概要
AIはあらゆる場所に存在している。しかし、テストシステムにおいては、性能を測定、検証、追跡可能にする必要がある。
AIツールが開発を加速させる一方で、検証、再現性、実世界での挙動といった新たな課題も生じさせています。ハードウェアに近い作業を行うテストエンジニアにとって、これらの懸念は測定の信頼性やシステム性能に直接影響を与えます。
このインタビュー形式のウェビナーでは、規律ある検証優先のアプローチとFPGAベースのプラットフォームを組み合わせることで、AIをブラックボックス生成器から、実用的で信頼性が高く、厳密に設計されたツールへと変える方法を探ります。また、要件定義、構成生成、測定可能な基準に対する結果検証といった、既存のエンジニアリングプロセスにAI支援設計ワークフローをどのように組み込むことができるかについても解説します。
また、再構成可能なハードウェアが、従来のソフトウェアのみのアプローチに伴う遅延や予測不可能性を排除し、信号、センサー、システムにより近い場所でリアルタイム実行を可能にする仕組みについても検証します。
参加者は、AIが現代のテストワークフローにどのように適合するのか、馴染みのある工学原理を用いてどのように評価するのか、そして厳密性を損なうことなくどのように適用するのかについて、実践的な視点を得ることができます。
参加者は以下のことを学びます。
- テストエンジニアリングのワークフローにおいて、AIがどのような役割を果たすのかを理解する： AIが測定の正確性やシステム性能を損なうことなく開発を加速できる、実用的なユースケースを特定する。
- AI支援設計に検証優先の原則を適用する： AIを活用したワークフローに、要件、検証基準、測定可能な閾値を組み込む方法を学びましょう。
- エンジニアリング指標を用いてAI生成出力を評価する： AI支援型テスト構成における再現性、精度、信頼性を評価するための戦略を策定する。
- 決定論的テスト環境におけるFPGAベースシステムの役割について説明してください。 再構成可能なハードウェアが、信号により近い場所でのリアルタイム実行を可能にし、レイテンシ、ジッター、およびOS関連の変動を低減する仕組みを理解する。
- 制御性を損なうことなく、既存のテストワークフローにAIを統合する： AIが、確立されたエンジニアリングプロセスの中で、エンジニアが高度な意図から検証済みの展開可能なテストシステムへと移行するのをどのように支援できるかを探ります。
.
日付： 2026 年 6 月 4 日
講演者： ブライアン・ネフ博士
航空宇宙・防衛アプリケーションエンジニア
革新的なソフトウェア定義テスト／計測ソリューションのリーディングプロバイダーであるLiquid Instruments