概述
人工智能无处不在。但在测试系统中，性能必须能够被测量、验证和追溯。
随着人工智能工具加速开发，它们也带来了验证、可重复性和实际应用等方面的新挑战。对于与硬件密切接触的测试工程师而言，这些问题直接影响测量结果的完整性和系统性能。
本次访谈式网络研讨会将探讨如何将严谨的、以验证为先的方法与基于FPGA的平台相结合，从而将人工智能从一个黑盒生成器转变为一个实用、值得信赖且经过严格工程设计的工具。我们将讨论如何将人工智能辅助设计工作流程融入到现有的工程流程中：定义需求、生成配置以及根据可衡量的标准验证结果。
我们还将研究可重构硬件如何实现更靠近信号、传感器和系统的实时执行，而不会像传统的纯软件方法那样出现延迟和不可预测性。
与会者将获得关于人工智能在现代测试工作流程中的作用、如何使用熟悉的工程原理对其进行评估以及如何在不降低严谨性的前提下应用人工智能的实际视角。
与会者将学习：
- 了解人工智能在测试工程工作流程中的作用： 找出人工智能可以在不损害测量完整性或系统性能的前提下加速开发的实际应用案例。
- 将验证优先原则应用于人工智能辅助设计： 了解如何将需求、验证标准和可衡量的阈值纳入人工智能驱动的工作流程。
- 使用工程指标评估人工智能生成的输出： 制定评估人工智能辅助测试配置中可重复性、准确性和可靠性的策略。
- 解释基于FPGA的系统在确定性测试环境中的作用： 了解可重构硬件如何实现更接近信号的实时执行，并减少延迟、抖动和操作系统相关的变异性。
- 在不牺牲控制力的前提下，将人工智能集成到现有测试工作流程中： 探索人工智能如何帮助工程师在既定的工程流程中，从高层次的意图过渡到经过验证、可部署的测试系统。
.
日期： 2026 年 6 月 4 日
演讲者： 布莱恩·内夫博士
航空航天与国防应用工程师
Liquid Instruments