Prowadzenie rozmowy z projektem przy użyciu cyfrowych bliźniaków AI

Chociaż sztuczna inteligencja wydaje się być obecnie wszechobecna, równie dużo jest zamieszania dotyczącego tego, jak najlepiej wykorzystać tę technologię. W artykułach takich jak Wykorzystanie ChatGPT do analizy danych testowych oraz Użycie generatywnej AI do pisania i uruchamiania kodu wbudowanego widzieliśmy, jak AI, na przykład ChatGPT, może nam pomóc nie tylko w analizowaniu danych, ale również w pisaniu dla nas kodu. Dla inżynierów elektryków analiza i pisanie kodu przez generatywną AI może być pomocne, ale nie zawsze zmieniające grę. W tym artykule zbudujemy niestandardowego GPT, który umożliwi nam „prowadzenie rozmowy z naszym projektem”. Stworzymy „Cyfrowego Bliźniaka” płyty ewaluacyjnej Arty A7 w ChatGPT, dając nam możliwość projektowania, diagnozowania i pracy z płytą przy pomocy asystenta AI.

Co to jest Cyfrowy Bliźniak?

Cyfrowy bliźniak to wirtualny model, który odzwierciedla obiekt w rzeczywistości. Tworząc ten cyfrowy odpowiednik, możemy symulować i testować zachowanie obiektu bez potrzeby posiadania fizycznego przedmiotu. Dla płyty ewaluacyjnej Arty A7 posiadanie cyfrowego bliźniaka oznacza, że można rozwiązywać problemy, projektować i pracować z płytą wirtualnie, bez konieczności fizycznego obchodzenia się z rzeczywistym sprzętem na początku. To czyni proces bardziej wydajnym, umożliwiając dokładne testowanie i dostosowywanie projektu. Oczywiście, niebo jest granicą pod względem dokładności modelu i łatwości interakcji z nim. Ze względu na zwięzłość i prostotę będziemy budować dość prymitywny cyfrowy bliźniak Arty A7, który może nam pomóc w kwestiach projektowych i rozwiązywaniu problemów

Prosty cyfrowy bliźniak przy użyciu RAG

Generowanie Wspomagane Pobieraniem (RAG), najbardziej znane z pracy zatytułowanej Generowanie Wspomagane Pobieraniem dla Zadań NLP Wymagających Wiedzy, to metodyka, w której duży model językowy (LLM) jest używany w połączeniu z dostępnymi danymi (w przeciwieństwie do danych nauczone w modelu). Na przykład, jeśli zapytam LLM, jaka jest cena mojego domu, może on albo nie być w stanie dokładnie odpowiedzieć na to pytanie. Jeśli jednak dostarczę mu „kontekst”, powiedzmy, mojego najnowszego rachunku za podatek od nieruchomości, powinien być w stanie łatwo to rozgryźć (ponieważ, mniej więcej, używa tylko przetwarzania języka naturalnego). W skrócie, RAG używa tej samej koncepcji, dostarczając kontekst LLM, aby wygenerować odpowiedź wyższej jakości. Chociaż trudno jest dokładnie wiedzieć, jakie systemy własnościowe są używane jako ich zaplecze, można dość bezpiecznie założyć, że podejście podobne do RAG jest dość powszechne przy budowaniu cyfrowego bliźniaka z AI.

Budowanie Własnego GPT z Kontekstem

Jak widzieliśmy w Budowaniu asystenta laboratorium AI oraz Używaniu generatywnego AI do pisania i uruchamiania kodu wbudowanego, można pisać niestandardowe GPT, które interakcują z serwerami internetowymi i kontrolują instrumenty, ale mogą również zawierać kontekst działając jako cyfrowe bliźniaki. Konfiguracja jest naprawdę bardzo prosta. Korzystając z płatnej wersji plus ChatGPT, mogę stworzyć niestandardowe GPT, klikając na „Przeglądaj GPT” w lewym pasku bocznym, a następnie klikając przycisk „Utwórz” w prawym górnym rogu. Uwaga: W momencie pisania tego artykułu nawigacja do tworzenia niestandardowego GPT zmieniła się prawie 3 razy w ciągu ostatnich 6 miesięcy. Możesz chcieć skonsultować dokumentację OpenAI, jak stworzyć niestandardowe GPT, jeśli te instrukcje są nieaktualne.

Gdy już przejdę na stronę, która daje mi możliwość stworzenia niestandardowego GPT, jestem gotów wprowadzić wszystkie moje parametry i dostarczyć mój „kontekst”.

Rysunek 1: Konfiguracja niestandardowego GPT

Zauważysz, że nadałem mojemu niestandardowemu GPT nazwę, opis, zestaw podstawowych instrukcji oraz zestaw plików „Wiedza”. Te pliki składają się z mojego Arty A7:

• Projekt schematu
• Różne karty katalogowe układów na płycie
• Przykładowy kod VHDL
• Plik ograniczeń projektu FPGA

Oczywiście mogę dostarczyć jeszcze więcej danych, takich jak specyfikacja materiałowa, inne dokumenty projektowe, a nawet więcej kart katalogowych, ale to wydawało się wystarczające, aby udowodnić moją koncepcję.

Więc co to może zrobić?

Aby szybko wyszukać informacje w naszym cyfrowym bliźniaku, mogę zaoszczędzić kilka sekund tutaj i tam, pytając go o komponenty na płycie. Na przykład:

Rysunek 2: Zapytanie o kartę katalogową

I dane, które uzyskał z karty katalogowej, wydają się być zgodne (chociaż czasami może błędnie interpretować tabele w plikach PDF):

Rysunek 3: Specyfikacje zaczerpnięte z karty katalogowej

Chociaż to drobnostka, to jednak pozwala zaoszczędzić trochę czasu, szczególnie gdy używasz wersji głosowej ChatGPT. Możemy również powiedzieć naszemu niestandardowemu GPT, że oscylator nie działa prawidłowo i poprosić go o sugestie dotyczące rozwiązywania problemów, dostosowane do konkretnego elementu:

Rysunek 4: Rozwiązywanie problemów z oscylatorem

W zależności od Twojego poziomu umiejętności, te informacje mogą być dla Ciebie pomocne lub nie. Możemy posunąć się nieco dalej i poprosić o pomoc, na przykład w diagnozowaniu, dlaczego pamięć flash nie reaguje. Bardziej złożona odpowiedź będzie obejmować specyfikacje karty katalogowej (podobnie jak w przypadku oscylatora), ale również odniesienia do kodu i ograniczeń pinów. Dostarczenie monitowi jeszcze więcej kontekstu, takiego jak Twój zmodyfikowany kod, da mu lepszą szansę na odkrycie problemu. Te przykłady, choć dość trywialne, demonstrują zdolności i moc wykorzystania LLM i RAG do bardzo szybkiego tworzenia cyfrowego bliźniaka. Proces ustawiania niestandardowego GPT zajmuje dosłownie 5 minut (a większość tego czasu wynikała z czasów przesyłania). To dopiero początek ery cyfrowych bliźniaków i jestem pewien, że w nadchodzących latach zobaczymy jeszcze wiele przełomów.

Podsumowanie

W tym artykule zbadaliśmy koncepcję cyfrowych bliźniaków oraz jak stworzyć własny GPT do pracy i rozwiązywania problemów z płytą ewaluacyjną Arty A7. Wykorzystując AI, możemy wirtualnie współdziałać z naszymi projektami, oszczędzając czas i zwiększając efektywność. Kroki, aby ustawić własny niestandardowy GPT, są proste i można je szybko wykonać. Teraz, gdy znasz podstawy, czas na eksperymenty i przekonanie się o korzyściach na własnej skórze. Zanurz się, stwórz swojego cyfrowego bliźniaka i zacznij optymalizować swój proces projektowania i uruchamiania już dziś!