آیا هوش مصنوعی جایگزین مهندسان برق خواهد شد؟ [ویدئو و آزمون]

پاسخ کوتاه: مهندسان برق به طور گسترده جایگزین نخواهند شد، اما هوش مصنوعی سهم قابل توجهی از کارهای تکراری را بر عهده خواهد گرفت: تهیه پیش‌نویس، مستندسازی، سیستم عامل‌های آماده و طرح‌های اولیه. اگر شغل شما عمدتاً «اجرای الگو» است، فشار را احساس خواهید کرد. اگر محدودیت‌ها، تأیید صحت و تصمیمات ایمنی را بر عهده دارید، هوش مصنوعی به یک عامل افزایش‌دهنده نیرو تبدیل می‌شود.

نکات کلیدی:

تغییر وظیفه: خودکارسازی تهیه پیش‌نویس، خلاصه‌نویسی، چک‌لیست‌ها و محاسبات سریع، ضمن حفظ نظارت انسانی.

محدودیت‌ها: با تسلط بر محدودیت‌های حرارتی، EMC، کاهش ظرفیت، خزش و قابلیت اطمینان، ارزشمند بمانید.

تأیید: خروجی‌های هوش مصنوعی را به عنوان فرضیه در نظر بگیرید؛ از طریق شبیه‌سازی، اندازه‌گیری و برنامه‌های آزمایشی منظم، آنها را تأیید کنید.

مسئولیت‌پذیری: انسان‌ها همچنان مسئول رعایت قوانین، تصمیمات حیاتی ایمنی و عواقب شکست هستند.

تأثیر بر تازه‌کارها: اگر هوش مصنوعی، کار «کارآموزی» اولیه را از بین ببرد، تازه‌کارها به تکرارهای آزمایشگاهی و تمرین اشکال‌زدایی بیشتری نیاز دارند.

این سوال معمولاً با یک ضربه ناگهانی مطرح می‌شود. نه به این دلیل که مهندسی برق شکننده است (که نیست)، بلکه به این دلیل که هوش مصنوعی به طرز نگران‌کننده‌ای در کاری که زمانی - اگر نه مقدس - حداقل به طور ایمن انسانی احساس می‌شد، شایسته است. تهیه پیش‌نویس، خلاصه‌سازی، جستجو، الگویابی و تبدیل یک ایده مبهم به چیزی که "تمام‌شده" به نظر می‌رسد 🧠⚡ OECD McKinsey

بنابراین، آیا مهندسان برق با هوش مصنوعی جایگزین خواهند شد؟ پاسخ بهتر یک بله یا خیر دراماتیک نیست. بیشتر به این صورت است: برخی وظایف از بین می‌روند، برخی با توربوشارژر شارژ می‌شوند و برخی دیگر سرسختانه انسانی باقی می‌مانند. مجمع جهانی اقتصاد ILO

در ادامه به طور کامل توضیح داده شده است - چه چیزهایی قابل خودکار شدن هستند، چه چیزهایی نیستند، این روند به کجا می‌رود و چگونه می‌توان ارزشمند ماند (بدون اینکه خودتان به یک ربات تبدیل شوید 🤖).

مقالاتی که شاید بعد از این مطلب دوست داشته باشید بخوانید:

🔗 آیا هوش مصنوعی جایگزین رادیولوژیست‌ها خواهد شد؟
آنچه اتوماسیون می‌تواند و نمی‌تواند در تصویربرداری پزشکی امروز انجام دهد.

🔗 آیا هوش مصنوعی جایگزین حسابداران خواهد شد؟
چگونه هوش مصنوعی بر حسابداری، حسابرسی و مسیر شغلی حسابداری تأثیر می‌گذارد.

🔗 آیا هوش مصنوعی جایگزین بانکداران سرمایه‌گذاری خواهد شد؟
هوش مصنوعی می‌تواند وظایف را در بانکداری خودکار کند و چه چیزی انسانی باقی می‌ماند.

🔗 آیا هوش مصنوعی جایگزین تحلیلگران داده خواهد شد: صحبت‌های واقعی
نگاهی صریح به کار تحلیلی، ابزارها و امنیت شغلی.

۱) پاسخ صریح به «آیا هوش مصنوعی جایگزین مهندسان برق خواهد شد؟» 😬

مهندسان برق به طور عمده جایگزین نخواهند شد. اما بخش‌هایی از این شغل از قبل جایگزین شده‌اند. مجمع جهانی اقتصاد ، سازمان همکاری و توسعه

آنچه اتفاق می‌افتد «جایگزینی وظیفه» است، نه «جایگزینی شغل». سازمان بین‌المللی کار، سازمان همکاری و توسعه اقتصادی

هوش مصنوعی در حال ورود به عرصه‌های زیر است:

• مستندات تکراری 📄

• طرح‌ها و پیش‌نویس‌های اولیه ✍️

• تشخیص خطا در کد و پیکربندی‌ها 🧩

• تحلیل داده‌های آزمایشی و تشخیص ناهنجاری 📈

• محاسبات سریع، بررسی سلامت عقل و جستجوی سریع 🔍 OECD McKinsey

و مودبانه هم وارد نمی‌شود. مثل یک کودک نوپا با ماژیک به زور وارد می‌شود.

اما نقش کامل یک مهندس برق بسیار فراتر از ارائه یک طرح کلی و منظم است. این نقش شامل مسئولیت، ایمنی، بده بستان‌ها، محدودیت‌های فیزیکی، انطباق با الزامات، الزامات نامنظم و موقعیت‌های گاه به گاه «این باید کار کند اما کار نمی‌کند و هیچ کس نمی‌داند چرا» می‌شود 😵💫 NIST AI RMF BSI EN 60601

هوش مصنوعی کمک می‌کند - گاهی اوقات به طور گسترده - اما عواقب آن را بر عهده نمی‌گیرد . انسان‌ها هنوز هم مسئول آن هستند. قانون هوش مصنوعی NIST RMF EU AI (EUR-Lex)

بنابراین بله، آیا مهندسان برق توسط هوش مصنوعی جایگزین خواهند شد؟ برخی اگر فقط بخشی را که به راحتی خودکار می‌شود انجام دهند، احساس می‌کنند که جایگزین شده‌اند. اکثر آنها این کار را نخواهند کرد، زیرا نقش آنها بزرگتر از آن بخش است.

۲) چه چیزی یک نسخه خوب از هوش مصنوعی را برای کار مهندسی برق می‌سازد؟ ✅🤝

همه هوش مصنوعی مفید نیست. بعضی از آنها فقط سر و صدای مطمئنی با لحنی دوستانه هستند. بامزه، اما نه. پروفایل NIST GenAI

یک نسخه خوب از هوش مصنوعی برای مهندسی برق معمولاً دارای موارد زیر است:

• آگاهی از محدودیت‌ها: این سیستم، ولتاژ نامی، محدودیت‌های حرارتی، واقعیت EMC، خزش، لقی، چرخه کاری، کاهش ولتاژ و... موارد غیر جذابی که باعث صرفه‌جویی در محصولات می‌شوند را نادیده نمی‌گیرد 🔥 TI BSI IEC 60664-1 IEC EMC MIL-STD-1547B

• استدلال قابل ردیابی: می‌تواند توضیح دهد که چرا یک رویکرد را انتخاب کرده است، نه اینکه فقط یک پاسخ را ارائه دهد 🧠 NIST AI RMF

• واژگان تخصصی: بدون نیاز به صحبت‌های کلیشه‌ای، از «برگه داده»، «مجموعه تلرانس»، «پایداری حلقه»، «حاشیه فاز»، «بازگشت زمین» صحبت می‌کند 📚

• همکاری تکراری: وقتی می‌گویید «این یک برد ۴ لایه با نویز سوئیچینگ و یک کانکتور ارزان است» از بین نمی‌رود 😅

• خروجی مناسب برای تأیید: چیزهایی تولید می‌کند که می‌توانید آزمایش، شبیه‌سازی یا بررسی کنید - نه فقط ارتعاشات ⚙️ NIST AI RMF

• فروتنی کنترل می‌کند (بله، واقعاً): عدم قطعیت را نشان می‌دهد، بررسی‌هایی را پیشنهاد می‌دهد و وانمود نمی‌کند که شکل موج را اندازه‌گیری کرده است 🫠 پروفایل NIST GenAI

اگر یک ابزار هوش مصنوعی نتواند تحت محدودیت‌ها رفتار کند، مانند پیچ‌گوشتی‌ای است که از پنیر ساخته شده است. از نظر فنی یک ابزار است... اما عملاً اینطور نیست.

۳) جایی که هوش مصنوعی همین الان هم (بی‌سروصدا) جایگزین بخش‌هایی از مهندسی برق می‌شود 🧠⚡

اینجاست که هوش مصنوعی در حال حاضر، به خصوص در تیم‌هایی که آن را پذیرفته‌اند، کارهای وقت‌گیر را انجام می‌دهد:

تدوین و مستندسازی

• تبدیل یادداشت‌ها به اسناد مورد نیاز

• خلاصه‌سازی بررسی‌های طراحی

• تولید رویه‌های آزمایش و چک لیست‌ها

• نوشتن نظرات سیستم عامل و فایل‌های README OECD

این کار خیلی جذابی نیست، اما ساعت‌های زیادی وقت آدم را می‌گیرد. هوش مصنوعی ساعت‌ها وقت آدم را می‌گیرد 🍽️

مدار عبور اول و داربست میان‌افزار

• پیشنهاد گزینه‌های توپولوژی برای طبقات قدرت

• تولید کد توکار اولیه (درایورها، ماشین‌های حالت، اسکلت‌های ارتباطی)

• پیشنهاد «کلاس‌های» کامپوننت (نه دقیقاً قطعات، بلکه دسته‌بندی‌ها) مک‌کینزی

اینجاست که مردم وحشت می‌کنند چون شبیه مهندسی به نظر می‌رسد. همینطور هم هست - اما «اولین قدم» وعده غذایی نهایی نیست.

تشخیص الگو اشکال‌زدایی

• تشخیص ناهنجاری در لاگ‌ها

• شناسایی همبستگی‌ها در داده‌های آزمون

• تشخیص امضاهای شکست مکرر NIST DARE MERL

مثل این میمونه که یه کارآموز بیش فعال داشته باشی که هیچ وقت نمیخوابه و خوراکی هم نمیخواد. خطرناک و دم دستی 😆

۴) چیزی که هوش مصنوعی در مهندسی برق با آن دست و پنجه نرم می‌کند (معروف به ماده چسبنده) 🧷

هوش مصنوعی بیشترین مشکل را در جایی دارد که واقعیت به آن ضربه می‌زند. مهندسی برق پر از واقعیت است.

دنیای فیزیکی به اعتماد به نفس اهمیتی نمی‌دهد

هوش مصنوعی می‌تواند مطمئن به نظر برسد. فیزیک اهمیتی نمی‌دهد. پارازیت‌های طرح‌بندی، تداخل الکترومغناطیسی، لرزش، رطوبت، فرسودگی کانکتور، اجزای حاشیه‌ای - اینها «مالیات‌های غافلگیرکننده» محصولاتی هستند که خارج از اسلایدها قرار دارند. IEC EMC FCC قسمت ۱۵

مصالحه‌های اتصال زمین، تداخل الکترومغناطیسی و طرح‌بندی

شما نمی‌توانید EMI را به طور کامل با پیش‌بینی متن حل کنید. شما آن را با موارد زیر حل می‌کنید:

• هندسه

• مسیرهای برگشت

• گزینه‌های محافظ و فیلتر

• اندازه‌گیری

• تکرار IEC 61000-4-3 IEC EMC

هوش مصنوعی می‌تواند راه‌حل‌هایی پیشنهاد دهد، اما نمی‌تواند بوی شکست در آزمایش محفظه را حس کند. مهندسان این کار را می‌کنند 👃⚡

مذاکره در مورد الزامات و درگیری ذینفعان

نصف کار ترجمه است:

• «کوچک‌ترش کن»

• «ارزان‌ترش کن»

• «کاری کن که از پسِ انطباق با قوانین بربیاید»

• «هفته‌ی آینده ارسالش کن»

به سوی یک طراحی پایدار. هوش مصنوعی مسئولیت سیاست، ریسک یا سرزنش را بر عهده ندارد. انسان‌ها این کار را می‌کنند (بله؟) 😅

پاسخگویی و ایمنی

وقتی منبع تغذیه از کار می‌افتد، یک دستگاه پزشکی دچار مشکل می‌شود، یا یک باتری به آتش تبدیل می‌شود - کسی باید تصمیمات قابل دفاعی گرفته باشد. BSI EN 60601 NI ISO 26262

هوش مصنوعی می‌تواند دخیل باشد، اما نمی‌تواند طرف مسئول باشد. این خیلی مهم است. قانون هوش مصنوعی اتحادیه اروپا (EUR-Lex) NIST AI RMF

۵) مشاغل مهندسی برق که بیشتر در معرض اتوماسیون قرار دارند 🎯

بعضی از زیرنقش‌ها سریع‌تر از بقیه تغییر می‌کنند. نه به این دلیل که «کم‌اهمیت‌تر» هستند - فقط به این دلیل که الگوهای تکرارپذیرتری دارند.

بیشتر در معرض دید:

• طراحی شماتیک روتین از روی الگوهای شناخته شده

• قالب‌های کد جاسازی‌شده‌ی پایه (کد اولیه، پروتکل‌های رایج، منطق چسب) مک‌کینزی

• تولید گزارش آزمایش و قالب‌بندی مدارک مربوط به انطباق

• خلاصه تحقیقات مربوط به اجزا (لطفاً با تأیید انسانی)

• تکرار طرح ساده PCB (قرار دادن مکرر مدارهای آشنا)

کمتر در معرض دید قرار گرفتن:

• یکپارچگی برق + طراحی مقاوم در برابر EMC، IEC EMC

• سیستم های ایمنی حیاتی NI ISO 26262

• سخت‌افزار با قابلیت اطمینان بالا (محیط‌های سخت، طول عمر بالا) MIL-STD-1547B

• کار معماری جدید (محدودیت‌های جدید، حالت‌های شکست جدید)

• مهندسی سیستم‌ها (نقش مترجم در رشته‌های مختلف)

بنابراین اگر کسی دوباره بپرسد، آیا مهندسان برق با هوش مصنوعی جایگزین خواهند شد؟ هر چه کار شما بیشتر «اجرای الگو» باشد، هوش مصنوعی بیشتر می‌تواند شما را دنبال کند. هر چه کار شما بیشتر «مالک واقعیت» باشد، هوش مصنوعی بیشتر دستیار شما می‌شود.

۶) جدول مقایسه: گزینه‌های رایج هوش مصنوعی که به EEها کمک می‌کنند 🧰🤖

(اینها دسته‌بندی هستند، نه برندهای جادویی. تیم‌های واقعی اغلب چند مورد را با هم ترکیب می‌کنند.)

به این تم توجه کنید: هوش مصنوعی خروجی‌ها را تسریع می‌کند، اما مهندسان واقعیت را اعتبارسنجی می‌کنند. این رقص است. NIST AI RMF

۷) چگونه نقش مهندس برق تغییر می‌کند (و چرا دانشجویان سال اولی آن را احساس می‌کنند) 👣⚡

این قسمت کمی ناراحت کننده است، بنابراین رک و پوست کنده می‌گویم.

هوش مصنوعی «نردبان کارآموزی» را تغییر خواهد داد. مجمع جهانی اقتصاد OECD

به طور سنتی، مهندسان جوان با انجام موارد زیر یاد می‌گرفتند:

• تهیه طرحواره‌ها

• نوشتن درایورهای ساده

• مستندسازی آزمایش‌ها

• رفع اشکالات آشکار

• تکرار طرح‌های شناخته‌شده

اما اگر هوش مصنوعی بخش بزرگی از آن را مدیریت کند... ممکن است کارمندان تازه‌کار کمتر استخدام شوند. سازمان بین‌المللی کار

این به این معنی نیست که بازیکنان جوان محکوم به فنا هستند. بلکه به این معنی است که مسیر تغییر می‌کند. تیم‌ها باید در مورد تمرین هدفمند باشند و بازیکنان جوان باید به دنبال موارد زیر باشند:

• زمان آزمایشگاه عملی 🔧

• مهارت‌های اندازه‌گیری (اسکوپ، VNA، پراب، اصول اتصال به زمین) 📟

• غرایز اشکال‌زدایی (چه چیزهایی را اول، دوم، سوم بررسی کنیم)

• تفکر سیستمی (رابط‌ها، حالت‌های شکست، محدودیت‌ها)

مهندسی که بتواند خوب اندازه‌گیری کند ، ارزشمندتر می‌شود، نه کمتر. زیرا اندازه‌گیری جایی است که هوش مصنوعی کمترین «واقعی بودن» را دارد. IEC 61000-4-3 FCC Part 15

اگر ارشد هستید، شغل شما به سمت موارد زیر تغییر می‌کند:

• تصمیمات معماری

• بده‌بستان‌های ریسک

• بررسی‌ها و طرح‌های راستی‌آزمایی

• مذاکره بین بخشی

• راهنمایی - اما به روشی متفاوت

و بله، ممکن است زمان بیشتری را صرف «هدایت» هوش مصنوعی کنید، که تا زمانی که متوجه نشوید که کارگردانی اساساً همان مهندسی است، احمقانه به نظر می‌رسد.

۸) راهنمای عملی: چگونه از جایگزین شدن جلوگیری کنیم (بدون اینکه به یک مشوق هوش مصنوعی تبدیل شویم) 🛠️

اگر یک استراتژی ساده می‌خواهید، این است:

مهندسی شوید که محدودیت‌ها را می‌پذیرد✅

هوش مصنوعی در احتمالات خوب عمل می‌کند. شما با داشتن موارد زیر ارزشمند می‌شوید:

• حاشیه‌های ایمنی

• محدودیت‌های انطباق

• قابلیت تولید

• اهداف قابلیت اطمینان

• بودجه‌های حرارتی و برق

• قابلیت آزمایش NIST AI RMF

در تأیید صلاحیت عالی شوید 🔍

آینده متعلق به مهندسانی است که می‌توانند بگویند:

• «این فرضیه است.»

• «این نقشه اندازه‌گیری است.»

• «نتیجه این شد.»

• «این چیزی است که ما تغییر دادیم.»

هوش مصنوعی می‌تواند پیشنهاد دهد. انسان‌ها اثبات می‌کنند. NIST AI RMF

«تسلط بر رابط کاربری» را ایجاد کنید

کسی باشید که مرزها را درک می‌کند:

• سخت‌افزار به میان‌افزار

• آنالوگ به دیجیتال

• قدرت سیگنال دهی

• حسگر برای محاسبه

• الزامات محصول برای مشخصات مهندسی

باگ‌های رابط کاربری باعث می‌شوند که برنامه‌ها از کار بیفتند 😵

یاد بگیرید که مانند یک هم‌تیمی تازه‌کار از هوش مصنوعی استفاده کنید

نه مثل یک رئیس، نه مثل یک خدا. مثل یک هم‌تیمی جوان‌تر که:

• سریع

• مشتاق

• گاهی اوقات اشتباه

• گاهی اوقات فوق‌العاده تیز است مشخصات NIST GenAI

شما تفکر را برون‌سپاری نمی‌کنید. شما پیش‌نویس‌ها و اکتشاف را برون‌سپاری می‌کنید.

۹) افسانه‌های رایج در مورد «آیا هوش مصنوعی جایگزین مهندسان برق خواهد شد؟» 🧠💥

افسانه: «هوش مصنوعی کل طراحی را انجام خواهد داد»

واقعیت: ممکن است یک شیء با شکل طراحی‌شده تولید کند. اما طراحی واقعی شامل محدودیت‌ها، آزمایش‌ها، واقعیت‌های طرح‌بندی، انطباق و تولید است. این کل ساندویچ نامرتب است. NIST AI RMF

افسانه: «فقط سخت‌افزار امن است»

واقعیت: نرم‌افزارهای ثابت در بعضی از زمینه‌ها سریع‌تر خودکار می‌شوند، زیرا مبتنی بر متن هستند. سخت‌افزار اصطکاک فیزیکی دارد، اما مستندسازی و تهیه پیش‌نویس نیز خودکار می‌شوند. OECD

افسانه: «اگر هوش مصنوعی می‌تواند در امتحانات قبول شود، پس می‌تواند کار را هم انجام دهد»

واقعیت: امتحانات شغل نیستند. شغل، سروکار داشتن با الزامات ناقص، کانکتورهای خراب، ریل‌های برق پر سر و صدا و تامین‌کنندگانی است که قسم می‌خورند قطعه یکسان است در حالی که... یکسان نیست 😑

افسانه: «هوش مصنوعی همیشه در زمان صرفه‌جویی می‌کند»

واقعیت: هوش مصنوعی وقتی سریع تأیید می‌شود، در زمان صرفه‌جویی می‌کند. اگر تأیید نکنید، بعداً زمان از دست می‌دهید. مثل جارو کردن گرد و غبار زیر فرش، اما فرش، تاریخ راه‌اندازی شماست. پروفایل NIST GenAI

۱۰) نکات پایانی و جمع‌بندی سریع 🌩️✨

بنابراین، آیا مهندسان برق توسط هوش مصنوعی جایگزین خواهند شد؟ نه آنطور که مردم از آن می‌ترسند. این نقش از بین نخواهد رفت. بلکه دوباره متعادل. مجمع جهانی اقتصاد ، سازمان بین‌المللی کار

هوش مصنوعی:

• خودکارسازی بخش‌هایی از تهیه پیش‌نویس، مستندسازی و پیاده‌سازی تکراری

• سرعت بخشیدن به جستجو و عیب‌یابی

• افزایش انتظارات اولیه برای سرعت تولید OECD

مهندسان برق همچنان برای موارد زیر مورد نیاز خواهند بود:

• ایمنی، انطباق و قابلیت اطمینان BSI EN 60601 NI ISO 26262

• با اندازه‌گیری و آزمایش اعتبارسنجی کنید IEC 61000-4-3 FCC Part 15

• انجام بده بستان تحت محدودیت‌ها

• مدیریت یکپارچه‌سازی عملی

• وقتی چیزی خراب می‌شود، پاسخگو باشید (چون بالاخره خراب می‌شود) NIST AI RMF

خلاصه سریع 😄
هوش مصنوعی جایگزین وظایف می‌شود. مهندسانی که فقط وظایف قابل تعویض انجام می‌دهند، احساس فشار می‌کنند. مهندسانی که محدودیت‌ها، تأیید صحت و بده‌بستان‌های عملی را می‌پذیرند، حتی ارزشمندتر می‌شوند. به روش خودش آرامش‌بخش است.

و اگر خلاصه‌ترین نسخه را می‌خواهید:
هوش مصنوعی یک ابزار قدرتمند است. شما هنوز هم کسی هستید که خانه را می‌سازد. گاهی اوقات این ابزار جرقه می‌زند. 🔧⚡ (خب، این استعاره کمی مبهم است، اما متوجه هستید.)

مثال دنیای واقعی: ساخت یک دستیار آزمایشگاهی هوش مصنوعی برای اعتبارسنجی منبع تغذیه ⚡🔍

سناریو

تصور کنید یک تیم سخت‌افزاری کوچک در حال اعتبارسنجی یک مبدل DC-DC 24 ولت به 5 ولت برای یک جعبه حسگر صنعتی است. این طرح عجیب و غریب نیست، اما همچنان ریسک‌های مهندسی واقعی را به همراه دارد: افزایش دما، نویز سوئیچینگ، گذراهای بار، افت ولتاژ کانکتور و محفظه‌ای تنگ با جریان هوای ضعیف.

این تیم نمی‌دهد که منبع را طراحی و «تأیید» کند. این کار بی‌احتیاطی خواهد بود. در عوض، آنها از هوش مصنوعی به عنوان یک دستیار آزمایشگاهی سریع استفاده می‌کنند که الزامات، برگه‌های داده و یادداشت‌های آزمایشگاهی را به یک طرح آزمایش، چک لیست و گزارش اولیه تبدیل می‌کند. مهندس همچنان مالک اندازه‌گیری‌ها، تصمیمات قبولی/ردی و تأیید نهایی است، که با نکته مقاله مبنی بر اینکه هوش مصنوعی باید پیشنهاد دهد در حالی که انسان‌ها تأیید می‌کنند، مطابقت دارد.

آنچه دستیار نیاز دارد

فقط اطلاعات مورد نیاز را به دستیار هوش مصنوعی بدهید:

• محدوده ولتاژ ورودی: ۱۸ ولت تا ۳۰ ولت

• هدف خروجی: 5 ولت در 2 آمپر

• ریپل مجاز: زیر ۵۰ میلی‌ولت پیک-تو-پیک

• حداکثر دمای برد: ۸۵ درجه سانتیگراد در دمای محیط ۴۰ درجه سانتیگراد

• برگه اطلاعات مبدل

• شماتیک PDF

• تصاویر برد مدار چاپی (PCB)، در صورت مجاز بودن

• فهرست تجهیزات آزمایشگاهی: اسیلوسکوپ، بار الکترونیکی، دوربین حرارتی، لوازم آزمایشگاهی

• نمونه آزمون شرکت

• قانون ایمنی: «هیچ چیزی را به عنوان «تصویب‌شده» علامت‌گذاری نکنید، مگر اینکه یک مهندس انسانی داده‌های اندازه‌گیری‌شده را ارائه دهد.»

دستورالعمل مثال

از این دستورالعمل استفاده کنید:

شما در حال کمک به یک مهندس برق برای اعتبارسنجی یک مبدل DC-DC 24 ولت به 5 ولت هستید. یک طرح آزمایش رومیزی ایجاد کنید که ولتاژ خروجی، ریپل، پاسخ گذرای بار، رفتار راه‌اندازی، افزایش دما و رفتار خطا را بررسی کند. برای هر آزمایش، هدف، تنظیمات، مراحل، اندازه‌گیری مورد انتظار، قانون قبولی/رد و اشتباه رایجی که باید از آن اجتناب شود را ذکر کنید. نتایج اندازه‌گیری شده را از خودتان اختراع نکنید. اگر داده‌ها از دست رفته است، بنویسید «اندازه‌گیری لازم است». هر آزمایشی را که نیاز به قضاوت انسانی یا بررسی ایمنی دارد، علامت‌گذاری کنید.

چگونه آن را آزمایش کنیم

قبل از اینکه به دستیار در روند کار اعتماد کنید، چند بررسی واقع‌بینانه به او بدهید:

• از آن بخواهید که یک تست موج ایجاد کند، سپس بررسی کنید که آیا به تنظیمات اتصال به زمین و محدودیت پهنای باند اشاره می‌کند یا خیر.

• از آن بخواهید که یک اندازه‌گیری جعلی را بررسی کند: «ریپل = ۸۲ میلی‌ولت پیک-تو-پیک، حد = ۵۰ میلی‌ولت.» باید این را به عنوان یک خطا علامت‌گذاری کند، نه اینکه نتیجه را ملایم‌تر کند.

• از آن بپرسید که اگر مبدل در بار کامل به ۹۲ درجه سانتیگراد برسد، چه باید کرد. باید خرابی حرارتی را گزارش کند و پیشنهاد بررسی بدهد، نه اینکه طرح را تأیید کند.

• از آن بخواهید خلاصه‌ای از پنج مقدار اندازه‌گیری شده را تهیه کند و تأیید کند که آزمایش‌های ناقصی را اختراع نکرده است.

نتیجه

نتیجه‌ی تشریحی: بر اساس زمان‌بندی پنج نمونه وظیفه‌ی اعتبارسنجی قبل و بعد از استفاده از گردش کار، مهندس زمان تهیه‌ی پیش‌نویس مستندسازی و طرح آزمون را از ۳ ساعت و ۲۰ دقیقه به ۵۲ دقیقه.

بررسی قابل اندازه‌گیری ساده بود:

• زمان‌بندی پیش‌نویس طرح آزمون دستی

• زمان‌بندی پیش‌نویس با کمک هوش مصنوعی به علاوه بررسی انسانی

• اصلاحات مورد نیاز قبل از قابل استفاده شدن طرح را بشمارید

• طرح نهایی را با یک چک لیست اعتبارسنجی داخلی ۱۴ موردی مقایسه کنید

در این مثال، نسخه مجهز به هوش مصنوعی در اولین بررسی، ۱۲ مورد از ۱۴ مورد چک لیست را. دو مورد از دست رفته توسط یک مهندس انسانی شناسایی شدند: هیچ دستورالعمل صریح اتصال به زمین نوک پروب برای آزمایش موج و هیچ آزمایش شروع به کار داغ جداگانه‌ای پس از خیساندن حرارتی وجود نداشت.

این یک دستاورد معنادار است، اما جایگزینی برای قضاوت مهندسی نیست.

چه چیزی می‌تواند اشتباه پیش برود؟

بزرگترین ریسک این است که اجازه دهید دستیار، مطمئن‌تر از آنچه داده‌ها اجازه می‌دهند، به نظر برسد.

اشتباهات رایج عبارتند از:

• اجازه دادن به هوش مصنوعی برای اختراع نتایج قابل قبول از اندازه‌گیری‌های ناقص

• فراموش کردن بررسی دستی محدودیت‌های دیتاشیت

• استفاده از دستورات مبهم مانند «یک طرح آزمایشی ایجاد کنید» بدون قید و شرط

• نادیده گرفتن جزئیات تنظیمات اسیلوسکوپ

• برخورد با یک گزارش بی‌نقص به عنوان مدرکی دال بر یک طراحی بی‌نقص

• عدم ثبت مشاهدات آزمایشگاهی غیرمعمول، مانند صدای کویل قابل شنیدن یا روشن شدن متناوب

هوش مصنوعی می‌تواند قبل از اتمام مهندسی، کاغذبازی‌ها را بی‌نقص جلوه دهد. این خطرناک است.

نکته کاربردی

یک گردش کار خوب هوش مصنوعی برای مهندسان برق این نیست که «هوش مصنوعی آن را طراحی می‌کند، کلیک‌های انسانی تأیید می‌کنند». بلکه به این نزدیک‌تر است: هوش مصنوعی نقشه را تهیه می‌کند، مهندس میز را اداره می‌کند، اندازه‌گیری‌ها تصمیم‌گیری می‌کنند و انسان امضا می‌کند. اینجاست که هوش مصنوعی بدون اینکه وانمود کند فیزیک از ساختمان خارج شده است، در زمان صرفه‌جویی می‌کند.

سوالات متداول

آیا مهندسان برق در ۵ تا ۱۰ سال آینده با هوش مصنوعی جایگزین خواهند شد؟

در بیشتر موارد، مهندسان برق به طور کامل جایگزین نخواهند شد، اما بسیاری از وظایف تکرارپذیر خودکارسازی می‌شوند. این تغییر به «جایگزینی وظیفه» نزدیک‌تر است تا «جایگزینی شغلی»، زیرا هوش مصنوعی، تهیه پیش‌نویس، مستندسازی و کارهای اولیه را انجام می‌دهد. مهندسانی که ارزشمند باقی می‌مانند، کسانی هستند که محدودیت‌ها، تأیید و بده‌بستان‌های عملی را بر عهده دارند. پاسخگویی همچنان بر عهده انسان‌ها است، به خصوص وقتی که ایمنی و انطباق مطرح باشد.

خودکارسازی کدام بخش‌های مهندسی برق برای هوش مصنوعی آسان‌تر است؟

هوش مصنوعی تمایل دارد کارهایی را که متن زیادی دارند، تکراری یا مبتنی بر الگو هستند، به طور کامل انجام دهد. این شامل مستندسازی، خلاصه‌سازی بررسی‌ها، تولید چک‌لیست‌ها، چارچوب‌بندی پیش‌فرض سیستم‌عامل، محاسبات سریع و تشخیص ناهنجاری در گزارش‌های تست می‌شود. همچنین می‌تواند گزینه‌های توپولوژی و دسته‌بندی اجزا را به عنوان نقطه شروع پیشنهاد دهد. نکته این است که این خروجی‌ها هنوز برای جلوگیری از اشتباهات مطمئن اما اشتباه، نیاز به تأیید انسانی دارند.

کدام حوزه‌های مهندسی برق کمترین احتمال جایگزینی با هوش مصنوعی را دارند؟

کارهایی که به شدت به دنیای فیزیکی و پیامدهای آن گره خورده‌اند، خودکارسازی‌شان دشوارتر است. یکپارچگی توان، طراحی‌های سنگین EMC/EMI، سیستم‌های ایمنی-بحرانی، سخت‌افزارهای با قابلیت اطمینان بالا و تصمیمات معماری جدید کمتر در معرض دید قرار می‌گیرند زیرا به اندازه‌گیری، تکرار و قضاوت تحت محدودیت‌ها وابسته هستند. مهندسی سیستم‌ها همچنین همچنان به نیروی انسانی وابسته است زیرا در مورد مذاکره، بده‌بستان‌های ریسک و تبدیل الزامات مبهم به طرح‌های قابل دفاع است.

چگونه می‌توانم بدون اعتماد بیش از حد به هوش مصنوعی در مهندسی برق استفاده کنم؟

با هوش مصنوعی مانند یک هم‌تیمی جوان و سریع رفتار کنید: برای پیش‌نویس‌ها و اکتشافات مفید است، اما منبع حقیقت نیست. یک رویکرد رایج این است که از آن گزینه‌ها، برنامه‌های آزمایشی یا توضیح اولیه بخواهید، سپس با شبیه‌سازی، اندازه‌گیری و بررسی‌ها اعتبارسنجی کنید. گردش‌های کاری را ترجیح دهید که خروجی‌های آنها «قابل تأیید» باشند، به این معنی که بتوانید آنها را به سرعت بررسی کنید. اگر نتواند استدلال خود را توضیح دهد یا هیچ عدم قطعیتی را نشان ندهد، ریسک بیشتری را بپذیرید.

یک ابزار هوش مصنوعی «خوب» برای مهندسی برق باید چه ویژگی‌هایی داشته باشد؟

هوش مصنوعی مفید برای کار مهندسی برق، تحت محدودیت‌ها به خوبی رفتار می‌کند و واقعیت‌های ناخوشایندی مانند کاهش ظرفیت، محدودیت‌های حرارتی، خزش/خلاصه، EMC و چرخه وظیفه را نادیده نمی‌گیرد. باید استدلال قابل ردیابی ارائه دهد، از واژگان دامنه به طور دقیق استفاده کند و خروجی‌هایی تولید کند که بتوانید آنها را آزمایش یا شبیه‌سازی کنید. همچنین به «کنترل‌های فروتنی» نیاز دارد که عدم قطعیت را آشکار کرده و بررسی‌هایی را پیشنهاد دهد. اگر فقط پاسخ‌های مطمئنی تولید کند، بیشتر نویز است تا ابزار.

آیا مهندسان برق سال سوم بیشتر از مهندسان ارشد تحت تأثیر هوش مصنوعی قرار خواهند گرفت؟

بله، اغلب، تازه‌کارها زودتر این را حس می‌کنند، چون وظایف سنتی سطح مبتدی با کارهایی که هوش مصنوعی به خوبی خودکار می‌کند، همپوشانی دارند: طراحی، درایورهای ساده، مستندسازی و رفع اشکال‌های اولیه. اگر هوش مصنوعی این وظایف را بر عهده بگیرد، تیم‌ها باید در مورد آموزش هدفمندتر باشند. تازه‌کارها می‌توانند با صرف وقت در آزمایشگاه، مهارت‌های اندازه‌گیری و غرایز اشکال‌زدایی، از بقیه جلوتر بمانند. توانایی برنامه‌ریزی آزمایش‌ها و تفسیر سیگنال‌های واقعی به یک عامل تمایز تبدیل می‌شود.

چگونه می‌توانم با پیشرفت هوش مصنوعی، آینده شغلی مهندسی برق خود را تضمین کنم؟

هدفتان تبدیل شدن به مهندسی باشد که محدودیت‌ها و تأیید را در اختیار دارد. روی حاشیه‌های ایمنی، انطباق، قابلیت تولید، اهداف قابلیت اطمینان، بودجه‌های حرارتی و توان و قابلیت آزمایش - حوزه‌هایی که مسئولیت عملی در آنها اهمیت دارد - تمرکز کنید. تسلط قوی بر رابط کاربری در مرزهای سخت‌افزار/میان‌افزار و آنالوگ/دیجیتال، جایی که اشکالات ادغام رایج است، ایجاد کنید. از هوش مصنوعی برای تسریع پیش‌نویس‌ها و اکتشاف استفاده کنید، اما ارزش اصلی خود را «انسان‌ها اثبات می‌کنند، هوش مصنوعی پیشنهاد می‌دهد» قرار دهید

آیا هوش مصنوعی می‌تواند مشکلات EMI/EMC و بده‌بستان‌های طرح PCB را به طور قابل اعتمادی مدیریت کند؟

هوش مصنوعی می‌تواند راه‌حل‌های رایجی را پیشنهاد دهد، اما تداخل الکترومغناطیسی/EMI به طور آشکار به هندسه، مسیرهای بازگشت، محافظ، انتخاب‌های فیلتر و تکرار مبتنی بر اندازه‌گیری وابسته است. عوامل مزاحم طرح‌بندی و عوامل محیطی اهمیتی نمی‌دهند که یک مدل چقدر مطمئن به نظر می‌رسد. در عمل، مهندسان هنوز هم باید در آزمایشگاه و محیط‌های انطباق اعتبارسنجی کنند و بر اساس نتایج تکرار کنند. هوش مصنوعی می‌تواند طوفان فکری را سرعت بخشد، اما نمی‌تواند جایگزین «دیدن شکل موج» و اثبات کارایی راه‌حل شود.

آیا «قبولی هوش مصنوعی در امتحانات» نشانه‌ای از توانایی آن در انجام کارهای مهندسی برق واقعی است؟

نه واقعاً، چون امتحانات واقعیت درهم‌ریخته کار مهندسی را به تصویر نمی‌کشند. این شغل شامل الزامات ناقص، خرابی‌های غیرمنتظره در یکپارچه‌سازی، فرسودگی کانکتور، مشکلات نویز، غافلگیری‌های تأمین‌کنندگان و محدودیت‌های انطباق است که دیر خود را نشان می‌دهند. هوش مصنوعی می‌تواند خروجی‌های طراحی‌شده تولید کند، اما بخش سخت، پذیرفتن بده‌بستان‌ها، آزمایش و پاسخگویی در هنگام خرابی است. مهندسی واقعی کمتر در مورد پاسخ‌های بی‌نقص و بیشتر در مورد تصمیمات قابل دفاع در شرایط عدم قطعیت است.

منابع

1. سازمان همکاری و توسعه اقتصادی (OECD) - تأثیرات هوش مصنوعی مولد بر بهره‌وری، نوآوری و کارآفرینی - oecd.org

2. سازمان همکاری و توسعه اقتصادی (OECD) - شکاف‌های نوظهور در گذار به هوش مصنوعی - oecd.org

3. سازمان همکاری و توسعه اقتصادی (OECD) - چه کسانی بیشترین تأثیر را از هوش مصنوعی خواهند پذیرفت؟ - oecd.org

4. EUR-Lex - قانون هوش مصنوعی اتحادیه اروپا - eur-lex.europa.eu

5. موسسه ملی استاندارد و فناوری (NIST) - چارچوب مدیریت ریسک هوش مصنوعی (AI RMF 1.0) - nist.gov

6. موسسه ملی استاندارد و فناوری (NIST) - پروفایل هوش مصنوعی مولد - nist.gov

7. مجمع جهانی اقتصاد - هوش مصنوعی، اتوماسیون و تقویت: مشاغل محل کار فردا - weforum.org

8. سازمان بین‌المللی کار (ILO) - هوش مصنوعی مولد و مشاغل: یک شاخص جهانی اصلاح‌شده از مواجهه شغلی - ilo.org

9. مجمع جهانی اقتصاد - گزارش آینده مشاغل 2025 - weforum.org

10. مک‌کینزی و شرکا - پتانسیل اقتصادی هوش مصنوعی مولد: مرز بعدی بهره‌وری - mckinsey.com

11. مک‌کینزی و شرکا - افزایش بهره‌وری توسعه‌دهندگان با هوش مصنوعی مولد - mckinsey.com

12. گروه BSI - جزوه EN 60601 - bsigroup.com

13. دانش گروه BSI - IEC 60664-1 (هماهنگی عایقی برای تجهیزات در سیستم‌های تغذیه ولتاژ پایین) - bsigroup.com

14. کمیسیون بین‌المللی الکتروتکنیک (IEC) - انتشارات پایه EMC - iec.ch

15. فروشگاه اینترنتی IEC - IEC 61000-4-3 - iec.ch

16. مجموعه قوانین فدرال الکترونیکی ایالات متحده (eCFR) - بخش ۱۵، زیربخش B از FCC - ecfr.gov

17. تگزاس اینسترومنتس (TI) - SLUP421 - ti.com

18. دانشگاه اکتساب دفاعی (DAU) - قطعات، مواد و فرآیندهای الکترونیکی MIL-STD-1547B برای وسایل نقلیه فضایی و پرتاب (دسامبر ۱۹۹۲) - dau.edu

19. National Instruments (NI) - استاندارد ایمنی عملکردی ISO 26262 - ni.com

20. موسسه ملی استاندارد و فناوری (NIST) - چارچوب ناهنجاری سطح دستگاه (DARE) - nist.gov

21. آزمایشگاه‌های تحقیقاتی میتسوبیشی الکتریک (MERL) - TR2018-097 - merl.com

22. Cadence - مروری بر هوش مصنوعی - cadence.com

23. arXiv - 2310.02059v2 - arxiv.org

جدیدترین هوش مصنوعی را در فروشگاه رسمی دستیار هوش مصنوعی پیدا کنید

درباره ما