Det har varit ungefär ett 3 år sedan utgivandet av Chatgpt 2022. När plattformen öppnade sig för allmänhetens tillgång började varje bransch titta på användningen av AI-baserade system för att öka produktiviteten, inklusive elektronikteknik. Detta färdighetstunga och kunskapstunga teknikområde kräver omfattande kunskapssyntes och praktisk erfarenhet, så man kan undra var ett generativt system som Chatgpt kan passa in i detta område.
Tyvärr, utan lite snabb teknik och drivande för förtydligande vid övergeneraliserade svar, kommer generativa AI -modeller som Chatgpt att ge övergeneraliserade eller felaktiga resultat. Noggrannhetsproblemet med mycket teknisk information som genereras från ett generalistsystem som Chatgpt är välkänt. Även om resultaten inte är perfekta, finns det enkla saker som en användare kan göra för att tvinga chatgpt att ge mer användbara resultat i mycket specifika uppgifter.
Vad kan du konstruera med chatgpt?
Innan du tittar på vad du kan skapa med chatgpt är det viktigt att veta vad chatgpt kan göra. När systemet ursprungligen öppnades för allmänheten var det möjligt att finjustera anpassade modeller och fortsätta konversationer med chatgpt. Det innebar att de resultat du kunde dra från Chatgpt var starkt beroende av snabb teknik. Med andra ord skulle du behöva tillhandahålla följande information:
1. Ange vad informationen är att du söker och vad du inte söker
2. Statet vad systemet ska och inte ska göra (mer specifikt är bättre)
3. STATE Hur svaret ska formateras (ordlängd, tabeller, kulolistor)
4. STATA TONEN AV SVAREN (Professionell, informell, avancerad kontra förenklad)
Detta leder till mycket mycket användbar kunskapsgenerering, men resultaten baserades ständigt på kunskap som försenades med ungefär ett till två år.
Nya funktioner i systemet gör det möjligt för användare att få mycket mer specialiserad data och information. Standardmodellen som körs i bakgrunden innehåller sannolikt den information du behöver, men den är trångt med brus från generalistisk information som kanske inte ger handlingsbara råd för en teknisk fråga. De senaste kapaciteterna i Chatgpt tillhandahålls av Bing, samt tredjeparts plugins:
1.Web Search och Bläddringsfunktioner
2.Läs specifika webbadresser som tillhandahålls i en prompt
3.Läs PDF -filer
4.Läs transkript från videor
5.Retrieving information från vetenskapliga publikationer
6. Kodtolkning och buggtänkande
Nu när vi vet vad dessa system kan göra och hur man konstruerar uppmaningar, här är några tekniska uppgifter du kan utföra med Chatgpt och de integrerade tredjeparts plugins.
Branschstandarder
En uppsättning data som förändras långsamt och troligen fortfarande kodas i Chatgpts datasätt är branschstandarder. Medan den exakta texten i branschstandarder är låst bakom en betalvägg, har så mycket skrivits om dessa standarder som ChatGPT kan ge en ganska korrekt lista över standarder som rör ESD -test för kommersiella produkter; och en lista och en kort beskrivning av testförfaranden som används för att bestämma den dielektriska konstanten för överföringslinjer på enPCB.
Lär dig av datablad och appanmärkningar
Nu när ChatGPT kan användas för att söka på webben, inklusive specifika länkar till PDF -filer som finns online, kan den användas för att få data från datablad och appnoter. I stället för att hoppas att ChatGPT genererar data från din specifika appanmärkning eller datablad, kan du ge systemspecifika webbadresser och fråga kunskap från den. Några enkla instruktioner inkluderar:
Ge en beskrivning av de viktigaste funktionerna och funktionerna i komponenten
Beräkna intervallet för kondensatorvärden som krävs på stift X på komponent
För denna applikation är specificiteten verkligen viktig. Du kan behöva ange mycket mer än URL och MPN; Använd komponentfunktioner, specifikationer och sidnummer som en del av prompten för att göra din begäran mer specifik.
Grundläggande beräkningar
De flesta tekniska uppgifter kräver vissa grundläggande formler och beräkningar. Dessa beräkningar kan vara omgivande kretsdesign, komponentval eller PCB -design. Några exempel inkluderar:
Jag har en anpassad transformator för en flybackomvandlare. Beräkna den primära spolinduktansen, svängförhållandet och utgångsspänning/ström om min ingång är nätspänning.
En växlingsregulator har en total induktans av 10 UH och uppvisar betydande ringning med 300 mV amplitud. Om mina switchers är
Detta används bäst och verifieras när designern redan har viss erfarenhet inom området där beräkningarna gäller men inte har formlerna memorerade. De grundläggande beräkningarna är vanligtvis välkända, men det finns möjligheten att chatgpt inte använder formlerna korrekt. Till exempel kan det utelämna en exponent eller tillämpa fel formel av misstag. Det är ditt jobb att veta resultaten och kunna upptäcka när en formel kan se felaktig ut.
Kodgenerering för inbäddade system
Att skriva och undersöka koden är inte ny för chatgpt, men utmaningen med inbäddade system är att de är starkt syntaxspecifika. Nu med möjligheten att söka på internet och läsa PDF-filer är det möjligt att generera processorspecifik kod från standardspråk med rätt uppsättning av instruktioner. Detta är ett annat område där specificitet i hög grad spelar roll, och dina instruktioner bör vanligtvis inkludera följande:
Ange det språk du önskar att koden ska vara i
Begär att den genererade koden innehåller alla beroenden som import
Begär kod genereras på funktion-för-funktionsbasis
Ange de specifika datatyperna som kommer att användas som ingångar och utgångar
Om utgångsdata är alfanumeriska, se till att ange relevant formatering/kodning
Ange länkar till alla bibliotek, datablad, kod/bringup -guider
Kodgenerering kräver ibland en serie instruktioner, där användaren begär tweaks till koden eller ger feedback till modellen om fel. Kodgenerering kräver också att användaren sammanställer resultaten till en applikation, så du måste ha programmeringskunskap och du bör inte förvänta dig att Chatgpt ska spottas ut en redo att använda kodbas.
Vad sägs om andra GPT-baserade plattformar?
Chatgpt förblir oerhört populärt med ett enkelt prenumerationsalternativ som ger åtkomst till alla funktioner som visas ovan. Dessutom finns det tredjepartsmodeller och plattformar som bygger på chatgpt genom ett API, vilket ger ytterligare kapacitet för generativ AI. Medan Chatgpt och dessa relaterade plattformar inte kan slutföra dina mönster för dig, kan dessa system ge dig ytterligare funktioner som kan bli en del av ditt tekniska arbetsflöde.
Kom bara ihåg att alla dessa alternativa plattformar förlitar sig starkt på snabb teknik. Om du inte konstruerar prompten ordentligt ska du inte bli förvånad när resultaten är övergeneraliserade eller felaktiga. När AI -plattformar får mer förmåga att kommunicera med andra digitala system och utföra interaktiva uppgifter, fortsätter du att fokusera på snabb teknik som ett sätt att säkerställa att du får bästa resultat med minimal justering och övervakning.