حدود 3 سال از انتشار Chatgpt در سال 2022 می گذرد. پس از باز شدن این پلتفرم به دسترسی عمومی ، هر صنعت شروع به استفاده از سیستم های مبتنی بر AI برای افزایش بهره وری از جمله مهندسی الکترونیک کرد. این منطقه مهارت و مهارت سنگین مهندسی نیاز به سنتز دانش گسترده و تجربه دستی دارد ، بنابراین ممکن است تعجب کند که یک سیستم تولیدی مانند Chatgpt می تواند در این زمینه جای بگیرد.
متأسفانه ، بدون کمی مهندسی سریع و فشار آوردن به شفاف سازی در پاسخ های بیش از حد ، مدل های تولید کننده AI مانند ChatGPT نتایج بیش از حد یا اشتباه را به دست می آورند. مشکل دقت در مورد اطلاعات بسیار فنی حاصل از یک سیستم عمومی مانند ChatGPT کاملاً مشهور است. اگرچه نتایج کامل نیستند ، اما موارد ساده ای وجود دارد که کاربر می تواند برای مجبور کردن چتپت انجام دهد تا در کارهای بسیار خاص نتایج مفید تری داشته باشد.
چه چیزی می توانید با ChatGPT مهندسی کنید؟
قبل از اینکه به آنچه می توانید با chatgpt ایجاد کنید ، مهم است که بدانید چتپپ چه کاری می تواند انجام دهد. هنگامی که این سیستم در ابتدا برای عموم افتتاح شد ، می توان مدل های سفارشی را تغییر داد و مکالمه هایی را با ChatGPT انجام داد. این بدان معناست که نتایج شما توانستید از چتپ به شدت به مهندسی سریع وابسته باشند. به عبارت دیگر ، شما باید اطلاعات زیر را ارائه دهید:
1. به طور واضح بیان کنید که اطلاعاتی که شما به دنبال آن هستید و چه چیزی به دنبال آن نیستید
2. آنچه را که سیستم باید و نباید انجام دهد را تنظیم کنید (خاص تر بهتر است)
3. نحوه فرمت پاسخ را بیان کنید (طول کلمه ، جداول ، لیست های گلوله ای)
4. لحن پاسخ را مطرح کنید (حرفه ای ، غیررسمی ، پیشرفته در مقابل ساده گرایانه)
این منجر به ایجاد دانش بسیار مفید بسیار می شود ، اما نتایج به طور دائمی مبتنی بر دانش است که تقریباً یک تا دو سال به تأخیر می افتد.
قابلیت های جدید در سیستم اکنون به کاربران امکان می دهد داده ها و اطلاعات بسیار تخصصی تری کسب کنند. مدل استاندارد که در پس زمینه اجرا می شود احتمالاً حاوی اطلاعات مورد نیاز شما است ، اما از سر و صدای اطلاعات عمومی گرایانه شلوغ است که ممکن است مشاوره عملی برای پرس و جو مهندسی ارائه ندهد. جدیدترین قابلیت ها در چتپ توسط بینگ و همچنین افزونه های شخص ثالث ارائه شده است:
1. قابلیت جستجوی و مرور
2. خواندن URL های خاص ارائه شده در یک سریع
3. خواندن پرونده های PDF
4. خواندن متن از فیلم ها
5. تهیه اطلاعات از انتشارات علمی
6. تفسیر کد و یافتن اشکال
اکنون که می دانیم این سیستم ها چه کاری می توانند انجام دهند ، و چگونه می توان از آنها استفاده کرد ، در اینجا برخی از کارهای مهندسی که می توانید با چتپپ و افزونه های یکپارچه شخص ثالث انجام دهید ، آورده شده است.
استانداردهای صنعت
یک مجموعه از داده هایی که به آرامی تغییر می کنند و احتمالاً هنوز در مجموعه داده های ChatGPT رمزگذاری شده است ، استانداردهای صنعت است. در حالی که متن دقیق در استانداردهای صنعت در پشت یک Paywall قفل شده است ، آنقدر در مورد این استانداردها نوشته شده است که Chatgpt می تواند لیستی دقیق از استانداردهای مربوط به آزمایش ESD برای محصولات تجاری ارائه دهد. و یک لیست و توضیحات کوتاه از روشهای آزمایشی که برای تعیین ثابت دی الکتریک خطوط انتقال در a استفاده می شودPCB.
یادگیری از برگه داده ها و یادداشت های برنامه
اکنون که می توان از ChatGPT برای جستجوی وب استفاده کرد ، از جمله پیوندهای خاص به PDF های موجود در اینترنت ، می توان از آن برای به دست آوردن داده ها از برگه های داده و یادداشت های برنامه استفاده کرد. به جای اینکه امیدوار باشید ChatGPT داده هایی را از یادداشت برنامه خاص شما یا برگه داده خود ایجاد کند ، می توانید URL های خاص سیستم و دانش پرس و جو را از آن ارائه دهید. برخی از مطالب ساده عبارتند از:
توضیحی از عملکردهای اصلی و ویژگی های مؤلفه ارائه دهید
دامنه مقادیر خازن مورد نیاز در پین X را روی مؤلفه محاسبه کنید
برای این برنامه ، ویژگی واقعاً مهم است. ممکن است لازم باشد خیلی بیشتر از URL و MPN مشخص کنید. از ویژگی های مؤلفه ، مشخصات و شماره های صفحه به عنوان بخشی از سریع استفاده کنید تا درخواست شما خاص تر شود.
محاسبات اساسی
بیشتر کارهای مهندسی به برخی فرمول ها و محاسبات اساسی نیاز دارند. این محاسبات می تواند در اطراف طراحی مدار ، انتخاب مؤلفه یا طراحی PCB باشد. برخی از نمونه ها عبارتند از:
من یک ترانسفورماتور سفارشی برای مبدل بازپرداخت دارم. اگر ورودی من ولتاژ اصلی باشد ، القاء سیم پیچ اولیه ، نسبت چرخش و ولتاژ/جریان را محاسبه کنید.
یک تنظیم کننده سوئیچینگ دارای القاء کل 10 UH است و با دامنه 300 میلی ولت ، زنگ قابل توجهی را نشان می دهد. اگر تعویض کننده های من هستند
این بهترین استفاده و تأیید شده است که طراح در حال حاضر تجربه ای در زمینه ای داشته باشد که محاسبات در آن اعمال می شود اما فرمول هایی را به خاطر نمی آورد. محاسبات اساسی مورد استفاده به طور معمول مشهور است ، اما این احتمال وجود دارد که ChatGPT به درستی از فرمول ها استفاده نکند. به عنوان مثال ، ممکن است یک نماینده را حذف کند یا فرمول اشتباه را به اشتباه اعمال کند. این وظیفه شماست که نتایج را به دست آورید و بتوانید وقتی یک فرمول نادرست به نظر برسد ، متوجه شوید.
تولید کد برای سیستم های تعبیه شده
نوشتن و بررسی کد برای ChatGPT جدید نیست ، اما چالش سیستم های تعبیه شده این است که آنها به شدت نحو خاص هستند. اکنون با امکان جستجوی اینترنت و خواندن PDF ها ، می توان کد خاص پردازنده را از زبان های استاندارد با مجموعه مناسب ارسال ها تولید کرد. این منطقه دیگری است که ویژگی آن بسیار مهم است ، و درخواست های شما به طور معمول موارد زیر را شامل می شود:
زبانی را که می خواهید کد در آن باشد بیان کنید
درخواست کنید که کد تولید شده شامل تمام وابستگی ها به عنوان واردات باشد
کد درخواست بر اساس عملکرد به عملکرد تولید می شود
انواع داده های خاص را که به عنوان ورودی و خروجی استفاده می شود ، بیان کنید
اگر داده های خروجی الفبایی است ، حتما قالب بندی/رمزگذاری مربوطه را مشخص کنید
پیوندهایی به هر کتابخانه ، برگه های داده ، کد/راهنماهای Bringup ارائه دهید
تولید کد گاهی اوقات به یک سری اعلان نیاز دارد ، جایی که کاربر درخواست می کند به کد ترفند می کند یا بازخوردی را در مورد خطاها ارائه می دهد. تولید کد همچنین به کاربر نیاز دارد تا نتایج را در یک برنامه تشکیل دهد ، بنابراین شما باید دانش برنامه نویسی داشته باشید و نباید انتظار داشته باشید که ChatGPT یک پایگاه کد آماده استفاده کند.
در مورد سایر سیستم عامل های مبتنی بر GPT چیست؟
ChatGPT با یک گزینه اشتراک ساده که امکان دسترسی به تمام قابلیت های نشان داده شده در بالا را فراهم می کند ، بسیار محبوب است. علاوه بر این ، مدل ها و سیستم عامل های شخص ثالث وجود دارد که از طریق API بر روی چتپ ساخته می شوند و قابلیت های اضافی را برای هوش مصنوعی تولید می کنند. در حالی که ChatGPT و این سیستم عامل های مرتبط نمی توانند طرح های شما را برای شما تکمیل کنند ، این سیستم ها می توانند قابلیت های دیگری را به شما ارائه دهند که می تواند بخشی از گردش کار مهندسی شما باشد.
فقط به یاد داشته باشید ، همه این سیستم عامل های جایگزین به شدت به مهندسی سریع متکی هستند. اگر سریعاً سریعاً مهندسی نمی کنید ، وقتی نتایج بیش از حد یا نادرست است ، تعجب نکنید. از آنجا که سیستم عامل های هوش مصنوعی توانایی بیشتری در برقراری ارتباط با سایر سیستم های دیجیتال و انجام کارهای تعاملی کسب می کنند ، همچنان به عنوان راهی برای اطمینان از کسب بهترین نتیجه با حداقل عملکرد و نظارت ، روی مهندسی سریع تمرکز کنید.