ചുരുക്ക ഉത്തരം: ഇലക്ട്രിക്കൽ എഞ്ചിനീയർമാരെ കൂട്ടത്തോടെ മാറ്റിസ്ഥാപിക്കില്ല, പക്ഷേ ആവർത്തിച്ചുള്ള ജോലികളുടെ നല്ലൊരു പങ്ക് AI ഏറ്റെടുക്കും: ഡ്രാഫ്റ്റിംഗ്, ഡോക്യുമെന്റേഷൻ, ബോയിലർപ്ലേറ്റ് ഫേംവെയർ, ഫസ്റ്റ്-പാസ് ഡിസൈനുകൾ. നിങ്ങളുടെ ജോലി കൂടുതലും “പാറ്റേൺ എക്സിക്യൂഷൻ” ആണെങ്കിൽ, നിങ്ങൾക്ക് ബുദ്ധിമുട്ട് അനുഭവപ്പെടും; നിങ്ങൾക്ക് നിയന്ത്രണങ്ങൾ, സ്ഥിരീകരണം, സുരക്ഷാ തീരുമാനങ്ങൾ എന്നിവ ഉണ്ടെങ്കിൽ, AI ഒരു ഫോഴ്സ്-മൾട്ടിപ്ലയറായി മാറുന്നു.
പ്രധാന കാര്യങ്ങൾ:
ടാസ്ക് ഷിഫ്റ്റ് : മനുഷ്യ മേൽനോട്ടം നിലനിർത്തിക്കൊണ്ട് ഡ്രാഫ്റ്റിംഗ്, സംഗ്രഹങ്ങൾ, ചെക്ക്ലിസ്റ്റുകൾ, ദ്രുത കണക്കുകൂട്ടലുകൾ എന്നിവ ഓട്ടോമേറ്റ് ചെയ്യുക.
നിയന്ത്രണങ്ങൾ : തെർമൽ, ഇഎംസി, ഡീറേറ്റിംഗ്, ക്രീപേജ്, വിശ്വാസ്യത എന്നിവയുടെ പരിധികളിൽ വൈദഗ്ദ്ധ്യം നേടി വിലപ്പെട്ടതായി തുടരുക.
പരിശോധന : AI ഔട്ട്പുട്ടുകളെ അനുമാനങ്ങളായി കണക്കാക്കുക; സിമുലേഷൻ, അളവ്, അച്ചടക്കമുള്ള പരീക്ഷണ പദ്ധതികൾ എന്നിവയിലൂടെ സ്ഥിരീകരിക്കുക.
ഉത്തരവാദിത്തം : അനുസരണം, സുരക്ഷയ്ക്ക് നിർണായകമായ തീരുമാനങ്ങൾ, പരാജയത്തിന്റെ അനന്തരഫലങ്ങൾ എന്നിവയ്ക്ക് മനുഷ്യർ ഉത്തരവാദികളായി തുടരുന്നു.
ജൂനിയർ സ്വാധീനം : ആദ്യകാല "അപ്രന്റീസ്ഷിപ്പ്" ജോലികളിൽ AI ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്നുണ്ടെങ്കിൽ ജൂനിയർമാർക്ക് കൂടുതൽ ലാബ് പ്രതിനിധികളും ഡീബഗ്ഗിംഗ് പരിശീലനവും ആവശ്യമാണ്.
ഈ ചോദ്യം ഒരു ഇടിമുഴക്കത്തോടെയാണ് അവസാനിക്കുന്നത്. ഇലക്ട്രിക്കൽ എഞ്ചിനീയറിംഗ് ദുർബലമായതുകൊണ്ടല്ല (അത് അങ്ങനെയല്ല), മറിച്ച് ഒരുകാലത്ത് പവിത്രമല്ലെങ്കിൽ പോലും - കുറഞ്ഞത് മനുഷ്യന് സുരക്ഷിതമായി തോന്നിയ ജോലിയിൽ AI അസ്വസ്ഥത ഉളവാക്കുന്ന തരത്തിൽ കഴിവുള്ളതുകൊണ്ടാണ്. ഡ്രാഫ്റ്റിംഗ്, സംഗ്രഹിക്കൽ, തിരയൽ, പാറ്റേൺ-സ്പോട്ട് ചെയ്യൽ, ഒരു മങ്ങിയ ആശയം "പൂർത്തിയായി" തോന്നുന്ന ഒന്നാക്കി മാറ്റൽ 🧠⚡ OECD മക്കിൻസി
അപ്പോൾ, ഇലക്ട്രിക്കൽ എഞ്ചിനീയർമാരെ AI മാറ്റിസ്ഥാപിക്കുമോ? മികച്ച ഉത്തരം നാടകീയമായ ഒരു 'അതെ' അല്ലെങ്കിൽ 'ഇല്ല' എന്നല്ല. ഇത് കൂടുതൽ വായിക്കുന്നത് ഇങ്ങനെയാണ്: ചില ജോലികൾ നശിപ്പിക്കപ്പെടും, ചിലത് ടർബോചാർജ് ചെയ്യപ്പെടും, ചിലത് ശാഠ്യത്തോടെ മനുഷ്യരായി തുടരും . ലോക സാമ്പത്തിക ഫോറം ILO
എന്താണ് ഓട്ടോമേറ്റബിൾ, എന്താണ് അല്ലാത്തത്, ഇത് എവിടേക്ക് പോകുന്നു, എങ്ങനെ മൂല്യവത്തായി തുടരാം (സ്വയം ഒരു റോബോട്ടായി മാറാതെ 🤖) എന്നിവയാണ് പൂർണ്ണമായ വിശകലനങ്ങൾ.
ഇതിനു ശേഷം നിങ്ങൾക്ക് വായിക്കാൻ ഇഷ്ടപ്പെട്ടേക്കാവുന്ന ലേഖനങ്ങൾ:
🔗 റേഡിയോളജിസ്റ്റുകളെ AI മാറ്റിസ്ഥാപിക്കുമോ?
ഇന്നത്തെ മെഡിക്കൽ ഇമേജിംഗിൽ ഓട്ടോമേഷന് ചെയ്യാൻ കഴിയുന്നതും ചെയ്യാൻ കഴിയാത്തതുമായ കാര്യങ്ങൾ.
🔗 അക്കൗണ്ടന്റുമാരെ AI മാറ്റിസ്ഥാപിക്കുമോ?
ബുക്ക് കീപ്പിംഗ്, ഓഡിറ്റുകൾ, അക്കൗണ്ടിംഗ് കരിയർ പാത എന്നിവയെ AI എങ്ങനെ ബാധിക്കുന്നു.
🔗 നിക്ഷേപ ബാങ്കർമാരെ AI മാറ്റിസ്ഥാപിക്കുമോ?
ബാങ്കിംഗിൽ AI-ക്ക് ഓട്ടോമേറ്റ് ചെയ്യാൻ കഴിയുന്ന ജോലികൾ, മനുഷ്യന് അവശേഷിക്കുന്ന കാര്യങ്ങളും.
🔗 ഡാറ്റാ അനലിസ്റ്റുകളെ AI മാറ്റിസ്ഥാപിക്കുമോ: യഥാർത്ഥ സംസാരം
അനലിറ്റിക്സ് ജോലി, ഉപകരണങ്ങൾ, തൊഴിൽ സുരക്ഷ എന്നിവയെക്കുറിച്ചുള്ള ഒരു സത്യസന്ധമായ വീക്ഷണം.

1) “ഇലക്ട്രിക്കൽ എഞ്ചിനീയർമാരെ AI മാറ്റിസ്ഥാപിക്കുമോ?” എന്നതിനുള്ള വ്യക്തമായ ഉത്തരം 😬
ഇലക്ട്രിക്കൽ എഞ്ചിനീയർമാരെ കൂട്ടത്തോടെ മാറ്റിസ്ഥാപിക്കില്ല. എന്നാൽ ജോലിയുടെ ചില ഭാഗങ്ങൾ ഇതിനകം തന്നെ ഉണ്ട്. ലോക സാമ്പത്തിക ഫോറം OECD
"കരിയർ റീപ്ലേസ്മെന്റ്" അല്ല, "ടാസ്ക് റീപ്ലേസ്മെന്റ്" ആണ് ഇപ്പോൾ സംഭവിക്കുന്നത്. ILO OECD
AI ഇതിലേക്ക് വഴുതി വീഴുന്നു:
-
ആവർത്തിച്ചുള്ള ഡോക്യുമെന്റേഷൻ 📄
-
ഫസ്റ്റ്-പാസ് ഡിസൈനുകളും ഡ്രാഫ്റ്റുകളും ✍️
-
കോഡിലും കോൺഫിഗറുകളിലും പിശക് കണ്ടെത്തൽ 🧩
-
ടെസ്റ്റ്-ഡാറ്റ വിശകലനവും അപാകത കണ്ടെത്തലും 📈
-
ദ്രുത കണക്കുകൂട്ടലുകൾ, സാനിറ്റി പരിശോധനകൾ, തിരയൽ ജോലികൾ 🔍 OECD മക്കിൻസി
അത് മാന്യമായി വഴുതിവീഴുകയുമില്ല. ഒരു കൊച്ചുകുട്ടിയെപ്പോലെ ഒരു മാർക്കർ ഉപയോഗിച്ച് അത് അകത്തേക്ക് ചാടിവീഴുന്നു.
എന്നാൽ ഒരു ഇലക്ട്രിക്കൽ എഞ്ചിനീയറുടെ പൂർണ്ണമായ പങ്ക് ഒരു കൃത്യമായ സ്കീമാറ്റിക് ഔട്ട്പുട്ട് ചെയ്യുന്നതിനേക്കാൾ വളരെ കൂടുതലാണ്. ഉത്തരവാദിത്തം, സുരക്ഷ, വിട്ടുവീഴ്ചകൾ, ശാരീരിക നിയന്ത്രണങ്ങൾ, അനുസരണം, അനിയന്ത്രിതമായ ആവശ്യകതകൾ, ഇടയ്ക്കിടെ "ഇത് പ്രവർത്തിക്കണം, പക്ഷേ അത് പ്രവർത്തിക്കുന്നില്ല, എന്തുകൊണ്ടെന്ന് ആർക്കും അറിയില്ല" എന്ന സാഹചര്യം എന്നിവ ഇതിൽ ഉൾപ്പെടുന്നു 😵💫 NIST AI RMF BSI EN 60601
AI സഹായിക്കുന്നു - ചിലപ്പോൾ വൻതോതിൽ - പക്ഷേ അതിന് അനന്തരഫലങ്ങൾ ഉണ്ടാകില്ല. മനുഷ്യർക്ക് ഇപ്പോഴും അത് ഉണ്ട്. NIST AI RMF EU AI ആക്റ്റ് (EUR-Lex)
അതെ, ഇലക്ട്രിക്കൽ എഞ്ചിനീയർമാരെ AI മാറ്റിസ്ഥാപിക്കുമോ? എളുപ്പത്തിൽ ഓട്ടോമേറ്റ് ചെയ്യാവുന്ന സ്ലൈസ് മാത്രം ചെയ്താൽ ചിലർക്ക് പകരം വയ്ക്കപ്പെട്ടതായി തോന്നും. മിക്കവർക്കും അങ്ങനെ തോന്നില്ല, കാരണം സ്ലൈസിനേക്കാൾ വലിയ പങ്കാണ് ഇതിന്റെ സ്ഥാനം.
2) ഇലക്ട്രിക്കൽ എഞ്ചിനീയറിംഗ് ജോലികൾക്ക് AI യുടെ ഒരു നല്ല പതിപ്പ് എന്തായിരിക്കും? ✅🤝
എല്ലാ AI-കളും സഹായകരമല്ല. അവയിൽ ചിലത് സൗഹൃദപരമായ സ്വരത്തോടുകൂടിയ ആത്മവിശ്വാസമുള്ള ശബ്ദമാണ്. ഭംഗിയുള്ളത്, പക്ഷേ ഇല്ല. NIST GenAI പ്രൊഫൈൽ
ഇലക്ട്രിക്കൽ എഞ്ചിനീയറിങ്ങിനുള്ള ഒരു നല്ല AI പതിപ്പിൽ സാധാരണയായി ഇവയുണ്ട്:
-
നിയന്ത്രണ അവബോധം : വോൾട്ടേജ് റേറ്റിംഗുകൾ, താപ പരിധികൾ, EMC റിയാലിറ്റി, ക്രീപേജ്, ക്ലിയറൻസ്, ഡ്യൂട്ടി സൈക്കിൾ, ഡീറേറ്റിംഗ്... എന്നിവയെ ഇത് അവഗണിക്കുന്നില്ല. ഉൽപ്പന്നങ്ങൾ ലാഭിക്കുന്ന അപ്രസക്തമായ കാര്യങ്ങൾ 🔥 TI BSI IEC 60664-1 IEC EMC MIL-STD-1547B
-
കണ്ടെത്താവുന്ന ന്യായവാദം : ഉത്തരം മാത്രം നൽകുന്നതിനു പകരം, എന്തുകൊണ്ടാണ് ഒരു സമീപനം തിരഞ്ഞെടുത്തതെന്ന് അതിന് വിശദീകരിക്കാൻ കഴിയും 🧠 NIST AI RMF
-
ഡൊമെയ്ൻ പദാവലി : ബേബി ടോക്ക് ആവശ്യമില്ലാതെ ഇത് “ഡാറ്റാഷീറ്റ്,” “ടോളറൻസ് സ്റ്റാക്ക്,” “ലൂപ്പ് സ്റ്റെബിലിറ്റി,” “ഫേസ് മാർജിൻ,” “ഗ്രൗണ്ട് റിട്ടേൺ” എന്നിവ സംസാരിക്കുന്നു 📚
-
ആവർത്തിച്ചുള്ള സഹകരണം : "സ്വിച്ചിംഗ് നോയിസും വിലകുറഞ്ഞ കണക്ടറും ഉള്ള 4-ലെയർ ബോർഡാണിത്" എന്ന് പറയുമ്പോൾ അത് തകരുന്നില്ല 😅
-
പരിശോധനാ-സൗഹൃദ ഔട്ട്പുട്ട് : വൈബുകൾ മാത്രമല്ല - നിങ്ങൾക്ക് പരീക്ഷിക്കാനും, സിമുലേറ്റ് ചെയ്യാനും, അല്ലെങ്കിൽ അവലോകനം ചെയ്യാനും കഴിയുന്ന കാര്യങ്ങൾ ഇത് നിർമ്മിക്കുന്നു ⚙️ NIST AI RMF
-
വിനയം നിയന്ത്രിക്കുന്നു (അതെ, ശരിക്കും): ഇത് അനിശ്ചിതത്വം കുറയ്ക്കുന്നു, പരിശോധനകൾ നിർദ്ദേശിക്കുന്നു, കൂടാതെ തരംഗരൂപം അളന്നതായി നടിക്കുന്നില്ല 🫠 NIST GenAI പ്രൊഫൈൽ
ഒരു AI ടൂളിന് നിയന്ത്രണങ്ങൾക്കുള്ളിൽ പ്രവർത്തിക്കാൻ കഴിയുന്നില്ലെങ്കിൽ, അത് ചീസ് കൊണ്ട് നിർമ്മിച്ച ഒരു സ്ക്രൂഡ്രൈവർ പോലെയാണ്. സാങ്കേതികമായി ഒരു ഉപകരണം... പ്രായോഗികമല്ല.
3) ഇലക്ട്രിക്കൽ എഞ്ചിനീയറിംഗിന്റെ ഭാഗങ്ങൾ AI ഇതിനകം മാറ്റിസ്ഥാപിക്കുന്നിടത്ത് (നിശബ്ദമായി) 🧠⚡
ഇവിടെയാണ് AI സമയമെടുക്കുന്ന ജോലിയിലൂടെ കടന്നുപോകുന്നത്, പ്രത്യേകിച്ച് അതിനെ സ്വീകരിക്കുന്ന ടീമുകളിൽ:
ഡ്രാഫ്റ്റിംഗും ഡോക്യുമെന്റേഷനും
-
കുറിപ്പുകളെ ആവശ്യകത പ്രമാണങ്ങളാക്കി മാറ്റുന്നു
-
ഡിസൈൻ അവലോകനങ്ങൾ സംഗ്രഹിക്കുന്നു
-
ടെസ്റ്റ് നടപടിക്രമങ്ങളും ചെക്ക്ലിസ്റ്റുകളും സൃഷ്ടിക്കുന്നു
-
ഫേംവെയർ കമന്റുകളും README ഫയലുകളും എഴുതുന്നു OECD
ഇത് ഗ്ലാമറസ് ആയ ജോലിയല്ല, പക്ഷേ ധാരാളം മണിക്കൂറുകൾ എടുക്കും. AI മണിക്കൂറുകൾ കഴിക്കുന്നു 🍽️
ഫസ്റ്റ്-പാസ് സർക്യൂട്ടും ഫേംവെയർ സ്കാഫോൾഡിംഗും
-
പവർ സ്റ്റേജുകൾക്കുള്ള ടോപ്പോളജി ഓപ്ഷനുകൾ നിർദ്ദേശിക്കുന്നു
-
സ്റ്റാർട്ടർ എംബഡഡ് കോഡ് സൃഷ്ടിക്കുന്നു (ഡ്രൈവറുകൾ, സ്റ്റേറ്റ് മെഷീനുകൾ, കോംസ് അസ്ഥികൂടങ്ങൾ)
-
ഘടക "ക്ലാസുകൾ" നിർദ്ദേശിക്കുന്നു (കൃത്യമായ ഭാഗങ്ങളല്ല, വിഭാഗങ്ങൾ) മക്കിൻസി
എഞ്ചിനീയറിംഗ് പോലെ തോന്നിക്കുന്നതിനാൽ ആളുകൾ പരിഭ്രാന്തരാകുന്നത് ഇവിടെയാണ്. അങ്ങനെയാണ് - പക്ഷേ "ഫസ്റ്റ്-പാസ്" അവസാനത്തെ ഭക്ഷണമല്ല.
ഡീബഗ് പാറ്റേൺ തിരിച്ചറിയൽ
-
ലോഗുകളിലുടനീളം അപാകത കണ്ടെത്തൽ
-
പരീക്ഷണ ഡാറ്റയിലെ പരസ്പരബന്ധങ്ങൾ തിരിച്ചറിയൽ
ഒരിക്കലും ഉറങ്ങാത്ത, ലഘുഭക്ഷണം ചോദിക്കാത്ത ഒരു ഹൈപ്പർ ആക്റ്റീവ് ഇന്റേൺ ഉള്ളത് പോലെയാണ് ഇത്. അപകടകരവും സൗകര്യപ്രദവുമാണ് 😆
4) ഇലക്ട്രിക്കൽ എഞ്ചിനീയറിംഗിൽ (അഥവാ സ്റ്റിക്കി സ്റ്റഫ്) AI നേരിടുന്ന പ്രശ്നങ്ങൾ എന്തൊക്കെയാണ് 🧷
യാഥാർത്ഥ്യത്തിന് വിപരീതമായി നിൽക്കുന്നിടത്താണ് AI ഏറ്റവും കൂടുതൽ ബുദ്ധിമുട്ടുന്നത്. ഇലക്ട്രിക്കൽ എഞ്ചിനീയറിംഗ് യാഥാർത്ഥ്യത്താൽ നിറഞ്ഞിരിക്കുന്നു.
ഭൗതിക ലോകം ആത്മവിശ്വാസത്തെക്കുറിച്ച് ചിന്തിക്കുന്നില്ല
AI ഉറപ്പായും പറയും. ഭൗതികശാസ്ത്രത്തിന് പ്രശ്നമില്ല. ലേഔട്ട് പരാദങ്ങൾ, EMI, വൈബ്രേഷൻ, ഈർപ്പം, കണക്ടർ വെയർ, മാർജിനൽ ഘടകങ്ങൾ - സ്ലൈഡുകൾക്ക് പുറത്ത് നിലനിൽക്കുന്ന ഉൽപ്പന്നങ്ങളുടെ "സർപ്രൈസ് ടാക്സുകൾ" ഇവയാണ്. IEC EMC FCC ഭാഗം 15
ഗ്രൗണ്ടിംഗ്, ഇഎംഐ, ലേഔട്ട് ട്രേഡ്ഓഫുകൾ
ടെക്സ്റ്റ് പ്രവചനം ഉപയോഗിച്ച് നിങ്ങൾക്ക് EMI പൂർണ്ണമായും പരിഹരിക്കാൻ കഴിയില്ല. നിങ്ങൾ അത് ഇനിപ്പറയുന്ന രീതിയിൽ പരിഹരിക്കും:
-
ജ്യാമിതി
-
മടക്ക പാതകൾ
-
ഷീൽഡിംഗ്, ഫിൽട്ടറിംഗ് തിരഞ്ഞെടുപ്പുകൾ
-
അളവ്
-
ആവർത്തനം IEC 61000-4-3 IEC EMC
AI പരിഹാരങ്ങൾ നിർദ്ദേശിക്കാൻ കഴിയും, പക്ഷേ ചേംബർ ടെസ്റ്റിലെ പരാജയം അതിന് അനുഭവപ്പെടുന്നില്ല. എഞ്ചിനീയർമാർ അത് ചെയ്യുന്നു 👃⚡
ആവശ്യകതകൾ ചർച്ച ചെയ്യലും പങ്കാളികളുടെ കുഴപ്പവും
പകുതി ജോലി വിവർത്തനം ചെയ്യുകയാണ്:
-
"ഇത് ചെറുതാക്കുക"
-
"വിലകുറഞ്ഞതാക്കുക"
-
"അത് അനുസരണത്തിൽ പാസാക്കുക"
-
"അടുത്ത ആഴ്ച ഷിപ്പ് ചെയ്യൂ"
അതിജീവിക്കാൻ കഴിയുന്ന ഒരു രൂപകൽപ്പനയിലേക്ക്. AI-ക്ക് രാഷ്ട്രീയമോ, അപകടസാധ്യതയോ, കുറ്റപ്പെടുത്തലോ ഇല്ല. മനുഷ്യർക്ക് അത് ചെയ്യാൻ കഴിയും (അതെ?) 😅
ഉത്തരവാദിത്തവും സുരക്ഷയും
ഒരു പവർ സപ്ലൈ തകരാറിലാകുമ്പോൾ, ഒരു മെഡിക്കൽ ഉപകരണം തകരാറിലാകുമ്പോൾ, അല്ലെങ്കിൽ ഒരു ബാറ്ററി പായ്ക്ക് ഒരു ക്യാമ്പ് ഫയർ ആയി മാറുമ്പോൾ - ആരെങ്കിലും പ്രതിരോധാത്മകമായ തീരുമാനങ്ങൾ എടുത്തിരിക്കണം. BSI EN 60601 NI ISO 26262
AI ഉൾപ്പെടാം, പക്ഷേ അതിന് ഉത്തരവാദിത്തമുള്ള കക്ഷിയാകാൻ കഴിയില്ല. അത് പ്രധാനമാണ്. ഒരുപാട്. EU AI ആക്റ്റ് (EUR-Lex) NIST AI RMF
5) ഇലക്ട്രിക്കൽ എഞ്ചിനീയറിംഗിലെ ഓട്ടോമേഷന് ഏറ്റവും കൂടുതൽ വിധേയമാകുന്ന ജോലികൾ 🎯
ചില ഉപ-വേഷങ്ങൾ മറ്റുള്ളവയേക്കാൾ വേഗത്തിൽ മാറും. അവ "കുറവായതുകൊണ്ടല്ല" - അവയിൽ കൂടുതൽ ആവർത്തിക്കാവുന്ന പാറ്റേണുകൾ അടങ്ങിയിരിക്കുന്നതുകൊണ്ട് മാത്രം.
കൂടുതൽ വെളിപ്പെടുത്തിയത്:
-
അറിയപ്പെടുന്ന ടെംപ്ലേറ്റുകളിൽ നിന്നുള്ള പതിവ് സ്കീമാറ്റിക് ഡ്രാഫ്റ്റിംഗ്
-
അടിസ്ഥാന എംബഡഡ് ബോയിലർപ്ലേറ്റ് (init കോഡ്, കോമൺ പ്രോട്ടോക്കോളുകൾ, ഗ്ലൂ ലോജിക്) മക്കിൻസി
-
ടെസ്റ്റ് റിപ്പോർട്ട് ജനറേഷനും കംപ്ലയൻസ് പേപ്പർവർക്കിന്റെ ഫോർമാറ്റിംഗും
-
ഘടക ഗവേഷണ സംഗ്രഹങ്ങൾ (ദയവായി മനുഷ്യ പരിശോധനയോടെ)
-
ലളിതമായ പിസിബി ലേഔട്ട് ആവർത്തനം (പരിചിതമായ സർക്യൂട്ടുകൾ ആവർത്തിച്ച് സ്ഥാപിക്കൽ)
കുറവ് എക്സ്പോഷർ ചെയ്തത്:
-
പവർ ഇന്റഗ്രിറ്റി + ഇ.എം.സി-ഹെവി ഡിസൈൻ ഐ.ഇ.സി ഇ.എം.സി.
-
സുരക്ഷാ-നിർണ്ണായക സംവിധാനങ്ങൾ NI ISO 26262
-
ഉയർന്ന വിശ്വാസ്യതയുള്ള ഹാർഡ്വെയർ (കഠിനമായ പരിതസ്ഥിതികൾ, ദീർഘായുസ്സ്) MIL-STD-1547B
-
നൂതനമായ വാസ്തുവിദ്യാ പ്രവർത്തനങ്ങൾ (പുതിയ നിയന്ത്രണങ്ങൾ, പുതിയ പരാജയ രീതികൾ)
-
സിസ്റ്റം എഞ്ചിനീയറിംഗ് (വിഷയങ്ങളിലുടനീളം വിവർത്തകന്റെ പങ്ക്)
അപ്പോൾ ആരെങ്കിലും വീണ്ടും ചോദിച്ചാൽ, ഇലക്ട്രിക്കൽ എഞ്ചിനീയർമാരെ AI മാറ്റിസ്ഥാപിക്കുമോ? നിങ്ങളുടെ ജോലി എത്രത്തോളം “പാറ്റേൺ എക്സിക്യൂഷൻ” ആക്കുന്നുവോ അത്രത്തോളം AI നിങ്ങളെ നിഴലിടും. നിങ്ങളുടെ ജോലി എത്രത്തോളം “യാഥാർത്ഥ്യത്തിന്റെ ഉടമയാകുന്നു”വോ അത്രത്തോളം AI നിങ്ങളുടെ സഹായിയായി മാറുന്നു.
6) താരതമ്യ പട്ടിക: EE-കളെ സഹായിക്കുന്ന സാധാരണ AI ഓപ്ഷനുകൾ 🧰🤖
(ഇവ വിഭാഗങ്ങളാണ്, മാജിക് ബ്രാൻഡുകളല്ല. റിയൽ ടീമുകൾ പലപ്പോഴും കുറച്ച് കൂടിച്ചേരാറുണ്ട്.)
| ഉപകരണം / ഓപ്ഷൻ | പ്രേക്ഷകർ | വില | ഇത് എന്തുകൊണ്ട് പ്രവർത്തിക്കുന്നു (ഇഷ്) |
|---|---|---|---|
| എംബഡഡ് വർക്കിനായുള്ള AI കോഡ് അസിസ്റ്റന്റ് | ഫേംവെയർ-ഹെവി EE-കൾ | സബ്സ്ക്രിപ്ഷൻ സൗജന്യം | വേഗതയേറിയ ബോയിലർപ്ലേറ്റ് + റീഫാക്ടറുകൾ, പക്ഷേ ചിലപ്പോൾ ആത്മവിശ്വാസത്തോടെ തെറ്റാണ്... ഉച്ചത്തിലുള്ള ലാബ് മേറ്റിനെ പോലെ 😬 arXiv മക്കിൻസി |
| AI- മെച്ചപ്പെടുത്തിയ സർക്യൂട്ട് സിമുലേറ്റർ സൂചനകൾ | അനലോഗ്/പവർ ഡിസൈനർമാർ | സബ്സ്ക്രിപ്ഷൻ | ടോപ്പോളജികൾ പര്യവേക്ഷണം ചെയ്യാൻ സഹായിക്കുകയും "വ്യക്തമായ" കോൺഫിഗറേഷൻ തെറ്റുകൾ കണ്ടെത്തുകയും ചെയ്യുന്നു - ഇപ്പോഴും യഥാർത്ഥ സിം + വിധിന്യായം ആവശ്യമാണ് NIST AI RMF |
| പരീക്ഷണ ജനറേറ്ററിന്റെ ആവശ്യകതകൾ | സിസ്റ്റംസ് + വാലിഡേഷൻ | ടീം / സംരംഭം | സ്പെക്കുകളെ വേഗത്തിൽ ടെസ്റ്റ് കേസുകളാക്കി മാറ്റുന്നു; ആകർഷകമല്ലാത്ത സമയം ലാഭിക്കുന്നു, പക്ഷേ സങ്കീർണ്ണമായ എഡ്ജ് കേസുകൾ നഷ്ടപ്പെടുത്താം NIST AI RMF |
| ലോഗ് + വേവ്ഫോം അനോമലി ഡിറ്റക്ടർ | ടെസ്റ്റ് എഞ്ചിനീയർമാർ | സബ്സ്ക്രിപ്ഷൻ | വലിയ ഡാറ്റാസെറ്റുകളിലുടനീളം പാറ്റേണുകൾ കണ്ടെത്തുന്നതിൽ മിടുക്കൻ; നിങ്ങൾ അത് ഗൈഡ് ചെയ്തില്ലെങ്കിൽ "എന്തുകൊണ്ട്" എന്ന് മനസ്സിലാകില്ല NIST DARE |
| AI- സഹായത്തോടെയുള്ള PCB പ്ലേസ്മെന്റ് സഹായി | ലേഔട്ട് + ഹാർഡ്വെയർ | എന്റർപ്രൈസ് | ആവർത്തിച്ചുള്ള പ്ലേസ്മെന്റിന്റെ വേഗത; റൂട്ടിംഗ് + EMI വിഭാഗത്തിന് ഇപ്പോഴും മുമ്പ് ബേൺ ചെയ്ത ഒരു മനുഷ്യനെ ആവശ്യമാണ് 🔥 Cadence |
| AI ഡോക്യുമെന്റേഷൻ + അവലോകന സംഗ്രഹം | എല്ലാവരും | സൗജന്യം | പ്രശ്നങ്ങൾ പരിഹരിക്കുന്നു; അവലോകനങ്ങൾ തിരയാൻ കഴിയുന്നതാക്കുന്നു - ചിലപ്പോൾ തെറ്റായ കാര്യങ്ങൾ സംഗ്രഹിക്കുന്നു... ശ്ശോ NIST GenAI പ്രൊഫൈൽ |
തീം ശ്രദ്ധിക്കുക: AI ഔട്ട്പുട്ടുകളെ ത്വരിതപ്പെടുത്തുന്നു , പക്ഷേ എഞ്ചിനീയർമാർ യാഥാർത്ഥ്യത്തെ സാധൂകരിക്കുന്നു . അതാണ് നൃത്തം. NIST AI RMF
7) ഇലക്ട്രിക്കൽ എഞ്ചിനീയർമാരുടെ റോൾ എങ്ങനെ മാറുന്നു (ജൂനിയർമാർക്ക് ആദ്യം അത് തോന്നുന്നത് എന്തുകൊണ്ട്) 👣⚡
ഈ ഭാഗം അൽപ്പം അസ്വസ്ഥത ഉളവാക്കുന്നതാണ്, അതിനാൽ ഞാൻ അത് വ്യക്തമായി പറയാം.
AI "അപ്രന്റീസ്ഷിപ്പ് ഏണി" മാറ്റും. OECD വേൾഡ് ഇക്കണോമിക് ഫോറം
പരമ്പരാഗതമായി, ജൂനിയർ എഞ്ചിനീയർമാർ പഠിച്ചത്:
-
ഡ്രാഫ്റ്റിംഗ് സ്കീമാറ്റിക്സ്
-
ലളിതമായ ഡ്രൈവറുകൾ എഴുതുന്നു
-
ഡോക്യുമെന്റേഷൻ പരിശോധനകൾ
-
വ്യക്തമായ ബഗുകൾ പരിഹരിക്കുന്നു
-
അറിയപ്പെടുന്ന ഡിസൈനുകളിൽ ആവർത്തിക്കുന്നു
പക്ഷേ, അതിൽ വലിയൊരു ഭാഗം AI കൈകാര്യം ചെയ്താൽ... ജൂനിയർമാർക്ക് കുറച്ച് റെപ്സ് മാത്രമേ ലഭിക്കൂ. ILO
അതിനർത്ഥം ജൂനിയർ കളിക്കാർ നശിച്ചു എന്നല്ല. അതിനർത്ഥം പാത മാറുന്നു എന്നാണ്. പരിശീലനത്തെക്കുറിച്ച് ടീമുകൾ മനഃപൂർവ്വം ചിന്തിക്കേണ്ടതുണ്ട്, ജൂനിയർമാർ ഇവ അന്വേഷിക്കേണ്ടതുണ്ട്:
-
പ്രായോഗിക ലാബ് സമയം 🔧
-
അളക്കൽ കഴിവുകൾ (സ്കോപ്പ്, വിഎൻഎ, പ്രോബുകൾ, ഗ്രൗണ്ടിംഗ് ഡിസിപ്ലിൻ) 📟
-
ഡീബഗ്ഗിംഗ് സഹജാവബോധം (ആദ്യം എന്താണ് പരിശോധിക്കേണ്ടത്, രണ്ടാമത്തേത്, മൂന്നാമത്തേത്)
-
സിസ്റ്റം ചിന്ത (ഇന്റർഫേസുകൾ, പരാജയ മോഡുകൾ, നിയന്ത്രണങ്ങൾ)
നന്നായി അളക്കാൻ കഴിയുന്ന എഞ്ചിനീയർ കുറയുന്നില്ല, കൂടുതൽ മൂല്യമുള്ളവനാകുന്നു. കാരണം AI ഏറ്റവും കുറഞ്ഞ "യഥാർത്ഥ"മായിരിക്കുന്നത് അളക്കലിലാണ്. IEC 61000-4-3 FCC ഭാഗം 15
നിങ്ങൾ മുതിർന്ന ആളാണെങ്കിൽ, നിങ്ങളുടെ ജോലി ഇതിലേക്ക് മാറുന്നു:
-
ആർക്കിടെക്ചർ തീരുമാനങ്ങൾ
-
റിസ്ക് ട്രേഡ്ഓഫുകൾ
-
അവലോകനങ്ങളും സ്ഥിരീകരണ പദ്ധതികളും
-
പരസ്പരബന്ധിതമായ ചർച്ചകൾ
-
മാർഗനിർദേശം - പക്ഷേ വ്യത്യസ്തമായ രീതിയിൽ
അതെ, നിങ്ങൾ AI "സംവിധാനം" ചെയ്യാൻ കൂടുതൽ സമയം ചെലവഴിച്ചേക്കാം, സംവിധാനം അടിസ്ഥാനപരമായി എഞ്ചിനീയറിംഗ് ആണെന്ന് നിങ്ങൾ മനസ്സിലാക്കുന്നതുവരെ അത് മണ്ടത്തരമായി തോന്നും.
8) പ്രായോഗിക പ്ലേബുക്ക്: എങ്ങനെ പകരം വയ്ക്കാതിരിക്കാം (ഒരു AI ചിയർലീഡർ ആകാതെ) 🛠️
നിങ്ങൾക്ക് ഒരു ലളിതമായ തന്ത്രം വേണമെങ്കിൽ, അത് ഇതാണ്:
നിയന്ത്രണങ്ങൾ സ്വന്തമാക്കിയ എഞ്ചിനീയർ ആകുക ✅
സാധ്യതകളിൽ AI മികച്ചതാണ്. ഇവ സ്വന്തമാക്കുന്നതിലൂടെ നിങ്ങൾ വിലപ്പെട്ടവരാകുന്നു:
-
സുരക്ഷാ മാർജിനുകൾ
-
അനുസരണ നിയന്ത്രണങ്ങൾ
-
ഉൽപ്പാദനക്ഷമത
-
വിശ്വാസ്യത ലക്ഷ്യങ്ങൾ
-
താപ, വൈദ്യുതി ബജറ്റുകൾ
-
പരീക്ഷണക്ഷമത NIST AI RMF
സ്ഥിരീകരണത്തിൽ മികവ് പുലർത്തൂ 🔍
ഭാവി എഞ്ചിനീയർമാരുടേതാണ്, അവർക്ക് ഇങ്ങനെ പറയാൻ കഴിയും:
-
"ഇതാ ഒരു സിദ്ധാന്തം."
-
"ഇതാ അളക്കൽ പദ്ധതി."
-
"ഇതാ ഫലം."
-
"നമ്മൾ എന്താണ് മാറ്റിയത് എന്ന് ഇതാ."
AI-ക്ക് നിർദ്ദേശിക്കാൻ കഴിയും. മനുഷ്യർ തെളിയിക്കുന്നു. NIST AI RMF
"ഇന്റർഫേസ് മാസ്റ്ററി" നിർമ്മിക്കുക
അതിരുകൾ മനസ്സിലാക്കുന്ന വ്യക്തിയായിരിക്കുക:
-
ഹാർഡ്വെയറിൽ നിന്ന് ഫേംവെയറിലേക്ക്
-
അനലോഗ് ടു ഡിജിറ്റൽ
-
സിഗ്നൽ നൽകാനുള്ള ശക്തി
-
കണക്കുകൂട്ടുന്നതിനുള്ള സെൻസർ
-
എഞ്ചിനീയറിംഗ് സ്പെസിഫിക്കേഷനുകൾക്കുള്ള ഉൽപ്പന്ന ആവശ്യകതകൾ
ഇന്റർഫേസ് ബഗുകളാണ് ഷെഡ്യൂളുകൾ അവസാനിക്കാൻ പോകുന്നത് 😵
ഒരു ജൂനിയർ സഹതാരത്തെപ്പോലെ AI ഉപയോഗിക്കാൻ പഠിക്കൂ
ഒരു ബോസിനെപ്പോലെയല്ല, ഒരു ദൈവത്തെപ്പോലെയുമല്ല. ഒരു ജൂനിയർ സഹതാരത്തെപ്പോലെ:
-
വേഗത
-
ആകാംക്ഷയുള്ള
-
ചിലപ്പോൾ തെറ്റ്
-
ചില സമയങ്ങളിൽ അസാധാരണമാംവിധം മൂർച്ചയുള്ളത് NIST GenAI പ്രൊഫൈൽ
നിങ്ങൾ ചിന്തയെ പുറംകരാർ ചെയ്യാറില്ല. ഡ്രാഫ്റ്റുകളും പര്യവേഷണവും പുറംകരാർ ചെയ്യാറുണ്ട്.
9) “ഇലക്ട്രിക്കൽ എഞ്ചിനീയർമാരെ AI മാറ്റിസ്ഥാപിക്കുമോ?” എന്നതിനെക്കുറിച്ചുള്ള പൊതുവായ മിഥ്യാധാരണകൾ 🧠💥
മിഥ്യ: "മുഴുവൻ രൂപകൽപ്പനയും AI ചെയ്യും"
യാഥാർത്ഥ്യം: ഇത് ഒരു ഡിസൈൻ ആകൃതിയിലുള്ള വസ്തുവിനെ സൃഷ്ടിച്ചേക്കാം. എന്നാൽ യഥാർത്ഥ രൂപകൽപ്പനയിൽ നിയന്ത്രണങ്ങൾ, പരിശോധനകൾ, ലേഔട്ട് യാഥാർത്ഥ്യങ്ങൾ, അനുസരണം, നിർമ്മാണം എന്നിവ ഉൾപ്പെടുന്നു. അതാണ് മുഴുവൻ വൃത്തികെട്ട സാൻഡ്വിച്ചും. NIST AI RMF
മിഥ്യ: "ഹാർഡ്വെയർ മാത്രമേ സുരക്ഷിതമാകൂ"
യാഥാർത്ഥ്യം: ഫേംവെയർ ചില മേഖലകളിൽ വേഗത്തിൽ ഓട്ടോമേറ്റ് ചെയ്യപ്പെടുന്നു, കാരണം അത് ടെക്സ്റ്റ് അടിസ്ഥാനമാക്കിയുള്ളതാണ്. ഹാർഡ്വെയറിന് ഭൗതിക ഘർഷണം ഉണ്ട്, എന്നാൽ ഡോക്യുമെന്റേഷനും ഡ്രാഫ്റ്റിംഗും ഓട്ടോമേറ്റ് ചെയ്യപ്പെടുന്നു. OECD
മിഥ്യ: "AI പരീക്ഷകളിൽ വിജയിക്കാൻ കഴിയുമെങ്കിൽ, അതിന് ആ ജോലി ചെയ്യാൻ കഴിയും"
യാഥാർത്ഥ്യം: പരീക്ഷയല്ല ജോലി. അപൂർണ്ണമായ ആവശ്യകതകൾ, മോശം കണക്ടറുകൾ, ശബ്ദമുണ്ടാക്കുന്ന പവർ റെയിലുകൾ, ഒരുപോലെയല്ലാത്തപ്പോൾ ഭാഗം ഒരുപോലെയാണെന്ന് സത്യം ചെയ്യുന്ന വിതരണക്കാർ എന്നിവ കൈകാര്യം ചെയ്യുന്ന ജോലിയാണിത് 😑
മിഥ്യ: "AI എപ്പോഴും സമയം ലാഭിക്കുന്നു"
യാഥാർത്ഥ്യം: വേഗത്തിൽ പരിശോധിച്ചുറപ്പിക്കുമ്പോൾ AI സമയം ലാഭിക്കുന്നു. പരിശോധിച്ചുറപ്പിച്ചില്ലെങ്കിൽ പിന്നീട് നിങ്ങൾക്ക് സമയം നഷ്ടപ്പെടും. പരവതാനിക്കടിയിൽ പൊടി തൂത്തുവാരുന്നത് പോലെ, പക്ഷേ പരവതാനി നിങ്ങളുടെ വിക്ഷേപണ തീയതിയാണ്. NIST GenAI പ്രൊഫൈൽ
10) അവസാന കുറിപ്പുകളും ദ്രുത റീക്യാപ്പും 🌩️✨
അപ്പോൾ, ഇലക്ട്രിക്കൽ എഞ്ചിനീയർമാരെ AI മാറ്റിസ്ഥാപിക്കുമോ? ആളുകൾ ഭയപ്പെടുന്ന രീതിയിൽ അല്ല. ആ പങ്ക് അപ്രത്യക്ഷമാകില്ല. അത് വീണ്ടും സന്തുലിതമാക്കും . ലോക സാമ്പത്തിക ഫോറം ILO
AI ഇനിപ്പറയുന്നവ ചെയ്യും:
-
ഡ്രാഫ്റ്റിംഗ്, ഡോക്യുമെന്റേഷൻ, ആവർത്തിച്ചുള്ള നടപ്പാക്കൽ എന്നിവയുടെ ഭാഗങ്ങൾ ഓട്ടോമേറ്റ് ചെയ്യുക
-
പര്യവേക്ഷണവും പ്രശ്നപരിഹാരവും വേഗത്തിലാക്കുക
-
ഔട്ട്പുട്ട് വേഗതയ്ക്കുള്ള അടിസ്ഥാന പ്രതീക്ഷ ഉയർത്തുക ഒഇസിഡി
ഇലക്ട്രിക്കൽ എഞ്ചിനീയർമാർക്ക് ഇപ്പോഴും ഇനിപ്പറയുന്ന കാര്യങ്ങൾ ആവശ്യമായി വരും:
-
സ്വന്തം സുരക്ഷ, പാലിക്കൽ, വിശ്വാസ്യത എന്നിവ BSI EN 60601 NI ISO 26262
-
IEC 61000-4-3 FCC ഭാഗം 15 അളക്കലും പരിശോധനയും ഉപയോഗിച്ച് സാധൂകരിക്കുക.
-
നിയന്ത്രണങ്ങൾക്ക് കീഴിൽ വിട്ടുവീഴ്ചകൾ നടത്തുക
-
പ്രായോഗിക സംയോജനം കൈകാര്യം ചെയ്യുക
-
സാധനങ്ങൾ പൊട്ടിപ്പോകുമ്പോൾ ഉത്തരവാദിത്തം ഏറ്റെടുക്കുക (കാരണം അത് സംഭവിക്കും) NIST AI RMF
ഒരു ദ്രുത സംഗ്രഹം 😄
AI ടാസ്ക്കുകൾ മാറ്റിസ്ഥാപിക്കുന്നു. മാറ്റിസ്ഥാപിക്കാവുന്ന ജോലികൾ മാത്രം ചെയ്യുന്ന എഞ്ചിനീയർമാർക്ക് സമ്മർദ്ദം അനുഭവപ്പെടുന്നു. നിയന്ത്രണങ്ങളും സ്ഥിരീകരണവും പ്രായോഗികമായ വിട്ടുവീഴ്ചകളും ഉള്ള എഞ്ചിനീയർമാർ കൂടുതൽ മൂല്യവത്താകുന്നു. അതിന്റേതായ രീതിയിൽ ആശ്വാസം നൽകുന്നു.
ഏറ്റവും ചെറിയ പതിപ്പ് വേണമെങ്കിൽ:
AI ഒരു പവർ ടൂൾ ആണ്. വീട് പണിയുന്നത് ഇപ്പോഴും നിങ്ങളാണ്. ചിലപ്പോൾ ഉപകരണം തീപ്പൊരി പോലെയാകും. 🔧⚡ (ശരി, ആ രൂപകം അൽപ്പം അസ്ഥിരമാണ്, പക്ഷേ നിങ്ങൾക്ക് മനസ്സിലാകും.)
പതിവുചോദ്യങ്ങൾ
അടുത്ത 5-10 വർഷത്തിനുള്ളിൽ ഇലക്ട്രിക്കൽ എഞ്ചിനീയർമാരെ AI മാറ്റിസ്ഥാപിക്കുമോ?
മിക്ക കേസുകളിലും, ഇലക്ട്രിക്കൽ എഞ്ചിനീയർമാരെ പൂർണ്ണമായും മാറ്റിസ്ഥാപിക്കില്ല, പക്ഷേ ആവർത്തിക്കാവുന്ന പല ജോലികളും ഓട്ടോമേറ്റഡ് ആയിരിക്കും. ഡ്രാഫ്റ്റിംഗ്, ഡോക്യുമെന്റേഷൻ, നേരത്തെയുള്ള പാസിംഗ് വർക്ക് എന്നിവ കൈകാര്യം ചെയ്യുന്ന AI ഉള്ളതിനാൽ, ഈ മാറ്റം “കരിയർ മാറ്റിസ്ഥാപിക്കൽ” എന്നതിനേക്കാൾ “ടാസ്ക് മാറ്റിസ്ഥാപിക്കൽ” എന്നതിനോട് അടുത്താണ്. വിലപ്പെട്ടതായി തുടരുന്ന എഞ്ചിനീയർമാർ നിയന്ത്രണങ്ങൾ, സ്ഥിരീകരണം, പ്രായോഗിക ഇടപാടുകൾ എന്നിവ സ്വന്തമാക്കുന്നവരാണ്. ഉത്തരവാദിത്തം ഇപ്പോഴും മനുഷ്യരിൽ തന്നെയാണ്, പ്രത്യേകിച്ച് സുരക്ഷയും അനുസരണവും ഉൾപ്പെടുമ്പോൾ.
ഇലക്ട്രിക്കൽ എഞ്ചിനീയറിംഗിന്റെ ഏതൊക്കെ ഭാഗങ്ങളാണ് AI-ക്ക് ഓട്ടോമേറ്റ് ചെയ്യാൻ ഏറ്റവും എളുപ്പമുള്ളത്?
ടെക്സ്റ്റ് കൂടുതലുള്ളതോ, ആവർത്തിച്ചുള്ളതോ, അല്ലെങ്കിൽ പാറ്റേൺ അടിസ്ഥാനമാക്കിയുള്ളതോ ആയ ജോലികൾ AI പലപ്പോഴും ചെയ്യുന്നു. ഡോക്യുമെന്റേഷൻ, അവലോകനങ്ങൾ സംഗ്രഹിക്കൽ, ചെക്ക്ലിസ്റ്റുകൾ സൃഷ്ടിക്കൽ, ബോയിലർപ്ലേറ്റ് ഫേംവെയർ സ്കാഫോൾഡിംഗ്, ദ്രുത കണക്കുകൂട്ടലുകൾ, ടെസ്റ്റ് ലോഗുകളിലുടനീളം അനോമലി ഡിറ്റക്ഷൻ എന്നിവ ഇതിൽ ഉൾപ്പെടുന്നു. ടോപ്പോളജി ഓപ്ഷനുകളും ഘടക വിഭാഗങ്ങളും ഒരു ആരംഭ പോയിന്റായി നിർദ്ദേശിക്കാനും ഇതിന് കഴിയും. ആത്മവിശ്വാസത്തോടെയുള്ള-പക്ഷേ-തെറ്റായ തെറ്റുകൾ ഒഴിവാക്കാൻ ഈ ഔട്ട്പുട്ടുകൾക്ക് ഇപ്പോഴും മനുഷ്യ പരിശോധന ആവശ്യമാണ് എന്നതാണ് കാച്ച്.
ഏതൊക്കെ ഇലക്ട്രിക്കൽ എഞ്ചിനീയറിംഗ് മേഖലകളാണ് AI ഉപയോഗിച്ച് മാറ്റിസ്ഥാപിക്കപ്പെടാൻ ഏറ്റവും സാധ്യതയില്ലാത്തത്?
ഭൗതിക ലോകവുമായും അതിന്റെ അനന്തരഫലങ്ങളുമായും ഇഴചേർന്നുള്ള ജോലി ഓട്ടോമേറ്റ് ചെയ്യാൻ പ്രയാസമാണ്. പവർ ഇന്റഗ്രിറ്റി, ഇഎംസി/ഇഎംഐ-ഹെവി ഡിസൈൻ, സുരക്ഷാ-നിർണ്ണായക സിസ്റ്റങ്ങൾ, ഉയർന്ന വിശ്വാസ്യതയുള്ള ഹാർഡ്വെയർ, നൂതന ആർക്കിടെക്ചർ തീരുമാനങ്ങൾ എന്നിവ അളക്കൽ, ആവർത്തനം, നിയന്ത്രണങ്ങൾക്കടിയിലുള്ള വിധി എന്നിവയെ ആശ്രയിച്ചിരിക്കുന്നതിനാൽ അവ വളരെ കുറവാണ്. സിസ്റ്റം എഞ്ചിനീയറിംഗും മനുഷ്യ-ഭാരമുള്ളതായി തുടരുന്നു, കാരണം അത് ചർച്ചകൾ, അപകടസാധ്യതകൾ തമ്മിലുള്ള ഇടപാടുകൾ, അവ്യക്തമായ ആവശ്യകതകൾ പ്രതിരോധാത്മക രൂപകൽപ്പനകളിലേക്ക് വിവർത്തനം ചെയ്യൽ എന്നിവയെക്കുറിച്ചാണ്.
ഇലക്ട്രിക്കൽ എഞ്ചിനീയറിംഗിൽ അമിതമായി വിശ്വസിക്കാതെ എനിക്ക് എങ്ങനെ AI ഉപയോഗിക്കാൻ കഴിയും?
ഒരു ഫാസ്റ്റ് ജൂനിയർ സഹതാരത്തെപ്പോലെ AI-യെ പരിഗണിക്കുക: ഡ്രാഫ്റ്റുകൾക്കും പര്യവേഷണങ്ങൾക്കും സൗകര്യപ്രദമാണ്, പക്ഷേ സത്യത്തിന്റെ ഉറവിടമല്ല. ഓപ്ഷനുകൾ, ടെസ്റ്റ് പ്ലാനുകൾ അല്ലെങ്കിൽ ഒരു ഫസ്റ്റ്-പാസ് വിശദീകരണം എന്നിവ ആവശ്യപ്പെടുക, തുടർന്ന് സിമുലേഷൻ, അളവ്, അവലോകനങ്ങൾ എന്നിവ ഉപയോഗിച്ച് സാധൂകരിക്കുക എന്നതാണ് ഒരു സാധാരണ സമീപനം. ഔട്ട്പുട്ടുകൾ “പരിശോധനാ സൗഹൃദ”മായിരിക്കുന്ന വർക്ക്ഫ്ലോകളെ അനുകൂലിക്കുക, അതായത് നിങ്ങൾക്ക് അവ വേഗത്തിൽ പരിശോധിക്കാൻ കഴിയും. അതിന് അതിന്റെ ന്യായവാദം വിശദീകരിക്കാൻ കഴിയുന്നില്ലെങ്കിലോ അനിശ്ചിതത്വം ഫ്ലാഗ് ചെയ്യുന്നില്ലെങ്കിലോ, അധിക അപകടസാധ്യത ഏറ്റെടുക്കുക.
ഇലക്ട്രിക്കൽ എഞ്ചിനീയറിങ്ങിനുള്ള ഒരു "നല്ല" AI ഉപകരണത്തിന് എന്തുചെയ്യാൻ കഴിയും?
EE ജോലികൾക്ക് സഹായകരമായ AI, നിയന്ത്രണങ്ങൾക്കിടയിലും നന്നായി പ്രവർത്തിക്കുന്നു, കൂടാതെ ഡീറേറ്റിംഗ്, തെർമൽ ലിമിറ്റുകൾ, ക്രീപ്പേജ്/ക്ലിയറൻസ്, EMC, ഡ്യൂട്ടി സൈക്കിൾ തുടങ്ങിയ ആകർഷകമല്ലാത്ത യാഥാർത്ഥ്യങ്ങളെ അവഗണിക്കുന്നില്ല. ഇത് കണ്ടെത്താനാകുന്ന ന്യായവാദം നൽകണം, ഡൊമെയ്ൻ പദാവലി കൃത്യമായി ഉപയോഗിക്കണം, നിങ്ങൾക്ക് പരീക്ഷിക്കാനോ അനുകരിക്കാനോ കഴിയുന്ന ഔട്ട്പുട്ടുകൾ നിർമ്മിക്കണം. അനിശ്ചിതത്വം ഉപരിതലത്തിലേക്ക് കൊണ്ടുവരികയും പരിശോധനകൾ നിർദ്ദേശിക്കുകയും ചെയ്യുന്ന "വിനയ നിയന്ത്രണങ്ങൾ" ഇതിന് ആവശ്യമാണ്. അത് ആത്മവിശ്വാസത്തോടെയുള്ള ഉത്തരങ്ങൾ മാത്രം സൃഷ്ടിക്കുകയാണെങ്കിൽ, അത് ഉപകരണത്തേക്കാൾ ശബ്ദമാണ്.
ജൂനിയർ ഇലക്ട്രിക്കൽ എഞ്ചിനീയർമാരെ മുതിർന്ന എഞ്ചിനീയർമാരെ അപേക്ഷിച്ച് AI കൂടുതൽ ബാധിക്കുമോ?
അതെ, പരമ്പരാഗത എൻട്രി ലെവൽ ജോലികൾ AI നന്നായി ഓട്ടോമേറ്റ് ചെയ്യുന്ന കാര്യങ്ങളുമായി ഓവർലാപ്പ് ചെയ്യുന്നതിനാൽ ജൂനിയർമാരാണ് പലപ്പോഴും ആദ്യം അത് അനുഭവിക്കുന്നത്: ഡ്രാഫ്റ്റിംഗ്, ലളിതമായ ഡ്രൈവറുകൾ, ഡോക്യുമെന്റേഷൻ, അടിസ്ഥാന ഡീബഗ് പരിഹാരങ്ങൾ. AI ആ പ്രതിനിധികളെ എടുക്കുകയാണെങ്കിൽ, പരിശീലനത്തെക്കുറിച്ച് ടീമുകൾ കൂടുതൽ മനഃപൂർവ്വം ചിന്തിക്കേണ്ടതുണ്ട്. പ്രായോഗിക ലാബ് സമയം, അളക്കൽ കഴിവുകൾ, ഡീബഗ്ഗിംഗ് സഹജാവബോധം എന്നിവ തേടുന്നതിലൂടെ ജൂനിയർമാർക്ക് മുന്നിൽ നിൽക്കാൻ കഴിയും. ടെസ്റ്റുകൾ ആസൂത്രണം ചെയ്യാനും യഥാർത്ഥ സിഗ്നലുകൾ വ്യാഖ്യാനിക്കാനുമുള്ള കഴിവ് ഒരു വ്യത്യസ്ത ഘടകമായി മാറുന്നു.
AI മെച്ചപ്പെടുന്നതിനനുസരിച്ച് എന്റെ ഇലക്ട്രിക്കൽ എഞ്ചിനീയറിംഗ് കരിയർ എങ്ങനെ ഭാവിയിൽ വിജയിക്കും?
നിയന്ത്രണങ്ങളും പരിശോധനയും സ്വന്തമാക്കുന്ന എഞ്ചിനീയറാകുക എന്നതാണ് ലക്ഷ്യം. സുരക്ഷാ മാർജിനുകൾ, അനുസരണം, ഉൽപ്പാദനക്ഷമത, വിശ്വാസ്യത ലക്ഷ്യങ്ങൾ, താപ, പവർ ബജറ്റുകൾ, പരീക്ഷണക്ഷമത എന്നിവയിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കുക - പ്രായോഗിക ഉത്തരവാദിത്തം പ്രാധാന്യമുള്ള മേഖലകൾ. ഇന്റഗ്രേഷൻ ബഗുകൾ സാധാരണമായ ഹാർഡ്വെയർ/ഫേംവെയർ, അനലോഗ്/ഡിജിറ്റൽ അതിരുകൾ എന്നിവയിലുടനീളം ശക്തമായ ഇന്റർഫേസ് വൈദഗ്ദ്ധ്യം വളർത്തിയെടുക്കുക. ഡ്രാഫ്റ്റുകളും പര്യവേക്ഷണവും ത്വരിതപ്പെടുത്താൻ AI ഉപയോഗിക്കുക, എന്നാൽ നിങ്ങളുടെ പ്രധാന മൂല്യം "മനുഷ്യർ തെളിയിക്കുന്നു, AI നിർദ്ദേശിക്കുന്നു" എന്ന് ഉറപ്പാക്കുക
EMI/EMC പ്രശ്നങ്ങളും PCB ലേഔട്ട് ട്രേഡ്ഓഫുകളും വിശ്വസനീയമായി കൈകാര്യം ചെയ്യാൻ AI-ക്ക് കഴിയുമോ?
AI-ക്ക് പൊതുവായ പരിഹാരങ്ങൾ നിർദ്ദേശിക്കാൻ കഴിയും, എന്നാൽ EMI/EMC ജ്യാമിതി, റിട്ടേൺ പാത്തുകൾ, ഷീൽഡിംഗ്, ഫിൽട്ടറിംഗ് ചോയ്സുകൾ, അളവെടുപ്പ് അടിസ്ഥാനമാക്കിയുള്ള ആവർത്തനം എന്നിവയുമായി കുപ്രസിദ്ധമായി ബന്ധപ്പെട്ടിരിക്കുന്നു. ഒരു മോഡൽ എത്രത്തോളം ആത്മവിശ്വാസത്തോടെ തോന്നുന്നു എന്നത് ലേഔട്ട് പരാദജീവികൾക്കും പാരിസ്ഥിതിക ഘടകങ്ങൾക്കും പ്രശ്നമല്ല. പ്രായോഗികമായി, എഞ്ചിനീയർമാർ ഇപ്പോഴും ലാബിലും അനുസരണ പരിതസ്ഥിതികളിലും സാധൂകരിക്കുകയും ഫലങ്ങളെ അടിസ്ഥാനമാക്കി ആവർത്തിക്കുകയും ചെയ്യേണ്ടതുണ്ട്. AI-ക്ക് ബ്രെയിൻസ്റ്റോമിംഗ് വേഗത്തിലാക്കാൻ കഴിയും, പക്ഷേ അത് "തരംഗരൂപം കാണുന്നതിനും" പരിഹാരം പ്രവർത്തിക്കുന്നുവെന്ന് തെളിയിക്കുന്നതിനും പകരമാവില്ല.
"AI പരീക്ഷകളിൽ വിജയിക്കുന്നു" എന്നത് അതിന് യഥാർത്ഥ ഇലക്ട്രിക്കൽ എഞ്ചിനീയറിംഗ് ജോലി ചെയ്യാൻ കഴിയുമെന്നതിന്റെ സൂചനയാണോ?
ശരിക്കും അങ്ങനെയല്ല, കാരണം പരീക്ഷകൾ എഞ്ചിനീയറിംഗ് ജോലിയുടെ വൃത്തിഹീനമായ യാഥാർത്ഥ്യം പകർത്തുന്നില്ല. ജോലിയിൽ അപൂർണ്ണമായ ആവശ്യകതകൾ, അപ്രതീക്ഷിത സംയോജന പരാജയങ്ങൾ, കണക്ടർ തേയ്മാനം, ശബ്ദ പ്രശ്നങ്ങൾ, വിതരണക്കാരുടെ ആശ്ചര്യങ്ങൾ, വൈകി പ്രത്യക്ഷപ്പെടുന്ന അനുസരണ പരിമിതികൾ എന്നിവ ഉൾപ്പെടുന്നു. ഡിസൈൻ ആകൃതിയിലുള്ള ഔട്ട്പുട്ടുകൾ സൃഷ്ടിക്കാൻ AI-ക്ക് കഴിയും, എന്നാൽ കാര്യങ്ങൾ തകരുമ്പോൾ ട്രേഡ്ഓഫുകൾ, പരിശോധന, ഉത്തരവാദിത്തം എന്നിവ സ്വന്തമാക്കുക എന്നതാണ് ബുദ്ധിമുട്ടുള്ള ഭാഗം. യഥാർത്ഥ എഞ്ചിനീയറിംഗ് തികഞ്ഞ ഉത്തരങ്ങളെക്കുറിച്ചല്ല, അനിശ്ചിതത്വത്തിൽ പ്രതിരോധിക്കാവുന്ന തീരുമാനങ്ങളെക്കുറിച്ചാണ്.
അവലംബം
-
ഓർഗനൈസേഷൻ ഫോർ ഇക്കണോമിക് കോ-ഓപ്പറേഷൻ ആൻഡ് ഡെവലപ്മെന്റ് (OECD) - ഉൽപ്പാദനക്ഷമത, നവീകരണം, സംരംഭകത്വം എന്നിവയിൽ ജനറേറ്റീവ് AI യുടെ സ്വാധീനം - oecd.org
-
ഓർഗനൈസേഷൻ ഫോർ ഇക്കണോമിക് കോ-ഓപ്പറേഷൻ ആൻഡ് ഡെവലപ്മെന്റ് (ഒഇസിഡി) - കൃത്രിമബുദ്ധിയിലേക്കുള്ള പരിവർത്തനത്തിൽ ഉയർന്നുവരുന്ന ഭിന്നതകൾ - oecd.org
-
ഓർഗനൈസേഷൻ ഫോർ ഇക്കണോമിക് കോ-ഓപ്പറേഷൻ ആൻഡ് ഡെവലപ്മെന്റ് (OECD) - AI ഏറ്റവും കൂടുതൽ ബാധിക്കുന്ന തൊഴിലാളികളെ ആരായിരിക്കും? - oecd.org
-
EUR-Lex - EU AI നിയമം - eur-lex.europa.eu
-
നാഷണൽ ഇൻസ്റ്റിറ്റ്യൂട്ട് ഓഫ് സ്റ്റാൻഡേർഡ്സ് ആൻഡ് ടെക്നോളജി (NIST) - AI റിസ്ക് മാനേജ്മെന്റ് ഫ്രെയിംവർക്ക് (AI RMF 1.0) - nist.gov
-
നാഷണൽ ഇൻസ്റ്റിറ്റ്യൂട്ട് ഓഫ് സ്റ്റാൻഡേർഡ്സ് ആൻഡ് ടെക്നോളജി (NIST) - ജനറേറ്റീവ് AI പ്രൊഫൈൽ - nist.gov
-
വേൾഡ് ഇക്കണോമിക് ഫോറം - AI, ഓട്ടോമേഷൻ, ഓഗ്മെന്റേഷൻ: നാളത്തെ ജോലിസ്ഥലത്തെ ജോലികൾ - weforum.org
-
ഇന്റർനാഷണൽ ലേബർ ഓർഗനൈസേഷൻ (ILO) - ജനറേറ്റീവ് AI-യും ജോലികളും: തൊഴിൽപരമായ എക്സ്പോഷറിന്റെ പരിഷ്കരിച്ച ആഗോള സൂചിക - ilo.org
-
ലോക സാമ്പത്തിക ഫോറം - തൊഴിലുകളുടെ ഭാവി റിപ്പോർട്ട് 2025 - weforum.org
-
മക്കിൻസി & കമ്പനി - ജനറേറ്റീവ് AI യുടെ സാമ്പത്തിക സാധ്യതകൾ: അടുത്ത ഉൽപ്പാദനക്ഷമതാ അതിർത്തി - mckinsey.com
-
മക്കിൻസി & കമ്പനി - ജനറേറ്റീവ് AI ഉപയോഗിച്ച് ഡെവലപ്പർ ഉൽപ്പാദനക്ഷമത അഴിച്ചുവിടുന്നു - mckinsey.com
-
BSI ഗ്രൂപ്പ് - EN 60601 ലഘുലേഖ - bsigroup.com
-
BSI ഗ്രൂപ്പ് നോളജ് - IEC 60664-1 (ലോ-വോൾട്ടേജ് വിതരണ സംവിധാനങ്ങൾക്കുള്ള ഉപകരണങ്ങൾക്കുള്ള ഇൻസുലേഷൻ ഏകോപനം) - bsigroup.com
-
ഇന്റർനാഷണൽ ഇലക്ട്രോ ടെക്നിക്കൽ കമ്മീഷൻ (IEC) - അടിസ്ഥാന EMC പ്രസിദ്ധീകരണങ്ങൾ - iec.ch
-
IEC വെബ്സ്റ്റോർ - IEC 61000-4-3 - iec.ch
-
യുഎസ് ഇലക്ട്രോണിക് കോഡ് ഓഫ് ഫെഡറൽ റെഗുലേഷൻസ് (eCFR) - FCC പാർട്ട് 15, സബ്പാർട്ട് ബി - ecfr.gov
-
ടെക്സസ് ഇൻസ്ട്രുമെന്റ്സ് (TI) - SLUP421 - ti.com
-
ഡിഫൻസ് അക്വിസിഷൻ യൂണിവേഴ്സിറ്റി (DAU) - MIL-STD-1547B ബഹിരാകാശ, വിക്ഷേപണ വാഹനങ്ങൾക്കായുള്ള ഇലക്ട്രോണിക് ഭാഗങ്ങൾ, വസ്തുക്കൾ, പ്രക്രിയകൾ (ഡിസംബർ 1992) - dau.edu
-
നാഷണൽ ഇൻസ്ട്രുമെന്റ്സ് (NI) - ISO 26262 ഫങ്ഷണൽ സേഫ്റ്റി സ്റ്റാൻഡേർഡ് - ni.com
-
നാഷണൽ ഇൻസ്റ്റിറ്റ്യൂട്ട് ഓഫ് സ്റ്റാൻഡേർഡ്സ് ആൻഡ് ടെക്നോളജി (NIST) - ഉപകരണ-തല അനോമലി ഫ്രെയിംവർക്ക് (DARE) - nist.gov
-
മിത്സുബിഷി ഇലക്ട്രിക് റിസർച്ച് ലബോറട്ടറീസ് (MERL) - TR2018-097 - merl.com
-
കേഡൻസ് - AI അവലോകനം - cadence.com
-
ആർക്സിവ് - 2310.02059v2 - arxiv.org