טובים השניים: מהנדסים ובינה מלאכותית משלבים כוחות למציאת באגים בחומרה

תכנון של מעבד חדש דורש סדרת בדיקות מקיפה, אבל כל בדיקה שכזו כוללת אלפי פרמטרים המשפיעים על מאות אלפי מצבים שונים שצריך לבדוק. שילוב כוחות בין מהנדסים לבינה מלאכותית מאפשר פתרון חדשני

תמונה: Pexels

מאת טל קולן, Senior technical lead in BigCore validation; נופר גספר, מנהלת האסטרטגיה, המוצרים ופיתוח עסקי IT AI; ואמנון טופל, מנהל ארגון בינה מלאכותית לוולידציה IT AI באינטל

המושג AI הפך בשנים האחרונות לשגור כל כך בחיינו עד כי נדמה שתמיד היה כאן. אולם אנחנו נוכחים לראות שבזמן שבתחומים כמו ראייה ממוחשבת או עיבוד שפה טבעית הגיעה הבינה המלאכותית לפריצות דרך משמעותיות, בעולם החומרה בכלל, ובתחום בדיקות החומרה בפרט, אין בה עדיין שימוש נרחב.

כשמדובר ביצירת מעבד חדש, אחת המשימות המורכבות והחשובות בתהליך הפיתוח היא תהליך הבדיקה שלו, שמטרתו לוודא שהוא נקי מבאגים. כדי שהמעבד יעבוד כמו שצריך באינספור צורות שימוש, הכרחי לנהל בדיקה איכותית שתתמודד היטב עם שלל תרחישים, שהרי בסופו של דבר לבדיקות המעבד יש השפעה מהותית על זמן הפיתוח והן גם השלב האחרון לפני יציאתו אל השוק.

לאורך השנים, המעבדים המיוצרים בשוק מקבלים יותר יכולות והופכים למורכבים יותר ויותר. התוצאה היא שהמעבד המודרני לא מאפשר כתיבה ידנית של בדיקות ייעודיות עבור כל אחד ממצבי הפעולה שלו, וצוותי הבדיקה נדרשים לפתח אסטרטגיות מתוחכמות מבעבר. אחת השיטות המרכזיות כיום, בהתבסס על הבנה עמוקה של מאפייני המעבד ויכולותיו, היא ייצור של בדיקות שבהן חלק מהרכיבים נבחרים אקראית על מנת לדמות את מצבי השימוש השונים האפשריים במעבד. הנחת העבודה היא כי על ידי הרצת מיליוני בדיקות לאורך פיתוח המוצר, “יוגרלו” כל השילובים האפשריים של מרכיבי הבדיקות האקראיים, מה שיאפשר בדיקה נרחבת של מרב אפשרויות הפעולה. אך מתברר שהמורכבות הרבה של המעבדים, כאמור, הופכת גם את השיטה הזו לבלתי מספקת, כלומר לכזו שיש בה פוטנציאל לבאגים ולכשלים עתידיים.

מה בכל זאת הצליח?

כדי להתמודד עם הבעיה הזו, הקצנו משאבים רבים לבדיקת החלקים השונים של המעבדים שלנו דרך שלל סימולציות, בטרם שלב הייצור אך גם לאחריו. שיטות העבודה הקיימות גורמות לכך שתהליך בדיקות המעבד מייצר כמויות עתק של נתונים, וכל בדיקה כוללת אלפי פרמטרים המשפיעים על מאות אלפי מצבים שונים בהם מצוי המעבד ושאותם מעוניינים לבדוק.

הרעיון לשימוש בבינה מלאכותית לשם הרחבת כיסוי בדיקות המעבד עלה לראשונה בחברה בשנת 2016. כדי להצליח היינו חייבים ליצור שיתוף פעולה בין קבוצת פיתוח המעבדים ובין קבוצת הבינה המלאכותית בחברה, בעיקר בגלל המורכבות ההנדסית של המעבדים וכמות הנתונים שהם מכילים. השותפות הזו הולידה את הפתרון הראשון שיוכל לייצר בדיקות שיכסו טוב יותר את המצבים הקשים לבדיקה ושימצא באגים שמסובך לאתר בשיטות המסורתיות. בפתרון החדש סוקר האלגוריתם, המבוסס על שיטות למידת מכונה (Machine Learning) לגילוי דפוסים (Pattern Recognition), מאות אלפי בדיקות היסטוריות ומחפש את שילוב הפרמטרים הייחודי והנדיר, המביא את המעבד למצב הבדיקה המאתגר ביותר. למרות הספק שהוטל אז בקרב התעשייה והאקדמיה בנוגע להיתכנות פתרון מבוסס למידת מכונה, התוצאות דיברו בעד עצמן: באופן שיטתי, הצליחו הבדיקות שהורצו על סמך למידות האלגוריתם להרחיב בעשרות מונים את הכיסוי של מצבי בדיקה מורכבים.

תמונה: Pexels

הציפורים שבעקבות הסנונית הראשונה

ההצלחה של הפתרון הראשון עוררה תאבון רב להגדלת ההשקעה בתחום: מהנדסים נוספים הוקצו לעבודה על פתרונות הבינה המלאכותית, ובעזרתם החלה עבודה מאומצת לבניית תשתית לשימוש נרחב ואוטומטי בבינה מלאכותית, כחלק מובנה מתהליכי בדיקות המעבדים.

הפתרון השני שפותח עסק באופטימיזציה לצמצום מספר הבדיקות הנחוץ לבדיקת המעבד מקצה לקצה. האלגוריתמים יצרו סט בדיקות שיודע לכסות את מצבי המעבד השונים, ברמה דומה לזו של הבדיקות המסורתיות, תוך הפחתה של 70% מהכמות הנחוצה שלהן. יתרה מזאת, הבדיקות החדשות סייעו בגילוי מספר לא מבוטל של באגים חדשים שלא נמצאו באף שיטת בדיקה מסורתית. בהמשך, פותחו פתרונות מבוססי בינה מלאכותית נוספים המהווים היום חלק בלתי נפרד מתהליכי הבדיקות של המעבדים בעולם.

עידן הביג דאטה

התוצר של אותם מאמצים הוא פלטפורמת נתוני עתק (Big Data) המקבלת מדי שבוע את נתוני הבדיקות של עשרות קבוצות בדיקה. מעל פלטפורמה זו מריצים סט של אלגוריתמים מבוססי בינה מלאכותית המייצרים עבור כל קבוצה את הבדיקות המתאימות לה, וכך עולה איכות תהליכי הבדיקה, יורד מספר הבדיקות החיוניות, ואיתם גם מספר המשאבים הנדרשים לשם הרצתן.

אך זהו בהחלט לא סוף הסיפור, אלא רק תחילתה של יוזמה רחבה יותר לשילוב מתקדם של בינה מלאכותית בתהליכי הבדיקות. בקבוצת פיתוח המעבדים בחברה שוקדים בימים אלה על שינוי תהליכי העבודה ועל עדכון כלי הבדיקות. שינויים אלה יאפשרו יצירת נתונים באיכות גבוהה ושיקוף מידע רב יותר על גבי המעבד. מטרה נוספת עליה עובדים אצלנו היא קישור בין הנתונים הנאספים בכל תהליכי הבדיקה, ובעזרתם פיתוח של יכולת הסקת מסקנות עמוקה יותר, בדומה למה שיודעים מהנדסים לעשות. המאמצים ממוקדים היום בהרצת בינה מלאכותית שתדע לזהות אזורים מועדים לתקלות במעבד ולאפשר בדיקה מיידית שלהם באופן ממוקד, אפקטיבי ואדפטיבי, ייצור בדיקות חדשות גם ללא מידע היסטורי וקיצור משמעותי של זמן תיקון הבאגים שיימצאו. בדרך זו ניתן יהיה לאתר בשלב מוקדם יותר את הבאגים, אפילו כאלה שהסתתרו היטב מעיניהם של המהנדסים.

ומה בהמשך?

עתיד תעשיית החומרה נמצא בפתחה של מהפכה של ממש: מהפכת הבינה המלאכותית ושילובה בתהליכי הפיתוח. מלבד העבודה שלנו, ישנן חברות נוספות השוקדות על פתרונות מבוססי בינה מלאכותית עבור תעשיית החומרה, וכבר עכשיו ניתן לצפות כי הבינה המלאכותית תהווה חלק משמעותי בתהליכי פיתוח המעבדים בעתיד הקרוב מאוד. ההערכה היא כי לא רחוק היום בו כלל חברות פיתוח החומרה יחליפו את תהליכי הפיתוח הקיימים שלהן בכאלה המייצרים נתונים איכותיים יותר, שיאפשרו שילוב פתרונות בינה מלאכותית מתקדמים.

על מנת למצות את הערך הגלום באיסוף נתונים איכותי, ישקיעו חברות משאבים רבים בתכנון מחדש של תהליכי יצירת ובניהול המידע. מעבר לשילוב של כלים ותהליכים אוטומטיים ליצירת ואיסוף המידע, המהנדסים יידרשו לשנות את דרכי העבודה שלהם על מנת לאפשר לייצר מידע איכותי ומהימן יותר. מדובר בהשקעה לא קטנה שפירושה שינוי תהליכי עבודה שהושרשו במשך שנים, אך היא תאפשר לפתח ולשלב פתרונות מתקדמים מבוססי בינה מלאכותית שהתמורה שלהם לארגון כולו ולכל אחד מהמהנדסים היא אדירה.

האם המשמעות היא כי לא יהיה יותר צורך במהנדסי בדיקות? ההערכה הרווחת היא כי פתרונות הבינה המלאכותית לא יבטלו את הצורך במהנדסים, אלא ישנו את אופי העבודה שלהם ויאפשרו להם להיות פנויים עבור משימות המחייבות יצירתיות וחשיבה פתוחה, אותן לא מסוגלת המכונה לבצע ושאותן לא ניתן לקיים באמצעות אלגוריתם, נכון להיום. המשימה שלנו היא לא להחליף את המהנדס במכונה, אלא לייעל את התוצר שלו ואת תהליכי העבודה שלו. דרך ההתייעלות הזו ננתב את עיסוק המהנדסים לעיקר – ואת התפל נשאיר בידי המכונה.

הכתבה בחסות אינטל

אינטל מובילה בתחום של בדיקות AI לטכנולוגיות חומרה ושימוש במתדולוגיות חדשניות עוד בשלב הפיתוח.
"הבינה המלאכותית איפשרה לנו לקצר זמני בדיקה, למצוא באגים קשים שעלולים היו להתגלות מאוחר מאוד וליעל את שיטות העבודה", מסביר אלון פליישר, מנהל הוריפיקציה ואבטחה בקבוצת פיתוח ליבת המעבד של אינטל. "כבר בדורות הבאים של מעבדי אינטל נראה שימוש יותר ויותר מאסיבי בפתרונות מבוססי בינה מלאכותית".
פריצות דרך כמו שימוש בבינה מלאכתית בתהליכי הפיתוח ובדיקת המעבדים מתאפשרות בזכות המהנדסים והמהנדסות שלנו ושיתופי הפעולה בין ארגונים שונים בחברה שעובדים בטכנולוגיות ומתודולוגיות שונות.
לחיצה כאן תאפשר לך לעקוב אחרי החדשנות של אינטל ולהיחשף למשרות חומרה, AI ומה שבניהם.

Avatar

כתב אורח

אנחנו מארחים מפעם לפעם כותבים טכנולוגים אורחים, המפרסמים כתבות בתחומי התמחות שלהם. במידה ואתם מעוניינים לפרסם פוסט בשמכם, פנו אלינו באמצעות טופס יצירת קשר באתר.

הגב

הגב ראשון!

avatar
Photo and Image Files
 
 
 
Audio and Video Files
 
 
 
Other File Types
 
 
 

* היי, אנחנו אוהבים תגובות!
תיקונים, תגובות קוטלות וכמובן תגובות מפרגנות - בכיף.
חופש הביטוי הוא ערך עליון, אבל לא נוכל להשלים עם תגובות שכוללות הסתה, הוצאת דיבה, תגובות שכוללות מידע המפר את תנאי השימוש של Geektime, תגובות שחורגות מהטעם הטוב ותגובות שהן בניגוד לדין. תגובות כאלו יימחקו מייד.

wpDiscuz

תגיות לכתבה: