ટૂંકો જવાબ: ઇલેક્ટ્રિકલ એન્જિનિયરોને એકસાથે બદલવામાં આવશે નહીં, પરંતુ AI પુનરાવર્તિત કાર્યનો વાજબી હિસ્સો લેશે: ડ્રાફ્ટિંગ, દસ્તાવેજીકરણ, બોઈલરપ્લેટ ફર્મવેર અને ફર્સ્ટ-પાસ ડિઝાઇન. જો તમારું કામ મોટે ભાગે "પેટર્ન એક્ઝિક્યુશન"નું હોય, તો તમને દબાણનો અનુભવ થશે; જો તમારી પાસે મર્યાદાઓ, ચકાસણી અને સલામતીના નિર્ણયો હોય, તો AI એક બળ-ગુણાકાર બની જાય છે.
મુખ્ય બાબતો:
કાર્ય શિફ્ટ : માનવ દેખરેખ રાખીને, ડ્રાફ્ટિંગ, સારાંશ, ચેકલિસ્ટ અને ઝડપી ગણતરીઓને સ્વચાલિત કરો.
મર્યાદાઓ : થર્મલ, EMC, ડેરેટિંગ, ક્રીપેજ અને વિશ્વસનીયતા મર્યાદાઓમાં નિપુણતા મેળવીને મૂલ્યવાન રહો.
ચકાસણી : AI આઉટપુટને પૂર્વધારણા તરીકે ગણો; સિમ્યુલેશન, માપન અને શિસ્તબદ્ધ પરીક્ષણ યોજનાઓ દ્વારા પુષ્ટિ કરો.
જવાબદારી : માનવીઓ પાલન, સલામતી-મહત્વપૂર્ણ નિર્ણયો અને નિષ્ફળતાના પરિણામો માટે જવાબદાર રહે છે.
જુનિયર અસર : જો AI પ્રારંભિક "એપ્રેન્ટિસશીપ" કાર્ય છોડી દે તો જુનિયર્સને વધુ લેબ પ્રતિનિધિઓ અને ડિબગીંગ પ્રેક્ટિસની જરૂર પડે છે.
આ પ્રશ્ન ખૂબ જ જોરથી પૂછવામાં આવે છે. એટલા માટે નહીં કે ઇલેક્ટ્રિકલ એન્જિનિયરિંગ નાજુક છે (એવું નથી), પરંતુ એટલા માટે કે AI એ એવા કામમાં નિરાશાજનક રીતે સક્ષમ છે જે એક સમયે - જો પવિત્ર ન હોય તો - ઓછામાં ઓછું સુરક્ષિત રીતે માનવ લાગતું હતું. ડ્રાફ્ટિંગ, સારાંશ, શોધ, પેટર્ન-સ્પોટિંગ, અને ધુમ્મસભર્યા વિચારને એવી વસ્તુમાં ફેરવો જે "પૂર્ણ" દેખાય 🧠⚡ OECD મેકકિન્સે
તો, શું ઇલેક્ટ્રિકલ એન્જિનિયરોનું સ્થાન AI લેશે? વધુ સારો જવાબ નાટકીય હા કે ના નથી. તે આ રીતે વધુ વાંચે છે: કેટલાક કાર્યો ખાઈ જશે, કેટલાક ટર્બોચાર્જ્ડ થઈ જશે, અને કેટલાક હઠીલા માનવ રહેશે . વર્લ્ડ ઇકોનોમિક ફોરમ ILO
નીચે સંપૂર્ણ માહિતી છે - શું ઓટોમેટિક છે, શું નથી, આ ક્યાં જઈ રહ્યું છે, અને કેવી રીતે મૂલ્યવાન રહેવું (પોતે રોબોટ બન્યા વિના 🤖).
આ પછી તમને વાંચવા ગમશે તેવા લેખો:
🔗 શું AI રેડિયોલોજિસ્ટનું સ્થાન લેશે?
આજે મેડિકલ ઇમેજિંગમાં ઓટોમેશન શું કરી શકે છે અને શું નહીં.
🔗 શું AI એકાઉન્ટન્ટ્સનું સ્થાન લેશે?
AI કેવી રીતે બુકકીપિંગ, ઓડિટ અને એકાઉન્ટિંગ કારકિર્દીના માર્ગને અસર કરે છે.
🔗 શું AI રોકાણ બેન્કરોનું સ્થાન લેશે?
કાર્યો AI બેંકિંગમાં સ્વચાલિત થઈ શકે છે, અને જે માનવ રહે છે.
🔗 શું AI ડેટા વિશ્લેષકોનું સ્થાન લેશે: વાસ્તવિક વાત
વિશ્લેષણાત્મક કાર્ય, સાધનો અને નોકરીની સુરક્ષા પર એક સ્પષ્ટ નજર.
૧) “શું ઇલેક્ટ્રિકલ એન્જિનિયરોને AI દ્વારા બદલવામાં આવશે?” નો સ્પષ્ટ જવાબ 😬
ઇલેક્ટ્રિકલ એન્જિનિયરોને બલ્કમાં બદલવામાં આવશે નહીં. પરંતુ નોકરીના કેટલાક ભાગો પહેલાથી જ બદલી દેવામાં આવ્યા છે. વર્લ્ડ ઇકોનોમિક ફોરમ OECD
જે થઈ રહ્યું છે તે "કાર્ય બદલી" છે, "કારકિર્દી બદલી" નહીં. ILO OECD
AI આમાં સરકી રહ્યું છે:
-
પુનરાવર્તિત દસ્તાવેજીકરણ 📄
-
ફર્સ્ટ-પાસ ડિઝાઇન અને ડ્રાફ્ટ્સ ✍️
-
કોડ અને રૂપરેખાંકનોમાં ભૂલ શોધવી 🧩
-
ટેસ્ટ-ડેટા વિશ્લેષણ અને વિસંગતતા શોધ 📈
અને તે નમ્રતાથી અંદર પણ સરકી રહ્યો નથી. તે માર્કર સાથે નાના બાળકની જેમ ઘૂસી જાય છે.
પરંતુ ઇલેક્ટ્રિકલ એન્જિનિયરની સંપૂર્ણ ભૂમિકામાં ફક્ત એક સુઘડ યોજના બનાવવા કરતાં ઘણું વધારે શામેલ છે. તેમાં જવાબદારી, સલામતી, ટ્રેડઓફ્સ, ભૌતિક મર્યાદાઓ, પાલન, અનિયંત્રિત આવશ્યકતાઓ અને ક્યારેક "આ કામ કરવું જોઈએ પણ તે કરતું નથી અને કોઈને ખબર નથી કે શા માટે" પરિસ્થિતિનો સમાવેશ થાય છે 😵💫 NIST AI RMF BSI EN 60601
પરિણામોની માલિકી ધરાવતું નથી NIST AI RMF EU AI એક્ટ (EUR-Lex)
તો હા, શું ઇલેક્ટ્રિકલ એન્જિનિયરોને AI દ્વારા બદલવામાં આવશે? કેટલાક લોકો જો ફક્ત સરળતાથી ઓટોમેટિક સ્લાઇસ કરે તો તેમને પોતાને બદલવામાં આવ્યાનો અનુભવ થશે. મોટાભાગના લોકો એવું નહીં કરે, કારણ કે ભૂમિકા સ્લાઇસ કરતાં મોટી છે.
૨) ઇલેક્ટ્રિકલ એન્જિનિયરિંગના કામ માટે AI નું સારું વર્ઝન શું બનાવે છે? ✅🤝
બધી જ AI મદદરૂપ નથી હોતી. તેમાંથી કેટલીક માત્ર આત્મવિશ્વાસપૂર્ણ અવાજ અને મૈત્રીપૂર્ણ સ્વર છે. સુંદર, પણ ના. NIST GenAI પ્રોફાઇલ
ઇલેક્ટ્રિકલ એન્જિનિયરિંગ માટે AI ના સારા સંસ્કરણમાં સામાન્ય રીતે આ હોય છે:
-
મર્યાદા જાગૃતિ : તે વોલ્ટેજ રેટિંગ્સ, થર્મલ મર્યાદાઓ, EMC વાસ્તવિકતા, ક્રીપેજ, ક્લિયરન્સ, ડ્યુટી ચક્ર, ડિરેટિંગ... ને અવગણતું નથી જે ઉત્પાદનોને બચાવે છે 🔥 TI BSI IEC 60664-1 IEC EMC MIL-STD-1547B
-
ટ્રેસેબલ રિઝનિંગ : તે સમજાવી શકે છે કે તેણે કોઈ અભિગમ કેમ પસંદ કર્યો, ફક્ત જવાબ ફેંકી દેવાનો નહીં 🧠 NIST AI RMF
-
ડોમેન શબ્દભંડોળ : તે "ડેટાશીટ", "સહનશીલતા સ્ટેક", "લૂપ સ્થિરતા", "ફેઝ માર્જિન", "ગ્રાઉન્ડ રીટર્ન" બોલે છે, બાળકની વાત કર્યા વિના 📚
-
પુનરાવર્તિત સહયોગ : જ્યારે તમે કહો છો કે "આ 4-સ્તરનું બોર્ડ છે જેમાં સ્વિચિંગ અવાજ છે અને સસ્તું કનેક્ટર છે" ત્યારે તે તૂટી પડતું નથી 😅
-
ચકાસણી-મૈત્રીપૂર્ણ આઉટપુટ : તે એવી વસ્તુઓ ઉત્પન્ન કરે છે જે તમે પરીક્ષણ, અનુકરણ અથવા સમીક્ષા કરી શકો છો - ફક્ત વાઇબ્સ જ નહીં ⚙️ NIST AI RMF
-
નમ્રતા નિયંત્રણો (હા, ખરેખર): તે અનિશ્ચિતતાને ચિહ્નિત કરે છે, ચકાસણી સૂચવે છે, અને એવું ડોળ કરતું નથી કે તેણે તરંગસ્વરૂપ માપ્યું છે 🫠 NIST GenAI પ્રોફાઇલ
જો કોઈ AI ટૂલ મર્યાદાઓ હેઠળ કાર્ય ન કરી શકે, તો તે ચીઝથી બનેલા સ્ક્રુડ્રાઈવર જેવું છે. તકનીકી રીતે એક ટૂલ... વ્યવહારિક રીતે નહીં.
૩) જ્યાં AI પહેલાથી જ ઇલેક્ટ્રિકલ એન્જિનિયરિંગના ભાગોને બદલે છે (શાંતિથી) 🧠⚡
અહીં એ છે કે AI પહેલેથી જ સમય માંગી લે તેવા કાર્યમાં વ્યસ્ત છે, ખાસ કરીને તે ટીમોમાં જે તેને અપનાવે છે:
મુસદ્દો તૈયાર કરવો અને દસ્તાવેજીકરણ
-
નોંધોને જરૂરી દસ્તાવેજોમાં રૂપાંતરિત કરવી
-
ડિઝાઇન સમીક્ષાઓનો સારાંશ
-
પરીક્ષણ પ્રક્રિયાઓ અને ચેકલિસ્ટ્સ બનાવવી
-
ફર્મવેર ટિપ્પણીઓ અને README ફાઇલો OECD
આ આકર્ષક કામ નથી, પણ તેમાં ઘણા કલાકો લાગે છે. AI કલાકો ખાઈ જાય છે 🍽️
ફર્સ્ટ-પાસ સર્કિટ અને ફર્મવેર સ્કેફોલ્ડિંગ
-
પાવર સ્ટેજ માટે ટોપોલોજી વિકલ્પો સૂચવવા
-
સ્ટાર્ટર એમ્બેડેડ કોડ જનરેટ કરી રહ્યા છીએ (ડ્રાઇવર્સ, સ્ટેટ મશીનો, કોમ સ્કેલેટન્સ)
-
ઘટક "વર્ગો" (ચોક્કસ ભાગો નહીં, પરંતુ શ્રેણીઓ) પ્રસ્તાવિત કરી રહ્યા છીએ મેકકિન્સે
આ તે જગ્યા છે જ્યાં લોકો ડરી જાય છે કારણ કે તે એન્જિનિયરિંગ જેવું લાગે છે. તે છે - પરંતુ "પ્રથમ પાસ" એ અંતિમ ભોજન નથી.
ડીબગ પેટર્ન ઓળખ
તે એક અતિસક્રિય ઇન્ટર્ન જેવું છે જે ક્યારેય સૂતો નથી અને નાસ્તો માંગતો નથી. ખતરનાક અને ઉપયોગી 😆
૪) ઇલેક્ટ્રિકલ એન્જિનિયરિંગમાં AI કઈ બાબતોનો સામનો કરે છે (ઉર્ફે સ્ટીકી વસ્તુ) 🧷
વાસ્તવિકતા જ્યાં ટકરાય છે ત્યાં AI સૌથી વધુ સંઘર્ષ કરે છે. ઇલેક્ટ્રિકલ એન્જિનિયરિંગ વાસ્તવિકતાથી ભરેલું છે.
ભૌતિક દુનિયાને આત્મવિશ્વાસની પરવા નથી
AI ચોક્કસ સંભળાઈ શકે છે. ભૌતિકશાસ્ત્રને કોઈ ફરક પડતો નથી. લેઆઉટ પરોપજીવી, EMI, કંપન, ભેજ, કનેક્ટર વસ્ત્રો, સીમાંત ઘટકો - આ સ્લાઇડ્સની બહાર રહેતા ઉત્પાદનોના "આશ્ચર્યજનક કર" છે. IEC EMC FCC ભાગ 15
ગ્રાઉન્ડિંગ, EMI અને લેઆઉટ ટ્રેડઓફ્સ
તમે ટેક્સ્ટ પ્રિડિક્શન વડે EMI ને સંપૂર્ણપણે ઉકેલી શકતા નથી. તમે તેને આ રીતે ઉકેલી શકો છો:
-
ભૂમિતિ
-
પાછા ફરવાના રસ્તાઓ
-
શિલ્ડિંગ અને ફિલ્ટરિંગ પસંદગીઓ
-
માપન
-
પુનરાવર્તન IEC 61000-4-3 IEC EMC
AI સુધારા સૂચવી શકે છે, પરંતુ તેને ચેમ્બર ટેસ્ટમાં નિષ્ફળતાની ગંધ આવતી નથી. એન્જિનિયરો 👃⚡
જરૂરિયાતોની વાટાઘાટો અને હિસ્સેદારોનો ગૂંચવાડો
અડધું કામ અનુવાદનું છે:
-
"તેને નાનું બનાવો"
-
"તેને સસ્તું બનાવો"
-
"તેને અનુપાલન પાસ કરાવો"
-
"આવતા અઠવાડિયે મોકલી આપજો"
એક ટકી શકાય તેવી ડિઝાઇનમાં. AI રાજકારણ, જોખમ કે દોષનો માલિક નથી. માનવીઓ (હા?) 😅
જવાબદારી અને સલામતી
જ્યારે વીજ પુરવઠો નિષ્ફળ જાય છે, તબીબી ઉપકરણ બગડે છે, અથવા બેટરી પેક આગમાં ફેરવાઈ જાય છે - ત્યારે કોઈએ રક્ષણાત્મક નિર્ણયો લીધા હોવા જોઈએ. BSI EN 60601 NI ISO 26262
AI સામેલ હોઈ શકે છે, પરંતુ તે જવાબદાર પક્ષ ન હોઈ શકે. તે મહત્વનું છે. ઘણું બધું. EU AI એક્ટ (EUR-Lex) NIST AI RMF
૫) ઇલેક્ટ્રિકલ એન્જિનિયરિંગમાં ઓટોમેશનના સૌથી વધુ સંપર્કમાં આવતી નોકરીઓ 🎯
કેટલીક પેટા-ભૂમિકાઓ અન્ય કરતા ઝડપથી બદલાશે. એટલા માટે નહીં કે તે "નાના" છે - ફક્ત એટલા માટે કે તેમાં વધુ પુનરાવર્તિત પેટર્ન છે.
વધુ ખુલ્લા:
-
જાણીતા ટેમ્પ્લેટ્સમાંથી નિયમિત યોજનાકીય મુસદ્દો તૈયાર કરવો
-
બેઝિક એમ્બેડેડ બોઈલરપ્લેટ (init કોડ, કોમન પ્રોટોકોલ, ગ્લુ લોજિક) મેકકિન્સે
-
પરીક્ષણ અહેવાલ જનરેશન અને પાલન કાગળ ફોર્મેટિંગ
-
ઘટક સંશોધન સારાંશ (કૃપા કરીને માનવ ચકાસણી સાથે)
-
સરળ PCB લેઆઉટ પુનરાવર્તન (પરિચિત સર્કિટ વારંવાર મૂકવા)
ઓછા ખુલ્લા:
-
પાવર ઇન્ટિગ્રિટી + EMC-હેવી ડિઝાઇન IEC EMC
-
સલામતી-નિર્ણાયક સિસ્ટમો NI ISO 26262
-
ઉચ્ચ-વિશ્વસનીયતા હાર્ડવેર (કઠોર વાતાવરણ, લાંબું આયુષ્ય) MIL-STD-1547B
-
નવીન સ્થાપત્ય કાર્ય (નવી મર્યાદાઓ, નવી નિષ્ફળતા પદ્ધતિઓ)
-
સિસ્ટમ્સ એન્જિનિયરિંગ (વિવિધ શાખાઓમાં અનુવાદકની ભૂમિકા)
તો જો કોઈ ફરીથી પૂછે, શું ઇલેક્ટ્રિકલ એન્જિનિયર્સની જગ્યાએ AI આવશે? તમારું કાર્ય જેટલું વધુ "પેટર્ન એક્ઝિક્યુશન" હશે, તેટલું વધુ AI તમને પડછાયો આપી શકે છે. તમારું કાર્ય જેટલું વધુ "વાસ્તવિકતાનું માલિકી" હશે, તેટલું વધુ AI તમારા સહાયક બનશે.
૬) સરખામણી કોષ્ટક: સામાન્ય AI વિકલ્પો જે EE ને મદદ કરે છે 🧰🤖
(આ શ્રેણીઓ છે, જાદુઈ બ્રાન્ડ્સ નહીં. વાસ્તવિક ટીમો ઘણીવાર થોડીક ભેળસેળ કરે છે.)
| સાધન / વિકલ્પ | પ્રેક્ષક | કિંમત | તે કેમ કામ કરે છે (ish) |
|---|---|---|---|
| એમ્બેડેડ કાર્ય માટે AI કોડ સહાયક | ફર્મવેર-હેવી EEs | સબ્સ્ક્રિપ્શન માટે મફત | ઝડપી બોઈલરપ્લેટ + રિફેક્ટર, પણ ક્યારેક આત્મવિશ્વાસથી ખોટું... જાણે કોઈ મોટેથી લેબ મેટ 😬 arXiv McKinsey |
| AI-ઉન્નત સર્કિટ સિમ્યુલેટર સંકેતો | એનાલોગ/પાવર ડિઝાઇનર્સ | સબ્સ્ક્રિપ્શન | ટોપોલોજીઓનું અન્વેષણ કરવામાં મદદ કરે છે અને "સ્પષ્ટ" રૂપરેખાંકન ભૂલો પકડે છે - હજુ પણ વાસ્તવિક સિમ + નિર્ણયની જરૂર છે NIST AI RMF |
| પરીક્ષણ માટે જરૂરીયાતો જનરેટર | સિસ્ટમ્સ + માન્યતા | ટીમ / એન્ટરપ્રાઇઝ | સ્પેક્સને ઝડપથી ટેસ્ટ કેસોમાં ફેરવે છે; અનગ્લામરસ કલાકો બચાવે છે, પરંતુ મુશ્કેલ એજ કેસ ચૂકી શકે છે NIST AI RMF |
| લોગ + વેવફોર્મ એનોમલી ડિટેક્ટર | ટેસ્ટ એન્જિનિયરો | સબ્સ્ક્રિપ્શન | વિશાળ ડેટાસેટ્સમાં પેટર્ન શોધવામાં ઉત્તમ; જ્યાં સુધી તમે તેને માર્ગદર્શન ન આપો ત્યાં સુધી "શા માટે" સમજાતું નથી NIST DARE |
| AI-સહાયિત PCB પ્લેસમેન્ટ હેલ્પર | લેઆઉટ + હાર્ડવેર | એન્ટરપ્રાઇઝ | પુનરાવર્તિત પ્લેસમેન્ટને ઝડપી બનાવે છે; રૂટીંગ + EMI શિસ્ત માટે હજુ પણ એવા માણસની જરૂર છે જે પહેલા બળી ગયો હોય 🔥 કેડન્સ |
| AI દસ્તાવેજીકરણ + સમીક્ષા સારાંશકર્તા | દરેક વ્યક્તિ | મુક્ત-પ્રેમી | મીટિંગ સ્લજ કાપી નાખે છે; સમીક્ષાઓ શોધી શકાય તેવી બનાવે છે - ક્યારેક ખોટી વસ્તુનો સારાંશ આપે છે... અરે વાહ NIST GenAI પ્રોફાઇલ |
થીમ પર ધ્યાન આપો: AI આઉટપુટને વેગ આપે છે , પરંતુ એન્જિનિયરો વાસ્તવિકતાને માન્ય કરે છે . બસ આ જ નૃત્ય છે. NIST AI RMF
૭) ઇલેક્ટ્રિકલ એન્જિનિયરની ભૂમિકા કેવી રીતે બદલાય છે (અને જુનિયર્સ તેને પહેલા કેમ અનુભવે છે) 👣⚡
આ ભાગ થોડો અસ્વસ્થતાભર્યો છે, તેથી હું તેને સ્પષ્ટપણે કહીશ.
AI "એપ્રેન્ટિસશીપ સીડી" ને બદલી નાખશે. OECD વર્લ્ડ ઇકોનોમિક ફોરમ
પરંપરાગત રીતે, જુનિયર ઇજનેરો આ કરીને શીખતા હતા:
-
ડ્રાફ્ટિંગ સ્કીમેટિક્સ
-
સરળ ડ્રાઇવરો લખવા
-
દસ્તાવેજીકરણ પરીક્ષણો
-
સ્પષ્ટ ભૂલો સુધારવી
-
જાણીતા ડિઝાઇન પર પુનરાવર્તન
પરંતુ જો AI તેનો મોટો ભાગ સંભાળે તો... જુનિયર્સને ઓછા પ્રતિનિધિઓ મળી શકે છે. ILO
એનો અર્થ એ નથી કે જુનિયરો વિનાશકારી છે. એનો અર્થ એ છે કે રસ્તો બદલાય છે. ટીમોને તાલીમ વિશે ઇરાદાપૂર્વકની જરૂર પડશે, અને જુનિયરોએ આ શોધ કરવાની જરૂર પડશે:
-
પ્રયોગશાળાનો વ્યવહારુ સમય 🔧
-
માપન કૌશલ્ય (સ્કોપ, VNA, પ્રોબ્સ, ગ્રાઉન્ડિંગ શિસ્ત) 📟
-
ડિબગીંગ વૃત્તિ (પહેલા, બીજા, ત્રીજા શું તપાસવું)
-
સિસ્ટમ વિચારસરણી (ઇન્ટરફેસ, નિષ્ફળતા સ્થિતિઓ, અવરોધો)
જે એન્જિનિયર સારી રીતે માપી તે ઓછો નહીં, પણ વધુ મૂલ્યવાન બને છે. કારણ કે માપન એ છે જ્યાં AI ઓછામાં ઓછું "વાસ્તવિક" હોય છે. IEC 61000-4-3 FCC ભાગ 15
જો તમે વરિષ્ઠ હો, તો તમારી નોકરી નીચે મુજબ બદલાય છે:
-
સ્થાપત્ય નિર્ણયો
-
જોખમ વેપાર
-
સમીક્ષાઓ અને ચકાસણી યોજનાઓ
-
આંતર-કાર્યકારી વાટાઘાટ
-
માર્ગદર્શન - પણ અલગ રીતે
અને હા, તમે AI ને "દિગ્દર્શન" કરવામાં વધુ સમય વિતાવી શકો છો, જે મૂર્ખામીભર્યું લાગે છે જ્યાં સુધી તમને ખ્યાલ ન આવે કે દિગ્દર્શન મૂળભૂત રીતે એન્જિનિયરિંગ છે.
૮) વ્યવહારુ માર્ગદર્શિકા: (AI ચીયરલીડર બન્યા વિના) કેવી રીતે બદલો ન લેવો 🛠️
જો તમને સરળ વ્યૂહરચના જોઈતી હોય, તો તે આ છે:
એવા એન્જિનિયર બનો જે મર્યાદાઓનો માલિક છે ✅
AI શક્યતાઓમાં સારી છે. તમે નીચેની બાબતો ધરાવીને મૂલ્યવાન બનો છો:
-
સલામતી માર્જિન
-
પાલન મર્યાદાઓ
-
ઉત્પાદનક્ષમતા
-
વિશ્વસનીયતા લક્ષ્યો
-
થર્મલ અને પાવર બજેટ
-
પરીક્ષણક્ષમતા NIST AI RMF
ચકાસણીમાં ઉત્તમ બનો 🔍
ભવિષ્ય એવા ઇજનેરોનું છે જે કહી શકે છે:
-
"અહીં પૂર્વધારણા છે."
-
"અહીં માપન યોજના છે."
-
"અહીં પરિણામ છે."
-
"અમે શું બદલ્યું છે તે અહીં છે."
AI પ્રસ્તાવ મૂકી શકે છે. માનવીઓ સાબિત કરે છે. NIST AI RMF
"ઇન્ટરફેસ નિપુણતા" બનાવો
એવી વ્યક્તિ બનો જે સીમાઓને સમજે છે:
-
હાર્ડવેરથી ફર્મવેર
-
એનાલોગ થી ડિજિટલ
-
સિગ્નલ આપવાની શક્તિ
-
ગણતરી માટે સેન્સર
-
ઇજનેરી સ્પષ્ટીકરણો માટે ઉત્પાદન આવશ્યકતાઓ
ઈન્ટરફેસ બગ્સ એ છે જ્યાં શેડ્યૂલ મરી જાય છે 😵
જુનિયર ટીમના સાથીની જેમ AI નો ઉપયોગ કરવાનું શીખો
બોસ જેવો નહીં, ભગવાન જેવો નહીં. જુનિયર ટીમના સાથી જેવો:
-
ઝડપી
-
આતુર
-
ક્યારેક ખોટું
-
ક્યારેક અપવાદરૂપે તીક્ષ્ણ NIST GenAI પ્રોફાઇલ
તમે વિચારોનું આઉટસોર્સિંગ કરતા નથી. તમે ડ્રાફ્ટ્સ અને શોધખોળનું આઉટસોર્સિંગ કરો છો.
9) "શું ઇલેક્ટ્રિકલ એન્જિનિયરોનું સ્થાન AI લેશે?" વિશે સામાન્ય માન્યતાઓ 🧠💥
માન્યતા: "આખી ડિઝાઇન AI કરશે"
વાસ્તવિકતા: તે ડિઝાઇન આકારની વસ્તુ ઉત્પન્ન કરી શકે છે. પરંતુ વાસ્તવિક ડિઝાઇનમાં મર્યાદાઓ, પરીક્ષણો, લેઆઉટ વાસ્તવિકતાઓ, પાલન અને ઉત્પાદનનો સમાવેશ થાય છે. તે જ આખું અસ્વચ્છ સેન્ડવિચ છે. NIST AI RMF
માન્યતા: "ફક્ત હાર્ડવેર જ સલામત છે"
વાસ્તવિકતા: ફર્મવેર કેટલાક વિસ્તારોમાં ઝડપથી ઓટોમેટેડ થાય છે કારણ કે તે ટેક્સ્ટ-આધારિત છે. હાર્ડવેરમાં ભૌતિક ઘર્ષણ હોય છે, પરંતુ દસ્તાવેજીકરણ અને ડ્રાફ્ટિંગ પણ ઓટોમેટેડ થાય છે. OECD
માન્યતા: "જો AI પરીક્ષા પાસ કરી શકે છે, તો તે કામ પણ કરી શકે છે"
વાસ્તવિકતા: પરીક્ષા એ કામ નથી. કામ અધૂરી જરૂરિયાતો, ખરાબ કનેક્ટર્સ, ઘોંઘાટીયા પાવર રેલ્સ અને સપ્લાયર્સ સાથે છે જે શપથ લે છે કે ભાગ સમાન છે જ્યારે તે સમાન નથી 😑
માન્યતા: "AI હંમેશા સમય બચાવે છે"
વાસ્તવિકતા: જ્યારે તમે ઝડપથી ચકાસણી કરો છો ત્યારે AI સમય બચાવે છે. જો તમે ચકાસણી નહીં કરો, તો તમે પાછળથી સમય ગુમાવો છો. ગાલીચા નીચે ધૂળ સાફ કરવા જેવું, પણ ગાલીચા તમારી લોન્ચ તારીખ છે. NIST GenAI પ્રોફાઇલ
૧૦) સમાપન નોંધો અને ઝડપી રીકેપ 🌩️✨
તો, શું ઇલેક્ટ્રિકલ એન્જિનિયરોનું સ્થાન AI લેશે? લોકો જે રીતે ડરે છે તે રીતે નહીં. ભૂમિકા અદૃશ્ય થશે નહીં. તે ફરીથી સંતુલિત . વર્લ્ડ ઇકોનોમિક ફોરમ ILO
AI કરશે:
-
ડ્રાફ્ટિંગ, દસ્તાવેજીકરણ અને પુનરાવર્તિત અમલીકરણના ભાગોને સ્વચાલિત કરો
-
શોધખોળ અને મુશ્કેલીનિવારણને ઝડપી બનાવો
-
આઉટપુટ સ્પીડ માટે બેઝલાઇન અપેક્ષા વધારવી OECD
ઇલેક્ટ્રિકલ એન્જિનિયરોને હજુ પણ આની જરૂર પડશે:
-
પોતાની સલામતી, અનુપાલન અને વિશ્વસનીયતા BSI EN 60601 NI ISO 26262
-
માપન અને પરીક્ષણ સાથે માન્ય કરો IEC 61000-4-3 FCC ભાગ 15
-
મર્યાદાઓ હેઠળ સોદાબાજી કરો
-
વ્યવહારુ એકીકરણ સંભાળો
-
જ્યારે વસ્તુ તૂટે ત્યારે જવાબદાર બનો (કારણ કે તે તૂટશે) NIST AI RMF
ઝડપી સારાંશ 😄
AI કાર્યોને બદલે છે. જે એન્જિનિયરો ફક્ત બદલી શકાય તેવા કાર્યો કરે છે તેઓ દબાયેલા અનુભવે છે. જે એન્જિનિયરો મર્યાદાઓ, ચકાસણી અને વ્યવહારુ ટ્રેડઓફ ધરાવે છે તેઓ વધુ મૂલ્યવાન બને છે. પોતાની રીતે આરામદાયક.
અને જો તમને સૌથી ટૂંકું સંસ્કરણ જોઈતું હોય તો:
AI એક પાવર ટૂલ છે. તમે હજુ પણ ઘર બનાવનાર છો. ક્યારેક સાધન સ્પાર્ક કરે છે. 🔧⚡ (ઠીક છે, તે રૂપક થોડું ડગમગતું છે, પણ તમે સમજી ગયા છો.)
વારંવાર પૂછાતા પ્રશ્નો
શું આગામી 5-10 વર્ષમાં ઇલેક્ટ્રિકલ એન્જિનિયરોનું સ્થાન AI લેશે?
મોટાભાગના કિસ્સાઓમાં, ઇલેક્ટ્રિકલ એન્જિનિયરોને સીધા બદલવામાં આવશે નહીં, પરંતુ ઘણા પુનરાવર્તિત કાર્યો સ્વચાલિત થશે. આ પરિવર્તન "કારકિર્દી રિપ્લેસમેન્ટ" કરતાં "કાર્ય રિપ્લેસમેન્ટ" ની નજીક છે, જેમાં AI ડ્રાફ્ટિંગ, દસ્તાવેજીકરણ અને પ્રારંભિક પાસ કાર્યનું સંચાલન કરે છે. જે એન્જિનિયરો મૂલ્યવાન રહે છે તેઓ જ મર્યાદાઓ, ચકાસણી અને વ્યવહારુ વેપારના માલિક છે. જવાબદારી હજુ પણ માનવીઓ સાથે રહે છે, ખાસ કરીને જ્યારે સલામતી અને પાલન સામેલ હોય છે.
AI માટે ઇલેક્ટ્રિકલ એન્જિનિયરિંગના કયા ભાગોને સ્વચાલિત કરવું સૌથી સરળ છે?
AI એવા કામને સરળતાથી પારખી શકે છે જે ટેક્સ્ટ-ભારે, પુનરાવર્તિત અથવા પેટર્ન-આધારિત હોય. તેમાં દસ્તાવેજીકરણ, સમીક્ષાઓનો સારાંશ, ચેકલિસ્ટ્સ જનરેટ કરવા, બોઈલરપ્લેટ ફર્મવેર સ્કેફોલ્ડિંગ, ઝડપી ગણતરીઓ અને ટેસ્ટ લોગમાં વિસંગતતા શોધનો સમાવેશ થાય છે. તે ટોપોલોજી વિકલ્પો અને ઘટક શ્રેણીઓને પ્રારંભિક બિંદુ તરીકે પણ પ્રસ્તાવિત કરી શકે છે. મુખ્ય વાત એ છે કે આ આઉટપુટને હજુ પણ માનવ ચકાસણીની જરૂર છે જેથી આત્મવિશ્વાસપૂર્ણ-પણ-ખોટી ભૂલો ટાળી શકાય.
કયા ઇલેક્ટ્રિકલ એન્જિનિયરિંગ ક્ષેત્રોને AI દ્વારા બદલવાની શક્યતા ઓછી છે?
ભૌતિક વિશ્વ અને પરિણામો સાથે ચુસ્તપણે જોડાયેલું કાર્ય સ્વચાલિત કરવું મુશ્કેલ છે. પાવર ઇન્ટિગ્રિટી, EMC/EMI-હેવી ડિઝાઇન, સલામતી-નિર્ણાયક સિસ્ટમ્સ, ઉચ્ચ-વિશ્વસનીયતા હાર્ડવેર અને નવીન સ્થાપત્ય નિર્ણયો ઓછા ખુલ્લા હોય છે કારણ કે તે માપન, પુનરાવર્તન અને મર્યાદાઓ હેઠળ નિર્ણય પર આધાર રાખે છે. સિસ્ટમ્સ એન્જિનિયરિંગ પણ માનવ-ભારે રહે છે કારણ કે તે વાટાઘાટો, જોખમ વેપાર અને અસ્પષ્ટ જરૂરિયાતોને સંરક્ષણક્ષમ ડિઝાઇનમાં અનુવાદિત કરવા વિશે છે.
હું ઇલેક્ટ્રિકલ એન્જિનિયરિંગમાં AI નો વધુ પડતો વિશ્વાસ કર્યા વિના ઉપયોગ કેવી રીતે કરી શકું?
AI ને એક ઝડપી જુનિયર ટીમમેટ તરીકે ગણો: ડ્રાફ્ટ્સ અને શોધખોળ માટે ઉપયોગી, પણ સત્યનો સ્ત્રોત નહીં. એક સામાન્ય અભિગમ એ છે કે તેને વિકલ્પો, પરીક્ષણ યોજનાઓ અથવા પ્રથમ પાસ સમજૂતી માટે પૂછો, પછી સિમ્યુલેશન, માપન અને સમીક્ષાઓ સાથે માન્ય કરો. જ્યાં આઉટપુટ "ચકાસણી-મૈત્રીપૂર્ણ" હોય તેવા વર્કફ્લોને પસંદ કરો, એટલે કે તમે તેમને ઝડપથી ચકાસી શકો છો. જો તે તેના તર્કને સમજાવી શકતું નથી અથવા કોઈ અનિશ્ચિતતા દર્શાવતું નથી, તો વધારાનું જોખમ ધારણ કરો.
ઇલેક્ટ્રિકલ એન્જિનિયરિંગ માટે "સારું" AI ટૂલ શું કરી શકે છે?
EE કાર્ય માટે મદદરૂપ AI મર્યાદાઓ હેઠળ સારી રીતે વર્તે છે અને ડિરેટિંગ, થર્મલ મર્યાદાઓ, ક્રીપેજ/ક્લિયરન્સ, EMC અને ડ્યુટી ચક્ર જેવી અપ્રિય વાસ્તવિકતાઓને અવગણતું નથી. તે ટ્રેસેબલ તર્ક પ્રદાન કરે છે, ડોમેન શબ્દભંડોળનો સચોટ ઉપયોગ કરે છે અને તમે પરીક્ષણ અથવા અનુકરણ કરી શકો તેવા આઉટપુટ ઉત્પન્ન કરે છે. તેને "નમ્રતા નિયંત્રણો" ની પણ જરૂર છે જે અનિશ્ચિતતાને સપાટી પર લાવે છે અને તપાસ સૂચવે છે. જો તે ફક્ત આત્મવિશ્વાસપૂર્ણ જવાબો ઉત્પન્ન કરે છે, તો તે સાધન કરતાં વધુ અવાજ છે.
શું સિનિયર્સ કરતાં જુનિયર ઇલેક્ટ્રિકલ એન્જિનિયર્સ પર AIનો વધુ પ્રભાવ પડશે?
હા, જુનિયર્સ ઘણીવાર તેને પહેલા અનુભવે છે કારણ કે પરંપરાગત એન્ટ્રી-લેવલ કાર્યો એઆઈ દ્વારા સારી રીતે સ્વચાલિત કાર્યો સાથે ઓવરલેપ થાય છે: ડ્રાફ્ટિંગ, સરળ ડ્રાઇવર્સ, દસ્તાવેજીકરણ અને મૂળભૂત ડિબગ ફિક્સેસ. જો એઆઈ તે પ્રતિનિધિઓ લે છે, તો ટીમોએ તાલીમ વિશે વધુ ઇરાદાપૂર્વકની જરૂર છે. જુનિયર્સ વ્યવહારુ પ્રયોગશાળા સમય, માપન કુશળતા અને ડિબગીંગ વૃત્તિઓ શોધીને આગળ રહી શકે છે. પરીક્ષણોનું આયોજન કરવાની અને વાસ્તવિક સંકેતોનું અર્થઘટન કરવાની ક્ષમતા એક તફાવત બની જાય છે.
AI માં સુધારો થતાં હું મારા ઇલેક્ટ્રિકલ એન્જિનિયરિંગ કારકિર્દીને ભવિષ્યમાં કેવી રીતે સુરક્ષિત રાખી શકું?
એવા એન્જિનિયર બનવાનું લક્ષ્ય રાખો જે મર્યાદાઓ અને ચકાસણીનો માલિક હોય. સલામતી માર્જિન, પાલન, ઉત્પાદનક્ષમતા, વિશ્વસનીયતા લક્ષ્યો, થર્મલ અને પાવર બજેટ અને પરીક્ષણક્ષમતા પર ધ્યાન કેન્દ્રિત કરો - એવા ક્ષેત્રો જ્યાં વ્યવહારુ જવાબદારી મહત્વપૂર્ણ છે. હાર્ડવેર/ફર્મવેર અને એનાલોગ/ડિજિટલ સીમાઓમાં મજબૂત ઇન્ટરફેસ નિપુણતા બનાવો, જ્યાં એકીકરણ ભૂલો સામાન્ય છે. ડ્રાફ્ટ્સ અને સંશોધનને વેગ આપવા માટે AI નો ઉપયોગ કરો, પરંતુ તમારા મુખ્ય મૂલ્યને "માનવો સાબિત કરે છે, AI પ્રસ્તાવિત કરે છે" બનાવો
શું AI EMI/EMC સમસ્યાઓ અને PCB લેઆઉટ ટ્રેડઓફને વિશ્વસનીય રીતે હેન્ડલ કરી શકે છે?
AI સામાન્ય સુધારાઓ સૂચવી શકે છે, પરંતુ EMI/EMC ભૂમિતિ, રીટર્ન પાથ, શિલ્ડિંગ, ફિલ્ટરિંગ પસંદગીઓ અને માપન-આધારિત પુનરાવર્તન સાથે કુખ્યાત રીતે જોડાયેલું છે. લેઆઉટ પરોપજીવી અને પર્યાવરણીય પરિબળો મોડેલ કેટલું આત્મવિશ્વાસપૂર્ણ લાગે છે તેની પરવા કરતા નથી. વ્યવહારમાં, ઇજનેરોને હજુ પણ પ્રયોગશાળા અને પાલન વાતાવરણમાં માન્ય કરવાની અને પરિણામોના આધારે પુનરાવર્તન કરવાની જરૂર છે. AI મગજમારીને ઝડપી બનાવી શકે છે, પરંતુ તે "તરંગ સ્વરૂપ જોવા" અને ફિક્સ કાર્ય કરે છે તે સાબિત કરવાનું સ્થાન લઈ શકતું નથી.
શું "AI પરીક્ષાઓ પાસ કરવી" એ એક સંકેત છે કે તે વાસ્તવિક ઇલેક્ટ્રિકલ એન્જિનિયરિંગ કાર્ય કરી શકે છે?
ખરેખર નહીં, કારણ કે પરીક્ષાઓ એન્જિનિયરિંગ કાર્યની અવ્યવસ્થિત વાસ્તવિકતાને કેપ્ચર કરતી નથી. આ કાર્યમાં અપૂર્ણ આવશ્યકતાઓ, અણધારી એકીકરણ નિષ્ફળતાઓ, કનેક્ટર ઘસારો, અવાજની સમસ્યાઓ, સપ્લાયર આશ્ચર્ય અને પાલન અવરોધો શામેલ છે જે મોડા દેખાય છે. AI ડિઝાઇન-આકારના આઉટપુટ ઉત્પન્ન કરી શકે છે, પરંતુ મુશ્કેલ ભાગ ટ્રેડઓફ્સ, પરીક્ષણ અને જવાબદારીનો માલિકી છે જ્યારે વસ્તુઓ તૂટી જાય છે. વાસ્તવિક એન્જિનિયરિંગ સંપૂર્ણ જવાબો વિશે ઓછું અને અનિશ્ચિતતા હેઠળ રક્ષણાત્મક નિર્ણયો વિશે વધુ છે.
સંદર્ભ
-
આર્થિક સહકાર અને વિકાસ સંગઠન (OECD) - ઉત્પાદકતા, નવીનતા અને ઉદ્યોગસાહસિકતા પર જનરેટિવ AI ની અસરો - oecd.org
-
આર્થિક સહકાર અને વિકાસ સંગઠન (OECD) - કૃત્રિમ બુદ્ધિમત્તા તરફના સંક્રમણમાં ઉભરતા વિભાજન - oecd.org
-
આર્થિક સહકાર અને વિકાસ સંગઠન (OECD) - AI થી સૌથી વધુ પ્રભાવિત કામદારો કોણ હશે? - oecd.org
-
EUR-Lex - EU AI એક્ટ - eur-lex.europa.eu
-
નેશનલ ઇન્સ્ટિટ્યૂટ ઓફ સ્ટાન્ડર્ડ્સ એન્ડ ટેકનોલોજી (NIST) - AI રિસ્ક મેનેજમેન્ટ ફ્રેમવર્ક (AI RMF 1.0) - nist.gov
-
નેશનલ ઇન્સ્ટિટ્યૂટ ઓફ સ્ટાન્ડર્ડ્સ એન્ડ ટેકનોલોજી (NIST) - જનરેટિવ AI પ્રોફાઇલ - nist.gov
-
વર્લ્ડ ઇકોનોમિક ફોરમ - એઆઈ, ઓટોમેશન અને ઓગ્મેન્ટેશન: આવતીકાલની કાર્યસ્થળની નોકરીઓ - weforum.org
-
આંતરરાષ્ટ્રીય શ્રમ સંગઠન (ILO) - જનરેટિવ AI અને નોકરીઓ: વ્યાવસાયિક સંપર્કનો એક શુદ્ધ વૈશ્વિક સૂચકાંક - ilo.org
-
વર્લ્ડ ઇકોનોમિક ફોરમ - ફ્યુચર ઓફ જોબ્સ રિપોર્ટ 2025 - weforum.org
-
મેકકિન્સે એન્ડ કંપની - જનરેટિવ એઆઈની આર્થિક સંભાવના: આગામી ઉત્પાદકતા સીમા - mckinsey.com
-
મેકકિન્સે એન્ડ કંપની - જનરેટિવ એઆઈ સાથે ડેવલપર ઉત્પાદકતામાં વધારો - mckinsey.com
-
BSI ગ્રુપ - EN 60601 પત્રિકા - bsigroup.com
-
BSI ગ્રુપ નોલેજ - IEC 60664-1 (લો-વોલ્ટેજ સપ્લાય સિસ્ટમ્સમાં સાધનો માટે ઇન્સ્યુલેશન કોઓર્ડિનેશન) - bsigroup.com
-
ઇન્ટરનેશનલ ઇલેક્ટ્રોટેકનિકલ કમિશન (IEC) - મૂળભૂત EMC પ્રકાશનો - iec.ch
-
IEC વેબસ્ટોર - IEC 61000-4-3 - iec.ch
-
યુએસ ઇલેક્ટ્રોનિક કોડ ઓફ ફેડરલ રેગ્યુલેશન્સ (eCFR) - FCC ભાગ 15, સબપાર્ટ B - ecfr.gov
-
ટેક્સાસ ઇન્સ્ટ્રુમેન્ટ્સ (TI) - SLUP421 - ti.com
-
ડિફેન્સ એક્વિઝિશન યુનિવર્સિટી (DAU) - MIL-STD-1547B ઇલેક્ટ્રોનિક ભાગો, સામગ્રી અને અવકાશ અને પ્રક્ષેપણ વાહનો માટે પ્રક્રિયાઓ (ડિસેમ્બર 1992) - dau.edu
-
રાષ્ટ્રીય સાધનો (NI) - ISO 26262 કાર્યાત્મક સલામતી માનક - ni.com
-
નેશનલ ઇન્સ્ટિટ્યૂટ ઓફ સ્ટાન્ડર્ડ્સ એન્ડ ટેકનોલોજી (NIST) - ડિવાઇસ-લેવલ એનોમલી ફ્રેમવર્ક (DARE) - nist.gov
-
મિત્સુબિશી ઇલેક્ટ્રિક રિસર્ચ લેબોરેટરીઝ (MERL) - TR2018-097 - merl.com
-
કેડન્સ - એઆઈ ઝાંખી - cadence.com
-
arXiv - 2310.02059v2 - arxiv.org