταν τα πράγματα χαλούν. Η πραγματική μηχανική αφορά λιγότερο τις τέλειες απαντήσεις και περισσότερο τις υπερασπίσιμες αποφάσεις υπό αβεβαιότητα.
Αναφορές
-
Οργανισμός Οικονομικής Συνεργασίας και Ανάπτυξης (ΟΟΣΑ) - Οι επιπτώσεις της Γενετικής Τεχνητής Νοημοσύνης στην Παραγωγικότητα, την Καινοτομία και την Επιχειρηματικότητα - oecd.org
-
Οργανισμός Οικονομικής Συνεργασίας και Ανάπτυξης (ΟΟΣΑ) - Αναδυόμενα Διχάσματα στη Μετάβαση στην Τεχνητή Νοημοσύνη - oecd.org
-
Οργανισμός Οικονομικής Συνεργασίας και Ανάπτυξης (ΟΟΣΑ) - Ποιοι θα είναι οι εργαζόμενοι που θα επηρεαστούν περισσότερο από την Τεχνητή Νοημοσύνη; - oecd.org
-
EUR-Lex - EU Act AI - eur-lex.europa.eu
-
Εθνικό Ινστιτούτο Προτύπων και Τεχνολογίας (NIST) - Πλαίσιο Διαχείρισης Κινδύνων Τεχνητής Νοημοσύνης (AI RMF 1.0) - nist.gov
-
Εθνικό Ινστιτούτο Προτύπων και Τεχνολογίας (NIST) - Προφίλ Γενετικής Τεχνητής Νοημοσύνης - nist.gov
-
Παγκόσμιο Οικονομικό Φόρουμ - Τεχνητή Νοημοσύνη, αυτοματισμός και επαυξήσεις: οι θέσεις εργασίας του αύριο στον χώρο εργασίας - weforum.org
-
Διεθνής Οργάνωση Εργασίας (ILO) - Γενετική Τεχνητή Νοημοσύνη και θέσεις εργασίας: Ένας βελτιωμένος παγκόσμιος δείκτης επαγγελματικής έκθεσης - ilo.org
-
Παγκόσμιο Οικονομικό Φόρουμ - Έκθεση για το Μέλλον των Απασχόλησης 2025 - weforum.org
-
McKinsey & Company - Το οικονομικό δυναμικό της παραγωγικής τεχνητής νοημοσύνης: Το επόμενο μέτωπο παραγωγικότητας - mckinsey.com
-
McKinsey & Company - Απελευθέρωση της παραγωγικότητας των προγραμματιστών με την παραγωγική τεχνητή νοημοσύνη - mckinsey.com
-
BSI Group - EN 60601 - bsigroup.com
-
Γνώσεις Ομίλου BSI - IEC 60664-1 (Συντονισμός μόνωσης για εξοπλισμό εντός συστημάτων τροφοδοσίας χαμηλής τάσης) - bsigroup.com
-
Διεθνής Ηλεκτροτεχνική Επιτροπή (IEC) - Βασικές δημοσιεύσεις EMC - iec.ch
-
Ηλεκτρονικό κατάστημα IEC - IEC 61000-4-3 - iec.ch
-
Ηλεκτρονικός Κώδικας Ομοσπονδιακών Κανονισμών των ΗΠΑ (eCFR) - FCC Μέρος 15, Υπομέρος Β - ecfr.gov
-
Texas Instruments (TI) - SLUP421 - ti.com
-
Πανεπιστήμιο Αμυντικών Προμηθειών (DAU) - MIL-STD-1547B Ηλεκτρονικά Μέρη, Υλικά και Διαδικασίες για Διαστημικά και Οχήματα Εκτόξευσης (Δεκέμβριος 1992) - dau.edu
-
National Instruments (NI) - Πρότυπο λειτουργικής ασφάλειας ISO 26262 - ni.com
-
Εθνικό Ινστιτούτο Προτύπων και Τεχνολογίας (NIST) - Πλαίσιο Ανωμαλιών σε Επίπεδο Συσκευής (DARE) - nist.gov
-
Ερευνητικά Εργαστήρια Mitsubishi Electric (MERL) - TR2018-097 - merl.com
-
Cadence - Επισκόπηση Τεχνητής Νοημοσύνης - cadence.com
-
arXiv - 2310.02059v2 - arxiv.org