فورد مهندسان باتجربه را برای بهبود هوش مصنوعی بازمی گرداند

فورد مهندسان باتجربه را بازمی‌گرداند تا خلأهای هوش مصنوعی را رفع کند

فورد به‌طور آرام و بدون هیاهو بخش‌هایی از تلاش اخیرش برای اتوماسیون را معکوس کرده و مهندسان و تکنسین‌های باتجربه را دوباره به کار گرفته تا سیستم‌های هوش مصنوعی را که نتوانستند نتایج مورد انتظار را ارائه دهند تقویت کند. اتوماسیون مبتنی بر هوش مصنوعی که زمانی به‌عنوان راهی کوتاه‌تر برای توسعه سریع‌تر و کاهش نیروی انسانی ستایش می‌شد، کمبود دانش سازمانی را نشان داد و خودروساز اکنون در حال بازسازی آن لایه انسانی است.

چه چیزی اشتباه پیش رفت: شتاب بیش از حد، داده‌های ناکافی

مدیران شرکت فرض کرده بودند که مدل‌های یادگیری ماشین و الزامات طراحی سخت‌تر می‌توانند جایگزین سال‌ها تجربه مهندسی عملی شوند. اما همان‌طور که فورد آموخت، کارآمدی هوش مصنوعی در توسعه خودرویی تا حد زیادی به کیفیت و زمینه داده‌های آموزشی وابسته است. بسیاری از مهندسان باتجربه در دورهای قبلی تعدیل نیرو کنار گذاشته شدند و دانش ضمنی آن‌ها پیش از اینکه بتوان آن را در الگوریتم‌ها و مجموعه‌داده‌ها رمزنگاری کرد، از دست رفت.

چالز پون، معاون مهندسی سخت‌افزار وسایل نقلیه در فورد، می‌پذیرد که شرکت نقش تخصص سازمانی را دست‌کم گرفته بود. به‌جای کنار گذاشتن کامل اتوماسیون، فورد رویکردی ترکیبی اتخاذ کرده است: بازادغام افراد ماهر برای قابل‌اعتمادتر کردن هوش مصنوعی.

بازگشت به کار و بازسازی تخصص

گزارش شده که فورد بیش از 350 مهندس باتجربه را دوباره به‌کار گرفته، ارتقا داده یا به تیم افزوده است تا لایه تخصصی که از بین رفته بود بازسازی شود. مأموریت آن‌ها دووجهی است:

• پاک‌سازی و بهبود مجموعه‌داده‌های پایه‌ای که برای آموزش مدل‌های هوش مصنوعی استفاده می‌شوند
• راهنمایی مهندسان جوان‌تر و بازگرداندن روش‌های اثبات‌شده کنترل کیفیت

این مهندسان باتجربه روی بهبود مسیرهای داده، بازبینی پروتکل‌های آزمایش و اطمینان از اینکه سیستم‌های هوش مصنوعی استثناهای دنیای واقعی را قبل از رسیدن به مشتریان شناسایی کنند، کار خواهند کرد.

"نگهبانان قدیمی می‌دانند چگونه مشکلات را زود شناسایی کنند، قبل از اینکه به مسائل یکپارچگی نرم‌افزار و سخت‌افزار تبدیل شوند," پون توضیح داد و بر ارزش تجربه در پیشگیری از خطا و تحلیل علت ریشه‌ای تأکید کرد.

تقویت سرمایه‌گذاری در هوش مصنوعی اما هوشمندانه‌تر

فورد هوش مصنوعی را رها نمی‌کند. در واقع، شرکت دامنه آزمایش‌های مبتنی بر هوش مصنوعی خود را گسترش می‌دهد و بیش از 100,000 آزمایش مبتنی بر هوش مصنوعی را برای شناسایی ناهنجاری‌ها و تحت فشار قرار دادن سیستم‌های نرم‌افزاری اضافه می‌کند. هدف ترکیب پوشش تست خودکار با نظارت انسانی است تا کیفیت و اطمینان‌پذیری به‌طور همزمان بهبود یابند.

نکات برجسته:

• 350+ مهندس باتجربه بازاستخدام یا دوباره تخصیص یافته
• 100,000+ آزمایش جدید مبتنی بر هوش مصنوعی به روندهای اعتبارسنجی افزوده شده
• ادامه سرمایه‌گذاری در اتوماسیون همراه با تخصص انسانی

زمینه صنعت و بینش بازار

این تصحیح در فورد درس وسیع‌تری برای خودروسازان نشان می‌دهد: هوش مصنوعی می‌تواند طراحی و تست را تسریع کند، اما نمی‌تواند فوراً جای تخصص حوزه را بگیرد. برای سیستم‌های پیچیده‌ای مانند خودروهای مدرن که سخت‌افزار، فرم‌ور و خدمات ابری باید به‌صورت یکپارچه ادغام شوند، توازن بین اتوماسیون و قضاوت انسانی حیاتی است.

در حالی که سازندگان در رقابت برای عرضه وسایل نقلیه مبتنی بر نرم‌افزار و سیستم‌های پیشرفته کمک‌راننده هستند، اقدام فورد یک تغییر عمل‌گرایانه را نشان می‌دهد: سرمایه‌گذاری در هوش مصنوعی، اما حفاظت و ثبت دانش بومی مهندسان باتجربه برای حفظ کنترل کیفیت، اطمینان‌پذیری و اعتماد مشتریان.

برای مصرف‌کنندگان و ناظران صنعت، نتیجه واضح است: هوش مصنوعی مهندسی خودروسازی را بازشکل خواهد داد، اما عنصر انسانی همچنان ضروری است.