Современная электроника №5/2025

СОВРЕМЕННЫЕ ТЕХНОЛОГИИ 20 WWW.CTA.RU СОВРЕМЕННАЯ ЭЛЕКТРОНИКА • № 5 / 2025 В первой части статьи были описаны основные наиболее известные и перспективные большие языковые модели (LLM) искусственного интеллекта. В этой части рассмотрены ИИ-модели, позволяющие, кроме прочего, существенно упростить процесс разработки электронных устройств на всех этапах. Некоторые ИИ лучше других разбираются в общих вопросах и могут подсказать идею проекта. Другие модели хороши для программирования. Кроме того, существуют сложные технические решения, созданные с помощью ИИ в соответствии с конкретным техническим заданием. В статье рассмотрены на конкретных примерах эти варианты разработок. Виктор Алексеев Проектирование новых электронных устройств с помощью искусственного интеллекта Вместе с ростом популярности при- ложений искусственного интеллекта возникает нужда в простых и доступ- ных средствах их создания, включаю- щих идею и её воплощение, програм- мирование, производство и контроль качества. Если поставлена только цель новой разработки и нет чёткой концепции самого проекта, то с выбором идеи лучше всего может помочь та модель ИИ, которая всесторонне «образована» и лучше всего «знает» общие вопросы. На следующем этапе имеет смысл обратиться к «узким специалистам». В последние годы появилось множество так называемых платформ искусствен- ного интеллекта (Artificial Intelligence Platform – AIP), которые предлагают свой собственный набор сервисных функций и уникальных инструментов для автоматизации и решения конкрет- ных технических задач. Перечисление всех известных ИИ-платформ выходит за рамки целей этой статьи. Согласно данным, опубликованным в статьях [1–6], наиболее популярны- ми в 2024–2025 годах были следующие ИИ-платформы: ● Google Cloud AI – решение для инте- грации ИИ в облачные сервисы, со- вместимость с BigQuery, CI/CD, Vertex AI для MLOps; ● Gemini – мультимодальность, гене- рация схем; ● Claude – программирование ES, рабо- та с большими контекстами; ● Open Brain-Computer Interface – ин- струменты для сбора и анализа био- сигналов; ● Industrial Operations X – промыш- ленная инструментальная систе- ма, объединяющая искусственный интеллект, IoT, 3D-модели, редактор Mendix; ● IBMWatson – мощные средства визу- ализации экспериментальных дан- ных, позволяющие генерировать ин- терактивные схемы, диаграммы и графики с выявлением мельчайших закономерностей; ● DataRobot – решение для автомати- зированного машинного обучения; ● Google Vertex AI – комплексная плат- форма, объединяющая инструменты искусственного интеллекта Google для масштабируемого машинного обучения и анализа данных; ● Databricks Lakehouse Platform – ре- шение для объединения файловых хранилищ на нескольких серверах; ● NVIDIA Omniverse – модели- рование в реальном времени, 3D-проектирование, создание циф- ровых двойников. Следует особо подчеркнуть то, что перечень компаний в этом списке не соответствует какому-то реальному рейтингу компаний, а отражает лишь совокупную точку зрения авторов перечисленных выше публикаций. Все эти ИИ специализируются преи- мущественно на определённых при- ложениях. В том случае, когда точно известна конкретная тема разработ- ки, чётко обозначенная в ТЗ, целесоо- бразно обратиться к одной из конкрет- ных вышеперечисленных платформ. Рассмотрим для примера случай, когда не указаны точные технические условия, а заказчик высказал только общие пожелания к разработке. В этом случае практичнее воспользовать- ся услугами наиболее всесторонне «образованной» поисковой платфор- мы. Вероятно, на сегодняшний день в общих вопросах лучше всего разбира- ется Google AI [7]. Впервые Google анонсировала соз- дание Google AI Platform в апреле 2019 года как сквозную платформу, предназначенную для управления моделями машинного обучения. Важной составляющей AI Platform является система непрерывной инте- грации и непрерывного развёртыва- ния (CI/CD). Эта опция широко исполь- зуется в разработках программного обеспечения и позволяет автомати- зировать процессы сборки, тестиро- вания и развёртывания кода. Особого внимания заслуживает инте- грация AIP с Google Cloud Platform – GCP. Эта облачная инфраструктура позволя- ет разрабатывать, развёртывать и мас- штабировать приложения, веб-сайты и сервисы с использованием той же инфраструктуры, что и у Google. Среди других ключевых возмож- ностей следует отметить возмож- ность прямой интеграции с BigQuery, TensorFlow и Kubernetes [8]. Обновлённая система Google Cloud, получившая название Vertex AI, пред- назначена для управления жизнен- ным циклом ML-моделей. Несомнен- ным преимуществом этой платформы является поддержка инструментов MLOps для автоматизации процессов разработки и развёртывания различ- ных приложений [9].