L’IA physique peut désormais explorer des milliers de variantes de conception dans le temps qu’il faudrait à une simulation traditionnelle pour en analyser quelques-unes. Précisément jusqu’à 1 000 fois plus rapide, selon Siemens. Ce qu’il ne peut pas faire, c’est approuver une partie critique pour la sécurité. À ce sujet, la technologie a une limite ferme, et Sam Mahalingam, qui dirige l’activité qui la développe chez Siemens Digital Industries Software, l’affirme sans couverture.
« Est-ce bon pour les applications critiques en matière de sécurité ? » a-t-il déclaré en marge de Realize LIVE Asia-Pacific à Bangalore. « Non, ce n’est pas le cas. »
C’est important car la réponse va à l’encontre de deux années pendant lesquelles une industrie insistait sur le fait que son IA pouvait presque tout faire. La valeur pour les ingénieurs ne réside pas dans la vitesse que Siemens vend, mais dans le fait de savoir exactement où cette vitesse ne peut plus être fiable.
Ce que fait réellement l’IA physique et ce qu’elle ne fait pas
La technologie en question est Simcenter PhysicsAI, le logiciel d’apprentissage profond géométrique de Siemens, qui, selon la société, peut effectuer des prédictions de conception jusqu’à 1 000 fois plus rapides qu’un solveur traditionnel. Le mécanisme est important pour comprendre la mise en garde. Plutôt que de calculer la physique à partir de zéro à chaque fois, un modèle de substitution apprend des données de simulation historiques et prédit le résultat d’une nouvelle conception. Il s’agit d’une estimation réalisée en quelques secondes et non d’un calcul complet.
Le souci évident est l’exactitude, et Mahalingam l’a affronté de front. Pendant des décennies, a-t-il expliqué, les ingénieurs ont comparé la simulation basée sur la physique aux tests physiques jusqu’à ce que la corrélation soit suffisamment étroite pour être fiable. L’IA est désormais mesurée par rapport à cette même base de référence physique. « Ce que nous constatons, c’est que si vous disposez de suffisamment de données, cela se rapproche beaucoup d’un solveur basé sur la physique », a-t-il déclaré, la variation de 1 à 3 % citée par Siemens dans ses propres études de cas.
Proche, mais pas suffisamment pour certifier une composante de vie ou de mort. Et c’est là que Mahalingam s’écarte du script standard du fournisseur. Le substitut ne remplace pas la validation ; c’est un filtre placé devant lui. « Vous explorez beaucoup plus de variantes de conception en utilisant ce moteur plus rapide, le modèle de substitution de l’IA physique, en vous concentrant sur deux ou trois conceptions que vous jugez bonnes, sur lesquelles vous pouvez poursuivre la conception détaillée à l’aide d’une simulation basée sur la physique », a-t-il déclaré. Ce n’est qu’une fois que ces finalistes ont réussi une vérification complète basée sur la physique que la conception passe à la fabrication.
Il a précisé que même un exemple marquant, un cas d’airbag Continental présenté par Siemens, se situe à l’intérieur de cette limite. « C’est pour l’exploration initiale de la conception », a-t-il déclaré. « Ce n’est pas que vous validez uniquement avec l’IA physique et que vous dites, d’accord, je vais recommander cette conception pour la fabrication. Non, ce n’est pas le cas. »
La dépendance que les chiffres de vitesse ne mentionnent pas
Il existe une deuxième limite que les chiffres d’accélération ont tendance à occulter, et elle est apparue lorsque la conversation s’est tournée vers la manière dont ces modèles sont entraînés. Plusieurs des principaux résultats de Siemens, y compris des cas impliquant Magna et Continental, reposent sur une IA formée sur des données synthétiques : des résultats de simulation générés par les propres solveurs de Siemens plutôt que des mesures du monde réel. Si l’IA apprend uniquement de la simulation, la question est de savoir si elle pourra un jour être meilleure que la simulation qui l’a enseignée.
Mahalingam n’a pas esquivé la circularité lorsqu’on lui a demandé. Dans le cas de Magna, a-t-il déclaré, le client a effectué une vaste exploration de conception dans Simcenter HEEDS, l’outil de recherche de conception de Siemens, et a résolu les variations rapidement à l’aide de Simsolid, un solveur qui saute la lente étape de création de maillage. Ces résultats de simulation ont ensuite été réutilisés pour entraîner le modèle physique d’IA. Lorsqu’un client ne dispose d’aucune donnée au départ, « il a d’abord généré des données synthétiques avec Simsolid et HEEDS, puis il est revenu en arrière, a pris ces données et a formé un modèle d’IA physique ». En d’autres termes, le substitut n’est jamais aussi efficace que la simulation qui le sous-tend, une contrainte qu’il a reconnue plutôt que de l’écarter.
Ce qui empêche cela de devenir un piège, a-t-il soutenu, c’est un garde-fou construit pour empêcher le modèle de prédire sur un terrain qu’il n’a jamais vu. Un substitut formé aux variations d’une forme échouera s’il lui est demandé d’en prédire une forme radicalement différente, et il est conçu pour le dire. « Nous avons installé des garde-corps là où il revient et dit, hé, je ne peux pas prédire cela. C’est une forme complètement différente de celle sur laquelle vous l’avez entraîné », a déclaré Mahalingam. « L’ingénieur ne peut donc pas se tirer une balle dans la jambe. »
Pourquoi l’honnêteté est l’histoire
La franchise n’est pas l’effacement de soi ; c’est le positionnement. Tous les fournisseurs de simulation s’empressent désormais d’intégrer l’IA à leur portefeuille, et le risque de crédibilité est que les acheteurs cessent de croire aux chiffres. En marquant la pointe de la technologie – sans danger pour l’exploration, et non pour l’approbation finale ; puissant avec les données, inutile au-delà de son enveloppe de formation – Siemens fait le pari que les ingénieurs font davantage confiance à un outil lorsqu’il leur dit ce qu’il ne peut pas faire.
Il atterrit différemment venant du côté simulation de la maison. Les fournisseurs de conception de puces et d’IA d’entreprise ont passé le cycle de battage publicitaire à promettre l’autonomie ; une entreprise dont les clients modélisent des structures de crash et des moteurs d’avion insiste plutôt sur le fait que l’étape de validation humaine reste exactement là où elle se trouve. Ce n’est pas une protection contre l’IA. Il s’agit d’un compte rendu plus clair de sa place, en tant que premier passage rapide qui élargit la recherche, le solveur basé sur la physique tenant toujours la plume sur tout ce qui doit être correct.
Il s’agit d’une revendication plus limitée que celle à laquelle le marché est habitué et plus durable. Siemens vend le 1 000x, mais la chose la plus précieuse qu’il offre aux ingénieurs est la frontière qui l’entoure.
